資料主權與不出境的法規要求

台灣沒有一部統一的「資料在地化法」，實務上的在地化壓力來自個人資料保護法、資通安全管理法、各行業主管機關的委外與資訊安全規範，以及採購契約中的資安條款。這些規範的適用範圍與強度，取決於資料類型（是否為個人資料、特種個人資料、涉密公務資訊）、機構性質（公務機關、受監理事業、一般企業）與處理目的。企業在導入 AI 之前，應先完成資料盤點與分級，再逐項確認哪些規範會被觸發，而不是先假設「一律不得出境」或「雲端一定可以」。

個人資料保護法（個資法）

個人資料保護法的基本要求是：個人資料的蒐集、處理與利用應在特定目的的必要範圍內進行，並須符合合法事由。當企業把包含個人資料的內容（客戶名單、員工記錄、病患資訊）送到位於境外的 AI 服務進行推論時，這通常會被認定為個人資料的國際傳輸，須另行評估是否符合國際傳輸的相關限制——包括主管機關是否曾就特定產業或特定國家／地區作出限制、接受方的保護水準、當事人告知與同意狀態，以及與服務商之間的資料處理約定。

把推論放在自有機房，可以讓資料流不跨出企業邊界，因而移除「國際傳輸」這一個爭點；但這並不等於個資法義務消失——特定目的的必要範圍、當事人權利行使（查詢、更正、刪除）、保存期限、委外廠商管理與資料安全維護計畫等要求依然存在。可查詢全國法規資料庫的現行條文：law.moj.gov.tw。實際適用範圍與作業要求，仍應以主管機關最新公告及貴機關（或貴公司法務）認定為準。

金融業資訊安全規範

金融監督管理委員會就金融機構的作業委外與資訊系統委外訂有專門辦法及一系列監理規範，並針對金融業運用人工智慧發布過核心原則與相關指引。把客戶金融資料（帳戶資訊、交易紀錄、徵信資料）交由第三方 AI 服務處理，是否構成須報備或事前核准的委外，取決於機構類型、該作業是否被認定為重要業務、資料敏感度與服務所在地，實務上多要求納入委外管理程序、簽訂具備稽核權與資料返還條款的合約，並定期進行風險評估。

也因為委外審查與監理溝通的成本較高，不少金融機構在評估初期就傾向把高敏感資料的 AI 推論放在受自身監控的環境內，把雲端服務保留給去識別化或非核心的應用。相關規範可查詢金管會官網：fsc.gov.tw。實際適用範圍與作業要求，仍應以主管機關最新公告及貴機關（或貴公司法務）認定為準。

資通安全管理法（資安法）

公務機關與特定非公務機關（如關鍵基礎設施提供者、公營事業、政府捐助的財團法人）適用資通安全管理法。主管機關依《資通安全責任等級分級辦法》把受規範對象分為 A、B、C、D、E 五級，等級愈高，須落實的資安維護事項、專責人力、教育訓練與稽核頻率就愈嚴格。至於公務資訊能否交由境外雲端服務處理，則須依該資訊的機密等級、機關自身的資安責任等級，以及主管機關與上級機關的相關規定判斷，並非單一條文可一概而論。

把 AI 推論放在機關可控的基礎設施內，好處是資料流向、存取紀錄與稽核證據都能自行提供，通常較容易對應資安責任等級所要求的管理事項。相關法規可查詢數位發展部彙整的資安法規頁面：moda.gov.tw。實際適用範圍與作業要求，仍應以主管機關最新公告及貴機關（或貴公司法務）認定為準。

醫療資訊保護

病歷、醫療、健康檢查與基因等資料，在個人資料保護法中屬於特種個人資料，原則上不得蒐集、處理或利用，僅在法律明文允許或符合法定例外時才得為之，門檻明顯高於一般個資。此外，醫療機構還須遵循醫療法規對病歷保存與保密的要求，以及衛生福利部就醫療機構資訊系統安全所發布的規範與函知。

因此，把病歷摘要、診斷輔助等任務交給外部 AI 服務，需要處理的不只是「資料放哪裡」，還包括去識別化程度、研究或臨床用途的區別、院內倫理委員會的審查，以及與廠商之間的責任分擔。地端部署能大幅簡化資料流向的說明與稽核，是許多醫療機構評估 AI 時的優先選項，但是否合規仍須逐案審查。相關規範可查詢衛生福利部官網：mohw.gov.tw。實際適用範圍與作業要求，仍應以主管機關最新公告及貴機關（或貴公司法務）認定為準。

雲端 AI 的資安風險剖析

了解雲端 AI 服務的資安風險，有助於企業做出知情的架構決策。以下分析雲端 AI 服務的主要風險類型：

資料傳輸截取風險

雖然 HTTPS 加密大幅降低了傳輸中資料被截取的風險，但 TLS 終止（TLS Termination）點位於雲端服務商的伺服器，資料在服務商端是以明文形式被處理。理論上，雲端服務商的工程師、行政人員或具備特定存取權限的人員，都可能接觸到傳送給 AI 服務的資料。儘管主要服務商有嚴格的存取控制政策，這仍然是雲端架構的固有風險。

訓練資料洩露疑慮

學術界已有一系列研究指出，語言模型可能記憶訓練語料中的片段，並在特定提示條件下被引出——最常被引用的是 Carlini 等人針對從大型語言模型擷取訓練資料的實驗（見文末參考資料）。需要注意的是，這類研究通常針對特定模型、特定資料重複次數與特定攻擊手法，其結論不能直接外推成「任何模型都會洩漏任何輸入」。

對企業而言，真正該確認的是三件事：一、服務商的企業方案是否在契約與技術上明確排除以你的輸入資料訓練模型，而不只是寫在說明頁；二、輸入資料的保留期限、用於濫用偵測的人工審閱範圍與例外；三、若你自行進行微調，微調語料就是訓練資料，記憶風險由你自己承擔。地端部署的價值在於這三件事都由企業自行決定與舉證，而不是把模型放在自有機房就自動沒有記憶風險——只要拿真實敏感資料去微調，同樣需要評估與測試。

供應鏈攻擊風險

雲端 AI 服務商本身也可能成為攻擊目標。歷史上發生過多起 SaaS 服務商遭受資料洩露事件，其用戶資料也因此受到波及。地端部署切斷了與外部服務供應鏈的連結，大幅降低這類「間接攻擊」的風險。

帳號盜用與 API 金鑰洩露

企業的 AI 服務帳號或 API 金鑰一旦遭到洩露（如透過程式碼倉庫意外提交、員工電腦感染惡意軟體），攻擊者可以使用企業的身份存取雲端 AI 服務，甚至構造特定提示嘗試提取先前處理過的資料。地端服務部署在企業防火牆後，可移除「憑證外洩即等於資料可從網際網路存取」這條路徑，明顯縮小對外暴露面；但這並不代表沒有攻擊路徑——VPN 與遠端維運通道、員工端點被入侵、內部帳號權限過大、模型與套件的供應鏈更新，都仍是需要個別防護的入口。

地端部署的五大資安優勢

優勢一：資料完全不出境

這是地端 AI 最核心的資安優勢。所有的輸入資料（使用者的查詢、上傳的文件）、推論過程中的中間狀態、以及輸出結果，全部在企業的物理邊界內處理，從源頭消除了跨網際網路資料傳輸的風險。這不僅降低資料外洩的可能性，也讓「最壞情況」（假設資料流被監聽）的影響限制在企業內網的安全邊界內。

優勢二：完全掌控存取邊界

地端 AI 服務可以部署在企業內網的安全區域（DMZ 或內部安全網段），透過防火牆嚴格控制哪些系統和使用者可以存取。企業可以選擇讓 AI 服務完全與網際網路隔離——這種「空氣間隙」（Air-Gap）架構常見於處理高機密資訊的公部門系統與關鍵基礎設施的控制網段，是雲端服務無法提供的部署型態。要注意 Air-Gap 不是免費的：模型與安全更新必須靠人工介質搬運並留下紀錄，補丁週期會被拉長，維運流程也必須事先設計（更新驗證、離線授權、故障時的替代流程）。是否採用，應依資料分級與可承受的維運成本決定，而非預設所有敏感系統都要隔離。

優勢三：完整的資料落地稽核

地端部署讓企業對所有的 AI 互動紀錄擁有完全的掌控權。企業可以決定記錄什麼、保留多久、誰可以存取，並確保稽核日誌不會被任何外部方竄改。這對於需要提供 AI 決策可解釋性（Explainability）或需要配合監理機關調查的行業（如金融業、醫療業）特別重要。

優勢四：不受雲端服務條款約束

雲端 AI 服務的使用條款（Terms of Service）可能在未充分告知的情況下變更，包括資料使用政策、資料保留期限、以及爭議解決方式。地端部署讓企業完全擺脫這種「條款風險」，企業對自有資料的控制權不受任何外部服務商政策的影響。

優勢五：網路中斷不影響 AI 服務可用性

地端 AI 系統不依賴網際網路連線，在辦公室網路故障、台灣海底電纜中斷、或刻意的網路隔離（如重大資安事件後的隔離措施）等情境下，AI 服務仍可正常運作。對於將 AI 深度整合到核心業務流程的企業，這種離線可用性是業務連續性（Business Continuity）的重要保障。

存取控制與身份驗證架構

完善的地端 AI 安全架構需要多層次的存取控制設計，確保「最小特權原則」（Principle of Least Privilege）：每個使用者和系統只能存取完成其工作所必需的最小資源集合。

特別值得強調的是多因子驗證（MFA）的重要性。即使是在企業內網，也應要求管理員存取 AI 管理介面時進行 MFA 驗證。社交工程攻擊（如釣魚郵件）是企業內網遭入侵的常見途徑，而 MFA 能讓「只拿到帳號密碼」這種最廉價的攻擊失效，是投入產出比很高的一道控制。不過 MFA 不是萬靈丹：即時轉發驗證碼的釣魚代理、工作階段 Cookie 竊取、推播疲勞攻擊與 MFA 註冊流程被繞過，都能穿過一般的簡訊或推播驗證。若管理介面涉及全站知識庫，建議採用抗釣魚的驗證方式（如 FIDO2／硬體金鑰），並搭配工作階段時效控制與異常登入告警。

合規認證與稽核要求

地端 AI 系統的資安設計應以通過正式資安認證為目標，這不僅有助於建立系統性的安全管理，也能為企業在面對客戶、合作夥伴或監理機關時提供可信的安全憑據。

ISO 27001 / CNS 27001 資訊安全管理系統（ISMS）

ISO 27001 是全球最廣泛採用的資訊安全管理系統標準，定義了建立、實施、維護和持續改進 ISMS 的框架。通過 ISO 27001 認證的企業向外部利害關係人證明其具備系統性管理資訊安全風險的能力。地端 AI 系統的安全設計（存取控制、加密、稽核日誌、事件回應程序等）可以直接對應 ISO 27001 的控制要求，協助企業通過或維持 ISMS 認證。

SOC 2 Type II

對於向其他企業提供 AI 服務（B2B SaaS）的公司，SOC 2 Type II 報告可以向企業客戶證明其在安全性（Security）、可用性（Availability）、處理完整性（Processing Integrity）、保密性（Confidentiality）和隱私性（Privacy）五個方面的持續合規性。地端部署讓服務提供商完全控制這五個維度的安全措施，更容易實現和維持 SOC 2 合規。

政府資訊安全稽核

政府機關的資訊系統通常需要接受定期的政府資安稽核（如行政院資安處的稽核或委外的資安健檢）。地端 AI 系統可提供完整的系統架構說明、網路拓撲圖、存取控制清單和稽核日誌，符合政府資安稽核的文件要求。相較之下，使用境外雲端服務時，稽核人員難以驗證雲端端的安全措施，可能引發額外的審查疑慮。

稽核日誌的最佳實踐

建議地端 AI 系統的稽核日誌至少包含：使用者識別碼與 IP 位址、操作時間（精確到毫秒）、操作類型（登入、API 呼叫、知識庫查詢等）、請求的資源或功能、操作結果（成功/失敗）。日誌應具備防竄改機制（如日誌簽章或以唯讀媒介存儲）。保存期限沒有適用於所有組織的單一數字，應依適用法規、所屬產業的監理要求、資料分級與組織自身的稽核政策訂定；實務上常見的做法是把「可即時查詢的熱資料」與「壓縮歸檔的冷資料」分層，熱資料保留數個月以支援事件調查，歸檔則依內部政策延長。訂定前建議同時確認一件事：日誌本身可能含有個人資料或查詢內容，保留愈久，反而增加另一種風險，因此保存期限應由資安與法務共同決定。

政府與金融業的特殊合規考量

政府機關和金融業是地端 AI 的最大採用族群，這兩個行業有超出一般企業的特殊資安合規要求。

政府機關的特殊考量

政府機關採用 AI 技術時，除了資通安全管理法的基本要求，採購程序本身也受政府採購法及其子法規範。實務上會被檢視的重點包括：該系統是否被機關認定為核心資訊系統、資安相關的投標廠商資格與履約條款如何撰寫、是否需要辦理資安檢測，以及資料處理的地點與存取權限如何在契約中約束。若 AI 系統會接觸到依國家機密保護法核定密等的資訊，或依文書處理規範標示密等的公務文書，其處理環境必須符合該密等對應的保護措施，這通常會大幅限制可用的服務型態。

在生成式 AI 的使用原則上，行政院已於 2023 年通過並函頒《行政院及所屬機關（構）使用生成式AI參考指引》，其精神在於提醒各機關注意公務機密與個人資料不得任意輸入外部服務、AI 產出須經人工確認並由承辦人負責，以及使用前應評估風險。相關政策與資安法規的彙整可查詢主管機關數位發展部官網：moda.gov.tw。實際適用範圍與作業要求，仍應以主管機關最新公告及貴機關（或貴公司法務）認定為準。LargitData 的 QubicX 方案在設計時即納入公部門的合規需求，可依機關指定的資安等級與部署架構調整。

金融業的特殊考量

金融機構（銀行、保險公司、證券商）在採用 AI 時，通常會從三個方向盤點監理要求：一是作業委外——把 AI 服務交給第三方是否落入須報備或事前核准的委外類型，取決於該作業的重要性認定與機構類型，實務上多要求納入委外風險管理程序與具稽核權的合約；二是個人資料保護——金融資料敏感度高，涉及境外處理時須另行評估國際傳輸的限制與客戶告知同意狀態；三是防制洗錢與認識客戶（KYC）流程中的 AI 應用，因為牽涉客戶盡職調查與可疑交易判斷，除了資料保護，還須確保決策過程可追溯、可解釋並保留人工覆核。

這三個方向的判斷都高度依賴個案事實，且主管機關的解釋與規範會隨產業發展調整。實際適用範圍與作業要求，仍應以主管機關最新公告及貴機關（或貴公司法務）認定為準。

金融業採用地端 AI 的另一個考量是業務連續性。如果核心業務流程（如貸款審核、風險評估、客戶服務）深度依賴外部 AI API，一旦 API 服務中斷或服務商調整定價，將對業務產生重大衝擊。地端部署讓金融機構對 AI 基礎設施有完全的控制權，是業務連續性計劃（BCP）中的重要考量。