法規與監理 2025年1月

建立監管標準迫在眉睫

國際金融市場RWA興起
撰文:賴建宇

特幣等虛擬資產,包括原生幣(Native Coin)、應用幣(Token)等類型,既無現實世界資產的支持,也有高度風險的特性,特別是價格波動劇烈的因素,使虛擬資產尚無法建構出可行的貨幣體系,穩定幣(Stablecoin)問世,雖有成為支付工具的潛力,惟迄今仍不能確保價值的穩定,而不足以擁有等同貨幣的地位。與此同時,近來逐步興起的現實世界資產(Real World Assets, RWA)代幣化(Tokenization),因有現實世界資產支持,加上應用範圍廣泛,我國中央銀行指出國際間已有諸多實際案例,包括實體資產如黃金、不動產或藝術品等,金融資產如債券、基金等,更有無形資產如碳信用等。

「代幣化」是指將現實世界資產轉換為區塊鏈上代幣的過程,其主要是將現實資產所衍生的經濟價值及權利,呈現在區塊鏈上並進行交易,而代幣則記錄在區塊鏈上,提供透明的所有權及交易分類帳。雖與虛擬資產都是運用區塊鏈技術,但後者缺乏現實世界資產的支持,使兩者性質上有根本的不同。據我國中央銀行指出,RWA代幣化的發行模式,可分為「區塊鏈下現實資產的代幣化」與「區塊鏈上原生資產的代幣化」等二類,前者是指發行人將現實資產移轉委託第三方保管,並在區塊鏈上發行表彰該現實資產之經濟價值及權利的代幣;而後者則是發行人直接在區塊鏈上發行代幣,並載明該代幣所持有現實資產的各項權利。

RWA應用場景多元

不動產代幣化方面,因受限於市場流動性、法律、稅務等問題,較難直接代幣化,故實務上先由一家企業持有每一筆不動產,再對持有企業的所有權於特定區塊鏈網路上進行代幣化,提供投資人購買,而代幣持有者可依持有比例獲得租金收益;基金代幣化是在特定區塊鏈上推出代幣化基金產品,提供投資人以穩定幣購買。至於碳信用代幣化,主要是將企業持有的碳信用額度,移轉至特定的區塊鏈上標記為代幣,提供於虛擬市場進行交易。由於區塊鏈的運作不受時間、地區等限制,隨時可以進行代幣化資產的交易,再透過智慧合約的自動進行結算。

回顧中央銀行曾於2023年12月間,針對近代貨幣支付形式的演進、未來數位貨幣的樣態及發展願景等,對外發表演說認為,RWA代幣化為數位資產的一項創新,不僅將成為驅動未來貨幣支付形式的改變,且可能透過「央行數位貨幣」(CBDC)用於RWA代幣化的最終清算。而金管會前主委黃天牧則於2024年3月在立法院財政委員會答詢表示,因虛擬資產存在無內在價值等諸多風險,金管會已開始重視資產代幣化議題並思考可行性。而彭金隆主委上任後,金管會更於2024年6月間,協力集中保管結算所與6家金融機構共同成立「現實世界資產代幣化小組」,並選定「基金」及「債券」作為研究標的。

BIS認證資產代幣化潛力龐大

事實上,國際組織對現實世界資產代幣化的議題也有關注,包括國際清算銀行(Bank for International Settlements, BIS)於2023年6月所發布的「2023年度經濟報告」中說明,貨幣與資產代幣化擁有龐大的潛力,但迄今尚無法獲得中央銀行貨幣及其提供的信任基礎。而未來的貨幣體系可以支援代幣化資產,並由CBDC提供最終的支付清算服務,且同時整合代幣化CBDC所建構的聯合帳本(Unified Ledger)。當然,除了透過流暢的交易改善現有流程外,聯合帳本更可利用可程式化技術實現目前不可行的計畫,再擴大可能的經濟效益範疇。

此後,2024年10月21日,國際清算銀行發表「貨幣與其他資產代幣化的脈絡:對中央銀行的概念及影響」研究報告,主要研究重點為代幣化對解決金融市場現有摩擦的潛在優勢,且該報告指出,雖代幣化可降低交易成本並實現創新案例,但如何提高金融體系安全性及效率,尚需健全的治理架構、風險管理、法律體系等。當然,代幣化的發展為中央銀行提供一個反思的機會,也就是中央銀行貨幣在數位化金融體系如何發揮作用,關鍵考量因素將涉及支付系統的設計、監督及貨幣政策。

DLT驅動資產代幣化

換句話說,代幣化的概念及使用,先在虛擬資產領域中發展起來,但近年因受監督的金融市場中,增加討論代幣化與中央銀行相關的專案及試驗,包括何種特定的過程或行為被稱為「代幣化」,然諸多專案主要依賴分散式帳本技術(Distributed Ledger Technology, DLT)作為支持代幣化的底層技術。由於二十大工業國(Group of Twenty, G20)關注此一發展趨勢,即要求BIS及支付及市場基建委員會(CPMI)研究貨幣及其他資產代幣化的意義,以及設想一個符合當前貨幣及金融體系的最佳代幣化環境,並討論潛在的可能影響。

2024年10月研究報告指出,代幣化不僅可以促進市場標準化及現實資產的可程式化,更可擴大在整個金融交易生命週期中,以平台為中介提供金融服務的使用。目前金融交易生命週期所需的功能,通常由多個活動或特定資產的協議執行,而促進其職能的是由法律架構、監理政策、營運可行性、市場慣例及適當的風險管理加以決定。

若與傳統協議相比,以平台為中介的金融服務提供,可能帶來不同的市場結構。其因代幣協議(Token Arrangement)可為多種類資產或多功能,以代幣形式託管不同類型的資產,包括貨幣及其他資產,而建立在通用基礎設施上的應用程式,允許在代幣協議中整合不同的功能,覆蓋全部或一部分金融交易生命週期,也就是從發行至交易,乃至於交易後的處理,原則上可能涵蓋所有傳統金融市場功能。

代幣化監管迫在眉睫

對此,BIS特別強調,面對代幣化的趨勢,各國中央銀行的優先考慮因素為如何看待正在進行的私部門代幣化行動;第二是中央銀行如何評估代幣協議中,不同類型結算資產間的權衡及適當平衡,因為可能包括中央銀行如何或以何種形式提供中央銀行貨幣作為代幣協議的結算;第三是確定已經到來或將來在各司法管轄區中,代幣協議接受監督或國際標準約束的程度;最後,則涉及代幣協議對貨幣政策實施的潛在影響,例如透過受監理的市場結構變化或中央銀行對其他類型貨幣的需求來觀察其變化。(本文作者為台灣金融研訓院金融研究所助理研究員)

猜你喜歡

2025年8月

AI的零點擊資安攻擊來了

「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)