iVOD / 166658

Field Value
IVOD_ID 166658
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/166658
日期 2025-12-24
會議資料.會議代碼 委員會-11-4-23-12
會議資料.會議代碼:str 第11屆第4會期交通委員會第12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 12
會議資料.種類 委員會
會議資料.委員會代碼[0] 23
會議資料.委員會代碼:str[0] 交通委員會
會議資料.標題 第11屆第4會期交通委員會第12次全體委員會議
影片種類 Clip
開始時間 2025-12-24T11:11:15+08:00
結束時間 2025-12-24T11:21:21+08:00
影片長度 00:10:06
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/8b793423fad44d60c5ccf8f370f0106f1d90d5b7b1a8c99953d00c89e76a212fa4760fc26950f44b5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 邱若華
委員發言時間 11:11:15 - 11:21:21
會議時間 2025-12-24T09:00:00+08:00
會議名稱 立法院第11屆第4會期交通委員會第12次全體委員會議(事由:邀請數位發展部部長、行政院打擊詐欺指揮中心、內政部、法務部、金融監督管理委員會及國家通訊傳播委員會就「社群平台打詐成效」進行專題報告,並備質詢。 【12月22日及24日二天一次會】)
transcript.pyannote[0].speaker SPEAKER_03
transcript.pyannote[0].start 3.00096875
transcript.pyannote[0].end 5.78534375
transcript.pyannote[1].speaker SPEAKER_02
transcript.pyannote[1].start 5.85284375
transcript.pyannote[1].end 6.73034375
transcript.pyannote[2].speaker SPEAKER_02
transcript.pyannote[2].start 12.80534375
transcript.pyannote[2].end 13.54784375
transcript.pyannote[3].speaker SPEAKER_03
transcript.pyannote[3].start 13.73346875
transcript.pyannote[3].end 72.39096875
transcript.pyannote[4].speaker SPEAKER_02
transcript.pyannote[4].start 14.50971875
transcript.pyannote[4].end 14.81346875
transcript.pyannote[5].speaker SPEAKER_02
transcript.pyannote[5].start 16.36596875
transcript.pyannote[5].end 16.66971875
transcript.pyannote[6].speaker SPEAKER_00
transcript.pyannote[6].start 23.31846875
transcript.pyannote[6].end 23.70659375
transcript.pyannote[7].speaker SPEAKER_02
transcript.pyannote[7].start 25.02284375
transcript.pyannote[7].end 25.30971875
transcript.pyannote[8].speaker SPEAKER_00
transcript.pyannote[8].start 25.30971875
transcript.pyannote[8].end 25.36034375
transcript.pyannote[9].speaker SPEAKER_02
transcript.pyannote[9].start 29.61284375
transcript.pyannote[9].end 30.03471875
transcript.pyannote[10].speaker SPEAKER_00
transcript.pyannote[10].start 30.03471875
transcript.pyannote[10].end 30.05159375
transcript.pyannote[11].speaker SPEAKER_00
transcript.pyannote[11].start 35.85659375
transcript.pyannote[11].end 36.32909375
transcript.pyannote[12].speaker SPEAKER_00
transcript.pyannote[12].start 40.00784375
transcript.pyannote[12].end 40.41284375
transcript.pyannote[13].speaker SPEAKER_00
transcript.pyannote[13].start 44.02409375
transcript.pyannote[13].end 44.27721875
transcript.pyannote[14].speaker SPEAKER_00
transcript.pyannote[14].start 49.96409375
transcript.pyannote[14].end 50.43659375
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 56.42721875
transcript.pyannote[15].end 56.86596875
transcript.pyannote[16].speaker SPEAKER_00
transcript.pyannote[16].start 60.10596875
transcript.pyannote[16].end 61.01721875
transcript.pyannote[17].speaker SPEAKER_00
transcript.pyannote[17].start 62.67096875
transcript.pyannote[17].end 62.94096875
transcript.pyannote[18].speaker SPEAKER_02
transcript.pyannote[18].start 72.72846875
transcript.pyannote[18].end 85.35096875
transcript.pyannote[19].speaker SPEAKER_03
transcript.pyannote[19].start 84.54096875
transcript.pyannote[19].end 94.75034375
transcript.pyannote[20].speaker SPEAKER_02
transcript.pyannote[20].start 88.11846875
transcript.pyannote[20].end 88.42221875
transcript.pyannote[21].speaker SPEAKER_02
transcript.pyannote[21].start 94.75034375
transcript.pyannote[21].end 116.06346875
transcript.pyannote[22].speaker SPEAKER_03
transcript.pyannote[22].start 115.48971875
transcript.pyannote[22].end 131.16659375
transcript.pyannote[23].speaker SPEAKER_02
transcript.pyannote[23].start 116.85659375
transcript.pyannote[23].end 117.09284375
transcript.pyannote[24].speaker SPEAKER_02
transcript.pyannote[24].start 124.58534375
transcript.pyannote[24].end 125.29409375
transcript.pyannote[25].speaker SPEAKER_02
transcript.pyannote[25].start 125.51346875
transcript.pyannote[25].end 125.98596875
transcript.pyannote[26].speaker SPEAKER_02
transcript.pyannote[26].start 131.67284375
transcript.pyannote[26].end 155.33159375
transcript.pyannote[27].speaker SPEAKER_03
transcript.pyannote[27].start 154.77471875
transcript.pyannote[27].end 168.64596875
transcript.pyannote[28].speaker SPEAKER_02
transcript.pyannote[28].start 157.28909375
transcript.pyannote[28].end 157.60971875
transcript.pyannote[29].speaker SPEAKER_02
transcript.pyannote[29].start 159.02721875
transcript.pyannote[29].end 159.33096875
transcript.pyannote[30].speaker SPEAKER_02
transcript.pyannote[30].start 161.47409375
transcript.pyannote[30].end 162.25034375
transcript.pyannote[31].speaker SPEAKER_00
transcript.pyannote[31].start 162.25034375
transcript.pyannote[31].end 162.28409375
transcript.pyannote[32].speaker SPEAKER_02
transcript.pyannote[32].start 163.80284375
transcript.pyannote[32].end 163.97159375
transcript.pyannote[33].speaker SPEAKER_00
transcript.pyannote[33].start 163.97159375
transcript.pyannote[33].end 164.19096875
transcript.pyannote[34].speaker SPEAKER_00
transcript.pyannote[34].start 166.09784375
transcript.pyannote[34].end 167.02596875
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 167.36346875
transcript.pyannote[35].end 167.78534375
transcript.pyannote[36].speaker SPEAKER_03
transcript.pyannote[36].start 168.79784375
transcript.pyannote[36].end 174.19784375
transcript.pyannote[37].speaker SPEAKER_03
transcript.pyannote[37].start 174.29909375
transcript.pyannote[37].end 183.76596875
transcript.pyannote[38].speaker SPEAKER_02
transcript.pyannote[38].start 183.78284375
transcript.pyannote[38].end 201.19784375
transcript.pyannote[39].speaker SPEAKER_03
transcript.pyannote[39].start 199.44284375
transcript.pyannote[39].end 217.87034375
transcript.pyannote[40].speaker SPEAKER_02
transcript.pyannote[40].start 206.95221875
transcript.pyannote[40].end 207.28971875
transcript.pyannote[41].speaker SPEAKER_00
transcript.pyannote[41].start 207.28971875
transcript.pyannote[41].end 207.30659375
transcript.pyannote[42].speaker SPEAKER_02
transcript.pyannote[42].start 212.13284375
transcript.pyannote[42].end 212.58846875
transcript.pyannote[43].speaker SPEAKER_02
transcript.pyannote[43].start 214.29284375
transcript.pyannote[43].end 215.37284375
transcript.pyannote[44].speaker SPEAKER_02
transcript.pyannote[44].start 217.26284375
transcript.pyannote[44].end 232.95659375
transcript.pyannote[45].speaker SPEAKER_02
transcript.pyannote[45].start 233.51346875
transcript.pyannote[45].end 233.61471875
transcript.pyannote[46].speaker SPEAKER_02
transcript.pyannote[46].start 233.69909375
transcript.pyannote[46].end 242.23784375
transcript.pyannote[47].speaker SPEAKER_03
transcript.pyannote[47].start 241.84971875
transcript.pyannote[47].end 260.04096875
transcript.pyannote[48].speaker SPEAKER_02
transcript.pyannote[48].start 245.41034375
transcript.pyannote[48].end 245.86596875
transcript.pyannote[49].speaker SPEAKER_02
transcript.pyannote[49].start 250.62471875
transcript.pyannote[49].end 250.96221875
transcript.pyannote[50].speaker SPEAKER_00
transcript.pyannote[50].start 253.59471875
transcript.pyannote[50].end 253.61159375
transcript.pyannote[51].speaker SPEAKER_02
transcript.pyannote[51].start 253.61159375
transcript.pyannote[51].end 254.11784375
transcript.pyannote[52].speaker SPEAKER_02
transcript.pyannote[52].start 259.58534375
transcript.pyannote[52].end 276.20721875
transcript.pyannote[53].speaker SPEAKER_03
transcript.pyannote[53].start 260.54721875
transcript.pyannote[53].end 261.20534375
transcript.pyannote[54].speaker SPEAKER_03
transcript.pyannote[54].start 274.89096875
transcript.pyannote[54].end 289.30221875
transcript.pyannote[55].speaker SPEAKER_02
transcript.pyannote[55].start 278.95784375
transcript.pyannote[55].end 279.32909375
transcript.pyannote[56].speaker SPEAKER_02
transcript.pyannote[56].start 279.83534375
transcript.pyannote[56].end 280.89846875
transcript.pyannote[57].speaker SPEAKER_02
transcript.pyannote[57].start 281.37096875
transcript.pyannote[57].end 281.84346875
transcript.pyannote[58].speaker SPEAKER_00
transcript.pyannote[58].start 285.20159375
transcript.pyannote[58].end 285.74159375
transcript.pyannote[59].speaker SPEAKER_00
transcript.pyannote[59].start 285.79221875
transcript.pyannote[59].end 286.29846875
transcript.pyannote[60].speaker SPEAKER_03
transcript.pyannote[60].start 289.50471875
transcript.pyannote[60].end 296.45721875
transcript.pyannote[61].speaker SPEAKER_00
transcript.pyannote[61].start 291.88409375
transcript.pyannote[61].end 292.23846875
transcript.pyannote[62].speaker SPEAKER_03
transcript.pyannote[62].start 296.87909375
transcript.pyannote[62].end 301.60409375
transcript.pyannote[63].speaker SPEAKER_02
transcript.pyannote[63].start 299.35971875
transcript.pyannote[63].end 299.76471875
transcript.pyannote[64].speaker SPEAKER_02
transcript.pyannote[64].start 301.58721875
transcript.pyannote[64].end 302.93721875
transcript.pyannote[65].speaker SPEAKER_03
transcript.pyannote[65].start 301.94159375
transcript.pyannote[65].end 306.41346875
transcript.pyannote[66].speaker SPEAKER_02
transcript.pyannote[66].start 306.98721875
transcript.pyannote[66].end 311.20596875
transcript.pyannote[67].speaker SPEAKER_02
transcript.pyannote[67].start 311.66159375
transcript.pyannote[67].end 318.66471875
transcript.pyannote[68].speaker SPEAKER_02
transcript.pyannote[68].start 318.86721875
transcript.pyannote[68].end 320.06534375
transcript.pyannote[69].speaker SPEAKER_03
transcript.pyannote[69].start 318.91784375
transcript.pyannote[69].end 329.12721875
transcript.pyannote[70].speaker SPEAKER_02
transcript.pyannote[70].start 322.49534375
transcript.pyannote[70].end 322.90034375
transcript.pyannote[71].speaker SPEAKER_02
transcript.pyannote[71].start 329.26221875
transcript.pyannote[71].end 345.02346875
transcript.pyannote[72].speaker SPEAKER_00
transcript.pyannote[72].start 345.02346875
transcript.pyannote[72].end 367.29846875
transcript.pyannote[73].speaker SPEAKER_03
transcript.pyannote[73].start 365.96534375
transcript.pyannote[73].end 384.12284375
transcript.pyannote[74].speaker SPEAKER_00
transcript.pyannote[74].start 377.79471875
transcript.pyannote[74].end 378.18284375
transcript.pyannote[75].speaker SPEAKER_00
transcript.pyannote[75].start 381.45659375
transcript.pyannote[75].end 381.72659375
transcript.pyannote[76].speaker SPEAKER_03
transcript.pyannote[76].start 384.42659375
transcript.pyannote[76].end 392.76284375
transcript.pyannote[77].speaker SPEAKER_00
transcript.pyannote[77].start 385.99596875
transcript.pyannote[77].end 386.02971875
transcript.pyannote[78].speaker SPEAKER_02
transcript.pyannote[78].start 386.02971875
transcript.pyannote[78].end 386.38409375
transcript.pyannote[79].speaker SPEAKER_02
transcript.pyannote[79].start 392.98221875
transcript.pyannote[79].end 418.58159375
transcript.pyannote[80].speaker SPEAKER_03
transcript.pyannote[80].start 418.19346875
transcript.pyannote[80].end 429.26346875
transcript.pyannote[81].speaker SPEAKER_02
transcript.pyannote[81].start 426.52971875
transcript.pyannote[81].end 426.83346875
transcript.pyannote[82].speaker SPEAKER_02
transcript.pyannote[82].start 430.02284375
transcript.pyannote[82].end 430.20846875
transcript.pyannote[83].speaker SPEAKER_02
transcript.pyannote[83].start 430.54596875
transcript.pyannote[83].end 438.76409375
transcript.pyannote[84].speaker SPEAKER_01
transcript.pyannote[84].start 441.66659375
transcript.pyannote[84].end 442.35846875
transcript.pyannote[85].speaker SPEAKER_01
transcript.pyannote[85].start 442.44284375
transcript.pyannote[85].end 442.45971875
transcript.pyannote[86].speaker SPEAKER_03
transcript.pyannote[86].start 442.45971875
transcript.pyannote[86].end 444.72096875
transcript.pyannote[87].speaker SPEAKER_03
transcript.pyannote[87].start 445.24409375
transcript.pyannote[87].end 446.96534375
transcript.pyannote[88].speaker SPEAKER_01
transcript.pyannote[88].start 446.96534375
transcript.pyannote[88].end 447.03284375
transcript.pyannote[89].speaker SPEAKER_03
transcript.pyannote[89].start 447.03284375
transcript.pyannote[89].end 447.64034375
transcript.pyannote[90].speaker SPEAKER_03
transcript.pyannote[90].start 448.41659375
transcript.pyannote[90].end 466.82721875
transcript.pyannote[91].speaker SPEAKER_03
transcript.pyannote[91].start 466.89471875
transcript.pyannote[91].end 467.43471875
transcript.pyannote[92].speaker SPEAKER_03
transcript.pyannote[92].start 467.67096875
transcript.pyannote[92].end 475.39971875
transcript.pyannote[93].speaker SPEAKER_03
transcript.pyannote[93].start 475.55159375
transcript.pyannote[93].end 476.37846875
transcript.pyannote[94].speaker SPEAKER_03
transcript.pyannote[94].start 476.66534375
transcript.pyannote[94].end 477.44159375
transcript.pyannote[95].speaker SPEAKER_01
transcript.pyannote[95].start 477.52596875
transcript.pyannote[95].end 484.27596875
transcript.pyannote[96].speaker SPEAKER_01
transcript.pyannote[96].start 484.47846875
transcript.pyannote[96].end 485.96346875
transcript.pyannote[97].speaker SPEAKER_01
transcript.pyannote[97].start 486.19971875
transcript.pyannote[97].end 486.68909375
transcript.pyannote[98].speaker SPEAKER_01
transcript.pyannote[98].start 487.04346875
transcript.pyannote[98].end 488.86596875
transcript.pyannote[99].speaker SPEAKER_01
transcript.pyannote[99].start 489.65909375
transcript.pyannote[99].end 499.53096875
transcript.pyannote[100].speaker SPEAKER_03
transcript.pyannote[100].start 498.97409375
transcript.pyannote[100].end 510.80346875
transcript.pyannote[101].speaker SPEAKER_01
transcript.pyannote[101].start 502.23096875
transcript.pyannote[101].end 502.65284375
transcript.pyannote[102].speaker SPEAKER_01
transcript.pyannote[102].start 511.51221875
transcript.pyannote[102].end 511.95096875
transcript.pyannote[103].speaker SPEAKER_03
transcript.pyannote[103].start 511.51221875
transcript.pyannote[103].end 518.73471875
transcript.pyannote[104].speaker SPEAKER_01
transcript.pyannote[104].start 517.58721875
transcript.pyannote[104].end 517.95846875
transcript.pyannote[105].speaker SPEAKER_01
transcript.pyannote[105].start 519.39284375
transcript.pyannote[105].end 522.76784375
transcript.pyannote[106].speaker SPEAKER_01
transcript.pyannote[106].start 523.15596875
transcript.pyannote[106].end 531.42471875
transcript.pyannote[107].speaker SPEAKER_01
transcript.pyannote[107].start 531.79596875
transcript.pyannote[107].end 537.58409375
transcript.pyannote[108].speaker SPEAKER_01
transcript.pyannote[108].start 538.09034375
transcript.pyannote[108].end 542.76471875
transcript.pyannote[109].speaker SPEAKER_01
transcript.pyannote[109].start 543.15284375
transcript.pyannote[109].end 545.38034375
transcript.pyannote[110].speaker SPEAKER_03
transcript.pyannote[110].start 544.97534375
transcript.pyannote[110].end 556.61909375
transcript.pyannote[111].speaker SPEAKER_01
transcript.pyannote[111].start 546.12284375
transcript.pyannote[111].end 546.73034375
transcript.pyannote[112].speaker SPEAKER_01
transcript.pyannote[112].start 550.86471875
transcript.pyannote[112].end 551.13471875
transcript.pyannote[113].speaker SPEAKER_02
transcript.pyannote[113].start 551.13471875
transcript.pyannote[113].end 551.16846875
transcript.pyannote[114].speaker SPEAKER_02
transcript.pyannote[114].start 555.97784375
transcript.pyannote[114].end 556.34909375
transcript.pyannote[115].speaker SPEAKER_03
transcript.pyannote[115].start 556.87221875
transcript.pyannote[115].end 557.36159375
transcript.pyannote[116].speaker SPEAKER_02
transcript.pyannote[116].start 556.99034375
transcript.pyannote[116].end 557.42909375
transcript.pyannote[117].speaker SPEAKER_02
transcript.pyannote[117].start 557.66534375
transcript.pyannote[117].end 591.36471875
transcript.pyannote[118].speaker SPEAKER_03
transcript.pyannote[118].start 590.53784375
transcript.pyannote[118].end 603.51471875
transcript.pyannote[119].speaker SPEAKER_02
transcript.pyannote[119].start 594.38534375
transcript.pyannote[119].end 594.58784375
transcript.pyannote[120].speaker SPEAKER_02
transcript.pyannote[120].start 603.43034375
transcript.pyannote[120].end 606.31596875
transcript.pyannote[121].speaker SPEAKER_03
transcript.pyannote[121].start 603.54846875
transcript.pyannote[121].end 603.61596875
transcript.pyannote[122].speaker SPEAKER_03
transcript.pyannote[122].start 603.68346875
transcript.pyannote[122].end 604.96596875
transcript.pyannote[123].speaker SPEAKER_00
transcript.pyannote[123].start 604.96596875
transcript.pyannote[123].end 605.25284375
transcript.whisperx[0].start 3.035
transcript.whisperx[0].end 5.409
transcript.whisperx[0].text 好 謝謝主席 主席先請速發部林部長來 林部長請
transcript.whisperx[1].start 12.856
transcript.whisperx[1].end 35.382
transcript.whisperx[1].text 邱委員早安部長早今天的專題報告幾個類型的機關像是速發部還有NCC法務部還有行政院打擊詐欺指揮中心都提出了大量的數據都表示已經有成效了那民眾真的想問還有他們在意的並不是說你們做了多少事而是為什麼政府說詐騙在下降可是每天打開手機還是有民眾收片
transcript.whisperx[2].start 35.962
transcript.whisperx[2].end 62.12
transcript.whisperx[2].text 那也有就是還是會在平台上面看到詐騙的廣告那我今天要提問的問題全部來自你們書面報告中的內容那我們先看到根據行政院打詐指揮中心的報告今年11月詐騙的財損約59億那較去年同期下降53%那假投資還有詐騙的案件還有財損也分別下降67%然後還有71%那我肯定跨部會的努力合作嘛那也是也要請教部長
transcript.whisperx[3].start 62.62
transcript.whisperx[3].end 72.236
transcript.whisperx[3].text 那這些數字是不是已經有排除詐騙的手法從私訊然後轉移到封閉的社群然後還有他們換帳號然後再投放的可能性呢
transcript.whisperx[4].start 73.005
transcript.whisperx[4].end 94.188
transcript.whisperx[4].text 是 這個部分坦白講我們並沒有很精確的數字因為那個在封閉性的社群裡面或者是用那個網路通訊那個網路通訊軟體雖然您現在說沒有掌握到數字碼那有沒有這個排除的可能性還是我們只是把詐騙從A管道轉到B管道從一個平台轉換到另外一個平台呢
transcript.whisperx[5].start 95.209
transcript.whisperx[5].end 114.408
transcript.whisperx[5].text 是 事實上委員講到這個問題我們必須是正式因為如同我之前常常講的是詐騙是打詐是好人跟壞人之間不斷的攻防我們現在把很多的詐騙管道把它堵住了但是詐騙集團會尋找新的詐騙的那個破洞所以這個它不斷在變形
transcript.whisperx[6].start 115.789
transcript.whisperx[6].end 130.96
transcript.whisperx[6].text 它雖然不斷在變形 不知道我們有沒有一個跨平台還有跨樣態尤其是跨樣態的整體風險追蹤指標而不是只是單一的同胞像蘇巴布有這個打債APP那還有不只是這個單一的同胞然後還有下架的數量
transcript.whisperx[7].start 132.841
transcript.whisperx[7].end 154.069
transcript.whisperx[7].text 整個打詐的工作事實上是跨部會在進行的主要負責是內政部他們那邊成立的打詐指揮中心我們抒發部這邊負責的就是網路上面的詐騙我們要想辦法遏止網路上的詐騙目前我們觀察到的情形的確是網路上譬如說在Facebook上
transcript.whisperx[8].start 155.009
transcript.whisperx[8].end 182.825
transcript.whisperx[8].text 因為速發部一直在網路上面做努力嘛你們有建置了網路詐騙通報的查詢網也有通報Meta還有Google像Line大量涉詐的內容那也有對Meta進行裁罰我看到是1850萬喔那我想請教主要的一個問題喔那是否我們現在看到的是不是都是集中在我們下架了多少就只是數字上面那有沒有一個指標它可以衡量在民眾接觸之前我們就已經成功的阻斷了這個詐騙的比例
transcript.whisperx[9].start 184.006
transcript.whisperx[9].end 212.298
transcript.whisperx[9].text 有這個就是我們把我們的那個這個通報了跟Meta已經通報了超過24萬則的詐騙訊息然後Meta他去訓練他的AI平台那他已經阻斷了那個針對台灣的詐騙訊息超過780萬則市長您一直都有提到已經下架了已經就是確認這些詐騙訊息是超過23萬24萬則那就表示這些內容在通報之前他已經成功的投放過了他也
transcript.whisperx[10].start 212.998
transcript.whisperx[10].end 229.758
transcript.whisperx[10].text 成功的曝光然後民眾也接收到了嘛所以我們在講的在要討論的是事情OK這樣我理解委員律師啊那沒錯我們要盡量縮短這個他上架的時間所以我們一直朝這個方向努力那現在我們通報給Facebook的那個詐騙廣告他們平均應該是3.5個小時
transcript.whisperx[11].start 234.402
transcript.whisperx[11].end 255.911
transcript.whisperx[11].text 3.5個小時就會下架然後如果是一般的訊息非廣告的那個一般的詐騙訊息的話是平均是8個小時他們會下架我們在報告中裡面也看到說Meta現在是最大宗嘛那對Facebook他們來說廣告他們這廣告組只要他們付得起他們就可以投放廣告然後系統也會進行推送這些廣告嘛所以對他們來說這些就跟一般的
transcript.whisperx[12].start 256.671
transcript.whisperx[12].end 275.364
transcript.whisperx[12].text 廣告組是一樣的他們不會去分辨這是不是詐騙的廣告沒有錯吧等一下那個就是我剛才講的我們就是要求Meta跟我們合作讓他們主動下封組了780萬則這個大部分這些廣告或者訊息就是連上架都還沒有上架他們偵測到就把它封組掉了就把它封組掉
transcript.whisperx[13].start 276.564
transcript.whisperx[13].end 295.972
transcript.whisperx[13].text 因為目前還是此時此刻也還是有詐騙廣告在Facebook上面嘛那我也不是我不是要求主管機關要介入他們的演算法那要請教蘇發布我們是不是可以再跟平台共同合作然後提出防詐計畫的時候就要求平台說明這些詐騙的內容然後還有是否因應推薦還有
transcript.whisperx[14].start 296.972
transcript.whisperx[14].end 305.898
transcript.whisperx[14].text 推播這些廣告而被放大因為這個是有關他們的觸及率嘛是是是沒錯那我們有沒有一個制度性的措施來降低這種被放大的風險
transcript.whisperx[15].start 307.248
transcript.whisperx[15].end 328.861
transcript.whisperx[15].text 是就是如同我們剛才講的還有就是委員現在那個這個做出來那個投影片上面上面有寫紅字嘛去年也有官員到美國跟平台高層高通那時候就是我要是想請書副部長說我們不是要介入他們的演算法那我們是不是可以請平台就是他們提出他們是不是可以針對這些詐騙內容來避免被放大的情形
transcript.whisperx[16].start 329.361
transcript.whisperx[16].end 344.909
transcript.whisperx[16].text 是 那個就是我們談的內容就是這樣而且我們要求各個平台出透明度報告裡面也都必須有這些制度性的作為那我們是不是請我們素產署黃副署長補充說明 謝謝是 謝謝委員
transcript.whisperx[17].start 346.01
transcript.whisperx[17].end 365.103
transcript.whisperx[17].text 委員我們因為對於納管的網路廣告平台業者會要求他們要提供防炸計畫書這個防炸計畫書裡面就會有去做他的風險的一個評估那到了年底的時候在每年年底之前要出具他的透明度報告書所以他有沒有依照他的防炸計畫書去執行這個部分他必須要去做
transcript.whisperx[18].start 368.104
transcript.whisperx[18].end 386.208
transcript.whisperx[18].text 請問部長我們對Meta裁罰了1850萬那您認為他們有改善的動機嗎還是這只是一個誘因因為對於他們來說他們95%的收入都是來自於廣告剛剛也有委員提到他們的是非常可觀的那他們不改那只會他們繼續去繼續做這件事然後他們還是繼續賺錢嘛那對於這樣的裁罰設計對平台你認為來說這是對他們來說是可預期的嗎
transcript.whisperx[19].start 394.411
transcript.whisperx[19].end 418.319
transcript.whisperx[19].text 的確對於像Meta這樣的國際型大公司來講我們之前給他裁罰1850萬對他們來講並不是一筆很大的錢但是最重要的就是我們這個裁罰不是為了報復也不是因為我們缺錢政府缺這1850萬最重要我們是希望他改變他的行為希望他們加入我們打炸的行列加入我們所謂的好人隊這邊而且必須做系統性的去改善
transcript.whisperx[20].start 418.359
transcript.whisperx[20].end 437.707
transcript.whisperx[20].text 那我們也要注意到如果這個裁罰對他們的行為沒有辦法改變的話那只是問題還是存在那再多的通報再多的下架那還是把問題往後延嘛那這邊再請NCC是 有他們應該是有改善啦那個雖然我們還是不是完全滿意但是那個Meta有在朝好的方向進展謝謝
transcript.whisperx[21].start 441.89
transcript.whisperx[21].end 461.717
transcript.whisperx[21].text 委員長 處長好 處長我直接就問一個問題門號是NCC管的沒有錯嘛 是那NCC可以管門號也管得了門號那為什麼帳號還是滿天飛嘛因為這些帳號都是要透過門號去做註冊嘛像Facebook還是Line還是Google那NCC的報告也有指出以停話或限進將近1.6萬的門號也攔阻了5000萬的境外通話也攔阻了20萬個詐騙的網域那
transcript.whisperx[22].start 468.119
transcript.whisperx[22].end 488.781
transcript.whisperx[22].text 請問這些被停話還有限制的門號有多少是造成實際詐騙之前就你們就已經意識到了還是民眾受害之後被停話之後然後你們才掌握到跟我們報告那個停話的部分我們配合台高檢的一個平台我們有把停話的資料送給台高檢然後送給一些那個平台這邊來清理所以
transcript.whisperx[23].start 489.742
transcript.whisperx[23].end 518.481
transcript.whisperx[23].text 之前在整個政府的座位裡面已經有把停話的資料送給平台這邊然後有停了斷話的那個帳號把它停掉的措施處長因為這個詐騙的流程它是要有門號嘛然後在平台上面去辦理註冊然後再透過廣告或是私訊詐騙民眾那你會不會覺得這些門話被停話之前那詐騙的任務他們都已經達成了那你們NCC這邊還能不能就是說就是從源頭我們都說要從源頭來落實賭占你們這邊可以再做到什麼樣的因應
transcript.whisperx[24].start 519.461
transcript.whisperx[24].end 542.346
transcript.whisperx[24].text 所以跟委員報告就是在整個打詐的作為裡面通傳會這邊有把這個已經有人有知道這個門號拿來做詐騙的部分的這個停話之後把這個門號的資料送給平台這邊因為那個是帳號不管是金管會還是說社群平台的那把
transcript.whisperx[25].start 543.306
transcript.whisperx[25].end 566.273
transcript.whisperx[25].text 那些帳號可能還沒有我這邊因為時間的關係我這邊再請教部長一個問題喔我們都討論要實名制那實名制會不會變成就民眾彷彿因為看到有實名制他們反而放心了因為有經過實名制嘛我們不會應該不會做完全的實名制因為這個實名制會有侵犯到民眾隱私的狀況所以除了中國以外
transcript.whisperx[26].start 567.193
transcript.whisperx[26].end 590.702
transcript.whisperx[26].text 其他主要國家應該都沒有做在網路上完全實施實名制我們是希望做類實名制就是譬如說購買一些比較敏感的產品的時候那必須做實名的認證還有就是說我們會希望透過數位憑證皮夾這種技術就是主動揭露譬如說你這個帳戶的擁有者是不是台灣人還是外國人這個地方我們希望這些平台
transcript.whisperx[27].start 590.742
transcript.whisperx[27].end 605.74
transcript.whisperx[27].text 而且部長因為民眾最在意的還是就是他們不會被詐騙然後也不會誤信這些詐騙然後最重要是他們的畢生的積蓄不會因為詐騙然後一夕之間全沒了那再請NCC還有抒發部還有相關的各部會一起共同是我們會努力謝謝委員的指教謝謝