#資安 #醫療照護 #供應鏈管理SCM

【資安防護，人人有責】

來自世界經濟論壇《2020 全球風險報告》指出，2019 年網路犯罪經濟規模達到 1.28 萬億美元，2020 年全球的網路犯罪激增 400%，經濟規模的資料只會更加驚人。2020 年重大資安事件利用 COVID-19 進行釣魚這可能是 2020 年最具時間特性的網路釣魚攻擊，比如在美國，駭客們利用人們對新冠病毒的焦慮，冒充 CDC 專家或者病毒學家，誘使用戶下載惡意文件，不僅騙取大量重要個人資料，而且還感染很多其他計算設備。

除了運算設備，來自 Palo Alto Networks 公司的報告顯示，全美多達 83% 的醫療成像設備存在安全隱患，可能被網路攻擊者利用。2020 年的醫療系統，不僅要承受新冠病毒帶來的壓力，還要同時應對來自互聯網的各種麻煩。勒索軟體已經成為全球第四大犯罪活動，無論是個人還是企業、政府都面臨被勒索的巨大風險。此外，手機更加頻繁地出現在工作生活中，因此針對 Android 系統的攻擊也呈現爆發式增長，光漏洞數量就增長了三倍！

就在剛剛過去的 12 月，一場針對 SolarWinds 的供應鏈攻擊讓包括美國白宮、五角大樓、財政部、美國國家核安全局等重要部門遭到入侵。除了重要的政府部門，包括電力、石油以及製造業、高科技公司也紛紛中招。攻擊者在 SolarWinds Orion 商務軟體更新包中植入惡意程式碼，進行分發，這一惡意程式碼被植入後，具備包含傳輸檔、執行檔、分析系統、重啟機器和禁用系統服務的能力，進而達到橫向移動和資料盜竊的目的。

延伸閱讀：
《近在眼前的威脅》
http://www.compotechasia.com/a/feature/2021/0112/46904.html

#英特爾Intel #微軟Microsoft #永恆之藍Eternalblue #SolarWind

一個聯電曹興誠出來挺核電，牛鬼蛇神一樣紛紛出籠，只差政院小編沒作圖反駁而已，政黨立委和固定學者就算啦，能源局又再度以核廢料為原因強調核電不可行，根本忘記行政院就是核廢料業務的督導者，把責任推得一乾二淨...呵

不過，其中最不爽的還是立委 鄭運鵬專頁 的發文，他的文有幾個重點
1. 民進黨政府當前能源政策是為國為民的不得已
2. 核災風險無限大，台灣不要成為下一個福島
3. 曹興誠是外國人，不該說三道四

雖然他是某人朋友啦，但跟我沒關係，所以就針對他的發文讓我不留情面回應了：

1. 醜話說前頭，不要不懂裝懂，土木系畢業也要學會尊重專業，找個核工學者弄懂福島事故並不難，福島事故是冷卻水系統(水泵與飼水閥)因海嘯沖毀出問題，而不是冷卻池出事，冷卻池指的是用過燃料棒放置的池子 aka 燃料池，這些池子迄今都完好無缺，目前持續移出中。另外補充還有所謂冷卻生水池，用於斷然處置，生水池注水僅需要重力引流，不需要電力，當時福島電廠則無此設計。

2. 您提及再生能源可預測的不穩定因素，您不會覺得這句話本身就非常矛盾嗎？ 就算太陽會東昇西落，海陸與行星風系有固定時間特性，但大氣系統的多變就是會讓再生能源系統大規模跳脫，這些與傳統機組跳機一樣，都很難預測... 否則我們早就沒有官員須因錯放颱風假道歉負責了。又其中有學者提及再生能源與儲能搭配讓電力系統最穩定。根本廢話... 儲能與任何能源搭配都可以讓系統更穩定好嗎... 儲能不是再生能源專屬，但因為變異再生能源而更被需要。

3. 每種能源以及選擇方式都有其風險，而談到風險，就是頻率以及影響程度的加成，通常我們會製作風險矩陣，優先針對高頻率高影響的風險優先排除，其次才可能是高頻率低影響或低頻率高影響的風險。核災是風險，但碳排增加加劇氣候變遷也是風險，重點是，我在知道風險後有機會做出選擇。但是執政黨從今天萊豬進口事件道規劃能源政策，全部先斬為快，剝奪人民選擇的權利，能源局的能源轉型白皮書邀請公民與談只能在非核框架下給出建議，台電在貴黨施壓下將核能資訊與刊物從網站下架，以及貴黨阻擋了核四公投綁上今年大選等等都在剝奪人民選擇自由。非核優先或減碳優先？各個國家都相當負責清楚呈現必要資訊給人民，請問民進黨清楚提供資訊前，憑什麼幫人民做選擇？

4. 如上述提供的風險概念，發生任何事故的風險 #基本上 都不可能為零，因此少在那邊無限上綱，發生核災也隨事故等級不同而有不同應對方式，請先說說你心中的核災想像，我可以為你解答，而福島至今都沒完蛋，台灣更不可能完蛋，台灣核能機組的建廠評估與事故風險評估都相當清楚，請找原能會與氣象局調資料了解(說說能源也提過 https://reurl.cc/R15rng )。一再上綱風險，就只會造成人民不信任科學的窘境，惡果就是現在進口萊豬的溝通以及未來開放日本食品的溝通困難重重，這些多少都與貴黨過去強調的零風險做政治鬥爭息息相關。

5. 作為半導體從業人員，如果要無限上綱地震危害，我建議貴黨不要在台灣規劃半導體產業了。還有，不要如政客式的扣企業家帽子，阿，或許你本來就是政客，新加坡人又怎樣？每一年執政黨還不是找很多反核外國人來合理化自己的正當性，更何況一個與台灣有緊密連結的外籍國人貢獻比你多~ 很多。

前幾天收到一封讀者來信，提到他讀完《大腦減壓的子彈筆記術》，實際練習了幾週後，產生的一些改變。這也是我為自己建立這套系統想為自己帶來的改變。全信很長，我擷取其中幾個部分跟大家分享。
　　
Evernote以前我也試用了好幾次，但每次都不了了之，常想：比它能夠做出美觀筆記的軟體比比皆是，也不覺得它的界面有比WORD好用多少。直到這次看過你的書並實作後，才體悟到Evernote的強大（實作一週後，就購買專業版～雖然你的系統建構免費版就可用，但希望Evernote能永續經營並表達感激之意 ☺）。
　　
目前我實作這個系統模式已經三週，我真的很佩服這個方法相當符合人性，並讓事情推進更加有條理，非常謝謝Esor無私地分享這個方法，因此也很想寫我的使用心得給你知道。
　　
我建構系統的步驟，是從「情境」出發的。我覺得你提出的情境概念非常好，所以我把我一天中覺得可以運用的時間塊列出來，之後再將欲完成的任務與行動考慮其適切性，以標籤方式分類到各時間塊情境。舉例：
　　
▪吃早餐後的時間特性：1小時/低專注/可用電腦/不是每天都有
→考量後，排入不必每天都要完成的觀影分析建檔任務
▪陪小孩的時間特性：1.5小時/中專注/不可用電腦/每天都有
→排入閱讀或創作思考的相關任務。
　　
這如同你提到的不是強制某個時間點做什麼事，而是先做出選擇，當情境出現或被打斷時就知道該採取什麼行動。這三週實際操作下來，任務行動的執行效率真的大幅度提升，就連萬年未動的專案，也一點一滴地推進了！(開心)
　　
接著，我把想完成的事，逐步設立專案、任務，才赫然發現原來自己想做的事情這麼多，有些任務還比我預想的困難且耗時。藉由將這些目標可視化後，我可以修正每個目標我欲達成的程度，或考量更多省時、省力的方式去完成它們，比起之前總靠熱情與傻勁，更明確知道該做哪些行動。
　　
之前我一直對可用時間很碎片趕到苦惱，常常事情做到一半，就被打斷去忙別的事，然後隔了一陣子就忘記自己原來這件事做了一半，或是這個問題其實以前就遇過、想過。但我實作這個系統發現，即便之後再接續原本被打斷的進度，都能很快地進入狀況，因為系統很清楚記錄上次做到哪裡、已完成了哪些部份，不必再花時間回想。
　　
雖然這個系統我還在建構、調整，但已經讓我的生活與心境有重大改變，期許自己能往目標逐步邁進。再次感謝Esor研發出這麼棒的系統，並搭配這麼棒的工具，我也很推薦朋友們試作看看，希望你能夠繼續提供我們更多更棒的內容，能夠繼續提供我們更多更棒的內容。
　　
這次收到的讀者心得，真的大多數都寫了大量的回饋，讓我很感動。
　　
而如果有機會想要除了讀書，也上實際課程的朋友，可以參考五、六月繼續開設的 Evernote 子彈筆記課程：https://www.playpcesor.com/p/blog-page_15.html

數據科學與雲端運算之 Visualization - 20210521
國立陽明交通大學-數據科學之視覺化分析
大數據利用時間的特性，以統計圖表呈現分析結果，以然成為一種企業尋找管理策略的方法。商業智慧的成功，當然也可以促成醫學智慧的成功。
孫在陽老師主講，[email protected]
範例、講義下載：https://goo.gl/ytzRxT

時間軸
00:00:00 PPT簡報實務應用簡介
00:03:09 建立模型
00:03:54 依統計目的的圖表設計
00:10:40 ICD 9:434.90 屬於 TIA
00:14:32 依疾病碼做腦中分疾病分類
00:20:50 建立標題
00:21:23 01.ICD比例統計
00:26:20 02.ICD次數統計
00:28:30 視覺化
00:32:16 加入時間特性做連續型分析
00:49:20 自動分析
00:54:35 知識
01:01:14 關鍵影響因數
01:50:01 分解樹

「孫在陽」直播-國立陽明交通大學-數據科學之視覺化分析
大數據利用時間的特性，以統計圖表呈現分析結果，以然成為一種企業尋找管理策略的方法。商業智慧的成功，當然也可以促成醫學智慧的成功。
孫在陽老師主講，[email protected]
範例、講義下載：https://goo.gl/ytzRxT

時間軸
00:00:00 PPT簡報實務應用簡介
00:03:09 建立模型
00:03:54 依統計目的的圖表設計
00:10:40 ICD 9:434.90 屬於 TIA
00:14:32 依疾病碼做腦中分疾病分類
00:20:50 建立標題
00:21:23 01.ICD比例統計
00:26:20 02.ICD次數統計
00:28:30 視覺化
00:32:16 加入時間特性做連續型分析
00:49:20 自動分析
00:54:35 知識
01:01:14 關鍵影響因數
01:50:01 分解樹