iVOD / 166115

Field Value
IVOD_ID 166115
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/166115
日期 2025-12-03
會議資料.會議代碼 委員會-11-4-15-14
會議資料.會議代碼:str 第11屆第4會期內政委員會第14次全體委員會議
會議資料.屆 11
會議資料.會期 4
會議資料.會次 14
會議資料.種類 委員會
會議資料.委員會代碼[0] 15
會議資料.委員會代碼:str[0] 內政委員會
會議資料.標題 第11屆第4會期內政委員會第14次全體委員會議
影片種類 Clip
開始時間 2025-12-03T09:28:38+08:00
結束時間 2025-12-03T09:36:56+08:00
影片長度 00:08:18
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/d5a4ce084af309d6680989fd2d3f451ac7cefddca96be500a14720b4e10c82cbeedc1de391cb15195ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 李柏毅
委員發言時間 09:28:38 - 09:36:56
會議時間 2025-12-03T09:00:00+08:00
會議名稱 立法院第11屆第4會期內政委員會第14次全體委員會議(事由:一、行政院函請審議「詐欺犯罪危害防制條例部分條文修正草案」案。二、繼續審查委員王定宇等18人擬具「詐欺犯罪危害防制條例第五十四條條文修正草案」案。三、繼續審查委員廖先翔等18人擬具「詐欺犯罪危害防制條例第四十三條條文修正草案」案。四、繼續審查委員張宏陸等30人擬具「詐欺犯罪危害防制條例第四十七條條文修正草案」案。五、繼續審查委員林宜瑾等27人擬具「詐欺犯罪危害防制條例第四十七條條文修正草案」案。六、繼續審查委員王義川等16人擬具「詐欺犯罪危害防制條例第四十七條條文修正草案」案。七、繼續審查委員陳素月等18人擬具「詐欺犯罪危害防制條例第四十七條條文修正草案」案。八、審查台灣民眾黨黨團擬具「詐欺犯罪危害防制條例第四十六條及第四十七條條文修正草案」案。九、審查委員王美惠等18人擬具「詐欺犯罪危害防制條例第四十七條條文修正草案」案。十、審查委員蘇巧慧等22人擬具「詐欺犯罪危害防制條例第四十六條及第四十七條條文修正草案」案。十一、審查委員黃捷等21人擬具「詐欺犯罪危害防制條例第四十六條及第四十七條條文修正草案」案。十二、審查委員李柏毅等16人擬具「詐欺犯罪危害防制條例第四十六條及第四十七條條文修正草案」案。十三、審查委員李坤城等20人擬具「詐欺犯罪危害防制條例第四十七條條文修正草案」案。十四、審查委員翁曉玲等25人擬具「詐欺犯罪危害防制條例第四十三條及第四十四條條文修正草案」案。十五、審查委員翁曉玲等24人擬具「詐欺犯罪危害防制條例第四十六條及第四十七條條文修正草案」案。十六、審查委員吳沛憶等17人擬具「詐欺犯罪危害防制條例第四十三條條文修正草案」案。十七、審查委員賴瑞隆等17人擬具「詐欺犯罪危害防制條例部分條文修正草案」案。十八、審查委員李坤城等23人擬具「詐欺犯罪危害防制條例部分條文修正草案」案。十九、審查委員羅智強等19人擬具「詐欺犯罪危害防制條例第四十六條及第四十七條條文修正草案」案。二十、審查委員洪孟楷等17人擬具「詐欺犯罪危害防制條例第四十三條條文修正草案」案。二十一、審查委員黃捷等16人擬具「詐欺犯罪危害防制條例第三十一條、第三十一條之一及第四十條條文修正草案」案。【第一案、第十七案至第十九案如經復議則不予審查;第二十案至第二十一案如未經各黨團簽署不復議同意書則不予審查。】 【12月3日及4日二天一次會】)
transcript.pyannote[0].speaker SPEAKER_02
transcript.pyannote[0].start 1.34721875
transcript.pyannote[0].end 4.04721875
transcript.pyannote[1].speaker SPEAKER_02
transcript.pyannote[1].start 4.28346875
transcript.pyannote[1].end 5.53221875
transcript.pyannote[2].speaker SPEAKER_00
transcript.pyannote[2].start 5.29596875
transcript.pyannote[2].end 6.56159375
transcript.pyannote[3].speaker SPEAKER_02
transcript.pyannote[3].start 5.83596875
transcript.pyannote[3].end 8.95784375
transcript.pyannote[4].speaker SPEAKER_00
transcript.pyannote[4].start 9.97034375
transcript.pyannote[4].end 11.52284375
transcript.pyannote[5].speaker SPEAKER_02
transcript.pyannote[5].start 25.07346875
transcript.pyannote[5].end 26.17034375
transcript.pyannote[6].speaker SPEAKER_02
transcript.pyannote[6].start 26.30534375
transcript.pyannote[6].end 30.69284375
transcript.pyannote[7].speaker SPEAKER_02
transcript.pyannote[7].start 31.01346875
transcript.pyannote[7].end 36.44721875
transcript.pyannote[8].speaker SPEAKER_02
transcript.pyannote[8].start 36.73409375
transcript.pyannote[8].end 40.04159375
transcript.pyannote[9].speaker SPEAKER_02
transcript.pyannote[9].start 40.96971875
transcript.pyannote[9].end 43.85534375
transcript.pyannote[10].speaker SPEAKER_00
transcript.pyannote[10].start 44.96909375
transcript.pyannote[10].end 45.59346875
transcript.pyannote[11].speaker SPEAKER_00
transcript.pyannote[11].start 46.15034375
transcript.pyannote[11].end 53.18721875
transcript.pyannote[12].speaker SPEAKER_02
transcript.pyannote[12].start 53.37284375
transcript.pyannote[12].end 57.28784375
transcript.pyannote[13].speaker SPEAKER_00
transcript.pyannote[13].start 57.87846875
transcript.pyannote[13].end 60.30846875
transcript.pyannote[14].speaker SPEAKER_00
transcript.pyannote[14].start 60.39284375
transcript.pyannote[14].end 63.44721875
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 63.76784375
transcript.pyannote[15].end 64.83096875
transcript.pyannote[16].speaker SPEAKER_02
transcript.pyannote[16].start 64.83096875
transcript.pyannote[16].end 68.81346875
transcript.pyannote[17].speaker SPEAKER_02
transcript.pyannote[17].start 69.18471875
transcript.pyannote[17].end 76.25534375
transcript.pyannote[18].speaker SPEAKER_00
transcript.pyannote[18].start 77.36909375
transcript.pyannote[18].end 79.00596875
transcript.pyannote[19].speaker SPEAKER_02
transcript.pyannote[19].start 79.61346875
transcript.pyannote[19].end 94.34534375
transcript.pyannote[20].speaker SPEAKER_00
transcript.pyannote[20].start 82.41471875
transcript.pyannote[20].end 82.71846875
transcript.pyannote[21].speaker SPEAKER_00
transcript.pyannote[21].start 85.45221875
transcript.pyannote[21].end 85.90784375
transcript.pyannote[22].speaker SPEAKER_00
transcript.pyannote[22].start 87.98346875
transcript.pyannote[22].end 88.30409375
transcript.pyannote[23].speaker SPEAKER_00
transcript.pyannote[23].start 94.78409375
transcript.pyannote[23].end 99.20534375
transcript.pyannote[24].speaker SPEAKER_00
transcript.pyannote[24].start 99.42471875
transcript.pyannote[24].end 102.95159375
transcript.pyannote[25].speaker SPEAKER_00
transcript.pyannote[25].start 103.20471875
transcript.pyannote[25].end 104.08221875
transcript.pyannote[26].speaker SPEAKER_00
transcript.pyannote[26].start 104.23409375
transcript.pyannote[26].end 105.70221875
transcript.pyannote[27].speaker SPEAKER_00
transcript.pyannote[27].start 105.82034375
transcript.pyannote[27].end 111.74346875
transcript.pyannote[28].speaker SPEAKER_00
transcript.pyannote[28].start 111.87846875
transcript.pyannote[28].end 112.70534375
transcript.pyannote[29].speaker SPEAKER_02
transcript.pyannote[29].start 111.91221875
transcript.pyannote[29].end 113.98784375
transcript.pyannote[30].speaker SPEAKER_00
transcript.pyannote[30].start 114.40971875
transcript.pyannote[30].end 117.00846875
transcript.pyannote[31].speaker SPEAKER_00
transcript.pyannote[31].start 117.16034375
transcript.pyannote[31].end 125.80034375
transcript.pyannote[32].speaker SPEAKER_02
transcript.pyannote[32].start 124.97346875
transcript.pyannote[32].end 128.41596875
transcript.pyannote[33].speaker SPEAKER_00
transcript.pyannote[33].start 128.66909375
transcript.pyannote[33].end 128.95596875
transcript.pyannote[34].speaker SPEAKER_02
transcript.pyannote[34].start 128.95596875
transcript.pyannote[34].end 131.35221875
transcript.pyannote[35].speaker SPEAKER_02
transcript.pyannote[35].start 131.62221875
transcript.pyannote[35].end 133.68096875
transcript.pyannote[36].speaker SPEAKER_02
transcript.pyannote[36].start 134.10284375
transcript.pyannote[36].end 138.25409375
transcript.pyannote[37].speaker SPEAKER_02
transcript.pyannote[37].start 138.55784375
transcript.pyannote[37].end 140.05971875
transcript.pyannote[38].speaker SPEAKER_02
transcript.pyannote[38].start 140.36346875
transcript.pyannote[38].end 140.49846875
transcript.pyannote[39].speaker SPEAKER_02
transcript.pyannote[39].start 140.65034375
transcript.pyannote[39].end 145.07159375
transcript.pyannote[40].speaker SPEAKER_02
transcript.pyannote[40].start 146.18534375
transcript.pyannote[40].end 149.40846875
transcript.pyannote[41].speaker SPEAKER_02
transcript.pyannote[41].start 149.77971875
transcript.pyannote[41].end 150.65721875
transcript.pyannote[42].speaker SPEAKER_02
transcript.pyannote[42].start 151.16346875
transcript.pyannote[42].end 159.76971875
transcript.pyannote[43].speaker SPEAKER_02
transcript.pyannote[43].start 160.17471875
transcript.pyannote[43].end 167.05971875
transcript.pyannote[44].speaker SPEAKER_02
transcript.pyannote[44].start 167.32971875
transcript.pyannote[44].end 170.63721875
transcript.pyannote[45].speaker SPEAKER_02
transcript.pyannote[45].start 170.90721875
transcript.pyannote[45].end 172.05471875
transcript.pyannote[46].speaker SPEAKER_02
transcript.pyannote[46].start 172.81409375
transcript.pyannote[46].end 192.70971875
transcript.pyannote[47].speaker SPEAKER_02
transcript.pyannote[47].start 193.01346875
transcript.pyannote[47].end 194.58284375
transcript.pyannote[48].speaker SPEAKER_02
transcript.pyannote[48].start 194.92034375
transcript.pyannote[48].end 196.75971875
transcript.pyannote[49].speaker SPEAKER_02
transcript.pyannote[49].start 197.75534375
transcript.pyannote[49].end 200.84346875
transcript.pyannote[50].speaker SPEAKER_02
transcript.pyannote[50].start 201.65346875
transcript.pyannote[50].end 201.90659375
transcript.pyannote[51].speaker SPEAKER_02
transcript.pyannote[51].start 202.42971875
transcript.pyannote[51].end 205.26471875
transcript.pyannote[52].speaker SPEAKER_02
transcript.pyannote[52].start 205.72034375
transcript.pyannote[52].end 210.78284375
transcript.pyannote[53].speaker SPEAKER_02
transcript.pyannote[53].start 210.98534375
transcript.pyannote[53].end 212.65596875
transcript.pyannote[54].speaker SPEAKER_02
transcript.pyannote[54].start 213.02721875
transcript.pyannote[54].end 218.17409375
transcript.pyannote[55].speaker SPEAKER_02
transcript.pyannote[55].start 218.49471875
transcript.pyannote[55].end 221.26221875
transcript.pyannote[56].speaker SPEAKER_02
transcript.pyannote[56].start 222.25784375
transcript.pyannote[56].end 224.16471875
transcript.pyannote[57].speaker SPEAKER_02
transcript.pyannote[57].start 224.65409375
transcript.pyannote[57].end 226.89846875
transcript.pyannote[58].speaker SPEAKER_02
transcript.pyannote[58].start 227.35409375
transcript.pyannote[58].end 230.50971875
transcript.pyannote[59].speaker SPEAKER_02
transcript.pyannote[59].start 230.72909375
transcript.pyannote[59].end 233.80034375
transcript.pyannote[60].speaker SPEAKER_02
transcript.pyannote[60].start 234.17159375
transcript.pyannote[60].end 238.28909375
transcript.pyannote[61].speaker SPEAKER_02
transcript.pyannote[61].start 238.57596875
transcript.pyannote[61].end 242.89596875
transcript.pyannote[62].speaker SPEAKER_02
transcript.pyannote[62].start 243.23346875
transcript.pyannote[62].end 254.57346875
transcript.pyannote[63].speaker SPEAKER_00
transcript.pyannote[63].start 253.79721875
transcript.pyannote[63].end 254.03346875
transcript.pyannote[64].speaker SPEAKER_02
transcript.pyannote[64].start 254.94471875
transcript.pyannote[64].end 255.72096875
transcript.pyannote[65].speaker SPEAKER_02
transcript.pyannote[65].start 255.85596875
transcript.pyannote[65].end 256.32846875
transcript.pyannote[66].speaker SPEAKER_02
transcript.pyannote[66].start 256.61534375
transcript.pyannote[66].end 262.25159375
transcript.pyannote[67].speaker SPEAKER_02
transcript.pyannote[67].start 262.53846875
transcript.pyannote[67].end 263.43284375
transcript.pyannote[68].speaker SPEAKER_02
transcript.pyannote[68].start 263.80409375
transcript.pyannote[68].end 265.57596875
transcript.pyannote[69].speaker SPEAKER_02
transcript.pyannote[69].start 265.91346875
transcript.pyannote[69].end 268.95096875
transcript.pyannote[70].speaker SPEAKER_02
transcript.pyannote[70].start 269.08596875
transcript.pyannote[70].end 275.27909375
transcript.pyannote[71].speaker SPEAKER_02
transcript.pyannote[71].start 276.17346875
transcript.pyannote[71].end 282.92346875
transcript.pyannote[72].speaker SPEAKER_02
transcript.pyannote[72].start 283.22721875
transcript.pyannote[72].end 286.06221875
transcript.pyannote[73].speaker SPEAKER_02
transcript.pyannote[73].start 286.87221875
transcript.pyannote[73].end 288.59346875
transcript.pyannote[74].speaker SPEAKER_02
transcript.pyannote[74].start 288.91409375
transcript.pyannote[74].end 290.16284375
transcript.pyannote[75].speaker SPEAKER_02
transcript.pyannote[75].start 290.50034375
transcript.pyannote[75].end 295.27596875
transcript.pyannote[76].speaker SPEAKER_00
transcript.pyannote[76].start 295.95096875
transcript.pyannote[76].end 298.54971875
transcript.pyannote[77].speaker SPEAKER_00
transcript.pyannote[77].start 298.75221875
transcript.pyannote[77].end 309.13034375
transcript.pyannote[78].speaker SPEAKER_02
transcript.pyannote[78].start 307.88159375
transcript.pyannote[78].end 310.41284375
transcript.pyannote[79].speaker SPEAKER_00
transcript.pyannote[79].start 310.02471875
transcript.pyannote[79].end 310.37909375
transcript.pyannote[80].speaker SPEAKER_00
transcript.pyannote[80].start 310.41284375
transcript.pyannote[80].end 310.42971875
transcript.pyannote[81].speaker SPEAKER_00
transcript.pyannote[81].start 310.76721875
transcript.pyannote[81].end 311.07096875
transcript.pyannote[82].speaker SPEAKER_00
transcript.pyannote[82].start 311.08784375
transcript.pyannote[82].end 311.13846875
transcript.pyannote[83].speaker SPEAKER_00
transcript.pyannote[83].start 311.15534375
transcript.pyannote[83].end 341.64846875
transcript.pyannote[84].speaker SPEAKER_02
transcript.pyannote[84].start 340.48409375
transcript.pyannote[84].end 348.82034375
transcript.pyannote[85].speaker SPEAKER_00
transcript.pyannote[85].start 349.02284375
transcript.pyannote[85].end 357.27471875
transcript.pyannote[86].speaker SPEAKER_02
transcript.pyannote[86].start 358.42221875
transcript.pyannote[86].end 365.98221875
transcript.pyannote[87].speaker SPEAKER_02
transcript.pyannote[87].start 366.40409375
transcript.pyannote[87].end 367.93971875
transcript.pyannote[88].speaker SPEAKER_02
transcript.pyannote[88].start 368.26034375
transcript.pyannote[88].end 376.00596875
transcript.pyannote[89].speaker SPEAKER_02
transcript.pyannote[89].start 377.76096875
transcript.pyannote[89].end 378.03096875
transcript.pyannote[90].speaker SPEAKER_02
transcript.pyannote[90].start 378.94221875
transcript.pyannote[90].end 381.86159375
transcript.pyannote[91].speaker SPEAKER_02
transcript.pyannote[91].start 382.43534375
transcript.pyannote[91].end 385.33784375
transcript.pyannote[92].speaker SPEAKER_02
transcript.pyannote[92].start 385.62471875
transcript.pyannote[92].end 389.67471875
transcript.pyannote[93].speaker SPEAKER_02
transcript.pyannote[93].start 389.96159375
transcript.pyannote[93].end 392.54346875
transcript.pyannote[94].speaker SPEAKER_02
transcript.pyannote[94].start 392.64471875
transcript.pyannote[94].end 395.95221875
transcript.pyannote[95].speaker SPEAKER_02
transcript.pyannote[95].start 396.17159375
transcript.pyannote[95].end 398.92221875
transcript.pyannote[96].speaker SPEAKER_02
transcript.pyannote[96].start 399.14159375
transcript.pyannote[96].end 402.51659375
transcript.pyannote[97].speaker SPEAKER_00
transcript.pyannote[97].start 399.22596875
transcript.pyannote[97].end 399.41159375
transcript.pyannote[98].speaker SPEAKER_02
transcript.pyannote[98].start 402.97221875
transcript.pyannote[98].end 405.95909375
transcript.pyannote[99].speaker SPEAKER_02
transcript.pyannote[99].start 406.54971875
transcript.pyannote[99].end 409.24971875
transcript.pyannote[100].speaker SPEAKER_02
transcript.pyannote[100].start 409.48596875
transcript.pyannote[100].end 412.87784375
transcript.pyannote[101].speaker SPEAKER_00
transcript.pyannote[101].start 412.64159375
transcript.pyannote[101].end 412.81034375
transcript.pyannote[102].speaker SPEAKER_02
transcript.pyannote[102].start 413.21534375
transcript.pyannote[102].end 415.86471875
transcript.pyannote[103].speaker SPEAKER_00
transcript.pyannote[103].start 416.05034375
transcript.pyannote[103].end 420.52221875
transcript.pyannote[104].speaker SPEAKER_02
transcript.pyannote[104].start 418.78409375
transcript.pyannote[104].end 419.76284375
transcript.pyannote[105].speaker SPEAKER_02
transcript.pyannote[105].start 420.45471875
transcript.pyannote[105].end 421.73721875
transcript.pyannote[106].speaker SPEAKER_00
transcript.pyannote[106].start 420.65721875
transcript.pyannote[106].end 420.79221875
transcript.pyannote[107].speaker SPEAKER_00
transcript.pyannote[107].start 420.82596875
transcript.pyannote[107].end 422.10846875
transcript.pyannote[108].speaker SPEAKER_02
transcript.pyannote[108].start 422.04096875
transcript.pyannote[108].end 422.68221875
transcript.pyannote[109].speaker SPEAKER_00
transcript.pyannote[109].start 422.27721875
transcript.pyannote[109].end 422.51346875
transcript.pyannote[110].speaker SPEAKER_02
transcript.pyannote[110].start 425.04471875
transcript.pyannote[110].end 428.14971875
transcript.pyannote[111].speaker SPEAKER_02
transcript.pyannote[111].start 428.75721875
transcript.pyannote[111].end 435.08534375
transcript.pyannote[112].speaker SPEAKER_02
transcript.pyannote[112].start 435.62534375
transcript.pyannote[112].end 437.07659375
transcript.pyannote[113].speaker SPEAKER_02
transcript.pyannote[113].start 437.39721875
transcript.pyannote[113].end 441.02534375
transcript.pyannote[114].speaker SPEAKER_02
transcript.pyannote[114].start 441.34596875
transcript.pyannote[114].end 442.93221875
transcript.pyannote[115].speaker SPEAKER_02
transcript.pyannote[115].start 443.43846875
transcript.pyannote[115].end 443.72534375
transcript.pyannote[116].speaker SPEAKER_02
transcript.pyannote[116].start 444.38346875
transcript.pyannote[116].end 445.15971875
transcript.pyannote[117].speaker SPEAKER_02
transcript.pyannote[117].start 445.21034375
transcript.pyannote[117].end 448.02846875
transcript.pyannote[118].speaker SPEAKER_02
transcript.pyannote[118].start 448.53471875
transcript.pyannote[118].end 472.96971875
transcript.pyannote[119].speaker SPEAKER_01
transcript.pyannote[119].start 473.79659375
transcript.pyannote[119].end 494.77221875
transcript.pyannote[120].speaker SPEAKER_02
transcript.pyannote[120].start 494.77221875
transcript.pyannote[120].end 496.02096875
transcript.pyannote[121].speaker SPEAKER_00
transcript.pyannote[121].start 497.96159375
transcript.pyannote[121].end 499.96971875
transcript.whisperx[0].start 1.743
transcript.whisperx[0].end 7.747
transcript.whisperx[0].text 我先請刑事局長還有蘇發部產業署副署長副署長蘇發部好謝謝
transcript.whisperx[1].start 27.27
transcript.whisperx[1].end 53.04
transcript.whisperx[1].text 謝謝副署長那個周局長你聽一下你參考一下接下來我要對副署長所提出來的這一些內容副署長請問一下我們速發部有沒有做統計台灣的詐騙在網路裡面詐騙最多來自哪一個公司如果說刊登網路廣告平台的部分的話我們最多看到刊登最多是在Meta
transcript.whisperx[2].start 53.41
transcript.whisperx[2].end 81.748
transcript.whisperx[2].text Meta大概有多少的比例是来自Meta这些如果依照我们目前每周在做的统计Meta大概90几%90几%是吓死人那我们有什么相关的这些可以约束Meta针对他的这些广告商等等的这些有什么样的财阀我们目前有没有对广告商的财阀吗我们目前有没有对于这个平台
transcript.whisperx[3].start 82.315
transcript.whisperx[3].end 94.205
transcript.whisperx[3].text 他已經造成這麼多的詐騙廣告在他平台上面流通那我們針對這個平台或者是對這些廣告我們有什麼約制或裁罰的能力
transcript.whisperx[4].start 94.824
transcript.whisperx[4].end 120.62
transcript.whisperx[4].text 好的 我們謝謝那個我們的打炸專法去年的一個通過所以呢 我們有幸可以請這個網路廣告平台業他們能夠被我們納管以後在台灣他能夠設立法律代表人然後讓我們的文件收送能夠有一個有沒有裁罰 有沒有裁罰他的能力有的 我們其實事實上在這將近一年的過程當中其實事實上已經剛剛部長報告我們已經裁罰了1850萬元
transcript.whisperx[5].start 125.013
transcript.whisperx[5].end 153.127
transcript.whisperx[5].text 好来我跟你讲一下来那个副市长在美国以及在这个欧洲那其实他裁罚的数量金额其实远远高于我们比如说在美国他美国政府裁罚Meta因为诈骗广告就罚了10亿美元一年就罚了10亿美元那欧洲呢他这个数位服务法里面
transcript.whisperx[6].start 153.677
transcript.whisperx[6].end 166.645
transcript.whisperx[6].text 它規範的這個罰則裡面是包含它全球總營收的6%如果說Meta在全球賺了1000億美金好了它是可以罰它60億美金的
transcript.whisperx[7].start 167.741
transcript.whisperx[7].end 196.592
transcript.whisperx[7].text 所以來 副市長我希望你可以研議一下如果這個平台的廣告繼續還是這樣子的話那我們有什麼手段可以讓這個平台害怕因為畢竟我們是比較晚一點我講一個紀錄片給你參考一下在劍橋各自風暴裡面的David Carlos這一個劍橋大學的教授他針對Meta提出一個控告他要控告Meta到底
transcript.whisperx[8].start 198.036
transcript.whisperx[8].end 223.381
transcript.whisperx[8].text 大數據裡面到底有多少他個人的資料那Meta到現在還是沒有辦法提出來但是在歐洲整個歐盟政府他產出了什麼 他產出了數位服務法 他產出了一般資料保護規範他約束了Meta在使用個人個資上的所有的這些行為那但是在台灣有沒有辦法約束到這些你有沒有辦法跟國人說
transcript.whisperx[9].start 224.69
transcript.whisperx[9].end 238.088
transcript.whisperx[9].text 你在点选这一些可能某一些商品或者是你的兴趣的时候Meta随之而来的就是大量的这些广告当你点选这些可能投资资讯的时候
transcript.whisperx[10].start 238.646
transcript.whisperx[10].end 254.223
transcript.whisperx[10].text 他伴隨帶來的這些廣告對於所有的用戶有沒有這些防止詐騙的這些功能我們有沒有辦法約束到他們這一些其實這些就是很多都是投資詐騙就是從這裡來的嘛那所以說
transcript.whisperx[11].start 255.004
transcript.whisperx[11].end 274.847
transcript.whisperx[11].text 我覺得我們離進步的歐盟還有美國對於這些網路安全防止詐騙的這些手段來講我們還離很遠但是我們要不要持續的來做這才是我們要做的刑事局站在你旁邊的刑事局都是跟著在後面捕破網最後就是一句話
transcript.whisperx[12].start 276.726
transcript.whisperx[12].end 292.719
transcript.whisperx[12].text 這是來自Meta的廣告或者是來自這些平台的這些不實的內容造成這些詐騙的結果不是說台灣詐騙天堂是我們有沒有能力再規範這些廣告這些不實廣告這些詐騙簡訊的這些手段
transcript.whisperx[13].start 296.044
transcript.whisperx[13].end 301.528
transcript.whisperx[13].text 是謝謝委員給我說明的機會喔那呃事實上在這一年來我們跟meta這邊我們其實從好幾個面向來做一個處理喔不是meta我想呃我們納管的90%的你先處理了其他的好
transcript.whisperx[14].start 311.255
transcript.whisperx[14].end 315.638
transcript.whisperx[14].text 而針對Meta這個部分來講呢其實我們在科技技術上面來講的話呢也有一起來做努力包括說我們自己有發展這個AI的一個巡檢的技術當我們巡檢到相關的一個這個詐騙的廣告的時候要求Meta下架之外我們要求他把我們的這樣的一個詐騙的樣態作為他們自己在做AI演算的時候呢可以去事先的去做一個巡檢去下架事實上這樣的一個詐騙
transcript.whisperx[15].start 340.676
transcript.whisperx[15].end 357.219
transcript.whisperx[15].text 那你有沒有這個你剛講的很好我也希望你有已經有實際上他已經下架的這些數據有多少呢根據我們跟他們的了解過去他們大概在這一年下架的這個件數大概超過430萬則你認為這是正確的嗎我另外舉一個例子給你聽路透社的報導說
transcript.whisperx[16].start 366.445
transcript.whisperx[16].end 392.246
transcript.whisperx[16].text Meta最少有10%的營收也就是台幣可能接近5000億是來自平台上投放詐騙廣告的收入那還是Meta到現在到目前為止他還是沒有辦法提供相關的數據如同Meta針對這個劍橋大學的這個教授的指控他到最後還是沒有辦法提出
transcript.whisperx[17].start 392.779
transcript.whisperx[17].end 415.667
transcript.whisperx[17].text 他到底有多少這個教授的個人資料他到底收集了多少數據也就是說他其實還是不會跟政府老老實實的說明他到底有多少這些詐騙廣告的收入或者是我們要有更多的武器才可以針對他我想這個是我們要繼續跟Meta來研究的地方要繼續做這些網路控管的地方
transcript.whisperx[18].start 416.087
transcript.whisperx[18].end 422.252
transcript.whisperx[18].text 好的我們其實一直都有跟他們加強的聯繫不夠啦不夠啦我們會再努力請局長局長現在剛剛這個也講的這個副署長也講得很清楚大部分來自Meta的這些詐騙訊息或者是這個平台的這些不實的廣告啦那警政署其實我上次跟你質詢的內容裡面也包含這些地下的
transcript.whisperx[19].start 445.427
transcript.whisperx[19].end 472.32
transcript.whisperx[19].text 地下的這個放貸的組織他們其實一個集團扮演的多個角色對同樣一組人做大量的資訊的借款的資訊的投放那有ABCDE分別這樣子同一個集團可以讓一個人分別簽了四五十張簽了四五十張的這個本票那其實這些源頭你也知道但是後續的這些協助被害人的這些行為也希望刑事局這邊還可以繼續加強
transcript.whisperx[20].start 474.24
transcript.whisperx[20].end 495.731
transcript.whisperx[20].text 這個沒有問題我們對這些呢就是一連串的這些詐騙行為包括就是後續的這些不管是抵押不動產或者是去解除這個受刑的這個定存的部分我們都會做全力的來查緝包括你剛剛委員所提的這些詐騙集團後續的這個地下錢狀這個部分我們都全力來查緝的好謝謝辛苦謝謝謝謝感謝