內政部（MOI）機敏資料外洩風險
從 Looker Studio 有限資訊（波特人名稱 × 使用者 × 字元量）逆向推論 · 2026 Q2
開宗明義：有沒有嚴重議題？
有 —— 而且是最敏感的個資型態。🔴
疑似有同仁把165 反詐騙的報案內容與弱勢族群名冊餵進外部 AI 模型。
一句話：若本次外洩疑慮涉及「個資」，內政部的 165 聚落應是第一調查對象。
最嚴重的問題 （紅燈）
🔴 紅燈165 反詐騙：報案人／被害人個資與偵查資訊▶
嚴重點
有一個帳號名就叫
cib165tw（刑事局 165 反詐騙專線的機構化命名），加上兩個「165 神隊友／小幫手」Bot。日常用途必然圍繞詐騙案件通報、報案內容與話術研判。可能涉及資料
依據的事實
165 聚落合計約 308 萬字元（cib165tw 82 萬＋cmyuan319 神隊友 204 萬＋165 小幫手 22 萬）——上千頁量體，絕非零星提問。
原理
帳號名
cib165tw 是機構代號，直接鎖定業務屬性；反詐騙業務的文本天然含個資與偵查資訊，這一跳推論風險最高。🔴 紅燈「波獨居老人」：弱勢族群特種個資▶
嚴重點
波特人名稱直指「獨居老人」——社福關懷業務，合理用途是名冊整理與訪視紀錄摘要。
可能涉及資料
依據的事實
量體僅 2.5 萬字元（低）。低頻不除名 —— 一份名冊貼一次就是一次特種個資外洩。
原理
名稱軸優先於頻率軸：涉弱勢個資者，證據門檻降低、優先級不降。
其他有疑慮的盤點 （橙燈／問號，分開列）
🟠 橙燈「隱私強化課程審查」：審查中未公開文件▶
嚴重點
名稱含「審查」，用途是把送審的課程／教材整包餵入請 AI 評審——審查中未公開文件因此外流。（帶點諷刺：連「隱私強化」課程的審查資料本身都經個人信箱進了外部模型。）
可能涉及資料
依據的事實
137 萬字元、單一使用者，是 MOI 自建 Bot 量體第二——支撐「整包文件」推論。
🟠 橙燈「波國土計畫」：審議中土地變更▶
嚴重點
國土計畫是內政部國土管理署核心業務，可能餵入審議中的計畫草案或變更案——公告前屬敏感，土地使用分區變更具重大利益敏感性。
可能涉及資料
依據的事實
57 萬字元。另有「問卷調查分析彙整」36 萬字元——分析彙整的用法常是貼入問卷原始回覆（含填答者個資）。
❓ 問號25 個帳號全是個人 gmail，不是機關信箱▶
為何列入
公務資料經個人 gmail 帳號進入平台，本身就是治理風險放大器：連「誰在用、用了什麼」都要靠人工比對，事後究責與撤回都困難。
依據的事實
25 個帳號已於 2026-07-20 逐一人工核對，全為
@gmail.com、非廠商帳號。（此點對外不主動強調，內部須正視。）建議
導入機關網域帳號綁定，是止血的第一步。
我做了什麼來舉證
- 用
botrun × user × 字元表重建 MOI 波特人清單，依名稱語意分級。 - 鎖定機構化帳號名（如
cib165tw）反推業務屬性——這是 MOI 最強的一條線索。 - 雙軸篩選：名稱直指個資／審查者一律列入，不論字元多寡。
證據限制（誠實標記）：MOI 的資料只有字元量，沒有輪數、沒有月份——算不出「單輪平均密度」與「月頻率」。因此本頁量化證據比中油弱一階，名稱語意是主要槓桿，結論等級整體低一階。建議向平台補撈輪數×月份維度，把弱推論升級或排除。
推理紀律：全部推論未經對話紀錄驗證，在調到平台 log 前不應作為對個人的處分依據。帳號代號僅供內部調閱定位，對外一律去識別化。