iPAS AI應用規劃師考試重點整理 - L11203 資料隱私與安全

#1

★★★★★

個人資料 (Personal Data) 的定義

核心概念

理解個人資料保護法 (個資法) 中對個人資料的定義，即得以直接或間接方式識別特定個人的資料。 (對應能力 K13)

#2

★★★★★

資料最小化原則 (Data Minimization Principle)

核心概念

在蒐集、處理及利用個人資料時，應僅限於達成特定目的所必需的範圍，避免蒐集過多或不相關的資料。 (來源：金融指引 Ch3) (對應能力 K13)

#3

★★★★

目的限制原則 (Purpose Limitation Principle)

核心概念

個人資料的處理和利用，不得超出蒐集時所告知當事人的特定目的範圍，除非具有法律明文規定或經當事人同意。 (對應能力 K13)

#4

★★★★

告知後同意 (Informed Consent)

核心概念

在蒐集個人資料前，應明確告知當事人蒐集目的、資料類別、利用期間、地區、對象及方式等事項，並取得其同意（除非符合免告知或免同意的法定情形）。 (對應能力 K13)

#5

★★★

當事人權利

核心概念

認識個資法賦予當事人的權利，包括查詢或請求閱覽、請求製給複製本、請求補充或更正、請求停止蒐集處理或利用、請求刪除等。 (對應能力 K13)

#6

★★★

機敏資料 (Sensitive Data) 的特殊保護

核心概念

了解個資法對特種資料（如醫療、基因、性生活、健康檢查、犯罪前科）有更嚴格的蒐集、處理、利用限制。 (對應能力 K13)

#7

★★★★★

資訊安全鐵三角 (CIA Triad)

核心概念

理解資訊安全的三大核心目標：

機密性 (Confidentiality)：確保資訊僅被授權人員存取。
完整性 (Integrity)：確保資訊在儲存或傳輸過程中未被未授權竄改。
可用性 (Availability)：確保授權使用者在需要時能夠存取資訊和相關資源。

(對應能力 K13)

#8

★★★★

存取控制 (Access Control)

核心概念

限制使用者或系統對資訊資源（如資料、系統功能）的存取權限。常見機制包括身分驗證 (Authentication) 和授權 (Authorization)。 (對應能力 K13)

#9

★★★

加密 (Encryption)

核心概念

將資料轉換為無法輕易讀取的格式（密文），只有擁有解密金鑰者才能還原（解密）。用於保護儲存中和傳輸中的資料機密性。 (對應能力 K13)

#10

★★★

常見的資安威脅

核心概念

認識可能影響 AI 系統或其所用資料的常見威脅，如惡意軟體 (Malware)、網路釣魚 (Phishing)、阻斷服務攻擊 (DoS/DDoS)、資料外洩 (Data Breach) 等。 (對應能力 K13)

#11

★★★★★

個人資料保護法 (個資法) 的基本認識

核心概念

了解個資法是台灣保護個人資料的主要法律，規範了資料的蒐集、處理、利用等行為，以及企業應盡的義務與當事人權利。 (對應能力 K13, K15)

#12

★★★

資通安全管理法的基本認識

核心概念

了解資通安全管理法旨在提升特定非公務機關（如關鍵基礎設施提供者）及公務機關的資通安全防護能力，要求建立管理制度、通報應變等。 (對應能力 K13, K15)

#13

★★

其他相關法規（概念）

核心概念

意識到 AI 應用可能涉及其他法律，如著作權法（生成內容的版權）、公平交易法（演算法歧視）、金融法規（若應用於金融領域）等。 (對應能力 K15)

#14

★★★★

合規性 (Compliance) 的重要性

核心概念

強調遵守相關法律法規是企業基本義務，違反可能面臨罰款、訴訟、商譽損害等嚴重後果。在 AI 應用中，確保合規性是風險管理的關鍵一環。 (對應能力 K12, K15)

#15

★★★★

AI與偏見問題

核心概念

AI系統可能因訓練資料的偏見或演算法設計而產生歧視性結果，影響公平性。需特別關注並採取措施偵測與緩解偏見。 (對應能力 K10, K12)

#16

★★★

AI的可解釋性挑戰

核心概念

某些複雜的 AI 模型（如深度學習）如同「黑盒子 (Black Box)」，難以解釋其決策原因，這在需要問責和透明度的場景下（如醫療、金融）會帶來挑戰。 (對應能力 K10)

#17

★★★★

生成式AI的隱私與安全風險

核心概念

除了偏見，生成式AI還可能意外洩露訓練資料中的敏感資訊，或被用於生成有害內容（如假訊息、惡意程式碼）。需要特殊的安全防護措施（如內容過濾、提示詞注入防禦）。 (公部門手冊 4.4) (對應能力 K09, K10, K12, K13)

#18

★★★

對抗性攻擊 (Adversarial Attacks)

核心概念

指故意設計微小的、人眼難以察覺的輸入擾動，以欺騙 AI 模型做出錯誤判斷。這是 AI 系統特有的安全威脅。 (對應能力 K13)

#19

★★★★

去識別化 (De-identification) 與假名化 (Pseudonymization)

核心概念

去識別化：移除或修改資料中足以識別個人的資訊，使其無法再連結回特定個人。
假名化：以代碼或假名取代可識別資訊，需有對照表才能還原。

是保護資料隱私的常用技術。 (金融指引 Ch3 註8) (對應能力 K13)

#20

★★★

隱私強化技術 (PETs, Privacy-Enhancing Technologies) 概念

核心概念

了解隱私強化技術是一系列保護個人資訊的技術方法，例如同態加密 (Homomorphic Encryption)、聯邦學習 (Federated Learning)、差分隱私 (Differential Privacy) 等概念。 (金融指引 Ch3 註8) (對應能力 K13)

#21

★★★★

安全的資料處理與儲存

核心概念

在資料的生命週期中採取適當的安全措施，包括傳輸加密（如 TLS/SSL）、儲存加密、安全的存取控制、定期備份、安全的銷毀等。 (對應能力 K13)

#22

★★★

建立安全開發流程 (Secure Development Lifecycle, SDL)

核心概念

在 AI 系統的設計、開發、測試、部署等各階段融入安全性考量，及早發現和修補漏洞。 (對應能力 K13)

#23

★★

事件應變計畫 (Incident Response Plan)

核心概念

制定應對資安事件（如資料外洩、系統被駭）的計畫與程序，包括偵測、抑制、根除、復原、事後檢討等步驟。 (對應能力 K13)

iPAS AI應用規劃師 考試重點

iPAS AI應用規劃師考試重點