世界經濟論壇發布《贏得數位信任:可信賴的技術決策》

  世界經濟論壇(World Economic Forum, WEF)於2022年11月15日發布《贏得數位信任:可信賴的技術決策》(Earning Digital Trust: Decision-Making for Trustworthy Technologies),期望透過建立數位信任框架(digital trust framework)以解決技術開發及使用之間對數位信任之挑戰。

  由於人工智慧及物聯網之發展,無論個人資料使用安全性還是演算法預測,都可能削弱人民對科技發展之信賴。本報告提出數位信任路線圖(Digital trust roadmap),說明建立數位信任框架所需的步驟,以鼓勵組織超越合規性,指導領導者尋求符合個人與社會期望之全面措施行動,以實現數位信任。路線圖共分為四步驟:

  1.承諾及領導(commit and lead):數位信任需要最高領導階層之承諾才能成功,故需將數位信任與組織戰略或核心價值結合,並從關鍵業務領域中(例如產品開發、行銷、風險管理及隱私與網路安全)即納入數位信任概念。

  2.規劃及設計(plan and design):透過數位信任差距評估(digital trust gap assessment)以瞭解組織目前之狀態或差距,評估報告應包括目前狀態說明;期望達成目標建議;治理、風險管理與合規性(governance, risk management and compliance, GRC)調查結果;將帶來之益處及可減輕之風險;計畫時程表;團隊人員及可用工具;對組織之影響等。

  3.建立及整合(build and integrate):實現數位信任需關注人員、流程及技術等三大面向。首先需確保人員能力、達成該能力所需之資源,以及人員溝通與管理;第二,定義組織數位信任流程,包括制定計劃所需時程、預算及優先實施領域,調整目前現有管理流程,並識別現有資料資產;最後,針對技術使用,可考慮使用AI監控、雲端管理系統以及區塊鏈等,以監測資料之使用正確性及近用權限管理。

  4.監控及滾動調整(monitor and sustain):建立數位信任框架後,需持續建構相關績效及風險評估程序,以確保框架之穩定,並根據不斷變化的數位信任期望持續改善,以及定期向董事會報告。

相關連結
你可能會想參加
※ 世界經濟論壇發布《贏得數位信任:可信賴的技術決策》, 資訊工業策進會科技法律研究所, https://stli.iii.org.tw/article-detail.aspx?d=8942&no=0&tp=1 (最後瀏覽日:2026/11/20)
引註此篇文章
科法觀點
你可能還會想看
日本內閣府研議「網路資訊安全判斷基準草案」並將作為未來機關處理共同標準

  日本內閣府網路安全戰略本部(サイバーセキュリティ戦略本部)於2017年7月13日第14次會議中提出對2020年後網路安全相關戰略案之回顧(2020年及びその後を見据えたサイバーセキュリティの在り方(案)-サイバーセキュリティ戦略中間レビュー-),針對網路攻擊嚴重程度,訂立網路安全判斷基準(下稱本基準)草案。對於現代網路攻擊造成之嚴重程度、資訊之重要程度、影響範圍等情狀,為使相關機關可以做出適當之處理,進而可以迅速採取相應之行動,特制訂強化處理網路攻擊判斷基準草案。其後將陸續與相關專家委員討論,將於2017年年底發布相關政策。   本基準設置目的:為了於事故發生時,具有視覺上立即判斷標準,以有助於事故相關主體間溝通與理解,並可以做為政府在面對網路侵害時判斷之基準,成為相關事件資訊共享之體制與方法之基準。   本基準以侵害程度由低至高,分為第0級至第5級。第0級(無)為無侵害,乃對國民生活無影響之可能性;第1級(低)為對國民生活影響之可能性低;第2級(中)為對國民生活有影響之可能性;第3級(高)為明顯的對國民生活影響,並具高可能性;第4級(重大)為顯著的對國民生活影響,並具高可能性;第5級(危機)為對國民生活廣泛顯著的影響,並具有急迫性。除了對國民及社會影響,另外在相關系統(システム)評估上,在緊急狀況時,判斷對重要關鍵基礎設施之安全性、持續性之影響時,基準在第0級至第4級;平常時期,判斷對關鍵基礎設施之影響,只利用第0級至第3級。   本次報告及相關政策將陸續在一年內施行,日本透過內閣府網路安全戰略本部及總務省、經濟產業省與相關機構及單位之共同合作,按照統一之標準採取措施,並依據資訊系統所收集和管理之資料作出適當的監控及觀測,藉由構建之資訊共享系統,可以防止網絡攻擊造成重大的損失,並防止侵害持續蔓延及擴大,同時也將為2020年東京奧運會之資訊安全做準備。我國行政院國家資通安全會報目前公布了「國家資通安全通報應變作業綱要」,而日本以國民生活之影響程度標準列成0至5等級,其區分較為精細,且有區分平時基準及非常時期基準等,日本之相關標準可作為綱要修正時之參考。

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。

英國司法管轄權工作小組發布「關於人工智慧損害責任之法律聲明」,旨在闡明英國法律將如何對利用人工智慧造成之損害追究責任

英國司法管轄權工作小組(The UK Jurisdiction Taskforce, UKJT)於2026年7月發布「關於人工智慧損害責任之法律聲明」(Legal Statement on Liability for AI Harms)(以下簡稱本聲明),旨在闡明於何種情況下,以及基於何種法律依據,英國法律將對利用AI造成之損害追究責任。 本聲明指出,因利用AI而非故意造成之損害,其責任來源大致可分為契約責任與侵權責任。就契約而言,通常為AI供應鏈中各方分配損害責任之主要依據,AI本身之存在並不會對契約法構成特殊困難之判斷,各方當事人可自由分配風險、定義績效標準並根據自身判斷限制責任。 就侵權責任而言,本聲明認為過失法則(law of negligence)完全可應用於AI造成之損害。粗心之AI使用者很可能因可預見之損害而被追究責任,開發針對特定目標應用程式之開發者亦可能承擔責任,惟基礎模型開發者(Foundation Model Developer)於大多數情況下,皆不太可能因其通用模型之不可預見、或未經充分測試之用途而被追究責任。 除一般侵權責任之外,本聲明並另探討其他特殊侵權行為責任類型如下: (1)代位責任(vicarious liability):由於AI並未具備人格,因此任何人均無需為AI系統本身之行為或故障承擔代位責任;惟若損害係由人類員工於使用AI時不當行為所造成,則雇主可能需要承擔代位責任,此與一般之雇主代位責任並無二致。 (2)不可轉嫁之義務(non-delegable duties):若某人負有不可轉嫁之義務,即保護他人免受傷害,則此人可能即需對他人因自身過錯造成之AI損害承擔責任。例如英國國家醫療服務體系(NHS)信託機構對其患者負有不可轉嫁之義務,假設一家NHS信託機構從第三方開發人員購買一款AI診斷工具,並將其應用於病患照護,若該AI工具有缺陷,而責任在於應用程式開發商,該NHS信託機構不能以此為由逃避對患者造成之傷害責任,因提供合格之診斷服務與工具為信託機構承擔之醫療照護責任重要組成部分,此項責任不可轉嫁。 (3)專業人士責任:專業人士具有「合理技能與注意」(reasonable skill and care)義務,取決於該行業合格成員通常遵循之標準,並參考專業機構之指引。依此,若專業人士不當使用AI、使用不合適之模型、未能進行適當之盡職調查,或未能有效測試、或驗證AI輸出結果,則可能被認定為有過失。此外,若專業人士於應使用AI之情況下卻未使用,亦可能承擔法律責任,因隨AI工具功能日益強大且應用日益廣泛,專業標準也將隨之演變,而未能使用現有技術本身亦可能構成違約。 (4)產品責任(Product liability):依英國《1987年消費者保護法》(Consumer Protection Act 1987)規定,對於瑕疵產品,企業需負嚴格責任,惟目前該規定僅適用於將AI整合到機器人或自動化機器等有形產品中之情況,純軟體形式之AI系統不太可能被現行法律認定為「產品」。 須注意者為,對於開發者而言,本聲明做出重要之區分,即建立針對特定目標應用之開發者,相較提供通用基礎模型之開發者面臨更大的風險,惟AI供應鏈中之所有參與者皆須意識到自身之責任。

解析中國江蘇省「企業知識產權管理規範」之內容與對台商的影響

TOP