108 年 國立成功大學資訊管理研究所甲組《管理資訊系統》

本題主要在考驗考生對於區塊鏈（Blockchain）核心概念的理解，特別是「礦工」（miner）的角色。

在區塊鏈技術中，「礦工」是指參與區塊鏈網絡，並透過計算來驗證交易、創建新區塊的節點。這個過程通常需要大量的計算能力，並會獲得加密貨幣作為獎勵。

本題探討企業在導入大數據（Big Data）時面臨的主要挑戰。大數據的應用涉及數據的收集、儲存、處理、分析以及最終的決策支援，這對企業的技術、人員和組織都提出了更高的要求。

選項分析：
(A) 基礎設施需求（Infrastructure requirements）：大數據需要龐大的儲存空間、高效的計算能力和網路帶寬，這確實是企業面臨的挑戰，但通常可以透過雲端服務等方式部分解決。
(B) 網路安全風險（Cyber security risks）：隨著數據量的增加和數據來源的多樣化，數據安全和隱私保護變得更加重要，風險也隨之提高。這是一個重要的考量點。

本題考驗考生對客戶關係管理（CRM）及其外包模式的理解。題目描述了一個情境：公司將部分或全部的客戶關係管理功能外包給應用程式服務提供者（ASP）。

選項分析：
(A) 費用管理（spend management）：這是指企業內部對支出進行規劃、監控和控制的過程，與 CRM 外包無關。
(B) 供應商關係管理（supplier relationship management, SRM）：這是指企業管理其供應商關係的過程，與客戶關係管理不同。
(C) 託管式 CRM（hosted CRM）：這正是題目所描述的模式。

本題探討在行動裝置上，哪種類型的商業智慧（Business Intelligence, BI）應用效果最好。行動 BI 的核心在於其易用性、快速獲取資訊的能力，以及在有限的螢幕空間和操作環境下的效率。

選項分析：
(A) 儀表板（Dashboards）和標準報表（standard reports）：這些通常以視覺化方式呈現關鍵績效指標（KPIs）和趨勢，非常適合在行動裝置上快速瀏覽和理解。它們通常設計得簡潔明瞭，符合行動裝置的使用習慣。

本題考查統一塑模語言（Unified Modeling Language, UML）中的聚合（Aggregation）概念，以及與其相關聯的關聯（Association）特性。聚合是一種特殊的關聯，表示「has-a」關係，其中一個物件（整體）包含或管理另一個物件（部分），但部分物件可以獨立於整體物件存在。

我們逐一分析選項：
(A) 聚合關係（Aggregation）確實用來表示類別（classes）之間實例（instances）的「整體-部分」關係。例如，一個「車隊」（整體）包含多輛「汽車」（部分）。這是正確的。
(B) 關聯（包括聚合）通常可以指定多重性（multiplicities），用來表示一個物件與另一個物件之間關聯的數量。

本題考驗考生對早期人工智能（AI）和自然語言處理（NLP）程序的認識，特別是模擬人類對話的程式。題目中提到的 "Eliza" 和 "Parry" 是兩個經典的例子。

選項分析：
(A) 語音應用程式介面（Speech Application Program Interface, SAPI）：這是一個讓應用程式能夠使用語音辨識和語音合成功能的介面，主要處理語音輸入和輸出，而不是模擬對話本身。

本題考驗考生對行動通訊網絡中，用戶在不同基地台服務區域間移動時，網路如何處理無縫連接的技術概念。

當一個行動用戶從一個蜂窩小區（cell）移動到另一個蜂窩小區時，網路必須將用戶的連接從原來的基地台無縫轉移到新的基地台，以確保通訊不中斷。這個過程稱為「切換」或「交接」。

選項分析：
(A) Handshake（握手）：這是指在通訊開始時，兩個設備之間建立連接的協商過程，通常涉及身份驗證、參數設定等，與移動中的切換不同。
(B) Seamless interface（無縫介面）：這是一個比較籠統的描述，指連接的流暢性，但不是具體技術術語。

本題考驗考生對線上分析處理（Online Analytical Processing, OLAP）不同架構的理解，特別是混合式 OLAP（HOLAP）。

OLAP 是一種用於快速、多維度分析大量數據的技術。常見的 OLAP 架構包括：

• MOLAP (Multidimensional OLAP)：將數據儲存在專門的多維數據庫（cube）中，提供最佳查詢效能，但可能面臨擴展性問題。
• ROLAP (Relational OLAP)：將數據儲存在關聯式數據庫中，利用 SQL 進行查詢，擴展性較好，但查詢效能可能不如 MOLAP。

本題要求區分供應鏈中的「牛鞭效應」（bullwhip effect）與「漣漪效應」（ripple effect），並透過實例進行說明。這兩個效應都描述了供應鏈中信息或需求傳遞時的放大現象，但原因和表現略有不同。

1. 牛鞭效應 (Bullwhip Effect)

• 定義：牛鞭效應是指在供應鏈中，由下游客戶端需求變動所引發的連鎖反應，使得訊息越往供應鏈上游傳遞，需求變動的幅度越大，就像甩動牛鞭一樣，末端的微小動作會被放大到鞭子的頂端。
• 原因：主要與資訊延遲、需求預測、訂單批量、價格波動、缺貨恐慌等因素有關。例如，零售商看到顧客需求略微增加，為了避免缺貨，會向上游批發商下達比實際需求更大的訂單；批發商為了達到訂貨量優惠或安全庫存，也會向上游製造商下達更大的訂單，如此層層放大。
• 實例：
  • 零售商：某零售商發現某款手機的銷量比預期高出 10%，擔心缺貨，於是向經銷商下達了比實際銷量高 20% 的訂單。
  • 經銷商：經銷商收到零售商的訂單後，認為市場需求可能持續增長，為了確保庫存並可能獲得折扣，向上游製造商下達了比零售商訂單高 30% 的訂單。
  • 製造商：製造商看到經銷商的大量訂單，預測未來需求將大幅增加，便開始擴大生產線、訂購原材料，訂單量可能比最初零售商看到的客戶需求增長幅度（10%）放大數倍。
  • 原材料供應商：原材料供應商則根據製造商的訂單，進一步放大需求預測。

2. 漣漪效應 (Ripple Effect)

本題要求說明資料倉儲（Data Warehouse, DW）與資料湖（Data Lake）之間的差異。兩者都是用於儲存和管理大量數據的儲存庫，但它們的設計理念、結構、數據類型、處理方式和目標用戶等方面存在顯著差異。

以下是兩者主要的區別：

1. 資料倉儲 (Data Warehouse, DW)

• 設計理念：以「主題導向」（Subject-oriented）、「整合性」（Integrated）、「時間相關性」（Time-variant）和「非揮發性」（Non-volatile）為核心。旨在提供一個經過整合、清洗、結構化的數據集，用於支持決策分析。
• 數據結構：高度結構化（Highly Structured）。數據在進入倉儲前，經過 ETL（Extract, Transform, Load）過程進行清洗、轉換和建模（通常使用星狀模型或雪花模型）。
• 數據類型：主要是結構化數據（Structured Data），例如來自關聯式數據庫的交易記錄、銷售數據等。
• 數據處理：Schema-on-Write。即在數據寫入（載入）之前，就已經定義好數據結構和模式。
• 目標用戶：商業分析師、決策者。
• 用途：支持報表、儀表板、OLAP 分析、商業智慧（BI）等，提供關於「業務是什麼？」的洞察。
• 靈活性：相對較低，修改模式較為困難。

2. 資料湖 (Data Lake)

• 設計理念：儲存「所有」數據，無論其結構或來源，以便未來進行探索性分析和數據科學應用。強調「儲存一切」，延遲結構定義。
• 數據結構：非結構化（Unstructured）、半結構化（Semi-structured）和結構化數據（Structured Data）都可以儲存。數據以原始格式儲存。
• 數據類型：支援多種類型，包括日誌文件、社交媒體數據、感測器數據、圖片、音頻、影片，以及結構化數據。
• 數據處理：Schema-on-Read。即在數據讀取（分析）時，才定義其結構和模式。
• 目標用戶：數據科學家、數據工程師、高級分析師。
• 用途：機器學習、預測分析、大數據探索、數據挖掘，提供關於「業務將會如何？」的洞察。
• 靈活性：非常高，可以輕鬆添加新的數據源和分析方法。

表格比較：

本題要求解釋群眾募資（Crowdfunding）的概念、運作方式，並舉例說明一個平台及其商業模式。

1. 群眾募資 (Crowdfunding) 是什麼？

群眾募資是一種向廣泛群眾（通常是透過網路平台）募集小額資金，以支持特定專案、事業、產品或組織的行為。它讓個人、小型企業或非營利組織能夠繞過傳統的銀行貸款或風險投資，直接向對其理念或產品感興趣的公眾籌集資金。

2. 群眾募資如何運作？

群眾募資的運作通常包含以下幾個關鍵步驟：

• 發起者（Project Creator）：專案發起者（個人、團隊或公司）提出一個募資計畫，設定一個募資目標金額和募資期限。
• 平台（Platform）：發起者將專案發布到一個群眾募資平台上（如 Kickstarter, Indiegogo, GoFundMe 等）。平台提供工具來展示專案，接受捐款或預購，並處理資金交易。
• 支持者（Backers/Supporters）：公眾（支持者）瀏覽平台上的專案，如果對某個專案感興趣，可以選擇捐款支持。支持者通常會獲得一些回報（Rewards），回報的類型取決於募資的模式。
• 募資模式：
  • 基於回報（Reward-based）：支持者獲得非財務的回報，例如產品預購、獨家禮品、感謝名單等。這是最常見的模式，例如 Kickstarter。
  • 基於股權（Equity-based）：支持者獲得專案公司的股權，成為股東。
  • 基於債權（Debt-based / Lending）：支持者將資金借給發起者，並期望獲得利息回報。
  • 基於捐贈（Donation-based）：支持者純粹出於慈善目的捐款，不期望獲得任何回報。常見於公益或個人緊急援助。
• 資金撥付：
  • 「全有或全無」模式（All-or-Nothing）：募資必須達到或超過目標金額，否則所有資金將退還給支持者（如 Kickstarter 的標準模式）。
  • 「達標即撥付」模式（Keep-it-All / Flexible Funding）：募資達到的金額，無論是否達到目標，都撥付給發起者（如 Indiegogo 的部分模式）。

本題探討如何結構化、分析和挖掘儲存大量電子郵件的資料庫。電子郵件資料庫可以視為一種半結構化資料庫，包含結構化的標頭資訊（如寄件人、收件人、主旨、時間戳記）和非結構化的郵件內容（內文、附件）。

(a) 如何結構化以促進多維搜尋？

要實現對電子郵件資料庫的多維搜尋，需要將郵件的各個屬性組織成可供查詢的結構。常見的方法包括：

1. 關聯式資料庫模型：

   • 郵件表（Messages Table）：儲存每封郵件的唯一 ID、主旨、內文摘要（或全文索引）、附件資訊、郵件大小、時間戳記（寄送時間、接收時間）等。
   • 寄件人表（Senders Table）：儲存寄件人的資訊（如姓名、電子郵件地址），並與郵件表透過寄件人 ID 關聯。
   • 收件人表（Recipients Table）：儲存收件人的資訊（如姓名、電子郵件地址），並與郵件表關聯。由於一封郵件可能有 CC、BCC 等多個收件人，此處通常需要一個關聯表（例如 Message_Recipients），記錄哪封郵件（Message ID）的哪個收件人（Recipient ID）以及收件人類型（To, CC, BCC）。
   • 時間維度表（Time Dimension Table）：將郵件的寄送或接收時間分解成不同層級，例如年、月、日、星期幾、小時，以便進行時間序列分析。
   • 關鍵字/標籤表（Keywords/Tags Table）：如果郵件內容被提取關鍵字或人工標記，也可以建立相關表。

   透過這些表，可以輕鬆執行多維查詢，例如：

   • 「查詢特定寄件人在某時間段內發送的所有郵件。」
   • 「列出主旨包含特定關鍵字的郵件。」
   • 「統計某收件人在某天收到的郵件數量。」

2. 全文檢索索引（Full-Text Search Index）：

   • 對於郵件的內文，可以建立全文檢索索引。這允許使用者搜尋郵件內容中出現的特定詞語或詞組，而不僅限於標頭資訊。
   • 結合全文檢索和結構化欄位，可以實現更強大的搜尋能力，例如「查詢寄件人為 A，且內文包含『專案報告』的郵件」。

3. 半結構化數據儲存（如 NoSQL 文件資料庫）：

   • 也可以將每封郵件儲存為一個文件（Document），例如 JSON 或 XML 格式。標頭資訊可以作為文件的欄位（Keys），郵件內容作為一個大的文本欄位。
   • 許多 NoSQL 資料庫（如 MongoDB）內建了索引和查詢功能，可以有效地處理這種半結構化數據，實現基於欄位（如 sender, recipient, subject, date）的查詢。

總結：
透過將郵件的標頭資訊（寄件人、收件人、主旨、時間）結構化，並與郵件內容建立關聯，可以創建一個支援多維搜尋的資料庫。關聯式模型或結合全文檢索的 NoSQL 模型都是有效的方法。

(b) 可以從電子郵件資料庫中挖掘出什麼？

從電子郵件資料庫中可以挖掘出豐富的資訊，用於個人、組織或研究目的：

1. 溝通模式分析：

   • 溝通頻率與趨勢：分析特定人員或團隊之間的溝通頻率，識別溝通高峰和低谷時段。
   • 溝通網絡：繪製組織內部的溝通網絡圖，了解資訊流動方向、關鍵影響者（意見領袖）以及資訊孤島。
   • 對外溝通：分析與外部客戶、合作夥伴的溝通模式，了解客戶滿意度、合作效率等。

2. 主題與內容分析：

   • 熱門話題：識別郵件中頻繁出現的關鍵詞、主題或討論熱點。
   • 情感分析：透過分析郵件內容的語氣和用詞，判斷發送者或接收者的情感傾向（正面、負面、中性）。
   • 知識提取：從大量郵件中提取重要的知識點、決策記錄、技術細節、項目進展等。

3. 效率與生產力分析：

   • 郵件處理時間：分析回覆郵件的平均時間，評估個人或團隊的響應效率。
   • 郵件量與工作負荷：了解個人或團隊收發郵件的數量，間接反映工作負荷。
   • 垃圾郵件識別：識別和過濾垃圾郵件，提高工作效率。

4. 安全與合規分析：

   • 異常行為檢測：識別可疑的郵件內容、連結或附件，預防釣魚攻擊、惡意軟體傳播。
   • 合規性審核：檢查郵件內容是否違反公司政策或法律法規。

5. 客戶洞察：

   • 客戶需求與痛點：從與客戶的郵件往來中，挖掘客戶對產品或服務的需求、抱怨和建議。
   • 銷售機會：識別潛在的銷售機會或客戶流失風險。

(c) 如何利用已分類的郵件作為訓練集進行自動分類？

這是一個典型的監督式機器學習問題，特別是分類（Classification）任務。假設我們已經將一部分郵件手動標記為「垃圾」、「不重要」、「普通」或「重要」四個類別。

本題考驗考生對於資訊系統（IS）服務外包（Outsourcing）的優缺點分析。企業是否應該外包 IS 服務，需要權衡多方面的利弊。

支持外包 IS 服務的理由（Why to outsource IS services）：

1. 降低成本（Cost Reduction）：

   • 規模經濟：外包服務提供商通常服務於多家客戶，可以實現規模經濟，降低單位成本。
   • 減少資本支出：無需購買昂貴的硬體、軟體，也無需投入大量資金進行系統維護和升級。
   • 降低人力成本：減少內部 IT 人員的招聘、培訓和薪資支出，尤其是專業技術人員。
   • 可預測的費用：通常簽訂固定合約，使 IT 支出更可預測。

2. 專注核心業務（Focus on Core Competencies）：

   • 將非核心的 IT 運營和管理外包，使企業能夠將資源和精力集中在自身的核心競爭力上，例如產品開發、市場行銷、客戶服務等。

3. 獲取專業技術與知識（Access to Expertise and Technology）：

   • 外包商通常擁有更先進的技術、專業的知識和經驗豐富的團隊，這是企業內部可能難以培養或維持的。
   • 能夠接觸到最新的技術和最佳實踐，提升 IT 服務的質量和效率。

4. 提高效率與靈活性（Improved Efficiency and Flexibility）：

   • 外包商專注於 IT 服務，通常能提供更高效的運營和更快的響應速度。
   • 能夠根據業務需求快速調整 IT 資源，例如在業務高峰期增加服務容量，或在業務縮減時減少投入，具有更高的靈活性。

5. 降低風險（Risk Mitigation）：

   • 將技術風險、營運風險轉嫁給專業的外包商，如系統故障、數據洩露（需審慎評估合約條款）。
   • 外包商通常有完善的災難恢復和業務連續性計畫。

反對外包 IS 服務的理由（Why not to outsource IS services）：

本題考驗考生對圖表數據的解讀能力，以及對社交媒體討論串結構的理解。圖中展示了來自 Web Forum、Facebook 和 Twitter 三個平台的討論串，並提供了關於訊息數量、對話數量、以及討論主題的視覺化資訊。

我們需要根據圖表來填寫空格 (1) 到 (4)。

分析圖表：

1. Web Forum 討論串：

   • 訊息數量：圖下方標示有「53 messages」。
   • 對話（Conversations）數量：在 Web Forum 的 Thread Conversations 區域，可以看到有 6 個獨立的垂直圓圈群組，每個群組代表一個對話。圖中有箭頭和文字標示，例如 (1) 標示在 Web Forum 討論串上方，並連接到 6 個對話群組。
   • 主題：可以看到多個主題，如 "Positive feedback", "Excited. but with questions about applicability", "Telcorp only cares about elite premium customers", "Wish they did more chantable work", "At least reduce us non-premiums' rates", "Switching providers"。

2. Facebook 討論串：

   • 訊息數量：圖中 Facebook 的 Thread Conversations 區域，在軸上標示了 1 到 5。在其中一個對話（例如左邊數來第二個）下方，可以看到圓圈數量較多。圖下方引用來源提到「the Facebook and Twitter threads had」。雖然沒有直接標示總訊息數，但可以從圓圈的密度和數量來估計。
   • 對話（Conversations）數量：在 Facebook 的 Thread Conversations 區域，可以看到有 5 個獨立的垂直圓圈群組。

3. Twitter 討論串：

   • 訊息數量：同上，沒有直接標示總訊息數。
   • 對話（Conversations）數量：在 Twitter 的 Thread Conversations 區域，可以看到有 3 個獨立的垂直圓圈群組。

4. 初始對話的性質：

   • 圖中，Web Forum 的 "Positive feedback" 標示在最上方，但緊接著是 "Excited. but with questions about applicability"。
   • Facebook 的 "Elated" 和 "Happy, but why did it take so long?" 似乎是早期較積極的表達。
   • Twitter 的 "Excited" 也是一個正面的詞。

本題考驗考生對於勒索軟體（Ransomware）常見檔案擴展名的了解。勒索軟體的主要攻擊手段是加密使用者電腦上的文件，然後要求支付贖金以換取解密金鑰。當勒索軟體完成加密後，它會將受影響的檔案修改為特定的擴展名，以便使用者識別哪些檔案已被加密，並通常會留下勒索訊息。

然而，勒索軟體沒有一個統一、固定的檔案擴展名。 不同的勒索軟體家族會使用不同的擴展名，並且這些擴展名會不斷變化。攻擊者經常會更改這些擴展名以規避安全軟體的偵測。

儘管如此，一些常見的、被廣泛報導的勒索軟體使用的擴展名包括：

• .encrypted
• .locked
• .crypt
• .aes
• .xxx
• .bad
• .zepto
• .maze
• .conti
• .ryuk
• .sodinokibi (或 .rxrx, .vkh, .lol)
• .wannacry (雖然 Wannacry 主要利用 SMB 漏洞進行傳播，但其加密後的檔案也會附加特定擴展名，例如 .wncry)
• .lockbit (或 .lockbit3)

本題考驗考生對網路犯罪份子（Cybercriminals）如何攻擊和利用個人數位裝置的常見手法。網路犯罪份子利用各種技術和心理學手段，旨在獲取利益、竊取資訊、破壞系統或進行其他非法活動。

以下是網路犯罪份子通常對數位裝置進行的操作：

1. 惡意軟體感染（Malware Infection）：

   • 傳播方式：透過釣魚郵件附件、惡意網站下載（Drive-by download）、USB 隨身碟、漏洞利用（Exploiting vulnerabilities）等方式，將惡意軟體植入裝置。
   • 惡意軟體類型：
     • 病毒（Virus）：感染並破壞其他檔案。
     • 蠕蟲（Worm）：自我複製並在網絡中傳播。
     • 木馬（Trojan Horse）：偽裝成合法軟體，但執行惡意操作。
     • 間諜軟體（Spyware）：秘密監控用戶活動，竊取個人資訊。
     • 廣告軟體（Adware）：強行彈出廣告，可能包含惡意連結。
     • 勒索軟體（Ransomware）：加密使用者檔案，要求贖金。
     • 鍵盤記錄器（Keylogger）：記錄用戶輸入的每一個字元，竊取密碼、信用卡號等。

2. 數據竊取（Data Theft）：

   • 個人資訊：竊取姓名、地址、電話號碼、身分證字號、出生日期等。
   • 財務資訊：竊取信用卡號、銀行帳戶資訊、網上銀行登錄憑證。
   • 登錄憑證：竊取各種網站和應用程式的用戶名和密碼。
   • 商業機密：竊取企業的知識產權、客戶數據、財務報表等。

本題考驗考生對勒索軟體攻擊中贖金支付貨幣的了解。網路犯罪份子在發動勒索攻擊時，通常會要求受害者支付贖金，以換取解密檔案的鑰匙。為了最大化其收益並規避追蹤，他們會選擇特定的支付貨幣。

最常見的支付貨幣是加密貨幣，特別是比特幣（Bitcoin, BTC）。

原因如下：

1. 匿名性（Anonymity）：雖然比特幣的交易記錄是公開的（區塊鏈），但用戶的身份與比特幣地址之間通常沒有直接的關聯。犯罪份子可以透過多層次的交易、錢包轉移等方式，增加追蹤其真實身份的難度。
2. 全球流通性（Global Accessibility）：比特幣可以在全球範圍內進行交易，不受地理位置和傳統銀行系統的限制。
3. 快速交易（Fast Transactions）：比特幣交易確認速度相對較快，便於犯罪份子快速收到贖金。
4. 難以凍結或沒收（Difficult to Freeze or Seize）：相較於傳統銀行帳戶，加密貨幣的去中心化特性使其更難被政府或執法機構凍結或沒收。

本題考驗考生對「No More Ransom」計畫及其對勒索軟體犯罪份子影響的理解。

「No More Ransom」（NMR）是一個由歐洲刑警組織（Europol）、荷蘭國家警察局以及多家網路安全公司（如 McAfee, Trend Micro, Kaspersky 等）聯合發起的計畫。其主要目標是打擊勒索軟體，並透過提供免費的解密工具（Decryptors）和預防資訊，幫助受害者減少損失，並讓犯罪份子的勒索行為變得無利可圖。

網路犯罪份子對 No More Ransom 的反應：

整體而言，網路犯罪份子對「No More Ransom」計畫的反應是負面的，並試圖規避或對抗其影響。具體反應包括：

1. 開發新的勒索軟體變種：

   • 攻擊者會不斷更新和修改他們的勒索軟體，以繞過 NMR 提供的解密工具。例如，如果 NMR 能夠解密某個版本的加密演算法，攻擊者就會改變加密演算法、加密方式或檔案擴展名，使其無法被現有的解密工具識別。
   • 他們可能會使用更強的加密演算法，或者引入新的加密技術。

2. 更改加密方法或擴展名：

   • 如前所述，更改檔案擴展名是常見手段。有時他們甚至會改變加密的過程，使得解密工具失效。

本題考驗考生關於如何預防勒索軟體（Ransomware）攻擊的知識。預防勒索軟體需要採取多層次的策略，涵蓋技術防護、人員培訓和應變計畫。

以下是預防勒索軟體的主要措施：

1. 定期備份數據並隔離儲存（Regular Data Backups and Isolation）：

   • 重要性：這是最關鍵的防線。即使數據被加密，也可以從備份中恢復，避免支付贖金。
   • 方法：
     • 頻率：根據業務重要性，定期（例如每天、每週）備份關鍵數據。
     • 隔離：將備份儲存在與主系統隔離的離線位置，例如離線硬碟、獨立的備份伺服器，或使用「3-2-1 備份原則」（至少 3 份副本，2 種不同介質，1 份異地儲存或離線）。
     • 測試：定期測試備份的可用性和恢復流程，確保其有效性。

2. 安裝和更新安全軟體（Install and Update Security Software）：

   • 防毒軟體/反惡意軟體：確保所有裝置都安裝了信譽良好的防毒軟體，並保持病毒定義庫和軟體本身為最新版本。許多現代防毒軟體包含針對勒索軟體的專門偵測和防護功能。
   • 防火牆：啟用和配置防火牆，限制不必要的網路連接。

3. 及時更新系統和應用程式（Timely System and Application Updates）：

   • 修補漏洞：勒索軟體經常利用作業系統（Windows, macOS）和應用程式（瀏覽器、Office 軟體、PDF 閱讀器、Java 等）中的安全漏洞進行傳播。
   • 自動更新：啟用自動更新功能，或建立定期的更新流程，及時安裝安全補丁。

4. 加強電子郵件安全（Enhance Email Security）：

   • 謹慎開啟附件和連結：這是勒索軟體最常見的傳播途徑之一。教育使用者不要開啟來自未知發件人、或看起來可疑的郵件附件和連結。
   • 郵件過濾：使用企業級的郵件安全網關，過濾惡意郵件、垃圾郵件和釣魚郵件。

本題考驗考生對於一些具有重大影響或代表性的勒索軟體攻擊事件的了解。所謂「最糟糕」可以從多個維度來衡量，例如：影響範圍廣泛、造成的經濟損失巨大、加密技術複雜難以解密、攻擊目標關鍵性強（如醫療、關鍵基礎設施）等。

以下列舉一些在歷史上或近期較為嚴重、影響廣泛的勒索軟體攻擊類型或事件：

1. WannaCry (2017)：

   • 特點：利用了美國國家安全局（NSA）洩露的 SMB 漏洞（EternalBlue），進行了大規模的蠕蟲式傳播。
   • 影響：迅速感染了全球超過 150 個國家、數十萬台電腦，包括英國的國民醫療服務體系（NHS）醫院、西班牙電信公司 Telefónica、俄羅斯電信公司 Megafon 等，造成了巨大的營運中斷和經濟損失。其快速傳播能力和對關鍵基礎設施的影響使其成為一個標誌性的事件。

2. NotPetya (2017)：

   • 特點：最初偽裝成勒索軟體，但實際上具有更強的破壞性（Wiper），旨在摧毀數據而非勒索。它同樣利用了 EternalBlue 漏洞，並進行了廣泛的傳播。
   • 影響：對烏克蘭的金融、能源、交通和政府部門造成了毀滅性打擊，並迅速蔓延到全球，包括物流公司 Maersk、製藥公司 Merck、廣告公司 WPP 等，造成了數十億美元的損失，被認為是歷史上最具破壞性的網路攻擊之一。

3. Ryuk：

   • 特點：Ryuk 是一種針對大型企業和組織的勒索軟體，通常在滲透到目標網路後，會進行廣泛的橫向移動和權限提升，然後對關鍵系統進行加密，勒索金額通常非常高昂。
   • 影響：Ryuk 勒索軟體攻擊了眾多大型企業、市政機構、醫院和教育機構，包括美國多家醫院和地方政府，每次攻擊的贖金要求可達數百萬美元，對受害者造成嚴重的財務和運營影響。

4. Conti：

   • 特點：Conti 是一個非常活躍且惡劣的勒索軟體即服務（RaaS）組織。他們不僅進行加密勒索，還經常在加密前竊取大量數據，然後威脅公開數據（雙重勒索）。