107 警察特考三等 警察資訊管理人員 警政資訊管理與應用 考古題詳解

核心觀念

本題測驗警察資訊人員在「實務系統診斷」與「資訊管理與系統工程落實」的整合能力，核心觀念包含：

1. 警政資訊系統（Police Information System, PIS）實務架構與痛點：包含資料孤島（Information Silos）、多系統重複登打、行動端（M-Police）與後端資料庫整合落差、以及使用者介面（UI/UX）老舊等常見缺失。
2. 組織作業程序再造（Business Process Reengineering, BPR）：源自 Hammer & Champy 的管理理論，強調打破傳統功能分工導向，以「流程」為核心，進行根本性的重新思考與徹底翻新，消除無附加價值的非必要行政程序。
3. 資訊系統開發方法（Information System Development）：涵蓋現代化系統架構設計（如微服務架構 Microservices、服務導向架構 SOA、API 閘道、單一簽入 SSO）、敏捷開發（Agile Development）及以使用者為中心的設計（User-Centered Design, UCD）。
4. 資訊系統導入與變革管理（Information System Implementation & Change Management）：系統上線策略（如試行導入 Pilot Run、分階段導入 Phased Conversion）、人員變革抗拒排解、教育訓練、成效評估及符合法令的資安稽核機制。

---

解題方法

本題配分結構為「現行缺失分析（10分）」與「改進對策（20分）」，作答比例應控制在 1：2。

1. 第一部分（10分）：切入點應鎖定第一線外勤員警與內勤承辦人員最切身相關的真實困境，提出 3 至 4 項具體痛點，避免空泛描述。實例應扣合「受理報案、刑案偵查、巡邏查緝、交通執法」等核心警政業務。
2. 第二部分（20分）：必須嚴格依照題目指定的「組織作業程序再造」、「資訊系統開發」、「資訊系統導入」三大維度展開論述，不可相互混雜：

• 組織作業程序再造：著重在「流程簡化、權限重組、表單整併與無紙化」。
• 資訊系統開發：著重在「系統整合架構、API 介接、敏捷與體驗設計、行動化延伸」。
• 資訊系統導入：著重在「上線策略、教育訓練、變革管理、資安與回饋機制」。

---

選項分析

本題為申論題，無選項分析。作答關鍵在於層次鮮明、專業術語到位，將理論架構與警政實務無縫結合。

---

解題技巧

1. 配分決定篇幅：10分題目切忌長篇大論，以「小標題＋實務情境說明」列出 3～4 點即可；20分題目則為得分主力，應分成三大段落，每段提供 2～3 個具體可行作法。
2. 答題架構對稱性：第二部分的改進做法，應能精準回扣並解決第一部分所提出的痛點，形成「提出問題 $\rightarrow$ 對症下藥」的邏輯閉環。
3. 大量引用專業術語：如「資料孤島（Information Silos）」、「單一登入（SSO）」、「微服務架構（Microservices）」、「敏捷開發（Agile）」、「試行導入（Pilot Run）」、「變革管理（Change Management）」，提升答題專業度。

---

【答案】

一、現行警政資訊系統對警政作業程序之缺失與不便分析（10分）

現行警政資訊系統隨各項業務歷年陸續建置，雖大幅提升警政作業效率，但在基層實務運作上仍存在以下不便與改進空間：

1. 系統林立形成資料孤島，衍生重複鍵入負擔 現行刑案受處、110 報案、交通事故處理、家暴兒少通報等系統各自獨立，資料標準與編碼未全然統一。同一案件發生後，員警常需在不同系統間切換並重覆登打相同之案件基本資料（如人別、案發時地），不僅耗費第一線警力時間，亦增加資料登錄不一致之風險。
2. 單一簽入（SSO）未全面普及，帳號權限管理繁複 基層員警因業務需要，往往持有十數組不同系統之帳號密碼。各系統之密碼複雜度要求與更新週期各異，導致員警常需手動紀錄密碼，不僅易造成登入延遲與忘記密碼之困擾，亦形成資通安全之潛在漏洞。
3. 行動應用（M-Police）與後端系統整合不足，離線與同步能力受限

核心觀念 本題評量考生對「警政資訊安全實務」與「縱深防禦架構（Defense-in-Depth）」之掌握程度，涵蓋警政知識聯網、行動應勤載具（M-Police）、核心資料庫（如車籍、戶役政、前科刑案）之維運現況。法規與標準層面，涉及《個人資料保護法》、《警察機關資通安全實施規定》及 ISO/IEC 27001 資訊安全管理系統；相關法規以命題當年（民國 107 年）法規為準（備註：規範各公務機關資通安全防護基準之《資通安全管理法》於民國 107 年 6 月公布、108 年 1 月正式施行，後續法規與警政資安防護基準現行法已修正並進一步提高防護要求）。技術概念則包含資訊安全三要素（CIA：機密性、完整性、可用性）與不可否認性（Non-repudiation）、多因子鑑別（MFA）、基於角色的存取控制（RBAC）、網路微切分（Micro-segmentation）、網路存取控制（NAC）、安全資訊與事件管理（SIEM）、行動裝置管理（MDM）及資料外洩防護（DLP）。

---

解題方法 本題為標準的「兩段式」申論題，配分比重為 10 分比 20 分，解題策略首重「前後呼應」與「分類架構」：

1. 第一子題（缺失剖析，10分）：切忌零散條列，應從警政實務情境（如基層員警使用習慣、M-Police 廣泛外勤使用、海量個資查詢）出發，按「身分鑑別與存取控管」、「端點與行動設備」、「網路架構與邊界隔離」、「日誌稽核與資安監控」四大構面精準點出弊病。
2. 第二子題（改進做法，20分）：題目明確限定自「網路管理技術」與「資訊安全機制」兩個視角切入。作答時必須嚴格依這兩個視角分立大標題，並針對第一子題所列之各項缺失逐一提出相應的防禦技術與管理架構，確保對策具備可操作性與警政實務適用性。

---

選項分析 本題為申論題，無選擇題選項。閱卷評分重點在於：

1. 問題切中度（10分）：能否精準指出警政實務上的真實痛點（如公器私用查個資、帳號共用、M-Police 實體遺失或未授權側錄、稽核屬事後被動且缺乏關聯分析），而非空談通用的資安名詞。
2. 架構完整性與對應度（20分）：技術層次是否清晰區分「網路層（Network Level）」與「系統/應用/管理機制層（System/Security Mechanism Level）」，且提出的解決方案能否直接消除前述缺失。

---

解題技巧

1. 結構對稱原則：第一子題點出 $N$ 個核心缺失，第二子題的網路與資安對策就要精準覆蓋這 $N$ 個問題，展現縝密的邏輯推理。
2. 善用警政專有名詞：適度帶入「M-Police 行動應勤載具」、「警政知識聯網」、「自然人憑證/警察晶片卡」、「專用 APN」、「巨量異常查詢告警」、「動態螢幕浮水印」等術語，突顯專門知識。
3. 避免技術堆砌：說明技術時，需帶出「技術手段 $\to$ 防禦目標 $\to$ 解決之警政弊端」，展現資安架構規劃能力。

---

【答案】

一、警政資訊系統安全機制之觀察缺失（10分）

警政資訊系統肩負國家安全、治安維護與犯罪偵查等重責，系統內儲存大量國民個人資料（如戶籍、前科、車籍、出入境資料等）。就實務運作機制而言，常見之資安缺失如下：

(一) 身分鑑別機制鬆散與越權存取頻傳 基層派出所因勤務繁忙或輪班特性，實務上偶見同仁借用他人帳號密碼登入、離席未即刻登出，或為圖便利將認證卡留置讀卡機之情事；此外，存取控制權限劃分多以「職稱」為粗略標準，缺乏基於「承辦案件關聯性」之動態最小權限管控，致使員警無正當事由擅查親友或公眾人物個資之弊端屢見不鮮。

(二) 行動應勤載具（M-Police）之端點暴露風險高 外勤員警大量依賴 M-Police 進行現場盤查與資料查詢，載具分散於外勤現場，面臨實體遺失、遭竊、私自連線未授權公眾 Wi-Fi、或遭破解作業系統（Root/Jailbreak）以側錄通訊內容等端點威脅，成為內網防禦邊界的潛在破口。

(三) 內部網路架構扁平，缺乏微切分防禦 各警察分局、派出所至警政署核心機房之內部網路，常缺乏嚴格之網路微切分（Micro-segmentation）。外勤單位終端電腦若因誤插隨身碟或點擊社交工程釣魚信件而感染勒索軟體或木馬，惡意封包極易在缺乏橫向隔離的局域網內橫向移動（Lateral Movement），波及核心伺服器群。

(四) 日誌稽核過於被動且缺乏即時關聯分析 多數系統雖留存查詢紀錄（Log），但多屬分散式存放，缺乏集中整合分析。實務稽核機制多仰賴各級督察或業務主管於「事後抽查」，無法在使用者出現「短時間巨量下載」、「非值勤時間頻繁查詢」或「非轄區異常查詢」等反常行為的當下發出即時告警或自動熔斷連線。

核心觀念

本題的核心測驗重點為​「智慧警政（Smart Policing）架構下的大數據技術整合與資料治理管理機制」。 在警政實務中，資訊系統長年依業務需求各自建置（如 110 報案系統、刑案資訊系統、M-Police 警用行動電腦、車辨及路口監視錄影系統 CCTV、交通事故處理系統等），導致嚴重的「資料孤島（Data Silos）」現象。

本題主要運用的理論、架構與法規依據包含：

1. 大數據 5V 特性在警政之展現：資料量龐大（Volume，如數十億筆車辨與軌跡）、種類多元（Variety，包含結構化報案表格、非結構化筆錄文本、影音影像）、傳輸與處理速度快（Velocity，即時車辨通報）、真實性（Veracity，資料清洗與驗證）與價值密度（Value，海量資料中萃取犯罪預警情資）。
2. 大數據整合技術架構：異質資料整合機制（ETL/ELT、API 閘道）、巨量資料湖/倉儲架構（Hadoop/Spark 分散式運算、Data Lake）、關聯與語意探勘技術（圖形資料庫 Graph Database、自然語言處理 NLP）、空間資訊分析（地理資訊系統 GIS 空間群聚分析）。
3. 資料治理與資安法規架構：警政資料治理框架（標準化、元資料 Metadata 管理、資料生命週期）、情資導向警政（Intelligence-Led Policing, ILP）。
4. 法規遵循：以命題當年（民國 107 年）之法規為準，核心規範為《個人資料保護法》（民國 104 年底修正、105 年施行版本）與《警察職權行使法》第 15 條至第 18 條關於資料蒐集、利用及查尋之規範。（註：現行法已於 112 年修正增訂個人資料保護委員會籌備架構）。

---

解題方法

本題題型屬於警政資訊體系中的「申論題（系統整合與管理策略題）」。解題切入點必須兼具​「技術深度」、「管理嚴謹度」​與​「警政治安作為之落實」，採取三階段解題結構：

1. 大數據技術角度（How to integrate technically）：說明如何打破系統隔閡，從「蒐集清洗 $\rightarrow$ 儲存運算 $\rightarrow$ 分析探勘 $\rightarrow$ 視覺化展現」四層次建立大數據整合平臺。
2. 組織與管理角度（How to govern and manage）：技術若無管理制度配合則無法落地，故從「資料治理規範」、「情資共享與組織跨域協調」、「資訊安全與個資法規遵循（RBAC、軌跡稽核）」切入。
3. 治安作為實務成效（Operational outcomes）：具體回應題旨「強化治安作為」，落實於「預測性警政（治安熱區與警力動態調度）」、「即時科技防阻（行車軌跡追蹤、失竊攔查）」與「刑事偵查深度關聯（幫派人際網絡、詐欺金流關聯分析）」。

---

選項分析

本題為純申論題（非選擇題），故針對題目核心構面的作答維度、評分要點與配分權重進行深度剖析：

1. 大數據技術角度（建議佔 8 分）

• 採分要點：考生不可僅空泛提及「用 AI 或大數據」，必須點出「異質系統整合技術（ETL、Web API、ODS）」、分散式運算架構（如 Hadoop 生態系、Spark）、以及具體的警政分析技術（如利用 Graph Database 進行共犯結構關聯分析、GIS 核密度估計犯罪熱點）。
• 失分防範：若只寫系統名稱（如只列 M-Police、110），而未提及技術原理與整合架構，難以取得高分。

2. 管理角度（建議佔 7 分）

• 採分要點：必須涵蓋「資料標準化（代碼統一、欄位規範）」、「權限控制與存取稽核（防範公務人員不當查詢個資）」及「組織流程變革（情資導向警政 ILP）」。
• 失分防範：切忌忽略法規面向；若未強調《個人資料保護法》之目的外利用限制與隱私遮罩機制，管理面向將不夠健全。

3. 治安作為之具體強化效益（建議佔 5 分）

• 採分要點：技術與管理最終須扣合警政核心目的，具體說明「犯罪前預防（熱區預測巡邏）」、「犯罪時遏阻（圍捕攔截）」與「犯罪後破案（串聯偵查）」。

---

解題技巧

1. 破題採用「三維矩陣架構」： 申論作答時切忌寫成散文段落。應以明確的階層標題區分：「一、大數據技術層面之系統整合」、「二、資訊管理與資料治理維度」、「三、治安作為強化之具體應用實踐」。閱卷委員在 30 秒內即可掌握技術、管理與業務三個維度。
2. 關鍵術語精準置入： 作答中應適度使用專業名詞以展現資訊專業：如「資料孤島（Data Silos）」、「ETL 資料萃取轉換載入」、「情資導向警政（ILP）」、「角色基礎存取控制（RBAC）」、「去識別化（De-identification）」。
3. 常見陷阱與扣分盲點：

• 陷阱一：偏重技術而忘記管理。

核心觀念

本題評量考生對「現行警政資訊系統架構」與「前瞻人工智慧（AI）技術落地應用」之系統整合與規劃能力。核心評量重點包含：

1. 警政巨量資料與痛點辨識：能精準指出當前警察機關資料量最大、最耗費基層警力人工作業的系統環節（如影像視訊、歷史犯罪紀錄、110 報案紀錄等）。
2. 人工智慧核心技術範疇：

• 電腦視覺（Computer Vision, CV）：卷積神經網路（CNN）、目標偵測（Object Detection，如 YOLO 演算法）、車輛／人臉特徵提取與重識別（Re-Identification, Re-ID）。
• 時空巨量資料分析與圖分析（Spatio-Temporal Analytics & Graph Analysis）：跨鏡頭軌跡追蹤、時空關聯矩陣、熱點預測模型。
• 雲邊協同運算（Cloud-Edge Computing）：路口邊緣裝置（Edge AI）即時特徵萃取與雲端中心巨量模型推論。

3. 法規遵循性（以命題當年民國 107 年為準）：

• 《警察職權行使法》第 10 條（警察機關裝設監視器之要件與資料保管期限規範）。
• 《個人資料保護法》（公務機關執行法定職務必要範圍內之蒐集、處理與利用，落實內部稽核與去識別化）。
• 《資通安全管理法》（民國 107 年 6 月制定公布，警察關鍵資訊基礎設施與核心資通系統之安全維護防護基準；現行法持續強化關鍵基礎設施資安防護）。

---

解題方法

本題為 20 分的開放式規劃型申論題，切入策略應兼顧「技術可行性」與「警政實務急迫性」：

1. 標的選擇策略：現行警政資訊系統包含「受處理報案系統（110）」、「刑案知識聯網」、「M-Police 警用行動載具」與「路口監視錄影系統（CCTV）」等。其中以​「路口監視錄影系統（CCTV）暨車輛／物件軌跡追蹤功能」​最適合利用 AI 強化。原因在於監控影音佔警政非結構化資料總量 80% 以上，傳統「人眼調閱」耗費龐大警力與偵查黃金時間，形成顯著效率瓶頸，AI 電腦視覺技術之導入邊際效益最高。
2. 答題架構開展：

• 指名系統與功能：具體定位「路口監視錄影系統」之「智慧影像檢索、目標特徵識別與時空軌跡追蹤功能」。
• 實施方式（系統三層架構）：由下而上論述「邊緣感知端（Edge Device）$\to$ 雲端資料運算層（Cloud Computing）$\to$ 應用與決策支援層（Application & UI）」，並說明演算法管線（Pipeline）。
• 預期效果：區分「量化效益（時效提升、準確率 $mAP$、節省工時）」與「質化效益（即時告警、犯罪防制、人權與個資防護）」。

---

選項分析

本題為申論題型，無固定選項。但在構思「最適導入系統」時，考生通常會在數個警政子系統間權衡，各系統評析如下：

• 選項構想一：路口監視錄影系統（CCTV）之智慧影像辨識與追蹤【最優推薦】
• 分析：資料維度高、非結構化影像資料量最龐大，電腦視覺（CNN、YOLO、DeepSORT）技術成熟度高，能直接解決「基層員警逐幀調閱監視器」之痛點，立竿見影，評閱委員認同度最高。
• 選項構想二：110 受處理報案系統之智慧語音辨識與分流派工
• 分析：涉及自動語音辨識（ASR）與自然語言處理（NLP）。雖能縮短受話派勤時間，但報案現場常有方言、環境雜音、民眾情緒激動等限制，當時（民國 107 年）中文語意模型在極端聲學環境下容錯率較低，實務落地難度高於影像辨識。
• 選項構想三：刑案知識聯網／犯罪熱點預測系統（Predictive Policing）
• 分析：利用機器學習預測犯罪熱區與時間。具備前瞻性，但高度依賴結構化案況資料的完整度，且容易遭遇「演算法偏見（Algorithmic Bias）」與標籤化疑慮，實務成效不易以客觀指標直接量化衡量。

---

解題技巧

1. 三段式破題，緊扣題旨配分：題目由三個子題構成（哪一部分最適合、實施方式、預期效果），標題必須明確拆成三大主項，對應配分（建議比例約 4分：8分：8分），切忌整篇混雜作答。
2. 切忌空泛名詞堆砌：說明實施方式時，不可僅寫「使用大數據與 AI」，必須寫出具體架構名詞，例如「卷積神經網路（CNN）」、「YOLO 目標偵測」、「特徵重識別（Re-ID）」、「邊緣運算（Edge Computing）」與「資料治理與雜湊去識別化」。
3. 兼顧資安與法規紅線：警政 AI 題目必定涉及個人資料保護法與警察職權行使法。在實施方式或預期效果尾端加入「存取權限控制（RBAC）」、「日誌稽核不可否認性」及「合規性」，為爭取高分（18 分以上）的關鍵指標。

---

【答案】

一、最適導入人工智慧之警政資訊系統與功能標的

在現行各類警政資訊系統中，「路口監視錄影系統（CCTV）之智慧視訊分析與時空軌跡追蹤功能」​最適合優先利用人工智慧技術加以強化。

（一）立論依據與現行痛點分析

1. 資料維度龐大且非結構化：全國各警察局管轄之路口監視攝影機每日產生 PB 等級的海量視訊檔案，佔警政非結構化資料 80% 以