關鍵基礎設施與公部門情報解決方案

公部門、政府機關與關鍵基礎設施單位面臨地緣政治風險、供應鏈安全與資訊操弄的多重挑戰，且對資料主權有極高要求。LargitData 結合 InfoMiner 風險情資監測、供應鏈安全審查與 RAGi 地端 AI 引擎，提供可地端部署、資料留在單位內網的情報解決方案。

四大核心應用場景

面對日益複雜的資訊環境，公部門與關鍵基礎設施單位最需要的四項情報能力：

• 偵測假新聞與不實訊息：自動蒐集並比對多來源內容，辨識跨平台散播的假新聞與不實訊息，追蹤其擴散路徑與早期出現的節點，於輿論失控前提出預警。需注意：系統辨識的是可疑訊號與傳播特徵，內容真偽的最終認定仍需人工查證。
• 辨識資訊操弄與協同帶風向：分析敘事框架、情緒動員與同步發文行為，協助單位掌握大規模影響力操作的手法與規模。判讀結果屬機率性研判，適合作為調查線索，不宜單獨作為結論。
• 異常帳號與協同性不真實行為偵測：偵測水軍、機器人帳號與協同性不真實行為（Coordinated Inauthentic Behavior），透過發文節奏、關聯網絡與內容相似度揭露可疑的操作集群。實際可偵測程度取決於平台開放的資料欄位。
• 開源情報蒐集（OSINT）：從公開、合法可取得的來源持續蒐集情報，涵蓋新聞、社群、論壇、公開制裁名單與政府採購公開資料，將零散資訊轉化為可行動的研判素材。

產業挑戰

公部門與關鍵基礎設施單位所處的風險環境，遠比一般企業複雜：

• 地緣政治風險升高：兩岸關係、國際貿易政策與出口管制的變動，可能在短時間內衝擊供應鏈與營運，需要持續的情資監測。
• 不實訊息與資訊操弄：假新聞、不實訊息與協同帶風向可能在數小時內擴散，影響公共信任與社會穩定，單位需要即時的偵測與研判能力。
• 供應鏈安全威脅：關鍵基礎設施的供應鏈涉及重大公共利益，任一環節若涉及受制裁實體或高國別風險供應商，都可能造成嚴重後果。
• 資料主權與機敏資料管控：許多單位依內部規範或上級機關要求，限制機敏資料委外或經由境外雲端處理，對部署方式有嚴格的作業要求。
• 資安合規壓力：公部門與關鍵基礎設施提供者依《資通安全管理法》被核定資通安全責任等級（A 至 E 五級），不同等級對應不同的控制措施與稽核留痕要求。

解決方案

LargitData 為公部門與關鍵基礎設施單位提供整合風險情資、供應鏈安全與地端 AI 的解決方案：

InfoMiner：風險情資與不實訊息監測

• 多來源即時監測新聞、社群、論壇與公開資料，掌握地緣政治風險與不實訊息訊號。
• 辨識假新聞、協同帶風向與異常帳號集群，追蹤敘事散播路徑與可疑的操作模式。
• 比對 OFAC、EU、UN 等公開制裁名單，辨識受制裁實體與可能的關聯對象；名單比對以公開發布版本為準，命中結果需再人工核對。
• AI 情感分析與異常聲量偵測，於風險擴散前發出警示；警示門檻可依單位需求調整，靈敏度與誤報率互為取捨。

了解更多：InfoMiner 輿情分析平台

RAGi On-Premise：地端 AI 知識與研判引擎

• 將情資資料與內部知識庫整合為地端 AI 引擎，協助生成研判報告草稿，仍由分析人員覆核定稿。
• 在地端部署模式下，資料處理與模型推論於單位內網進行，資料不傳送至外部雲端。
• 支援自然語言查詢，協助分析人員快速檢索情資與歷史案例，並回傳可點擊追溯的原始出處。
• 可搭配 QubicX 地端 AI 硬體平台作為部署載體，實際硬體選型依模型規模與併發需求評估。

了解更多：RAGi 企業AI檢索增強生成引擎、QubicX 地端 AI 平台

關鍵能力

• 假新聞與不實訊息偵測：辨識跨平台散播的可疑內容並追蹤其傳播路徑。
• 資訊操弄研判：分析敘事框架、情緒動員與協同帶風向的行為特徵。
• 異常帳號偵測：揭露水軍、機器人與協同性不真實行為的可疑集群。
• 風險情資監測：涵蓋地緣政治、產業風險與公開網路來源的持續監控。
• 制裁名單比對：對照 OFAC、EU、UN 等公開制裁與觀察名單。
• 供應鏈安全審查：供應商國別風險、公開登記資訊與履約紀錄評估。
• 開源情報蒐集：以公開合法來源建立可行動的情資基礎。
• 地端 AI 研判與報告生成：資料留在內網的分析與草稿產出。
• 稽核留痕與來源追溯：確保情報產出可驗證、可追溯。
• 需客製整合的項目：封閉平台資料、非公開來源情資、機關既有系統的深度串接，皆須先做可行性評估與授權確認。

能力邊界：哪些是現成功能，哪些需要評估

採購前釐清「現成可用」與「需客製」的界線，比比較功能清單更能避免驗收爭議。以下依實際交付難度分成三類：

部署方式：地端優先，確保資料主權

公部門與關鍵基礎設施客戶對資料落地有高度要求。LargitData 提供地端優先的部署方式：RAGi On-Premise 將 AI 引擎部署於單位內網，搭配 QubicX 地端 AI 硬體平台，讓資料處理與模型推論皆在內網完成，資料不傳送至外部雲端。此架構回應了「資料不出單位」的核心需求，同時保留 AI 分析與研判能力。

硬體選型不存在單一標準答案。可行的載體從單張專業級 GPU 的伺服器、整合式桌上型 AI 工作站到多節點叢集都有，實際採用哪一種，取決於下列條件：

• 模型規模與量化方式：參數量、量化精度直接決定所需的顯示記憶體容量。
• 併發使用人數與可接受的回應延遲：同時線上人數翻倍，通常無法靠單機硬撐。
• 知識庫文件量與更新頻率：向量索引的重建時間會隨文件量成長。
• 機房條件：機櫃空間、供電、散熱與網路分區的既有限制。
• 維運模式：是否需要高可用架構、備援節點與離線更新流程。

建議在正式採購前，以貴單位的實際文件與典型查詢做一次小規模效能驗證，並將回應延遲、併發數與正確率的驗收標準寫進契約，避免以規格表上的數字作為唯一依據。

資料治理與資安合規

本解決方案所蒐集的外部情資，皆來自公開、合法可取得的來源，例如公開制裁名單、政府採購公開資料、新聞與公開網路資訊。系統可提供存取權限控管、加密儲存、稽核留痕與資料保存政策等控制項，協助單位符合資通安全與個人資料保護的相關要求，實際仍需依部署方式與治理設定逐項驗證。所有情報產出皆可追溯來源，確保研判結果經得起檢驗。

常見需要一併確認的規範面向包含：《資通安全管理法》所核定的責任等級與對應控制措施、個人資料保護法 對蒐集、處理與利用的規定、涉及歐盟資料主體時的 GDPR 要求，以及行政院 2023 年函頒的《行政院及所屬機關（構）使用生成式AI參考指引》。導入時建議由資安、法制與業務單位共同確認資料分類分級、保存期限與委外管理的責任分界。

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。

應用情境

情境一：不實訊息與資訊操弄偵測

單位透過 InfoMiner 監測跨平台的敘事散播，系統辨識可疑的假新聞、協同帶風向與異常帳號集群，分析發文節奏與關聯網絡，於不實訊息擴散初期即發出預警，協助決策者掌握資訊操弄的手法與規模。實務上建議搭配人工查證流程，將系統警示視為調查起點而非結論。

情境二：供應鏈安全持續審查

單位針對關鍵供應商建立持續監控機制。系統自動比對公開制裁名單、監測供應商相關的負面新聞與國別風險，並在名單更新或發生重大事件時提出預警，讓採購與安全部門能及早評估替代方案。名單比對會產生同名誤命中，需搭配統一編號、註冊地等欄位交叉確認。

情境三：地端部署的機敏情報分析

對機敏等級高的分析作業，單位採用 RAGi On-Premise 搭配 QubicX 地端硬體，將分析作業保留在內網。分析人員可用自然語言查詢歷史情資與案例，資料不傳送至外部，符合較嚴格的資料落地要求。導入前建議先盤點哪些資料可進入知識庫、由誰核准，以及查詢紀錄的保存期限。

評估供應商時建議確認的問題

情報類系統的差異多半藏在資料與流程，而非介面。建議在需求說明書或訪商階段直接請供應商書面回答：

• 資料來源清單與更新頻率為何？哪些是自建爬取、哪些是外購授權？授權到期後資料是否仍可使用？
• 去重規則怎麼定義？同一則新聞被多家轉載時，聲量統計是計為一則還是多則？
• 歷史資料可回溯多久？補抓歷史資料是否另計費用？
• 平台改版或封鎖時的缺漏如何通報？是否有服務水準約定與補救機制？
• 情感分析與異常偵測的評測方式為何？以什麼資料集、什麼標註準則計算？錯誤案例是否可調閱？
• 警示的靈敏度與誤報率能否分專案調整？誤報造成的處置成本由誰承擔？
• 地端部署時，模型更新、弱點修補與授權驗證是否需要對外連線？離線更新的作業程序為何？
• 稽核軌跡記錄哪些欄位？保存多久？能否匯出供上級機關或稽核單位查核？
• 委外人員的背景審查、保密切結與存取權限回收流程為何？