金管會主委黃天牧即將結束4年主委任期，儘管此次未再續任主委，由新任主委彭金隆接手，財委會立委不分藍綠，一直肯定黃天牧在任期內表現「有為有守」，能獲得多位立委不分朝野一致肯定，也顯見黃天牧雖然因為階段性任務完成而離開，但在很多關鍵時刻，黃天牧的作為已留下令人深刻的印象，同時亦留下不容磨滅的貢獻。
從金管會改制前的財政部金融局，一直到改制之後的金管會，黃天牧一生奉獻給金融監理機關，歷練完整，他一路從金管會基層做起，除了曾任金管會副主委、金管會主秘之外，金管會的銀行、證期、保險等3局，就擔任過證期局局長、保險局局長，也是金管會主委中，唯一擔任過兩局局長的主委，金融監理的事務歷練可說最為豐富完整，也因此使他成為前任金管會主委顧立雄力薦接任主委的人選。
信託2.0與金融探索館 望成為最有溫度的金融工具
若說起黃天牧近4年來的施政，最令人印象深刻的就是普惠金融及高齡金融的推動，其中，後者更以安養信託和信託2.0為其代表作。黃天牧曾不只一次對外表示：「信託是最有溫度的金融工具！」因為透過銀行善盡財產受託人的職責，可讓高齡者或是身障弱勢族群得到更多的幫助，這也是黃天牧在信託2.0政策推動上的終極目標。
值得一提的是，台灣金融研訓院1、3樓設置的「金融探索館」，是在黃天牧領導下，由金融研訓院負責規劃執行的首座博物館，走入館內，便進入金融歷史長廊，透過沉浸式科技，呈現了貨幣的歷史和台灣金融的演進。這座博物館不僅促進普惠金融與國際交流，更與各學校、各單位攜手合作，讓學子們對金融和金錢有了第一次交會；從開幕迄今，已經獲得諸多迴響，儘管黃天牧即將離任，但卻留下這座嘉惠學子、可永續長存的金融博物館。
帶領金融業者推動淨零碳排 不遺餘力
除了信託2.0及金融探索館是令人印象最深刻的代表作之外，對於金融業的責任，黃天牧也親自帶領金融業者推動淨零碳排，不遺餘力。因淨零碳排是國家重要的政策之外，也是金融業能主動出擊幫助地球更好的方式，黃天牧不但持續推動綠色金融行動方案，更推出「永續金融評鑑」，透過多項具體指標的訂定，力促銀行、證券、保險、投信等跨金融業別，陸續加入評鑑的陣容，透過評鑑來讓業者的投資、放款、債券或基金的發行等各層面產生質變，並企圖以此發揮「以大帶小」，以及協助規模較小、較缺乏減碳資訊及資源的中小企業一起加入減碳行列，可見黃天牧對金融業執行淨零政策的重視。
廢除不適宜法規達8千多條
儘管，金融圈也傳出聲音，認為黃天牧作風保守不重興利，但事實卻不然，包括黃天牧在出任金管會主委之後，總共廢除8千多條法規，就是認為這些法規不合時宜，不僅讓業者綁手綁腳、還徒增業者的法遵成本；另一個對金融業的金融科技應用至關重要的貢獻，就是開放雲端規範，將很多原本要以許可制才能獲得放行上雲的措施，鬆綁為只要用「備查制」，就能上雲，可說是在金融科技應用的監理法規上，非常重大的里程埤。
銀行業者指出，這項開放的意義非常深遠，對於金融業應用AI尤其具有代表性，因為AI的運用需要有龐大的資料庫作為後盾加持，但是金融業本身所能儲存的資料容量有一定限制，倘若金融業者不能把一定的資料上雲，未來根本無法提供足夠的資料供AI判讀，在黃天牧鬆綁上雲規範之後，很多和客戶機密、隱私無關的資料即可上雲，對銀行業者而言，是進一步使用AI至關重要的基礎法規開放；除此之外，這項開放還有預演戰時兵推的功能，讓業者先透過上雲為資料保護暖身。
4年的金管會主委任期，看得出黃天牧每天都兢兢業業，對各項事務也都全力以赴，儘管任期將至，但「天牧哥」仍十分關心虛擬資產專法是否能於9月底前完成，還有社會關注「先買後付」（BNPL）要如何處理，無論如何，黃天牧4年主委任期的整體功過評價自在人心，多位朝野跨黨派立委在他離開金管會之前所給予的掌聲都可見一斑。（本文作者為長期關注金融領域的現任資深媒體人）
LVMH集團旗下頂級羊絨品牌Loro Piana，標榜「工藝神話」的品牌敘事卻與人權現實產生極端落差，也揭露義大利工藝與人權侵害的結構性矛盾。
「安全始於設計」原則，近年來已經逐漸在資安界扎根。與其在寫完程式之後，才用人工或自動化工具找出漏洞，還不如一開始就選擇那些在語言層級上本就無法寫出某些類型錯誤的程式語言。舉例來說，若捨棄各種已有數十年歷史的C語言，改用如Rust等較為現代的語言，便能從根本上排除大量的資安漏洞。然而，就在傳統軟體界逐漸接受這個新思維的同時，人工智慧的迅速崛起，卻大幅動搖了這項理念。一旦給了大型語言模型（LLMs）讀取或操作系統資源的權限，它卻可能出現邏輯來源不明、行為難以預測的狀況。有時候，這些風險可以靠修改提示語的上下文、交由其他模型進行驗證，或者為特定錯誤情境設計固定回應來處理。但因為LLMs背後的技術邏輯是由資料訓練出來的，不是人工設計的，這些方法只能頭痛醫頭、腳痛醫腳，無法用來確實防護整體資安。因此，大型語言模型的安全並不是靠設計就能確保不會出錯，而是靠統計方法降低出錯的機率。儘管這些都是眾所周知的危險，但直到2025年6月EchoLeak事件，這些風險才真正首次爆開。微軟Copilot自推出之初就充滿爭議，它的預設權限極廣，且不完全透明。其中最令人擔心的，就是使用Copilot+的電腦，會定期截取使用者的螢幕畫面，並搜尋畫面中的內容。Copilot+甚至還會自動掃描使用者的Email信箱，將冗長的內容整理成簡短摘要。EchoLeak攻擊就利用了這個功能。它向受害者發送電子郵件，而收件者甚至不需要打開Email或點擊任何內容，就可以製造資安界公認最難防範也最高明的「零點擊」（Zero-Click）攻擊。這封Email內含惡意指令，讓LLM反過來對自己發動攻擊，協助攻擊者搜尋系統上最機敏的資料，然後將這些資料外洩出去，在這段過程中它可以繞過許多原本保護機密資訊的安全措施。雖然這個漏洞目前並未在真實環境中被使用，而且微軟已經修補完成，但相同原理的攻擊，未來很有可能產生。EchoLeak攻擊的技術稱為「提示語注入」（Prompt Injection），也就是讓使用者透過特定語句，說服模型忽略系統的原始設定。最著名例子就是「忽略所有先前指令」。這種攻擊之所以難以預防，是因為LLM目前不具備有效的「輸入清理機制」（Input Sanitation）。傳統資料庫系統可以設計防線，讓系統將像「Drop Table」這類的語句視為純文字資料，而不是實際執行的刪除指令。但對LLMs來說，每一段文字都被一視同仁當作指令，沒有明確區分命令與內容。攻擊者正是透過這種混淆來下達他們真正的指令。專家正在開發一些針對提示語清理的解決方案，可能即將問世。德國研究團隊在2025年1月的論文中提出一個辦法：將系統內建的指令，轉譯成一種只有AI才能看懂的秘密語言。AI在處理語言時，會把大量的輸入壓縮進有限的語意空間，因而可能出現語意重疊的情況，使得看似亂碼的字串也會被模型認為具有特定含義，這種特性有點像是看到一個特定的雜訊畫面，卻能接收到某個具體意義。透過這類作法，模型能更明確區分內建系統指令與一般使用者的對話內容，避免將惡意語句誤認為內部指令。然而，這類方案依然基於大型語言模型的黑箱特性，專家目前還在爭論它到底算不算是本文一開始提到的「安全始於設計」的理想。假設這類方案能逐漸改良並逐漸推廣，類似EchoLeak的攻擊空間將會大幅縮小。但真正該擔心的是，LLM的資安漏洞無邊無際。根據開放網路應用安全計畫（OWASP）組織2025年提出的「LLM十大安全漏洞」（OWASP Top 10 for LLMs），提示語注入僅是最關鍵的一種攻擊方法，但並非唯一。當AI能夠主動幫我們執行的任務數量越來越多，種類越來越廣，「過度代理」（Excessive Agency）這類問題也將日益複雜，成為資安領域的重要挑戰。隨著AI深入各種工作流程，企業對它的管理方式將不再只是資安層面的防禦問題，會更像是新進員工的培訓與信任建立過程。剛導入的AI系統不宜立刻接手敏感任務，但若完全不建立起任何信任關係，企業恐怕也將錯失這場自網際網路以來最具顛覆性的技術革命。（作者為金融研訓院̮外聘研究員；譯者為劉維人）
面對不動產授信管制，銀行週轉金貸款的變通操作，考驗著金融監理智慧。
