AI 資安、本地 AI 與操作留痕

先講結論

政府在 2026 年 9 月 4 日公布「政府因應先進 AI 資安風險政策」，把 AI 資安工作分成加速防禦、提升產品與供應鏈安全、強化國家韌性三個方向。這是正式政策訊號，但不是一部對所有民間企業新增相同罰則的法律。

AI Agent、RAG 與本地 AI 會把 AI 從聊天工具變成可存取資料、呼叫 API，甚至修改系統的能力。真正要管的不只是模型，也包括帳號權限、資料流向、套件與設備來源、操作日誌、委外維運、漏洞修補及出事後能否停用與回復。

本地 AI 的資料會不會外流？先問「哪一段真的在本地」

把模型裝在辦公室主機，只能說模型的某些運算在本地，不等於整套系統沒有對外連線。下表是導入時要查證的可能路徑，不是指稱每一款地端產品都會傳送資料。先畫出「使用者 → 應用程式 → 模型／RAG 知識庫 → 外掛、日誌、備份與維運」資料流，再用實測和契約確認。

要查的路徑	實際要問什麼	建議留下的證據
模型與外掛	回答是否曾改走外部 API？套件更新、模型下載或授權驗證會連到哪裡？	版本清單、對外連線紀錄、外部服務與例外核准清單
輸入與檢索	問句、文件片段、向量索引及回覆，會被哪些帳號或部門讀取？	資料分級、檢索權限測試、跨部門拒答測試
日誌、錯誤回報與備份	是否含原文、個資或金鑰？保存在哪裡、多久、誰能調閱或刪除？	脫敏設定、留存與刪除測試、備份位置及權限紀錄
供應商遠端維運	維運帳號可否進系統、下載資料或開啟外連？結案後如何停權？	契約範圍、臨時授權、操作日誌及停權紀錄

先用假資料做一次完整問答，再檢查對外連線、拒答、日誌與備份；若要宣稱「資料不外送」，至少要能說清楚測試範圍、例外連線及誰負責持續監測。沒有完整證據時，應改說「特定推論流程在本地」，不要保證整套系統零外傳。公司文件能否投入系統，還要按文件敏感度、個資、營業秘密與契約分流；知識庫的引用、權限、拒答和刪除，可接著用RAG 驗收檢查表測試。

這是依資安署政策與月報事件、以及 NIST 自願性生成式 AI 風險框架整理的實務盤點法，不是台灣法對所有企業新增的「零外傳」法定認證。資安署月報記載的政府 AI 客服提示詞注入事件，問題在程式權限與可讀資料範圍；它也不能被推論成所有本地 AI 都已發生外洩。NIST 框架提醒評估第三方模型、工具、資料與供應商風險，但本身不是台灣企業的法定義務。

官方已確認：法律、政策與企業做法要分開看

層級	已確認內容	不能直接推論
資通安全管理法	規範公務機關、特定非公務機關及相關資通安全管理、維護與事件通報	不能說所有民間企業一律適用完全相同義務
2026 年 9 月 4 日政策	政府因應先進 AI 資安風險的正式政策方向，觸及政府、關鍵基礎設施、重要產業與供應鏈	不能把政策文件寫成已新增一般企業罰則
企業實務清單	最小權限、日誌、SBOM、漏洞管理、委外稽核與事件應變，可作為內控與採購準備	不能只靠勾選清單就證明已合規或沒有資安風險

政策三個階段在做什麼

階段	官方政策重點	可先採取的動作
短期：加速防禦	風險導向弱點管理、AI 輔助掃描與情資、掌握外部暴露面	盤點對外系統、修補高風險漏洞、確認 AI 服務與 API 金鑰暴露情形
中期：產品與供應鏈	政府採購與產品安全、限時修補、SBOM、委外共同稽核、PSIRT	要求供應商交付版本與套件清單、修補承諾、事件窗口及稽核證據
長期：國家韌性	國際合作與自主 AI 資安能力	建立跨組織演練、備援、人才與替代供應能力

如果你是政府或重要系統供應商

先做五件事：

1. 建立產品、模型、套件、容器映像與外部 API 的版本清單，必要時提供 SBOM。
2. 依漏洞風險訂出明確修補期限，不只寫「會儘速處理」。
3. 指定 PSIRT 或同等產品資安事件窗口，讓客戶知道問題要報給誰。
4. 把分包商、雲端服務與遠端維運納入權限、日誌、共同稽核及退場安排。
5. 保留測試、修補、變更、例外核准與事件處理證據，方便驗收與事後追查。

實際交付仍要回到招標文件、契約、主管機關要求及系統分級，不能只用本頁取代正式規格。

一般企業也值得先做的控制

• 依工作角色給 AI 系統最小權限，高風險動作另設人工確認。
• 保存誰在什麼時間查了什麼、改了什麼，以及工具實際執行結果。
• API 金鑰不要共用或寫進程式碼；設定到期、撤銷與異常使用告警。
• 定期更新模型服務、外掛、套件與底層作業系統，並追蹤已知漏洞。
• 先定義 AI 誤改、資料外洩或服務中斷時的停用、回復、通報與備份流程。
• 委外時寫清楚資料位置、次處理者、資安事件通知、稽核權與契約終止後的資料處理。

現在不能講太滿的地方

政策中的採購、安全檢測、SBOM、修補期限與共同稽核，後續可能透過個別規範、採購文件或契約逐步具體化。本頁目前只能確認官方政策方向，不能預測每個產業何時會出現相同格式的強制要求。

本地 AI 不等於自動安全，雲端 AI 也不等於一定不能用。實際風險要看資料敏感度、存取權限、模型與系統部署、供應商條款、漏洞管理、維運能力，以及是否涉及公務、關鍵基礎設施或特定產業規範。