資安業者Fox-IT在本周揭露了中國駭客集團APT20最近一波的攻擊行動，並將它命名為「我操行動」（Operation Wocao），指稱此一替中國政府行事的駭客集團已在全球10個國家發動間諜攻擊，還破解了2FA認證。

Fox-IT的調查顯示，「我操行動」的受害者分布在全球10個國家，有些是政府機關、有些是管理服務供應商，涉及的產業涵蓋能源、醫療及高科技領域。

APT20透過許多方法入侵這些機構的網路，其中一個主要管道是先取得VPN憑證，Fox-IT發現APT20竟然破解了VPN網路的雙因素認證機制。

目前Fox-IT並不知道APT20是如何繞過雙因素認證的，但推論駭客是盜走了RSA SecurID的軟體令牌，這是用來在裝置上產生一次性密碼的程式，但產生密碼的裝置與存取VPN網路的裝置必須是同一個，研究人員猜測，駭客是在自己的系統上安裝RSA SecurID軟體並產生密碼，再繞過VPN對裝置的限制，而滲透到被害者的網路。

只要能滲透到組織的網路，駭客就能在組織的內部網路上植入各種後門，以作為未來攻擊的入口，亦會掩蓋自己的蹤跡讓被害者無從察覺，再伺機盜走資料、破壞系統或尋找其它攻擊目標。

Fox-IT建議，不管是對系統或身分辨識架構而言，零信任（Zero Trust）模式都是最佳指導原則之一，也應結合網路與端點的遙測，以在面臨嚴重的意外時，執行即時的偵測及適當回應。

根據外電報導，旗下擁有235個廣播電台的Entercom在周日遭到駭客攻擊，除了使得該公司的網路與電子郵件系統無法運作之外，也無法存取平台上的檔案與內容，迫使部份電台以預錄的節目來墊檔。

這是Entercom近來第二次蒙受駭客攻擊，駭客才在今年9月攻陷Entercom，破壞了該公司的IT系統，並向Entercom勒索50萬美元，Entercom並未對外公布是否支付了贖金，但在今年第三季的財報中透露此一意外造成了40萬美元的營收損失。

Entercom對兩次的駭客攻擊事件都保持沈默，不過第二次只花了不到兩天的時間就復原，想必已作了更好的準備。

隨著各界開始對勒索軟體提高警覺，加強離線備份行動之後，駭客為了迫使受害者支付贖金，想出了另一招，他們先下載資料，再將系統加密，若受害者拒絕支付贖金，再透過公布機密資料來加以威脅，而最近的一例就是本月初才受到Maze勒索軟體攻擊的彭薩科拉市（Pensacola）。

彭薩科拉市是在本月初遭到Maze勒索軟體的攻擊，造成該市的電子郵件、電話、電腦、線上支付或其它網路服務中斷，駭客向該市要求價值100萬美元的贖金。

然而，駭客在本周公布了多達1,700個文件的資料，包括合約、預算與薪資冊等，宣稱是從彭薩科拉市的系統下載的，還說這只是他們手上握有的10%資料，希望彭薩科拉市可以與他們合作，否則就要公布所有的機密資訊。

在得知駭客的行徑之後，彭薩科拉市已宣布要提供當地6萬居民一年份的身分保護服務。

這群專門以Maze勒索軟體展開攻擊的駭客集團，宣稱在今年10月21日到12月14日間攻陷了21個組織，受害者散布在美國、加拿大、法國、義大利與英國，而且在加密這些受害者的系統之前，都先下載了組織內的機密資訊，以作為之後的要脅。

聯發科與高通兩家業者在5G行動晶片戰開打，聯發科搶先在11月下旬發表首款5G SoC系統單晶片天璣1000後，高通在12月初則發表了旗艦級的Snapdragon 865及中高階Snapdragon 765系列行動平台，不落人後，聯發科預告了將在下個月發表天璣800，以迎戰Snapdragon 765。

聯發科今天舉行記者會，對外公開說明該公司在5G行動晶片的產品策略，並回應競爭對手及外界對該公司5G產品策略的質疑。聯發科無線通訊事業部總經理李宗霖指出，鑑於全球5G網路大多使用Sub 6GHz頻段，聯發科先鎖定Sub 6GHz的天璣1000，除了低頻段的5G行動晶片，也同時開發支援毫米波（mmWave）的產品，未來會視5G毫米波市場成熟度再推出。

相較於對手的雙IC（AP加Modem）外掛設計，他表示，SoC系統單晶片在技術上的難度更高，因為需要解決散熱等問題，SoC不僅有較低的耗電，縮減的體積也可增加手機內的電池空間，延長續航力。展望5G市場起飛，聯發科將會在5G上扮演積極角色，在鎖定高階的天璣1000之後，明年1月將發表天璣800，採用7奈米製程，將會對應競爭對手的700系列。

不過，聯發科目前並沒有揭露太多天璣800的產品設計資訊，例如是否整合AI運算加速功能，或是鎖定的5G手機價位帶，僅強調同樣為SoC，預料在明年第二季就會看到採用天璣800的客戶產品上市。

而對於高通強調兩顆晶片的外掛式設計，有更好的功能，並能針對不同的需求提供彈性的搭配選擇的說法，聯發科則不以為然，該公司表示，以一般工程常理推測，溫度控制、續航提升、信號的穩定性方面，一體化封裝設計晶片要明顯優於拚片式設計。

2020年將是全球5G加速起飛的一年，臺灣也將會在下半年進入5G，目前市場不少研究機構、網路設備商、手機晶片業者都預估，2020年全球5G手機至少2億支，較為樂觀的預期則是上看2.6億支，顯示5G網路商用化普及後，相應的手機市場加速成長。行動晶片業者紛紛搶攻5G手機商機。

勤業眾信發表了「2020年全球高科技、媒體及電信產業趨勢預測」，提出5G企業專網、AI邊緣晶片、專業服務機器人、智慧型手機新經濟、CDN網路五大趨勢，其中5G專網部份，預估2020年全球將有超過百家企業開始測試5G專網。

勤業眾信認為2020年是許多應用落地的關鍵一年，這些過去被預測「即將到來」的產品及服務，將於2020年在市場上推出。

另外，個別的科技並非獨立發展，例如5G、AI、IoT等將會相互串聯依賴，被應用於智慧製造、智慧醫療等，以提升科技的產業影響和價值，為企業提高生產力與價值，也創造新的機會。

勤業眾信提出的五大趨勢：

5G將成為企業LAN及WAN網路技術之一

由於5G的到來，成為企業建置專網的新選擇。特別是大型企業，5G專網可能成為優先的選擇，應用場域包括港口、製造業、物流中心等場所。隨著明年3GPP 16版的5G標準問世，5G有潛力成為未來10到20年間的LAN及WAN技術之一。

預期到2020年底，全球將有超過百家企業在工業的場域中測試完整或是虛擬的5G專網，而在未來幾年，可能有成千上萬家企業佈建私有的蜂巢網路，輔助或是取代現有的LAN、WAN網路。

相較於一般5G網路，專網優點為可依照場域需求不同佈建專用網路，網路的品質、彈性、安全變得更高，企業能自行決定特定時間的網路覆蓋、品質，例如佈署在臨時性的工作地點，工地或活動現場。

邊緣AI晶片快速成長

勤業眾信將邊緣AI晶片定義為在設備上執行或加速機器學習任務的晶片或元件，邊緣AI晶片將把AI從遠端的資料中心帶到裝置端，通常體積小、耗電較低且成本相對便宜。2020年預期將出售出超過7.5億個邊緣AI晶片，邊緣AI晶片將會快速成長，為整體晶片市場的兩倍快。邊緣AI晶片能整合於手機，或是機器人、感測器、攝影機，儘管這些晶片目前大多被用於高階手機中，但邊緣AI晶片因為速度、資安等優點，可被應用在企業場域，提升企業的物聯網層次。

專業服務機器人將超越工業用機器人

5G加速資料流動，加上AI的發展，勤業眾信認為專業的服務機器人將會快速成長。2020年企業用機器人出貨將增加至100萬台，並以專業服務機器人為主，超越工業用機器人，營收則在2021年超越工業用機器人。

智慧型手機帶動新經濟

由於智慧型手機的普及，帶動App、行動廣告、周邊商品及服務的興起，並形成新經濟，這個新經濟將在2020年創造4590億美元市場收入，若加上智慧型手機的銷售總額4840億美元，整體規模將超過9000億美元。新經濟持續的成長，未來將可能超越手機整體銷售額，並挑戰5000億美元。

線上串流內容刺激CDN

消費者影音娛樂需求的增加，像是線上串流影音、遊戲、直播等，成為CDN的成長動力。2020年預期CDN市場將達140億美元，至2025年可能達到300億美元。2022年CDN可望承載72%網路流量，除了CDN服務業者，將有愈多的電信、媒體業者投入CDN。

原本是學術領域較常用到的高效能運算（HPC）技術，如今隨著大數據分析與人工智慧的走紅，開始日益受到重視，但過往我們可能必須在設有超級電腦的特定環境，才能發展相關的應用，然而，隨著運算技術的進步，如今我們可以透過串連多臺x86伺服器，也能支援高效能運算的各種應用。

然而，如果要在伺服器虛擬化平臺、雲端服務的環境，執行高效能運算，至今似乎仍相當少見，因為大家總會擔心在這樣的虛擬、多租戶共享的架構下，運算和I/O效能都會有折損，如何還能支撐高效能運算的使用場景。

不過，現在有公有雲業者想要打破這個刻板印象，希望吸引更多有這方面需求的用戶，也能積極考慮採用公有雲環境。舉例來說，今年AWS在年度全球用戶大會re:Invent的第一天，AWS全球基礎設施與客戶支援副總裁Peter DeSantis就以此為題，講述他們現在的環境，其實已經能夠負荷這樣的應用需求。

除了支援高效能運算的使用場景，對於非x86運算平臺與加速的支援，AWS這幾年也有不少進展。例如，在re:Invent大會第二天，AWS執行長Andy Jassy也特別介紹他們自行設計的Arm架構處理器Graviton，以及推論晶片Inferentia，以及基於這些產品而陸續推出的執行個體服務（instance）。

歷經多次變革，組建效能媲美裸機的雲端IT架構，可支撐高效能運算

為何現在AWS提供的IT基礎架構，已做到能讓一般用戶向其租用超級電腦等級環境的需求？Peter DeSantis列出了他們重新發明超級電腦架構的歷程。

首先，是建立了高速、低延遲、大容量的資料中心網路。經過6年的發展，AWS目前提供的執行個體（虛擬機器或裸機的租用服務），有了相當大的進步，不只是虛擬CPU的顆數增加了1倍多，尤其是網路規格就成長了10倍（10Gb vs. 100Gb），在整體網路負載的能力上，更是差距20倍以上。

第二，將所有虛擬化作業都卸載到AWS發展的晶片與硬體技術。這裡所指的硬體技術，主要是AWS與2015年併購的Annapurna Labs研發的Nitro Controller架構，在這樣的系統之下，EC2所有虛擬化功能都是執行在Nitro Controller，網路流量雖然轉為虛擬化，但延遲度、變化性、成本均可降到最低。目前而言，EC2的C5和C5n都是基於這個技術而成的執行個體。

第三，AWS發展出硬體最佳化、核心旁路的網路堆疊（Kernel Bypass Network Stack）。他們在2018年的re:Invent大會宣布推出的網路介面Elastic Fabric Adapter（EFA），就是一個例子。相較於原本只用TCP來進行Incast的傳送，改用EFA來處理，可縮短傳送較快者與傳送較慢者之間的傳輸時間差距。

第四，整合常用的程式庫與應用程式。以EFA而言，不只是Amazon Linux支援，也有其他軟體或應用程式介面支援，像是Ubuntu、Red Hat、SUSE、OpenFOAM、LS-DYNA、Open MPI。

最後，要有很好的使用案例經驗。Peter DeSantis也列出幾個目前正在應用的企業，主要有銷售風扇的Big Ass Fans公司，以及與AWS合作的F1賽車。

除了AWS，未來應該會有更多雲端服務業者跟進，提供執行性能更為強大的IT基礎架構，讓他們能夠支援更多原本需個別建置的大型應用場景。在此同時，發展HPC高效能運算應用，過去可能是政府或學術機構的專利，但如今企業也越來越需要去運用這方面的技術，來強化相關的分析與模擬能力。

而且，長期以來，一般公司如果要進入這樣的IT領域，原本可能需要購置一臺超級電腦系統，或是大量伺服器，來進行相關的運算，但現在已開始出現公有雲業者決定面對這樣的技術挑戰，除了看準相關的應用商機，經歷多年發展與持續改良自身基礎架構的工程，並且端出可行的架構與成果驗證，如此也就意味著，以公有雲架構，一樣能夠因應需要耗用大量運算與網路資源的應用。

正如同公有雲龍頭AWS在今年全球用戶大會第一天的宣布，他們已經準備好這樣的環境，能讓廣大用戶向他們申租相關的雲端服務，在不需購置超級電腦的情況下，也能開始著手發展高效能運算應用，大幅降低這個領域的進入門檻，未來我們應該有機會看到更多相關的應用實例，普遍用於商業環境當中。

基於自行開發的兩種晶片，推出更多Arm架構及用於推論的執行個體

​

關於雲端運算服務的經營，AWS已開設超過270種執行個體，而在今年re:Invent大會上，他們基於自家設計的第二代Arm處理器與推論晶片，宣布推出對應的運算服務，強調高性價比的競爭優勢。

今年AWS在運算領域的突破，不只強調可支撐高效能運算的使用，對於其他運算架構的採用，也延續過去幾年的作法，像是開始投入硬體運算晶片的開發設計，並且以此推出執行個體服務。

例如，他們在去年的re:Invent大會宣布推出Graviton處理器，就是他們所設計的Arm架構晶片，並且基於這顆處理器，在EC2旗下發展出執行個體服務A1，今年他們再接再厲，運用自行設計的第二代Arm架構處理器Graviton2，發展出三套執行個體服務，分別是M6g、C6g、R6g。相較於採用x86處理器架構的M5、R5、C5等執行個體，新推出的三套執行個體的性價比，可高出4成。

在硬體架構上，Graviton2處理器包含了64位元的Arm Neoverse核心，以及AWS設計的矽晶片，使用了7奈米製程，每顆核心在科學與高效能運算的工作負載上，可提供2倍的浮點運算效能、額外的記憶體通道、兩倍容量的每核心快取，能將記憶體存取速度提升至5倍，整體效能增長至7倍。

針對機器學習的推論，這顆處理器也提供最佳化指令集，面對壓縮工作負載，它也提供可自定的硬體加速機制。

安全性的部份，Graviton2支援DDR4記憶體全程加密，每顆核心加密效能可提升50％。

而基於AWS Graviton2的執行個體，在規格上有那些特性？最高可配備64顆 vCPU、25Gb網路，以及18Gbps頻寬的EBS雲端儲存服務，用戶可搭配不同的NVMe SSD作為執行個體（例如M6gd、C6gd、R6gd，加上d字表示搭配NVMe本機儲存），或選擇裸機型態的執行個體。相較於採用第一代Graviton的A1執行個體（16顆vCPU、10Gb網路、3.5 Gbps頻寬的EBS），這批採用Graviton2的新執行個體，運算核心提升至4倍。

另一個例子，則是AWS設計的高效能機器學習推論專用晶片Inferentia，在今年的re:Invent大會上，AWS宣布推出基於這個晶片的執行個體Inf1。Inferentia能夠針對一些需要極度成本效益的即時與批次推論應用，提供高吞吐量、低延遲性與持久的效能。

一般而言，在面對多個機器學習的框架與多種資料類型時，Inferentia可提供的運算力是128 TOPS，而每個Inf1的執行個體當中，最高可達到2,000 TOPS。若相較於EC2旗下同樣可執行推論處理的GPU執行個體G4，Inf1在進行推論作業時，可得到較低的延遲度，吞吐量能達到3倍之高，更重要的是，單位推論成本（cost-per-inference）也少了4成，AWS認為，綜觀目前提供機器學習推論的雲端服務項目當中，Inf1可說是成本最低的執行個體。

 相關報導  AWS 2020雲端大戰略

在2019年底舉辦的re:Invent大會上，AWS針對資料儲存與資料庫應用，例如，資料湖服務S3和資料倉儲服務RedShift，均新增了新的特色和服務，大幅強化安全性與效能，同時，也針對Elasticsearch和Cassadra這兩套NoSQL資料庫，分別推出成本更低的儲存層級與代管服務。。

加強與簡化S3的存取控管

S3是業界相當知名的雲端儲存服務，也是AWS支援資料湖（Data Lake）應用的重要平臺，然而，這幾年以來，因用戶雲端儲存服務設定不當而導致大量資料外洩的事件頻傳，也讓企業對於是否要繼續使用S3，而產生安全性的疑慮。面對這樣的資安挑戰，AWS執行長Andy Jessy在大會第二天的主題演講當中，宣布推出S3 Access Points的功能。

這樣機制的出現，可簡化用戶對於S3資料存取方式的管理。他們能夠更容易管理S3環境當中每個儲存桶（bucket）的數百個存取點，針對應用程式自定名稱與存取權限許可，這麼一來，不只是為共用資料集的存取提供新的方法，針對共享S3資料桶存取方法的建立與維護，也能更為便利。

先前，用戶只能在單一資料桶的政策上，定義並管理各種應用場景，現在有了S3 Access Points，用戶可根據不同的應用程式與儲存規模來設定存取點。基本上，每個存取點都是採用不同的主機名稱，能讓用戶藉此建立與強制施行個別的存取許可，以及網路控制措施，而這邊所搭配的存取政策，可搭配前置字元標籤與物件標籤來實施不同的許可，因此，能以此限制使用者所能存取到的S3資料。

在物件資料存取設定上，S3用戶能將其他人或應用程式所能接觸到的範圍，局限在AWS虛擬私有網路（VPC）到防火牆之間，而這項功能當中提供的服務控管政策（Service Control Policies），也能用於確保所有S3存取點都處於限用的VPC當中。

雲端資料倉儲新增多項功能，提升延展性、查詢效能與降低操作難度

RedShift近期推出的服務項目，其實不只是年度用戶大會主題演講所提到的部份，在效能與延展性、簡易操作、資料湖整合等三大層面上，都有新的特色

針對資料庫類型的雲端應用需求，往年AWS發表的重點都是資料庫服務Aurora，今年很特別，主角換成資料庫倉儲服務RedShift，這套2012年問世的雲端服務，在Aurora問世之前，曾經是AWS成長速度最快的業務，今年終於換它獨領風騷。

AWS本次發表了幾項資料分析應用服務，其實都跟RedShift有關。首先，是名為RedShift RA3 with Managed Storage的執行個體正式推出，能讓用戶個別擴展執行個體的運算資源與儲存資源。而在這樣的擴充彈性之下，若相較於其他雲端資料倉儲，RA3的效能領先幅度可達到3倍。

AWS也公布採用這項服務的公司，像是語言學習平臺Duolingo、商家評論網站Yelp、儲存裝置廠商Western Digital，以及電信業者NTT DOCOMO、傳媒集團福斯公司（FOX Corporation）。

所謂的個別擴展，是指用戶可以根據資料倉儲的工作負載效能需求，來選擇執行個體的數量；而在儲存空間的費用上，也只需要支付目前用到AWS代管儲存的容量，目前在每一個RA3執行個體搭配的RedShift Managed Storage，使用的是大容量、高效能的固態硬碟，作為本機儲存空間，以及S3作為長期、高耐用度的儲存空間。如果執行個體當中的資料超過本機儲存的容量，RedShift Managed Storage會自動將資料卸載到S3，但不論資料位於本機儲存或S3，用戶僅需支付RedShift Managed Storage的費率，以及RA3的本機儲存容量費用。

另一方面，RA3執行個體本身是建構在AWS Nitro System之上，而具有相當高的網路頻寬（100 Gb/s），可進一步減少資料卸載至S3或從S3取回的時間。目前在執行個體的供應上，AWS本週已經開放租用16xlarge（ra3.16xlarge）的服務項目，可支援8PB壓縮資料的工作負載，到了2020年初，RA3將提供4xlarge的執行個體選擇。

接下來是與提升資料倉儲查詢效率有關的進階查詢加速器（Advanced Query Accelerator，AQUA），AWS將這項服務稱為AQUA for Amazon Redshift，預計在2020年中正式登場。

圖中是AQUA for Amazon Redshift的架構，能讓RedShift運用分散與硬體加速處理技術。用戶可將子查詢的提出與接收，以及查詢結果的過濾與匯聚，卸載到AQUA節點處理，毋須每次都連到S3來存取，因而能減少資料搬移作業，同時，又能支援平行處理與橫向擴展。

AQUA能夠為RedShift提供分散式的硬體加速快取，與其他雲端業者提供的資料倉儲服務相比，在查詢作業的效能上，改善幅度可達到10倍之多。目前已採用該項服務的企業，有財務軟體廠商Intuit，以及福斯公司。

之所以能夠提供如此大的效能提升，在於AQUA能將運算層帶到儲存層，因此用戶不需在兩者之間來回搬移，它是建在S3之上的高速快取架構，能夠橫向跨展多個節點，並且在這些節點之間進行平行的資料處理，而且每個節點都擁有一套硬體模組，當中採用了AWS設計的分析處理器，能夠大幅加速資料的壓縮、加密，以及過濾、匯聚等資料處理作業。相較於其他雲端資料倉儲存服務讓用戶直接查詢原始資料，這套架構可提供更快的資料查詢速度，以及更大的規模擴展能力，能讓用戶獲得即時反應效果更佳的儀表板，以及縮短開發時間、易於維護系統等功效。

此外，這套架構也相容於現行版本的RedShift，用戶可將既有的資料倉儲遷移過去，不需要修改程式碼。

另一個與資料倉儲相關的功能是聯邦查詢，稱為Redshift Federated Query，有了它，用戶分析資料的範圍將可同時橫跨多個AWS雲端服務，包括資料倉儲（RedShift）、物件儲存（S3），以及關聯式資料庫（RDS、Aurora）。以目前來看，AWS已經開始提供這項服務的預覽版本，而先行採用的企業則有福斯公司、網路安全公司Sophos。

基於這項服務，用戶可運用熟悉的SQL語法敘述，即能橫跨多種資料儲存來結合所有資料，進而簡化應用程式開發方式。有了聯邦查詢，RedShift查詢也能存取這些作業型的資料庫系統，提供更為即時與更新的資料，近來帶來更理想的分析與決策支援。當然，這樣的作法也對雲端資料倉儲的效能，帶來極大的挑戰，對此RedShift query Optimizer會進行智慧型的大規模分散式處理，以便服務底層的資料庫。

而在橫跨不同資料儲存的應用上，AWS本週也正式推出RedShift Data Lake Expert的服務，目前已宣布採用該項服務的企業是Warner Bros。

用戶可將RedShift資料直接匯出到S3，而這些數據所採用的形態，會是針對分析應用最佳化的開放資料格式Apache Parquet。如此一來，用戶能夠把他們在RedShift完成的查詢結果，以開放格式儲存到S3資料湖當中，接下來，就可以運用AWS其他服務，像是SageMaker、Athena、EMR，來進行後續的資料分析。綜觀現在市面上的雲端資料倉儲服務，AWS認為並無其他業者可提供如此簡便的方法，能讓用戶查詢資料的同時，又能將資料以開放格式回寫至資料湖。

針對NoSQL資料庫的應用，提供較低儲存成本與更多系統的選擇

強化對NoSQL資料庫的支援，也是AWS今年用戶大會在資料分析領域的發布重點。首先，是針對Amazon Elasticsearch Service，提供了暖儲存服務（Warm Storage Service），稱為UltraWarm，目前開放預覽版本試用。這項新的儲存層級，能為現行的Elasticsearch Service用戶，提供儲存成本減少9成的新選項，相較於其他代管式Elasticsearch服務提供的暖儲存，也有儲存成本減少8成的競爭優勢，因此，若要在雲端Elasticsearch服務保存大量的現行與歷史記錄資料，搭配AWS專為該項服務的暖儲存，在費用負擔上，都將更為輕鬆。目前宣布採用該項服務公司，主要是家庭族譜與基因檢測公司Ancestry。

在實際運作上，UltraWarm能針對經常存取的資料，提供分散式快取，這裡面運用了進階資料存放位置管理技術，能夠判斷較少存取的資料區塊，並將它們搬移到S3快取之外；而且，這項服務也採用高效能的EC2執行個體，以便於與存放在S3的資料進行互動。基於上述的架構，能促使UltraWarm的查詢速度比其他暖儲存解決方案快上50％，同時，用戶在面對所有記錄資料時，還能保有相同的互動式分析體驗。

以目前AWS公布的規格來看，有了UltraWarm，用戶在單一Elasticsearch Service的叢集之中，最多可管理3PB的記錄資料，並且能夠橫跨多個叢集進行查詢，因此，可以更有效地保存現行與過往記錄資料，便於互動式作業型分析與圖表式呈現結果──在使用體驗上，用戶可以透過Kibana這套軟體提供使用者介面，輕鬆查詢與呈現近期與長期的作業資料，因此，不論是開發人員、DevOps工程師、資安專家，均可更簡便地使用AWS Elasticsearch Service，分析短期與長期的作業資料，而不需大費周章，從S3或Glacier存放的歸檔資料當中，將資料復原到Elasticsearch叢集當中，轉為主動、可搜尋的狀態，才能開始著手查詢，這一來一往之間，可能就要好幾天的功夫。

除了Elasticsearch的應用，AWS今年還推出另一套關於Apache Cassandra資料庫的完全代管服務，稱為Amazon Managed Apache Cassandra Service（MCS）。在這套雲端服務之中，開發人員可以繼續沿用與Apache Cassandra相同的程式碼（相容於Cassandra 3.11）、符合Apache 2.0授權的驅動程式，以及現今所用的工具，以便執行、管理與擴展Cassandra資料庫的工作負載，而且，用戶可省去維護資料庫系統底層IT基礎架構的負擔。

站穩關聯式資料庫雲端服務的腳步之後，AWS繼續推出各種專屬用途資料庫服務，強調用戶應該要能自由選擇所要搭配的資料庫，而今年他們新發布的資料庫服務，稱為Amazon Managed Apache Cassandra Service（圖中最右側），在AWS的代管下，讓企業也能輕鬆使用Cassandra這套NoSQL資料庫。

目前有哪些企業可能有意採用對這項服務？AWS列出了幾家公司，像是速食業者麥當勞，以及軟體廠商Adobe、Pegasystems、Reltio。

在實際運作上，由於這套資料庫代管服務本身採用無伺服器（Serverless）的架構，所以用戶毋須自行建立、設定與操作大型Cassandra叢集環境──因此，當資料庫流量規模變大或縮小時，用戶不必手動增減節點，以及針對多個資料庫分割區執行重新平衡的處理。

關於服務的效能保證，也是MCS的賣點之一，不論任何大小的執行規模，AWS提供給用戶的性能水準是低於10毫秒的延遲，系統會根據應用程式實際的流量，自動擴張或縮小資料表的規模，並以虛擬的方式提供無上限的網路吞吐量與儲存容量。

MCS這套服務的計費方式，未來也會擴增更多選項。以目前AWS提供的選擇而言，會隨用戶所需的服務容量而計價（on-demand capacity mode）──用戶僅支付應用程式使用的資源。到了2020年初，這套資料庫代管服務將提供預先配置容量（provisioned capacity）的選擇，讓用戶指定每個工作負載所需的服務容量，以便控管相關費用支出。

若是用戶在自建IT環境或AWS的EC2雲端服務，已有正在使用的Cassandra資料表，屆時也可以透過AWS移轉工具，搬遷到MCS。

 相關報導  AWS 2020雲端大戰略

機器學習是當前企業發展AI應用的重要技術，在AWS今年re:invent大會上，該公司執行長Andy Jassy也證實這股趨勢正在持續發展、擴張當中，因為，該類雲端服務目前正是AWS成長最快的業務應用，他表示，AWS目前已擁有數萬名機器學習服務用戶，數量是市占第二廠商的兩倍。

隨後，Andy Jassy也針對AWS的各種機器學習服務，區隔出三大類型，逐一介紹最新進展。它們分別是：位於底層的機器學習框架與基礎架構，居中的機器學習服務，以及上層的人工智慧服務。

以底層而言，Andy Jassy自豪地表示，全球有85％的TensorFlow框架，是在AWS的雲端服務環境當中執行，而在執行機器學習訓練的處理作業上，若以幾種針對AWS環境最佳化調校的主要機器學習框架，搭配AWS提供的GPU執行個體P3，來進行Mask R-CNN深度學習模型的訓練，比起用戶自行搭建硬體設備來執行相關作業，可節省2成處理時間。

位於中間層的AWS機器學習解決方案，主要是全代管機器學習服務SageMaker，它是在2017年舉行的re:Invent大會推出，資料科學家與開發人員可運用這套雲端服務，輕鬆地進行機器學習模型的建構、訓練與部署。到了2018年，SageMaker已陸續增添50種以上的功能。

在2019年底舉行的re:Invent大會，AWS繼續發布SageMaker相關的新功能，最受眾人矚目的部分，就是用於機器學習的整合式開發環境（IDE），名為SageMaker Studio，並基於這套工具，提供Notebooks、Experiments、Autopilot、Debugger、Model Monitor等特色，支援開發與部署機器學習模型的自動化執行、整合、除錯、監控。

AWS在機器學習產品線的頂層，設置了人工智慧應用服務（AI Services），這裡所提供的解決方案，可因應不懂機器學習技術運作方式的用戶。

早先他們陸續推出影像辨識、語音辨識、文字辨識，以及對話機器人、個人化推薦、預測等服務。到了今年，他們提供了更多與企業日常業務運作更密切相關的功能項目，像是詐騙偵測、程式碼檢視與剖析、往來客戶聯絡分析，以及企業內部搜尋。

因應機器學習開發流程各階段的需求，率先推出網頁版IDE工具

因應簡化開發機器學習模型的需求，AWS提供全代管服務SageMaker，他們最近更推出延伸的整合式開發環境SageMaker Studio，開發人員能在此撰寫程式碼、追蹤實驗結果、執行除錯與監控。

在今年re:Invent大會推出的機器學習各項新功能當中，SageMaker Studio無疑是針對開發人員與資料科學家的重要特色，號稱能大幅提升生產力。

基本上，它提供了單一操作介面，能讓用戶著手進行機器學習模型的建立、除錯、訓練、部署、監控、維運，並提供多種功能，像是：伸縮式腳本套用、實驗測試管理、模型自動建立、除錯、組態剖析，以及模型飄移偵測。

整體而言，在這套整合式開發工具當中，開發人員可以查看原始程式碼、相依性、文件，以及用於行動App的圖片等應用程式資產，整理出彼此之間的組織結構。同時，他們也能建立專案資料夾，管理資料集與用於自動化執行的筆記本，並與其他人共同討論筆記本的設計與後續處理的結果。

運用與亞馬遜相同的機器學習技術，發展出更通用的人工智慧服務

關於人工智慧的應用需求，其實並不只是提供開發機器學習的輔助機制，對於不諳這類技術運作原理與相關管理維護作業的用戶而言，其實，也能藉助雲端業者提供的高階代管服務，即可善用機器學習技術來簡化各種工作，為使用者提供更多元的AI操作體驗。

Fraud Detector

在今年底最新發表的人工智慧應用服務當中，Andy Jassy最先介紹的是詐騙偵測服務Amazon Fraud Detector，它能協助企業即時識別線上身分與支付詐騙行為，而且，這裡面採用的判別技術，是由本身就在經營電子商務的亞馬遜（Amazon.com）所發展出來的。

這套服務會同時使用詐欺與合法交易的歷史資料，對其執行機器學習模型的建構、訓練與部署，能為用戶提供即時的詐騙風險預測。在試用初期，用戶只需將一些資料上傳到S3，像是與交易相關的電子郵件位址、IP位址，也可自行增添帳單地址、電話號碼，接著執行自定的機器學習模型訓練。

CodeGuru

Andy Jassy第二個揭露的人工智慧應用服務，是針對軟體開發人員的程式碼審視（code reviews），以及應用程式剖析（application profiling）需求，用戶可運用AWS提供的機器學習技術，取得程式碼自動化分析的機制，但這裡所要提供的功能，不只是突顯既有程式碼的撰寫錯誤、品質不佳與效能執行問題，還要找出耗費最多IT資源的程式碼片段。

開發人員要怎麼使用CodeGuru來審視程式碼？他們仍然照常將程式碼提交到GitHub、CodeCommit等軟體開發倉庫服務，然後再將CodeGuru設為程式碼審視人員之一即可，不需調整原本的作業流程或額外安裝軟體。隨後CodeGuru會接收到程式碼下拉的請求，並且運用系統預先訓練好的模型，自動對用戶程式碼執行評估，而這些完成訓練的機器學習模型，所根據的程式碼資料主要有兩大來源：亞馬遜數十年來所審視的程式碼，以及GitHub排名前十大的開放原始碼軟體專案。

處理過程中，CodeGuru會針對程式碼的品質來分析程式碼的異動，如果發現問題，會在程式碼下拉請求當中，增添一段評論敘述，讓開發者能夠清楚看到該段程式碼所在的行數位置、問題類型，以及系統推薦的修正方式（像是範例程式碼與相關說明文件的連結）。

而在應用程式剖析的部份，CodeGuru會利用機器學習技術，找出最耗費雲端服務資源的程式碼。為了要達成監控的目的，用戶須在他們開發的應用程式當中，安裝小型、輕量的代理程式，讓CodeGuru能夠以5分鐘為頻率，定期觀察應用程式執行時的狀態，以及剖析程式碼的組態。而這樣的觀測會記錄CPU利用率與存取延遲，以及直接對應的程式碼位置，最後會產生圖表，協助用戶找到那些導致效能瓶頸的程式碼片段。

目前有哪些企業採用CodeGuru？AWS表示，亞馬遜內部團隊正在使用CodeGuru，他們剖析的應用程式數量已經超過8萬支；而在2017年到2018年之間，這套服務提供給亞馬遜的內部版本，也協助隸屬於該公司消費業務的Amazon Prime Day團隊，大幅提升應用程式的執行效率──CPU利用率增加了3.25倍，在Amazon會員狂歡購物節期間，他們需管理的執行個體數量也隨之減少，整體成本降低近4成。

Connect Lens

第三個AWS今年主推的人工智慧應用服務，是針對AWS客戶聯絡中心雲端服務Amazon Connect，所提供的分析服務Contact Lens，當中運用了機器學習的技術，讓用戶能夠從與顧客的對話裡面，理解他們回饋的意見、認知趨勢與價值，並藉此改善顧客互動體驗。

目前AWS公布多家先期採用這項顧客資料分析服務的企業，包括：財務軟體公司Intuit、金融投資財務管理公司John Hancock、媒體集團News Corp、個人財富與利益解決方案廠商Accolade，以及行動電信與能源供應商amaysim。

基本上，單就Amazon Connect而言，它採用的技術，與目前支撐亞馬遜顧客服務的技術是相同的，號稱能以更低的成本讓用戶經營他們的客戶聯絡中心，而且能支援數千個值機員的使用。若這項服務同時搭配Contact Lens使用，AWS表示，客戶服務主管可以透過Amazon Connect網頁主控臺介面，毋需具備程式撰寫與機器學習等技術專業，即可進行多種功能的操作。例如，從顧客對話裡面，發現新興的主題與趨勢，並對客戶來電與對話文字記錄，快速實施全文檢索，以便找出解決顧客的疑難雜症，同時，還能提供來電與文字對話的分析，進而改善客服人員的效能。

除了高度整合Amazon Connect這項賣點，Contact Lens所產出的詮釋資料，像是文字謄本、意見、分類標籤，都是依照妥善定義的資料綱要來儲存，而且會放置在用戶的S3資料桶當中。企業可以輕易匯出這些資訊，並運用Quicksight、Tableau這類圖表分析工具，將其產生進一步解析，以及結合其他來源的資料。

Kendra

在今年re:Invent大會最後介紹的人工智慧應用服務，是提供企業搜尋功能的Amazon Kendra，裡面運用了自然語言處理，以及其他機器學習技巧，能夠統合企業內部的多個資料孤島（data silos），並且持續提供高品質的通用查詢結果，AWS認為，相較於目前透過關鍵字查詢而得到的隨機連結列表，這項新的服務可以提供更好的選擇。

有了Kendra，企業的員工若要進行內部資料搜尋，可以運用自然語言的表達方式來進行查詢，例如，他們可以鍵入問題內容敘述，而不只是單純輸入關鍵字，而系統也能夠用對話的方式回答問題，並且提供相關的服務與網站連結。

同時，這樣的服務，能夠橫跨多種應用系統、網站入口與維基共筆內容管理系統（Wiki）進行整合，用戶只需在AWS管理主控臺上進行簡易操作，例如指出需要查詢的文件儲存庫位置，Kendra就會匯集所有資料，以便建構集中的索引。

在文件安全控管的部份，這項服務會掃描文件當中的許可權限，可確保搜尋結果僅列出該名使用者能存取的文件，以便符合企業既有的文件存取政策。

想要橫跨檔案共享區、資料庫，以及共用文件庫，來進行全文檢索，過去我們可能需建置搜尋引擎或知識管理系統，但通常只能透過輸入關鍵字來查詢（圖左），今年AWS推出Amazon Kendra的內部搜尋服務，可同時支援自然語言處理的問答（圖右）。

繼續簡化機器學習開發與應用的難度，降低不同技術層級的操作門檻

整體而言，今年AWS在機器學習領域所推出的雲端服務，在應用的格局上，都有進一步突破。

例如，在SageMaker的機器學習開發平臺服務，AWS提供了功能豐富的整合式開發工具，能夠大幅簡化機器學習模型的設計與測試流程。

而在人工智慧應用服務的部份，AWS今年增設了更多解決方案，採用與母公司亞馬遜相同的機器學習技術，除了今年陸續上線的個人化推薦與預測服務，他們也預告未來將發布與企業商務運作需求密切相關的服務，涵蓋了顧客身分辨識、顧客往來分析、應用程式效率與成本節約，以及內部資料搜尋等層面，繼續為雲端服務業者的機器學習與人工智慧技術，提供更多專業領域的應用服務選擇。

 相關報導  AWS 2020雲端大戰略

華南銀行在今年迎來100歲的生日，扛著百年銀行的金字招牌，在其保守、穩健的傳統銀行形象下，其實，蘊藏著對金融科技創新的強烈企圖心。

不過，華南銀行（簡稱華南）在發展金融科技的戰略上，並不是搶先擁抱最新的技術，而是像一隻盤旋在山谷的老鷹一樣，以那銳利的鷹眼觀望著，等待某技術成熟落地後，看準了才會出手，而且，一推出市場的服務，就要是前所未有的金融科技新應用。

而華南銀行營運管理事業群副總經理許柏林，正是帶領華南走向數位轉型的關鍵人物，不僅一手撐起營運管理事業群底下的數位金融部、營運管理部、客戶服務部，就連資訊科技管理群約400人的IT團隊，也是由他掌舵。

華南銀行在他保守的作風下，其實，有著大膽的創新戰略，讓華南可以在風險可控，且符合現行法規的狀況下，還能找出數位轉型的突破點。

然而，在這技術變化快速的時代，許柏林挑選新興技術時，共有三個決策考量。首先，他會先觀察技術的成熟性，並不急於第一時間擁抱最新的技術，而是等到技術成熟了，有實際運用的案例出現後，才推出其他競爭對手尚未想到的殺手級新應用。

華南拚的是找到創新應用的速度，而非在採取新技術上求快。「如何把成熟的技術，放在對的地方，才是真正的關鍵。」許柏林強調，

第二大考量是安全，許柏林坦言，銀行畢竟不是IT公司，客戶的基本要求是銀行系統與資料的穩定。所以，金融業通常不會想當白老鼠，把銀行的系統轉換到一個沒有運作過的系統，這對銀行來說風險過高。

評估完技術的成熟性與安全後，許柏林會先找來IT主管討論技術的可行性，經過IT主管認證通過後，才會展開業務面的討論。

以客戶思維為核心，設計殺手級應用「AI行動銀行」

華南銀行11月新推的AI行動銀行就是最好的創新實例。這個AI行動銀行，內建了AI語音助理，用戶只要用說的，就能查找AI行動銀行裡特定的服務，比如查詢帳務明細、國際匯率、國際金融市場行情、信用卡帳單、薪水入帳，甚至進行轉帳等。

特別的是，華南AI行動銀行能做到AI全功能導航、支援全面聲控輸入，以及多輪對談。在華南AI行動銀行，許柏林認為，AI全功能導航是關鍵功能之一，用戶不需要思考層層功能路徑，只要直接說出想要尋找的服務，內建的小n機器人，就會在上百支交易中，自動找到該服務。

比如說，使用者說出「我要用台灣Pay」，小n就會自動開啟台灣Pay，同時打開QR Code掃描器，而說出「我要看人民幣匯率」，就會直接引導到國際貨幣匯率頁面。

小n機器人的背後，主要運用了IBM Watson的AI語意理解技術，且可支援多輪對話應答。以轉帳匯款為例，當使用者說出「我要轉帳」，小n就會回問「要把錢轉去哪呢？」，使用者回答「轉給爸爸100元」，系統就會自動引導到轉帳畫面。

此時，小n會去搜尋用戶過去約定與非約定轉帳，這2種欄位的轉帳記錄，只要是用戶曾經約定或常用的轉帳戶頭，就能自動帶入對方的銀行帳戶、轉帳金額等資訊，使用者只要按下確認，就能進行轉帳。

因此，華南在AI行動銀行中，特別針對用戶經常會用到的帳務查詢、轉帳、明細查詢做到多輪對談。不過，目前多輪對談，僅限於使用單一服務，例如轉帳或查詢帳務等有剛性需求的服務。

許柏林透露，在打造AI行動銀行的過程中，團隊曾試圖將每支交易開發成對談式，能有更精細的語音操作。但，他卻在中途喊卡，原因除了資源有限之外，他認為，與其把每支交易程式都做到對談式，消費者更需要的是在上百個功能中，如何快速、即時找到想要服務的頁面。

過去，銀行端系統設計理念的使用者是銀行行員，只要IT完成設計，再要求行員照著操作就行了。但現在App的使用者是廣大消費者，許柏林認為，得以客戶思維為核心，了解客戶真正的痛點以及需求，來設計好用的服務。

在銀行數位轉型的路上，「學會放空自己，以客戶為核心」，則是許柏林一直以來秉持的理念。

華南銀行突破框架，展示未來網銀的概念設計

不侷限在銀行既有提供金融服務的框架，華南銀行近期展示了未來網銀的概念設計。透過擴增實境（AR）眼鏡來呈現網銀App的介面，讓民眾能透過手部與頭部的協作，來查詢帳戶餘額或進行轉帳作業，這樣大膽的創新應用，不僅重塑了使用者的體驗，也顯露出華南力求創新突破的企圖心。

華南銀行委外設計了一款AR眼鏡，重新將網銀App的直式UI介面重新設計成橫式，讓用戶能透過眼鏡看見放大投影成60～80吋的介面；而其搭配的飛時測距（Time of Flight,，ToF）3D感測技術，則是能讓用戶直接用手在空間中操作，因為ToF會透過紅外線去感測手部動作，根據紅外線回應的時間差，去計算手在空間中的位置。

華南銀行表示，透過AR眼鏡與ToF技術，用戶能享有3D的使用者體驗。

此外，華南銀行還展出了新一代轉帳服務的概念設計，有別於其他業者應用人臉辨識來進行身分驗證，華南銀行大膽假設，未來，如果所有銀行都將客戶個資與人臉影像相連結，客戶要用行動網銀轉帳給他人，不用再輸入一長串的帳戶資訊，只要拍下收款人的臉部影像，系統就能自動連結對方帳戶並立即轉帳。

這個概念設計，類似部分銀行用「手機號碼當成銀行帳戶」的服務，改用人臉來作為銀行帳號的識別物。

華南銀行也指出，要推出這個服務的前提，是所有銀行都得將人臉資料與帳戶綁定，並且共享資料，用戶轉帳的對象才不會受侷限。不過，因涉及到個資與隱私權的問題，還是得看法規的開放程度。

在華南銀行展示的測試版App，只要對著收款人拍照，再拍攝自己的人臉進行身分驗證即可轉帳。特別的是，測試版App不僅能刷臉轉帳，還支援一對多轉帳的功能，用戶可以拍攝多個人臉在同一張照片中，經過系統人臉辨識後，最多可以同時轉帳給5到7個人。

測試版App人臉辨識功能，還加入了活體偵測的技術，能辨識出畫面人臉是影片還是3D道具，若不是本人則無法經過認證。

目前，活體偵測辨識率大概是95％，所以，實務上還得結合其他安控機制。華南銀行表示，未來若能真正落地應用，除了人臉辨識驗證身分，還需要綁定行動裝置，只有當兩者都驗證通過後，用戶才能進一步使用金融服務。

數金和IT共組敏捷團隊，力求應用快速上線

數金業務團隊真正的價值，要有執行力和規畫力，並從應變的角度來思考。─── 華南銀行營運管理事業群副總經理 許柏林　（攝影／洪政偉）

在組織面上，華南銀行從約400人的IT團隊中，指派一個百人團隊來配合數金部門的開發需求。為了快速上線最新應用，華南銀從過去瀑布式開發，也開始轉為擁抱敏捷開發，尤其是面對消費者端、大環境變動快的數金部門，得全面擁抱敏捷。

許柏林指出，華南數金部門目前約40人，採取1 比1的作法，搭配另一組40人的IT團隊，組成一個80人的敏捷團隊，另有60人負責基礎架構的維運。而華南銀行的數位轉型，就是靠這數金與IT聯隊的150人團隊，來面對顧客通路、新型態網銀，以及Open API串接等任務。

而在華南的數金部門中，業務背景與IT背景的人才，各占團隊的一半。許柏林發現，這兩類背景的人湊在一起，會帶來更多刺激與能力的交互分享。

數金團隊也因為有了這兩類人才，在內部構思時不僅業務層面，也會考量到IT層面，這時，再找來IT團隊共同討論，而具備IT背景的人才，還能以IT語言與IT團隊溝通，讓合作的流程能更為順暢。

許柏林對於數金業務團隊的要求也更為嚴格，不能只會開規格，還要具備流程設計，以及創新服務突破性等能力。「數金業務團隊真正的價值，要有執行力和規畫力，並從應變的角度來思考。」他強調。

遵循法規不衝撞，華南要靠應變能力搶快推出金融服務

華南銀行發展數位金融時，優先重視的還是法規遵循。畢竟對金融特許行業來說，法規是一道不能越過的高牆，華南銀行選擇不先衝撞法規。

許柏林提到，當法規沒有允許做某項業務時，銀行是完全沒有運作空間的，但法規一開放之後，在市場上就會出現一片藍海，同業卻會一窩蜂衝進去。

所以，「搶快」成為致勝關鍵，這也是為何許柏林如此要求數金團隊「應變」的能力，可以在法令開出一條路時，有足夠的執行與規畫力來因應。

像是今年10月初，金管會才宣布，將開放數位存款帳戶能接受18歲以下的未成年民眾線上開戶，許柏林一得知此訊息，當天馬上就要求數位團隊著手相關規畫。

面對這個全新的客群，該如何開始經營這群18歲以下的年輕族群？又可以如何開始讓父母先替小朋友進行理財規畫？或是小朋友每年收到的紅包錢，要怎麼一起納入規畫，都是華南看到的無限可能性。

許柏林強調，只要是一個企業，就必須具備這樣的能力，評估效益後適時出手，在資源有限的狀況下，抓住關鍵勇往直前，這也是老牌公股銀行的生存之道。採訪⊙王宏仁、撰文⊙李靜宜

CDO小檔案

許柏林

華南銀行營運管理事業群副總經理

學歷：卡內基美隆大學（Carnegie Mellon University）工程碩士畢業

經歷：一路從華南銀行蘆洲分行經理、臺北南門分行經理，升任數位金融部經理。現任華南銀營運管理事業群暨資訊科技管理群副總，掌舵數位金融與資訊科技等部門。同時，擔任銀行公會電子支付業務委員會副主委、財金區塊鏈企業金融組召集人等。

公司檔案

華南商業銀行

● 成立時間：1919年1月29日

● 主要業務：提供金融服務

● 董事長：張雲鵬

● 總經理：張振芳

● 營收：2019年累計至11月底，稅後盈餘142.22億元

● 網址：www.hncb.com.tw

● 總公司地址：臺北市信義區松仁路123號

● 員工人數：約7,400人

事業群檔案

● 事業群名稱：營運管理事業群、資訊科技管理群

● 直屬主管：張振芳

● 事業群主管：許柏林

● 事業群分工：共管理2個事業群。營運管理事業群底下3部門：營運管理部、數位金融部、客戶服務部。資訊科技管理群底下3部門：資訊規畫開發部、資訊作業服務部、資訊安全部。

● 部門人數：數位金融部40人；IT部門397人

● 每年IT預算：14億元

公司大事紀

● 1919年：華南銀行開業

● 1976年：設置IBM370電腦主機，開始進行全行會計、人事薪資等批次處理電腦作業

● 1981年：電腦化籌畫工作脫離業務部，設立資訊室

● 1985年：完成國內銀行第一家消費者貸款連線作業，並在同年底完成全行所有存款整體連線作業

● 2000年：建置高速光纖骨幹網路，完成中壢帳務主機異地備援中心

● 2004年：率先推出網路銀行，建構全球金融服務網

● 2012年：取得資訊安全管理制度（ISO27001）認證

● 2015年：建置私有雲雲端管理平臺，集中監控管理及彈性提供各系統資源

● 2016年：取得ISO 20000資訊服務管理制度認證

● 2016年7月：推出副品牌SnY數位存款帳戶

● 2018年：設立資訊安全部；開始擔任財政部「公股事業金融科技研發成果整合平臺」執行秘書單位，推動及首家開辦「台灣Pay QR Code共通支付」業務

● 2018年9月：參與財金公司金融區塊鏈函證服務

● 2019年10月：上架第一階段「公開資料查詢」API，到財金開放API管理平臺

● 2019年11月：推出AI行動銀行，內建AI語音助理「小n機器人」

身為公有雲業者龍頭的AWS，在2019年底舉行的年度用戶大會，針對運算、資料儲存與分析、機器學習等領域，推出新的進階服務項目，在滿足企業上雲的需求，不僅提供更多功能的選擇，也企圖滿足用戶在效能與成本上的種種考量，因此，他們今年開始正式挑戰高效能運算、資料倉儲與高階AI服務的市場，為全面採用雲端服務開拓新的格局

最近Twitter很不平靜，上周才修補其Android程式含有帳號可遭控制的安全漏洞，本周一名安全研究人員Ibrahim Balic又爆料，他利用Android版Twitter程式的通訊錄上傳功能臭蟲，找到了1,700萬組電話號碼的主人。

Twitter程式提供了一個通訊錄上傳功能，目的是為了讓用戶能夠藉由通訊錄上的電話號碼或電子郵件找到Twitter上的友人，為了避免遭到濫用，Twitter禁止使用者上傳連續格式的電話號碼，但Balic繞過了這個限制。

Balic向TechCrunch爆料，他先創造了20億個電話號碼，然後將它們打散，再把它們透過Android程式上傳，Twitter就會回覆與這些電話號碼配對的主人資訊。Balic花了兩個月的時間找到了1,700萬組電話號碼的主人，其中不乏知名的政治家與政府官員。但Twitter在12月20日就封鎖了Balic的行為。

Twitter對Balic的行為很不滿，因為Balic在發現該臭蟲時，並未通報Twitter，反而建立了數百個假帳號來上傳這些電話號碼以辨識使用者，而且直接把結果提供給媒體。

Twitter表示，該公司非常認真對待相關的報告，且積極地展開調查以確保該漏洞未來不會再出現，當他們得知此一漏洞時，即終止這些不當訪問他人個人資訊的帳號，之後也會繼續防止有人發送垃圾訊息或濫用Twitter的APIs。

北韓駭客組織Lazarus能力愈來愈強大。安全研究人員發現，除了Windows、Mac平台外，現在他們也開發出可駭入Linux平台的遠端存取木馬（Remote Access Trojan，RAT）程式。

安全廠商Netlab 360今年10月發現一款可疑的ELF檔案，經過特徵和行為分析發現，是一功能齊備、行為隱蔽，而且是同時適用於Windows和Linux的RAT程式，且和北韓駭客組織Lazarus有關。事實上，它在今年5月就出現，而且也被26款防毒軟體偵測到，但卻鮮為人知。Net360根據其檔案名及程式內的字串命名為Dacls。

Lazarus被認為是2014年攻擊Sony影業，2017年以WannaCry感染全球，在背後發動攻擊的北韓駭客組織。

研究人員說，Dacls是一種新型RAT，發展出感染Windows和Linux的版本，兩種版本有同樣的C&C協定。他們一共發現5隻樣本。Windows模組從遠端URL動態下載，Linux模組則直接編碼在Bot行程中。Linux.Dacls內有6個模組，包括指令執行、文件與行程管理、網路測試、C&C連線及網路掃瞄。

研究人員相信它是開採Atlassian Confluence 6.6.12以後版本中的Widget Connector巨集上的遠端程式執行漏洞CVE-2019-3396來感染系統並植入。這個漏洞今年4月趨勢科技公告已經有多起網路攻擊事件。

Linux版進入受害系統後以背景執行和C&C伺服器建立加密連線，以利背後的攻擊者更新指令，還會加密保護其組態檔。在受害系統上Dacls可以做任何事，像是竊取、刪除與執行檔案或行程、下載攻擊程式、掃瞄目錄結構、建立daemon行程、並上傳其蒐集掃瞄資料及指令執行結果到C&C伺服器。

CVE-2019-3396已在今年3月由廠商修補，因此安全公司呼籲用戶應儘速安裝升級版，以封鎖Dacls為害。

Dacls的出現也顯示北韓駭客不斷翻新。上個月安全界才發現一隻Mac版木馬程式已演化為無檔案（fileless）攻擊手法，也是來自這群駭客。

致力於研發低價微處理器，帶動個人電腦市場的先驅Chuck Peddle在12月15日於家中逝世，享壽82歲。他的同伴Kathleen Shaeffer向媒體透露，Peddle罹患了胰腺癌，這也是蘋果創辦人Steve Jobs病逝的原因。

1937年出生的Peddle在18歲的時候加入了美國海軍陸戰隊，同時到緬因大學進修，取得了工程物理學位，他在1973年時進入摩托羅拉（Motorola），參與6800微處理器的研發，當時其它微處理器都需要仰賴3種不同的電壓，但6800只需要單一個5伏特電壓，只不過，6800的要價高達300美元。

Peddle那時便認為低價的微處理器才是王道，並開始投入相關專案，隨著摩托羅拉撤銷了他的專案，他轉而投入競爭對手陣營MOS Technology，主導 650x家族處理器的設計，並在1975年成功推出只要25美元的6502微處理器。

在摩托羅拉時就是Peddle的同事，還一起跳槽到MOS Technology的David Gray回憶，Peddle研發6502原本是為了挑戰英特爾的4040，4位元的4040要價29美元，於是他們將8位元的6502訂為25美元，然而，若相較於英特爾的8位元微處理器8080，6502的售價只要8080的15%。

這使得不管是Apple II、 Commodore VIC-20、Atari的8位元電腦，或者是任天堂的娛樂系統與大型遊戲機都採用了6502，讓Peddle當仁不讓地成為個人電腦的先驅。

紐約時報還揭露了一個小故事，在6502成功之後，一家計算機公司 Commodore Business Machines在1976年買下了MOS，Peddle也成為新公司的首席工程師，接著蘋果兩位創辦人Steve Jobs及Steve Wozniak也提議要把蘋果賣給Commodore，但Commodore拒絕了。Commodore之後利用6502打造了自家的個人電腦Commodore PET，售價為495美元。

中國11月初正式啟動5G服務後，本周中國政府再揭示下一階段目標，將在2020 年底使5G網路覆蓋擴及所有地級城市。

中國工信部本周召開「全國工業和信息化工作會議」。會議中指出，今年11月中國在50個城市正式啟用5G，開通5G基地台12.6萬個，推動「網路提速降費」、號碼可攜、加速IPv6網路升級、並整飭「黑頻寬」、「偽基地台」等非法行為。工信部最新宣示將繼續推動「網路提速降費」，支持邊疆和偏遠地區網路擴建，計畫在2020年底讓中國所有地級城市納入5G覆蓋範圍。

地級市為中國第二級地方行政區，在縣之上。根據Wikipedia中國現有293個地級市。

會議還宣示推進5G商用化進程，包括加快4K/8K、VR/AR等新技術應用，增加中高階內容服務，以及持續推動5G、工業互聯網、車聯網的IPv6升級等。

今年11月，中國宣佈《「5G+工業互聯網」512工程推進方案》，旨在推動2022年，將實現工業互聯網需求的5G關鍵技術。「512」工程，指的是完成5大類12項工業互聯網重點工程，打造5個產業公共服務平台，加快垂直產業「5G+工業互聯網」的先導應用，內網建設改造覆蓋10個重點行業；打造示範應用，形成至少20大典型工業應用場景。

GitLab釋出敏感資料搜尋工具Token-Hunter，是自家紅隊（Red Team）所開發的安全工具，讓使用者搜尋不小心在公開論壇洩漏的敏感資訊，這些敏感資訊可能是跟隨日誌或是程式碼片段，一起流出的API令牌、使用者帳號以及密碼等資訊。

由於GitLab想調查那些用戶無意共享，但是意外洩露的敏感資訊，會被以什麼樣的方式用在攻擊行動上，但是因為苦無可用的工具，於是GitLab的紅隊便自己打造了Token-Hunter。紅隊指得是組織為了要以敵對視角，改善自家服務或是安全性所成立的團隊，紅隊通常能夠有效地幫助組織克服偏見並增加解決問題的能力。

不少網際網路服務的企業，都以多種形式提供用於身份驗證的API令牌，讓用戶與其系統互動，這些令牌為封閉系統提供可配置的存取控制，無論是開發、DevOps或是基礎設施相關人員，都仰賴API令牌來完成工作。

而API令牌卻可能在不經意下洩漏，像是在共享環境中建置軟體，開發者常犯的錯誤便是提交API令牌到程式碼儲存庫中，目前已經有常見的工具，諸如gitrob、TruffleHog、gitleaks，甚至是GitLab自家對的SAST專案，都可用來尋找這類在程式碼中，無意洩露的敏感資訊。

還有另一種可能洩漏敏感資訊的管道，便是在公共論壇例如GitLab Snippets、Issues與相關討論區，開發者在討論過程因共享日誌或配置文件，不小心洩漏API令牌、帳號與密碼等敏感資料，而更糟的情況，是這些資訊可能被惡意使用。

Token-Hunter的目的便是要來解決這樣的問題，Token-Hunter會搜尋GitLab Issues與相關的討論來尋找敏感資料，由於GitLab Issues與評論是開發者共享訊息與解決問題的重要方法之一，開發者時常會張貼日誌資料、配置文件或是複製貼上程式碼，以便與GitLab員工或是客戶討論，而這些資料有可能包含敏感資料。

Token-Hunter也會搜尋GitLab Snippets尋找敏感資料，在GitLab Snippets中可以透過URL共享程式碼片段與文字，方便在GitLab用戶間直接分享程式碼，而這個功能最常被用來分享配置資料、JavaScript程式碼、任何語言的範例程式碼以及日誌資料，而這些資料都可能包含敏感資訊。

另外，Token-Hunter接受HTTP代理伺服器參數，和自簽章憑證以解密TLS流量，GitLab紅隊用這個功能為自家安全營運團隊紀錄流量模式樣本，幫助制定防禦政策。而且透過檢查工具產生的流量，也可以方便地用於應用程式除錯。

官方提到，Token-Hunter與其他工具相比，主要的優點是能夠搜尋可能共享敏感資料的討論區和常見頻道。GitLab仍持續改進這項工具，未來將調整輸出格式，使結果更容易使用，並加入即時搜尋報告功能，讓即便是需要較長時間的搜尋工作，用戶也能更快地看到結果。

臺灣開放銀行（Open Banking）發展，在2019年正式跟上國際腳步，順利開放第一階段「公開資料查詢」API，達成首個里程碑。隨著2020年的到來，開放銀行的進程也要往前推進，將來到了第二階段「消費者資訊查詢」，包括申請產品資訊與帳戶資訊，例如，帳戶開戶與附屬業務申請、信用卡及附屬業務申請、消費者個人資料查詢、消費者帳戶資訊等；以及第三階段「交易面資訊」，有消費者支付、交易功能等API的開放。

然而，因Open API後續兩階段涉及消費者個資的保護，比起第一階段公開資料來得更為複雜，必須更為審慎。金管會主委顧立雄先前強調，第二、三階段規範的有大考量重點：TSP業者管理方式、客戶權益保障、爭議處理、損害賠償機制與資訊安全標準。

他表示，會交由銀行公會規畫具體時程、資訊安全控管、自律規範與法遵建議等配套措施，並與財金公司開放API技術與資安標準的時程配合。顧立雄也曾在受訪時表示，全球開放銀行走得較快的國家是英國與澳洲，金管會將密切觀察英國與澳洲執行的情況，再來制定臺灣的作法。

據了解，目前財金公司已完成Open API第二階段的技術與資安標準制定，將在2019年底前報部金管會；而由銀行公會負責研議，銀行與TSP業者之間合作的自律規範，內部也已通過第二階段的內容，正準備向金管會報部。後續，金管會將開始展開核定，核准後才會宣布開放銀行第二階段正式上路。而第三階段「交易面資訊」的技術與資安標準訂定，財金則估計於第二階段實施後的6個月完成。

新進展：TSP業者管理、損害賠償機制、安控基準一一解套

在第二階段上路前，TSP業者管理、損害賠償機制、安控基準等，都是必須解決的問題。首先，在TSP業者管理方式，據了解，財金在資安標準中，已訂出TSP業者須符合的資安要求，未來，可能會規畫由公正第三方認證機構，比如會計師事務所來扮演查核的角色，確保TSP符合資安標準。

TSP業者只要達到資安標準，並找公正第三方認證機構通過認證，在與任何一家銀行洽談合作，甚至簽約前檢附這些認證報告即可。就像是人們定期到醫院做健康檢查的概念一樣，TSP業者如果自身能做好「健檢」，在與銀行洽談合作時，銀行對TSP在安全的疑慮就會降低。而這樣的作法，也能省去銀行與TSP之間重複查核的問題。

而在損害賠償機制，據了解，大致上方向會採取英國作法，分為金流與資訊流兩部分，TSP業者不負責金流，若是金流出現問題，是由銀行全權負責，但如果是資訊外洩，則是要看從哪端出問題，由掉資料的一方進行賠付。然而，考慮到銀行有自己的風險考量，銀行公會則會建議或擬訂更細部的配套措施。

而第二階段的上線時程，恐怕會比第一階段來得更長。因為，不只財金公司訂定的技術與資安標準，以及銀行公會研擬的自律規範，要先由金管會核定。同時間，銀行也要開始尋找TSP業者，做第二階段技術開發、商務談判，以及找尋應用場景。

在技術開發部分，比如說，消費者要透過TSP業者的介面，查詢在某家銀行的帳戶餘額，得先到銀行的頁面同意授權，甚至，授權期限多長就得重新取得客戶授權等安控面議題，銀行都要配合開發。

目前得知，在安控基準的部分，消費者授權TSP業者去查詢在銀行的資料時，授權期限最多不超過3個月，意思是說，消費者一旦授權一次，TSP業者過了3個月後，一定要再請求客戶授權才行。

而且，授權次數每天最多不超過3次，即便消費者授權TSP業者，但TSP也不能一天到晚無限次到銀行查詢。這部分的安控機制，適用在第二階段開放的金融業務申請或查詢，都得要同一種授權，並無因TSP所提供的服務內容，就服務內容產生的風險等級而採取分級管理制度。

一旦安控基準確認了，也會延伸出法遵議題，各家銀行得就全新業務與內部溝通，以符合內部的法令遵循、風險管理、內部稽核。甚至，銀行要開始與TSP業者進行商業談判，思考在把銀行資料開放出來的同時，如何才能達到互惠。而這些，都需要花時間，銀行才能在金管會上路開放銀行第二階段的那一刻，就能推出相關金融業務。

Open API第一階段的成果，幾乎全臺銀行皆入列，可見銀行業對這波開放銀行的重視。2020年，一旦銀行開放出消費者資訊，甚至是交易面資訊查詢API，不論是價格、產品資訊的比較，都會更加即時與透明，Open API將會帶來更激烈的同業競爭，不只是第三方來搶食金融大餅而已。

比如，實貸比較網AlphaLoan先前展示了第二、三階段的應用場景，利用Open API打造了一站式的個人信貸服務，在顧客授權後取得薪轉資料，從信貸試算、各家最新方案比較後，直接申辦多家銀行，到指定撥款銀行。

將出現更多新型態金融服務

不只TSP與銀行的競合，能激發出更多新形態的金融服務。甚至，隨著Open API發展的趨勢，跨產業串接將較過去更為簡單，雖然在商務談判上仍須花時間溝通，但在技術上因為有了這套共通介接標準，將可讓銀行開放出來的API，更容易與異業串接。

像是星展銀行與 EZTABLE的合作，將銀行App與網路餐飲平臺透過API串接，在星展Card+ App中推出找餐廳的功能，結合EZTABLE平臺，讓消費者找到所需餐廳，並可直接使用星展信用卡預付訂金，一站式完成餐廳預訂。

或像是國泰人壽與ezTravel（易遊網）合作申請的保險監理沙盒案，透過Open API讓易遊網的會員，在平臺購買旅遊行程的同時，還能直接加購旅平險，為客戶創造一站式的投保體驗。

透過Open API，金融服務走進消費者的生活場景將不再是新鮮事，不管是網路餐飲平臺、線上旅行社、電商、電信、娛樂等需要金融的地方，都將是金融業的全新戰場。

就如同前英國首相FinTech大使Alastair Lukies觀察到的，銀行、面對顧客的服務提供者，再加上彼此共享的科技，三者結合創造出的B2B2C，才是金融科技的未來。文⊙李靜宜

這幾年來，許多廠商想透過人工智慧，分析資安事件管理系統（SIEM）收取的事件記錄，找出真正需要處理的問題。而自去年年底開始，陸續出現了所謂的資安事件自動化調度與回應系統（SOAR），主要的訴求不只能找出威脅，還要自動因應已知型態的事件。而微軟也在今年2月跟進，推出Azure Sentinel，以預覽版型式提供測試，並於9月上旬在臺發表。

Azure Sentinel是結合SOAR自動化機制的SIEM系統，可透過大數據行為分析，主動防堵潛在的資安風險，並且基於他們本身提供的巨量資料所建立的機器學習模型，歸納出事件記錄之間的關聯，以及列出事件處理的優先順序，宣稱能藉此減少90%無效警示通知。

同時，這款產品也整合微軟本身收集的情資，亦即智慧型資安圖學資料庫（Intelligent Security Graph），並能原生支援自家雲端服務及系統軟體，管理者只要稍加設定，就能快速收取事件記錄且加以解析──包含Office 365、Azure AD、Cloud App Security，以及Microsoft Defender ATP，也能接收企業內部的網域名稱伺服器，以及Windows的防火牆或安全性事件內容。

在高度整合自家產品之餘，Azure Sentinel可與其他廠牌資訊系統串連，透過Syslog協定來接收CEF格式的事件資料。而在11月推出的更新，微軟針對多家廠牌網路設備或是防護系統，提供連接器，讓用戶輕易完成相關設定──例如，Cisco、Check Point、F5、Fortinet，以及Palo Alto的防火牆或網路設備，以及趨勢Deep Security、One Identity Safeguard、ExtraHop Reveal(x)等防護系統。至於其他雲端服務的部分，這裡也提供AWS專用連接器。

在威脅情資的運用，Azure Sentinel支援多種來源。對於資安事件調查與分工，這裡也提供自動觸發網址的檢測，並可整合ServiceNow等工單系統。

產品資訊

微軟Azure Sentinel

●原廠：微軟
●建議售價：廠商未提供
●事件記錄格式支援：CEF
●支援分析資料來源：防火牆、DLP設備、威脅情資、DNS主機、Linux伺服器、雲端服務、網域伺服器、Windows安全性事件
●資料收取管道：API、代理程式
●威脅情資格式支援：TAXII

【註：規格與價格由廠商提供，因時有異動，正確資訊請洽廠商】

去年於嵌入式資料庫SQLite中發現麥哲倫（Magellan）漏洞的騰訊Blade安全研究團隊，本周揭露了同樣位於SQLite的麥哲倫2.0（Magellan 2.0）漏洞，麥哲倫2.0涉及5個安全漏洞，成功的開採將會外洩程式記憶體、造成程式當掉或用來執行遠端程式，SQLite官方及在Chrome瀏覽器中採用SQLite的Google，都已修補了相關漏洞。

SQLite為一嵌入式資料庫，多半被整合在各種應用中，如作業系統與瀏覽器，包括全球最受歡迎的Chrome瀏覽器也採用了SQLite。Blade安全研究團隊指出，只要是使用SQLite作為應用程式的元件，且支援外部SQL查詢，或者是使用啟用了WebSQL的Chrome瀏覽器，都會受到麥哲倫 2.0的影響。

研究人員指出，他們已證實可在Chromium的渲染程序中執行遠端程式，但這些漏洞尚未被其他人開採。

麥哲倫2.0漏洞涵蓋了CVE-2019-13734、CVE-2019-13750、CVE-2019-13751、CVE-2019-13752及CVE-2019-13753，且Google已在本月釋出的Chrome 79修補了上述漏洞，根據Google的說明，這些漏洞與SQLite的資料驗證不足、未初始化使用、越界讀取及越界寫入有關。至於SQLite也已在12月13日修補了相關漏洞。

Blade安全研究團隊提醒，在啟用WebSQL的瀏覽器中，出現以下任何的情況都會遭麥哲倫2.0波及，包括使用Chrome/Chromium 79以前的版本、使用舊版Chrome/Chromium的智慧裝置、基於舊版Chromium/Webview的瀏覽器、使用舊版Webview且能存取任何網頁的Android程式，以及使用舊版Chromium並能存取任何網頁的軟體。

倘若沒有更新到新版SQLite或Chrome，只要資料庫不接受外部SQL查詢或瀏覽器關閉WebSQL功能，亦可防範上述漏洞。

Linux基金會旗下的開源Xen Project釋出虛擬機器管理程式（Hypervisor）4.13，比起4月發布的版本，新版具有更高的安全性、硬體支援，也能用於更多的嵌入式使用案例，官方還提到，這個版本代表著Xen專案對於抵禦旁路攻擊和硬體等安全問題，在長期發展做出根本上的改變。

Xen 4.13針對硬體漏洞防禦進行了一些重要的更新，包括核心調度（Core Scheduling）、延遲uCode載入以及強化分支以緩解安全漏洞Spectre v1。核心調度是新版本所加入的實驗性技術，可以讓Xen將虛擬處理器分組成虛擬核心，並在物理核心上進行調度，而由於在物理核心上的虛擬核心切換是同步進行的，因此單個物理核心不會同時運作不同虛擬核心的虛擬處理器。

在加入核心調度功能之前，系統可在一個處理器上調度任何執行緒或是核心，而這會使得工作負載容易受到旁路攻擊，有心人士可以利用核心共享資源像是快取和微架構緩衝區竊取資訊，而目前可以抵禦這類攻擊的方法，便是禁用超執行緒功能。

而核心調度則可以讓系統在無硬體安全風險的情況下，繼續使用超執行緒功能，以提高執行效能。但由於核心調度仍在開發中，目前還不允許用戶在核心調度功能啟用時，同時應用超執行緒，也還無法與正在開發的新功能像是無秘密Hypervisor等功能一併使用。

官方提到，由於安全性對於Hypervisor來說非常重要，過去必須要在安全性與效能上做出取捨，但有了核心調度功能，便能重新取得失去的效能。

另外，在執行階段透過延遲uCode載入並能安裝uCode更新，並避免系統重新啟動。更新之後的即時修補應用程式，可讓Hypervisor安裝擴充程式之後不需要重新啟動，可增加系統效率。而Xen也刪除了許多可能讓惡意人士利用Spectre v1漏洞發動攻擊的小工具，以減少可攻擊面。

Xen 4.13還簡化建置Dom0less Xen配置的方法，讓Dom0less Xen可以使用的情境範圍更廣泛。而Xen Project社群受安全人員和廠商支援，還創立了功能安全工作組，這個工作組訂立了一項多年計畫，要求廠商必須以和ASIL-B相容的規範，使用Xen Project軟體。