114 專技高考高等考試 資訊技師 系統分析與資訊安全 考古題詳解

核心觀念

本題考查價值導向工程（Value-Based Engineering, VBE）如何把利害關係人的價值與倫理考量，納入系統開發的需求與設計流程，並比較 VBE 與結構化分析與設計技術（SADT）的分析重點。

VBE 常以 IEEE 7000-2021《系統設計中處理倫理關切的標準模型流程》作為流程依據。它不把倫理視為開發完成後才進行的檢查，而是在系統概念、需求與設計階段，辨識並處理個人及社會價值，例如隱私、公平、透明、永續與問責。其核心是把抽象價值轉化為可追蹤的系統需求與設計措施，並持續檢視系統是否落實這些價值。

解題方法與 VBE 流程

作答時可沿著「理解情境、辨識價值、轉換需求、風險導向設計」的順序說明，並點出全流程的透明管理與追溯。

1. 營運概念與情境探索：界定系統目的、預期成果、運作環境與相關利害關係人，並分析系統對個人、組織及社會環境可能造成的影響。
2. 價值引出與排序：透過利害關係人參與，引出相關價值與可能衝突，依情境、法律期待及倫理原則排序。排序結果應可說明其依據。
3. 倫理價值需求定義：將優先價值轉化為具體、可驗證的倫理價值需求及系統需求。例如，將「重視隱私」轉成資料最小化、存取控制、保存期限與使用者告知等要求。
4. 風險導向設計：分析設計方案對價值的潛在傷害或落差，將需求落實為系統設計特性、控制措施或組織政策，並驗證設計是否符合需求。
5. 透明管理與追溯：貫穿各階段，保存決策理由與溝通紀錄，建立「利害關係人價值 → 價值需求 → 系統需求 → 設計措施 → 驗證結果」的追溯關係；在系統生命週期中持續檢視。

VBE 與 SADT 比較

SADT 是以功能分解與圖形模型描述系統工作的結構化方法。典型 SADT 圖以方框表示活動，以箭線表示活動所需或產生的資訊與資源；常見 ICOM 架構如下：

• Input（輸入）：活動處理的資料或物件，通常由方框左側進入。
• Control（控制）：規範活動執行方式的條件、規則或限制，通常由上方進入。

核心觀念

本題考查的是：如何把「建立 AI Agent 系統」視為一項資訊系統專案，並以專案管理方法從需求確認一路管理到上線與維運。答題時應同時交代一般專案管理流程，以及 AI Agent 特有的風險與控制措施。

AI Agent（人工智慧代理人）是能依據目標與環境資訊進行推理、規劃並採取行動的系統。相較於只回覆文字的生成式 AI，Agent 通常還會使用外部工具或系統、保存狀態或記憶，並依執行結果調整後續行動。因此，專案管理除範圍、時程、成本、品質、溝通、採購及風險外，還須特別管理資料品質、模型輸出可靠度、工具呼叫權限、隱私與資安、人工覆核，以及上線後的持續監控。

解題方法

可依「專案啟動與可行性 → 需求與規劃 → 設計與建置 → 測試與驗收 → 部署與維運 → 結案」說明。每一階段均交代主要工作與交付成果，並把 AI Agent 的風險控制納入各階段，而不是只列一般軟體開發步驟。

專案管理內容及相關步驟

一、專案啟動與可行性評估

1. 界定問題與目標：說明 Agent 要解決的業務問題、服務對象、使用情境與預期效益，將目標轉成可衡量指標，例如任務完成率、回應時間、錯誤率、人工處理量及使用者滿意度。
2. 評估可行性：從技術、經濟、作業、法規及時程面評估。確認模型能力、資料取得條件、工具或既有系統介接方式、推論成本、人力需求及維運能力。
3. 界定專案範圍：明定 Agent 負責與不負責的任務、適用對象、資料範圍及人工介入條件，避免需求持續擴張。
4. 建立治理與角色分工：指定專案負責人、業務代表、系統分析與開發人員、資料與模型人員、資安及法遵人員、測試與維運人員；重大決策、風險接受及上線核准應有明確權責。
5. 提出專案章程：記載專案目的、範圍、主要交付成果、里程碑、資源、限制、關鍵利害關係人及初步風險，作為後續規劃與執行依據。

二、需求分析與專案規劃

1. 蒐集與分析需求：訪談使用者及業務單位，整理工作流程、輸入資料、預期輸出、例外情況與成功條件。將需求區分為功能需求、非功能需求及治理需求。
2. 設計 Agent 任務邊界：定義 Agent 可執行的任務、可呼叫的工具、可讀取或寫入的資料、操作權限、停止條件與轉交人工的情境。涉及高影響或不可逆操作時，應設置人工確認。
3. 制定工作分解與時程：依交付成果建立工作分解結構（WBS），列出需求、資料準備、原型、模型與工具整合、測試、部署及維運等工作，估算工期、相依關係、人力與成本，排定里程碑。
4. 編列預算與資源：估算模型推論、資料處理、雲端或硬體、軟體授權、資安測試、教育訓練及維運成本，並配置所需人力與環境。
5. 規劃品質與驗收標準：將目標轉為可重現的測試案例與量化門檻，例如任務成功率、事實錯誤率、工具呼叫正確率、回應時間、可用性及安全測試結果。驗收標準應在開發前確認。
6. 規劃風險、溝通與變更管理：建立風險清冊及因應措施；設定進度、成本、品質與風險的通報機制；需求變更應評估對範圍、時程、成本、資安及驗收的影響，核准後才納入基準。

三、系統設計與建置

1. 設計系統架構：規劃模型、提示與推理流程、工具介面、工作流程控制、記憶或狀態管理、資料來源、身分驗證、日誌及監控等元件。明確界定各元件責任與介接方式。

核心觀念

AI 幻覺（AI Hallucination）是指生成式人工智慧產生看似流暢、合理，卻與事實、資料來源或適用規範不符的內容。大型語言模型依據訓練資料與提示內容生成文字，並非資料庫查詢系統；因此可能把不確定或缺乏根據的內容，表述成確定答案。

政府機關使用 AI 時，幻覺可能影響民眾權益、行政決策與政府公信力。例如民眾通常會把政府網站、客服或正式公文的內容視為具有權威性，若 AI 提供錯誤的申請資格、期限或法規說明，民眾可能因此錯失權益；若機關將錯誤內容納入報告、簽呈或決策，也可能造成後續行政錯誤。

本題屬於 AI 風險治理與政府資訊安全應用題，沒有特定計算公式。命題當年（民國 114 年）可參考「行政院及所屬機關（構）使用生成式 AI 參考指引」，依負責任及可信賴、安全、隱私與資料治理、問責，以及掌握自主權與控制權等原則管理使用風險。

解題方法

作答時可採「說明幻覺特性—舉出政府情境實例—提出分層防範措施」的架構。實例要清楚呈現 AI 如何把錯誤內容說得像真的；防範措施則同時涵蓋資料與系統設計、使用流程、人工監督及責任制度，避免只寫「提升模型準確度」。

AI 幻覺問題實例

例如，政府機關建置民眾服務聊天機器人，民眾詢問某項補助的申請資格與期限。模型因訓練資料過時或檢索到不完整資訊，回答出一個實際不存在的申請期限，或錯誤地表示某類民眾符合申請資格。回答語氣雖然肯定，內容卻與主管機關公告或現行規定不符。

若機關沒有安排查證與人工覆核，民眾可能依錯誤資訊準備文件、延誤申請，或因錯誤理解資格而放棄申請。類似風險也會出現在 AI 協助撰寫政策報告、整理法規或回覆陳情時，例如模型捏造法規條文、判決或統計數據，或把不同年度的規定混為一談。

政府機構防範 AI 幻覺的具體做法

1. 限定使用範圍與風險分級 優先用於摘要、草稿、分類等可由人員檢查的輔助工作。涉及人民權利義務、補助資格、行政處分、執法或重大政策決策時，不得只依 AI 輸出逕行決定，應設定更嚴格的審核與核定流程。

核心觀念

本題考查區塊鏈如何在沒有中央管理者的分散式環境中，讓多個節點共同維持一致、可追溯且難以竄改的資料紀錄。作答可分為兩部分：先說明區塊鏈的資料結構與安全特性，再說明節點如何透過共識機制建立去中心化的運作方式。

區塊鏈由一連串區塊構成。每個區塊通常包含：

• 區塊標頭：前一區塊的雜湊值、時間戳記、共識所需資料等。
• 交易資料：該區塊收錄的交易或其他紀錄。
• 本區塊雜湊值：由區塊內容計算而得，用以識別區塊並檢查內容是否遭到更動。

新區塊記錄前一區塊的雜湊值，形成前後相連的鏈結。若舊區塊內容被修改，其雜湊值也會改變，後續區塊所記錄的雜湊值便不再相符，因此竄改會留下可驗證的痕跡。雜湊鏈提供完整性檢查，但「難以竄改」仍須配合共識機制、節點分布與攻擊者控制的資源比例來理解，並非資料絕對不可能被修改。

區塊鏈也常使用數位簽章確認交易由相應私鑰持有人提出，並使用**默克爾樹（Merkle tree）**彙整交易雜湊，讓節點能有效驗證交易是否包含於某個區塊。數位簽章可驗證來源與完整性，但不等同於確認交易內容在現實世界中必然為真。

解題方法

採用「資料如何相連、節點如何驗證、分歧如何收斂」三個步驟作答，便能涵蓋題目所問的核心概念與去中心化機制。

1. 資料如何相連：建立可驗證的鏈式紀錄。 節點先驗證交易格式、簽章及協定規則，再將有效交易打包成候選區塊。候選區塊包含前一區塊的雜湊值，使每個區塊都能接續既有紀錄。

2. 節點如何共同決定新區塊：採用共識機制。 區塊鏈沒有單一中央機關決定唯一帳本，各節點依共同協定驗證區塊，並透過共識程序決定哪些區塊可納入鏈中。常見機制如下：

• 工作量證明（Proof of Work, PoW）：出塊者競爭尋找符合難度條件的雜湊結果；其他節點可快速驗證。