美國財政部外國資產控制辦公室更新發布與勒索軟體支付相關之制裁風險諮詢
美國財政部外國資產控制辦公室（The US Department of the Treasury’s Office of Foreign Assets Control, OFAC）於2021年9月21日更新並發布了與勒索軟體支付相關之制裁風險諮詢公告（Updated Advisory on Potential Sanctions Risks for Facilitating Ransomware Payments）。透過強調惡意網絡活動與支付贖金可能遭受相關制裁之風險，期待企業可以採取相關之主動措施以減輕風險，此類相關之主動措施即緩減風險之因素（mitigating factors）。
該諮詢認為對惡意勒索軟體支付贖金等同於變相鼓勵此種惡意行為，故若企業對勒索軟體支付，或代替受害企業支付贖金，未來則有受到制裁之潛在風險，OFAC將依據無過失責任（strict liability），發動民事處罰（Civil Penalty制度），例如處以民事罰款（Civil Money Penalty）。
OFAC鼓勵企業與金融機構包括涉及金錢存放與贖金支付之機構，應實施合規之風險管理計畫以減少被制裁之風險，例如維護資料的離線備份、制定勒索事件因應計畫、進行網路安全培訓、定期更新防毒軟體，以及啟用身分驗證協議等；並且積極鼓勵受勒索病毒攻擊之受害者應積極聯繫相關政府機構，例如美國國土安全部網路安全暨基礎安全局、聯邦調查局當地辦公室。
蘇偉綸
副法律研究員 編譯整理
1. The US Department of the Treasury’s Office of Foreign Assets Control [OFAC], Updated Advisory on Potential Sanctions Risks for Facilitating Ransomware Payments(2021), https://home.treasury.gov/system/files/126/ofac_ransomware_advisory.pdf (last visited Oct. 19, 2021).
2. Publication of Updated Ransomware Advisory; Cyber-related Designation, U.S. DEPARTMENT OF THE TREASURY, https://home.treasury.gov/policy-issues/financial-sanctions/recent-actions/20210921 (last visited Oct. 19, 2021).
3. Alex Koskey and Matt White, Ransomware state of the union: regulations, trends and mitigation strategies, REUTERS, Oct.14,2021, https://www.reuters.com/legal/legalindustry/ransomware-state-union-regulations-trends-mitigation-strategies-2021-10-14/ (last visited Oct. 19, 2021).
英國商業、能源和產業策略部（Business, Energy and Industrial Strategy，以下簡稱BEIS）於2019年1月提出智慧饋電保證（Smart Export Guarantee，以下簡稱SEG），於此保證下，BEIS將擬定一套不同於躉購制度之政策框架，使小型生產消費者（prosumer）所生產之綠色電力，可於此一政策框架之保障下，與售電業者議約，並將電力售予售電業者，以減輕英國政府預計於今年3月廢除躉購制度所帶來之衝擊。 SEG重要之內容包含： （1） SEG課予大型售電業（用戶數大於25萬之售電業）收購小型生產消費者所生產之綠色電力之義務。 （2） 小型生產消費者所生產之綠色電力之交易價格及相關契約內容，將交由售電業者與小型生產消費者自行協議。但SEG要求售電業業者對於綠色電力之收購價格不可低於（或等於）零。 （3） 於「負電價」期間，即便小型生產消費者將綠色電力輸入電網，售電業者也不得因此對消費者課徵任何費用。 （4） 小型生產消費者所生產之綠色電力之計算方式，必須以實際測得之產出電力為準，不得以預估之容量為準，亦即，小型生產消費者如裝設智慧電表而可記錄綠色電力生產量時，其生產之綠色電力始有被收購之可能。 （5） 小型生產消費者之再生能源發電設備，不論容量大小，皆應符合躉購制度下之再生能源發電設備之規格標準，但不得超過5MW。 此一政策立意良善，然仍有不少質疑聲音，其中的聲音不乏：（1）BEIS如何確保小型生產消費者所獲取之契約價格，可以真實反映市場之真正應有之電價？（2）SEG於今年3月躉購費率制度廢除後半年間，可能尚未會出現定案之政策框架，其間將會產生立法之真空狀態，其間要如何減緩制度改革對於產業帶來之衝擊？（3）政府所主導之小型消費者端之智慧電表之建置，於英國仍緩如牛步，而智慧電表對於小型消費者而言，如其欲主動裝設，每具將造成300歐元之額外支出，同時每年需額外支出50歐元之維修費用，此一事實對於SEG之推行無疑將造成阻礙。
瑞士聯邦委員會發布氣候揭露規則，規範企業非財務資訊揭露義務標準瑞士聯邦委員會（The Swiss Federal Council）於2022年11月23日發布氣候揭露規則（L'ordonnance relative au rapport sur les questions climatiques），旨在補充《瑞士債法典》（Code des Obligations）企業非財務資訊揭露義務之標準，要求瑞士大型企業呈現明確、可供比較的氣候資訊，並於2024年1月1日起生效。 依照《瑞士債法典》第32章第6節「非財務事項之透明度（Transparency on Non-Financial Matters）」規定，擁有500位以上員工，且資產負債表總額為2000萬瑞士法郎以上或營業額超過4000萬瑞士法郎之上市公司、銀行和保險公司（下稱大型企業）每年應揭露非財務資訊。氣候揭露規則就此進一步補充該章節的內容，要求大型企業依照國際公認標準揭露氣候資訊，要點如下： （1）明定包括氣候對大型企業造成的影響與企業活動對氣候造成的影響在內的資訊，皆應於大型企業的非財務資訊報告中公布。 （2）將氣候相關財務揭露工作小組（Task Force on Climate-related Financial Disclosure, TCFD）公布之「TCFD建議書（Recommendations of the Task Force on Climate-related Financial Disclosures）」與附件「TCFD建議書之實施（Implementing the Recommendations of the Task Force on Climate-related Financial Disclosures）」納為瑞士大型企業氣候揭露標準，包括治理、戰略、風險管理及關鍵指標與目標四項主題，並應留意建議書「適用所有部門（all-sectors）」與「個別部門（certain sectors）」之指引。 （3）如未依規定揭露者，則應說明其遵循氣候揭露義務的其他方式，或說明無須遵循的正當理由。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）