為什麼有些男性被發卡後會暴力相向？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

美國賓州 Lehigh Valley 醫院的急診室裡，等候診療的民眾正在觀賞電視節目。^{[1, 2]}此時，一個惡名昭彰的白人男性，出現在螢幕上：他是美國前總統柯林頓和川普，以及英國安德魯王子的友人；也是金融大亨暨性侵犯──Jeffrey Epstein。^{[1, 3]}

一名 25 歲的女子見了影像，認定自己就是 Jeffrey Epstein。^[1]

新身份

有自殺傾向的女子，泣訴過去五天來，她已非本人，家人也認不得她。現在，她是 Jeffrey Epstein，憶不起諸多往事。以其愧對天下蒼生的罪刑，理應被監禁於牢裡，而不是到院就醫。她聽見 Jeffrey Epstein 不時的言語貶低，恐懼會慘遭迫害。女子的母親則表示，女兒有個會控制、威脅和操弄的恐怖情人。兩人上回在一起時，應該有吸食大麻。^[1]

鑑別診斷

醫師於問診後，考慮了幾個可能的診斷：

1. 創傷後壓力症候群（post-traumatic stress disorder，簡稱 PTSD）：典型的 PTSD 有再現創傷的侵入性記憶（intrusive memories）；躲開創傷相關人、事、物的迴避（avoidance）行為；對危險過度警覺（hyperarousal）的反應；以及負面的思考與情緒。^{[1, 4]}本案的女子不符合前三項。^[1]
2. 物質誘發的精神疾患（substance-induced psychosis）：女子雖然呼麻，但症狀一般不該維持這麼多天。^[1]
3. 短期精神病性疾患（brief psychotic disorder）、伴隨精神病特徵的重度憂鬱症（major depressive disorder with psychotic features）或情感思覺失調症（schizoaffective disorder）：這名女子情緒低落，又有精神病的症狀，且以後者較為嚴重，但整體時間不超過一個月。因此，醫師認為短期精神病性疾患，是最適切的診斷。^[1]

女子在身份認同上的奇想，則屬於妄想性錯認症候群（delusional misidentification syndromes）中的反轉替身症候群（reverse Capgras syndrome）。替身症候群患者以為親人的身份被取代；反轉的卻是堅信自己變成他人，而且通常是知名或受景仰的公眾人物。^[1]（延伸閱讀：〈鑑識故事系列：弒殺被取代的父親？！替身症候群〉）

妄想性錯認症候群

在惡性的戀情裡，女子的自尊心低落，任由伴侶輕視作賤。其負面的言詞被女子內化，於是懷疑旁人都在評論自己，而電視節目專門攻擊她。作為一種保護機制，她從無法接受的概念中解離出來，以一樣身為萬眾之矢的名人取而代之，並展現對自己和 Jeffrey Epstein 同等的仇恨。^[1]

在解離的過程中，情緒、記憶、注意力，以及感覺體內狀況的內感受（interoception），這些與自我感知相關的腦部網絡，都會產生變化。此外，喪失和熟悉事物的連結、失能的自我監控、缺乏自我界線，還有附帶的情感效價（emotional valence），也都是妄想性錯認症候群可能的成因。好比說，女子與曾經關係親密的母親疏離，又分不出自己及Jeffrey Epstein的差異，都是促成的條件。^[1]

找回自我

住院期間，女子每晚服用 5 毫克的第二代抗精神病藥物奧氮平（olanzapine），並天天參加團體治療。^{[1, 5]}起先兩週，她在病友面前，言其所信，總是自稱 Jeffrey Epstein；只是當有人呼喚本名，她其實還是會回應。醫師問女子，有沒有可能她根本不是 Jeffrey Epstein。女子躊躇，然後肯定此假設。^[1]

由於幻聽、妄想和罪惡感引起的自殺念頭依然存在，醫師逐漸調高奧氮平的劑量，然而問題亦隨之而來。^[1]女子的心跳過速是奧氮平中毒的徵兆之一，醫師為求安全起見，遂在調藥的這段時日，頻繁地做心電圖（electrocardiogram，簡稱ECG或EKG）檢查。^{[1, 5]}所幸後來增加到 25 毫克時，儘管藥物在血漿中的濃度提升，心電圖卻恢復正常，所以能安心地維持劑量。^[1]

治療三週半後，女子終於宣佈找回自我，並和醫師分享其心歷路程。家人也認為她真的完全康復了，便同意辦理出院。^[1]

1. Elizabeth Kim, Rachael Murphy, Maggie Driscoll. (2022) ‘DMS: Delusional Misidentification Syndrome or Dead Moneyman and Sex Offender? A Case Report of Reverse Capgras Syndrome’. Case Reports in Psychiatry, 9703482.
2. ‘About Us’. Lehigh Valley Health Network. (Accessed on 29 DEC 2022)
3. ‘Who was Jeffrey Epstein? The financier charged with sex trafficking’. (29 DEC 2021) BBC News.
4. ‘Post-traumatic stress disorder (PTSD)’. (13 DEC 2022) Mayo Clinic.
5. Thomas K, Saadabadi A. (08 SEP 2022) ‘Olanzapine’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.

• 作者／賴宜欣，台北大學法律系法學組學士，政治大學法律學系碩士，日本國立名古屋大學特別研究生，現為執業律師。

編按：在出現Deepfake之後，網路世界進入了「眼見不為憑」的年代。本次泛科學和法律白話文合作策畫「Deepfake 專題」，從Deepfake 技術與辨偽技術、到法律如何因應。科技在走，社會和法律該如何跟上、甚至超前部署呢？一起來全方位解析 Deepfake 吧！

看完國外針對深度造假技術的相關規範，讓我們回過頭來看看台灣。現行台灣法規，對於使用深度造假的數位性犯罪，其實規範相當不足，常見質疑包括有人提出「罪刑是否相當」或有謂「對於未經同意拍攝散布、或是未真實發生的性影像，並沒有特別規範」等。

而在諸多立委、婦女團體及法界人士的促請下，連蔡英文總統也都跳出來發文，呼籲民眾關注此類事件，並宣示政府會重新盤點法規，研擬推動修法。法務部也稱將朝「加重刑法相關刑責」的方向辦理。

不過不少聲音認為，雖然修正《刑法》相關規定是較為簡便，但《刑法》目的只在「究責」，如果真要防制數位性暴力，應該要從前端宣導與預防著手，並於事後保護被害人的身心發展。舉例來說，如若進入刑事訴訟，被害人可能會因公開審理的緣故，形成二度受創。種種因素都指出，相關管制應較適合朝制定「專法」的方向發展。

先來看看刑法修正草案的內容

2021 年 11 月 17 日，法務部提出《刑法》修正草案。將保護的範圍主要分成三種：

第一，針對「真實的性私密影音」，加重處罰「竊錄性影音」的行為，明文處罰竊錄性影音以及進一步散布、傳送或供他人觀覽的行為，最重可處五年有期徒刑。且不但未經同意竊錄會構成犯罪，即使在經同意後所收錄的性私密影音，也不能在未經同意下散布播送。

第二是針對「不實的性影音」，不論是製作合成、散布、播送、交付或以他法供人觀覽，這些都是犯罪行為，最重處 5 年以下有期徒刑；如果還意圖營利，更會加重處罰到 7 年。

第三則是針對「不實活動、言論、談話的影音或其電磁紀錄」，若是意圖散布而製作前述內容，或散布、播送、交付或以他法供人觀覽相關內容，則會受到 3 年以下有期徒刑的處罰，如果意圖營利，更會加重到 5 年以下有期徒刑。

參考國外規範，台灣或有可借鏡之處

透過上述的《刑法》修正草案，台灣對於「性私密影音」的管制，終於有了較為清楚的規範。不過，這樣的修法是否足以遏止數位性犯罪了呢？跟國外規範比一比，筆者此處整理幾點，或可供後續立法借鏡的地方。

一、性犯罪配套對策與保安處分的多元性

韓國相關立法有相當多元的「保安處分」，其中針對性犯罪，設有「性暴力治療計畫、人身情報公開、兒少及身障等福利機構之就業禁止、電子腳鐐」等配套。

舉例來說，2021 年 11 月，N 號房中主要犯罪者們，陸續被判以 15 年到 42 年不等的刑期，而法院在刑期外，更另外作成了多種「保安處分」，除了要求主要營運者及初始創房者「公開身分情報 10 年」，並「限制其在兒少機關及身心障礙人士福祉設施就職」外，也須「配戴定位追蹤的電子裝置 30 年」（註）。

回來看看台灣，因為台灣沒有制定專法，性犯罪在判刑之餘，相關配套措施是依《刑法》第 91 條之 1 規定，以及《性侵害防罪防治法》相關規定辦理，其中最廣為所知的是對性犯罪行為人進行「強制治療」。

但問題來了，大法官在司法院釋字 799 號解釋中，認為「現行強制治療制度長年運作結果，有趨近於刑罰之可能。」也就是說，長期接受強制治療者，如果仍未達到或無法達到，顯著降低再犯危險的治療目標，就會被一而再強迫接受治療，等同讓受治療者變相被無限期剝奪人身自由，猶如終身監禁，而有牴觸憲法之疑慮。

因此，衛福部因此研擬《性侵害犯罪防治法》修正草案，在第 37 條增訂：「經鑑定、評估，認有繼續執行之必要或認無法達到其再犯危險顯著降低治療目標者，法院得依直轄市、縣（市）主管機關聲請延長強制治療或命接受科技設備監控；其延長或監控期間，每次以三年為限。」 

簡單來說，對於接受強制治療的加害人，是採以 3 年為限度施以監控。雖然這是在權衡「病人的治療」跟「犯人的人權」兩難下的決定，但也讓民間非常擔心是否有縱放社會，提升再犯風險的問題，並呼籲政府應予強化社會安全機制。

有鑑於此，韓國法在處理性犯罪時配套措施的多元，以及從 N 號房判決中看到，賦予法官對保安處分期間訂定的權限，也比台灣寬鬆許多，在這些做法或許是台灣可參考之處。

二、修法似漏未規範處罰未遂犯？

本次台灣的刑法修正，似乎並未囊括未遂犯的處罰。在韓國的《性暴力犯罪法》中，對於數位性暴力的犯罪行為，都設有處罰未遂犯的規定。由於未遂犯的處罰，必須有明文規定才能辦理，這應該是個法規漏洞，希望未來能立法加以補足。

三、考量組織犯罪可能性，制定加重條款防範

在數位性犯罪的問題中，也必須要注意組織犯罪的態樣。從韓國 N 號房事件可以清楚發現，當數位性暴力以組織犯罪形式開始擴大時，受害程度會急遽上升，受害人也更加難以抵抗。

韓國法院就認為，N 號房的主要犯罪者們，創設色情房並加以營運分工，是構成組織犯罪 。台灣其實也有前車之鑑，在詐騙集團盛行時，為了應對這種犯罪行為組織化的情況，修訂了詐欺罪的規定──若是三人以上共同犯詐欺罪時，會受到比單純詐欺罪更重的處罰。

既然數位性犯罪，非常有可能發展成組織化的犯罪，筆者認為在立法上可以考量像詐欺罪一樣，制定集團犯罪的加重條款來加以防範。

四、應考量將「持有與購買者」納入規範

由於台灣這次修法並沒有將「持有與購買者」入罪，但因為有「散布、營利」之人，就一定會有「購買、持有」之人，對於這種只處罰一方的疑慮，韓國法界已出現促請立法規範的聲音 ，台灣是不是也應該考慮一起處罰「持有與購買者」呢？

對此，有論者擔心，若貿然將持有購買性影像的行為定罪，會因為付費會員過多造成打擊過廣的問題；甚至多數行為人可能只是抱持「性好奇」，甚至是心理尚未成熟、未能認知犯罪的未成年人──這樣貿然處罰可能會與兒少保護有所衝突，因此需要考量比例原則 。

然而，正所謂「殺頭生意有人做，賠錢生意無人做」，若僅單向處罰產出性影像的一方，而對為數眾多的持有與購買者完全不規範，行為人在評估營利利潤大於刑責風險下，仍會前仆後繼的進行數位性犯罪行為。

這麼一來，將無法根本性地遏止數位性犯罪。被害人必須經歷的心理創傷，甚至對名譽、事業的影響，都是對於被害人無法抹滅的痛苦 。

因此，筆者仍傾向贊成韓國律師界的意見「不能再讓當事人的犯罪受到好奇心的保障，任何一次的收看、分享、儲存或散布都是犯罪」，應該將持有與購買列入處罰。但同時也應該在教育及基層機關上，積極推動「犯罪預防」、「青少年事前性教育宣傳」、「成立兒少性犯罪調查專責部門」等，處罰與教育兩者並行不悖。

五、對「強暴脅迫」的數位性暴力，漏未規範？

韓國《性暴力犯罪法》在 2021 年 1 月 24 開始，將「涉及性私密影像的強暴脅迫」列入犯罪 ，也就是明確規定用性私密影像來強暴脅迫被害人的行為，是一種犯罪。而參考 N 號房事件，脅迫的對象應不只限於被害人本人，如以被害人的性私密影像來脅迫他人，也是犯罪 。

就像報導指出，前述事件的被害人，就受到行為人脅迫「將公開人身情報並對親友不利」，讓其直接自行製作性剝削影片。甚至對青少年們進行強姦、類似性行為後，將影像攝影傳送，以要散布子女的裸照，脅迫被害青少年的父母。

性私密影像的產生，並不一定是由犯罪行為人製作，也很有可能是脅迫被害人自己製作。這常見於雙方過往曾有親密關係，也因此取得相關性私密素材，事後卻將此私密內容作為脅迫工具。

台灣的《刑法》修正草案，目前並沒有就「涉及性私密影像的強暴脅迫」有所規範。對比近來立委高嘉瑜受到家暴及被威脅外流性私密影像的事件，這也彰顯了法規缺陷的問題，應該即時檢討。           

六、考量搭配事前規範的可行性

台灣及韓國，目前都較著重在處罰「利用當下（製作、編輯、合成加工）」及「利用後（散布、營利）」的行為，並未有針對事前的規範。

或許可以考量搭配日本和歐盟的模式，在利用深度造假等技術前就予以分類，賦予行為人相對應的事前注意義務（如：告知影像是以深度造假技術製作的通知義務、加註警語等），以減少後續不當使用的產生。並可透過專家會議及政府部門定時檢討等方式，達成與時俱進的 AI 利用規範。

又或像是美國的《深度造假問責法》（DEEP FAKES Accountability Act）草案，要求使用深度造假技術製作影片的人負起責任。例如，若影片內含有虛假人物的視覺元素，製作者應嵌入數位浮水印（Digital watermarking），讓閱聽者能清楚識別這份影音包含更改後的音檔或視覺元素，或要求提出更改聲明，以及對更改程度的簡單描述。

遏止AI濫，用前置作業、處罰、教育宣導應三方並行

台灣目前在數位性犯罪的整體應對上，仍有許多可以檢討的地方。在前置階段，可以參考歐盟、日本或美國，針對　AI 功能進行分類採取如通知義務、加註警示等對應措施。在處置不當利用深度造假等技術時（如數位性犯罪），則應注意「處罰未遂犯、處罰購買及持有者、列入數位性犯罪的強暴脅迫、注意組織犯罪防範」等面向，以期細緻化處罰或配套措施。而防治數位性犯罪的相關教育宣導，更是不可或缺的。畢竟良善的文化才能確保人人尊重彼此，從源頭杜絕類似情況再次發生。

本文爬梳現狀，整理可供借鏡之處，希望本文有助於未來數位性暴力的防制更加完善。

註解

• 註：包含「博士房營運人（確判 42 年有期徒刑)、最初創設 N 號房之人（確判 34 年有期徒刑）、協助營運的副手們（各確判 15 年有期徒刑）」。此參韓國日報相關報導如：「N번방’ 최초 개설자 문형욱 징역 34년, ‘박사방’ 2인자 강훈 15년 확정」、박사방’ 운영자 조주빈, 대법서 징역 42년 확정…공대위 “끝이 아닌 시작。

參考資料

一、中文部分

1. 婦女救援基金會，侵害個人性私密影像防制條例草案。 
2. 江鎬佑，小玉換臉罪責如「轉傳A片」？數位性暴力法制的缺角。
3. 姜冠霖、王碩勛，從陌生人到熟人凌辱，韓國Deepfake數位性犯罪修法的啟示。
4. 洪敏隆，數位性暴力在台灣無法可管？民團訴求專法防止挖面事件再發生。
5. 現代婦女基金會， 大法官「性侵犯強制治療」釋憲出爐!民間呼籲:高再犯風險回歸社區，須強化安全機制。

二、外文部分

1. 韓國日報，「N번방’ 최초 개설자 문형욱 징역 34년, ‘박사방’ 2인자 강훈 15년 확정」、「박사방운영자 조주빈, 대법서 징역 42년 확정…공대위“끝이 아닌 시작」
2. ‘딥페이크 처벌법’ 신설하긴 했지만, ‘반쪽’ 짜리 법안입니다 。
3. 韓國《性暴力犯罪之處罰等相關特例法》。
4. 대법원 2021도11753, 2021전도112(병합) 대법원 2021도11816‘n번방’ 최초 개설자 ‘갓갓’, 징역 34년… 박사방 ‘부따’, 징역 15년 확정