- 摘要（Executive Summary）
英國國家網路安全中心（NCSC）提出跨域（cross-domain）資料安全模型，並定義六項設計原則，以確保資料在不同信任邊界間傳輸時的安全性。該模型針對多層級安全環境與高敏感資料流動場景，提供架構性指引，強調資料內容理解與動態風險控制。此舉反映出資安防護正從網路邊界防禦轉向「資料本位」治理模式，對企業在多雲、跨系統與AI應用環境下的資料保護策略具有直接影響。
- 事件分析
NCSC 所提出的跨域模型，主要針對不同安全等級或信任區域之間的資料流動問題，特別是在政府、國防及關鍵基礎設施等高度敏感環境中。傳統的網路分區與邊界防護機制，難以有效應對資料在多系統、多平台之間頻繁流動的現實需求，因此該模型強調在資料傳輸過程中，必須具備對資料內容本身的理解與檢查能力，而非僅依賴來源與目的地的信任等級。
該框架提出六項設計原則，涵蓋資料檢測、內容過濾、政策執行與審計等面向，並強調跨域解決方案應具備可驗證性與可控性。這代表資安架構設計正逐步從靜態規則轉向動態決策，並要求系統能在資料流動過程中即時判斷其安全性與合規性。此類設計對於現代分散式架構（如多雲與混合雲環境）尤為關鍵。
- 資安影響評估
該跨域模型的提出，反映出資安防護邏輯的重大轉變：從「保護網路」轉向「保護資料」。在多雲與跨系統整合日益普遍的情境下，傳統以防火牆與網段隔離為核心的防禦策略，已無法充分應對資料外洩與橫向移動風險。透過資料層級的檢測與控制，企業可在資料離開原始環境時即進行風險判斷，降低敏感資訊被未授權存取的機率。
然而，這種模式也意味著防禦複雜度顯著提升。資料需在傳輸過程中進行內容分析與策略比對，將增加系統負擔與延遲風險，同時對政策設計與誤判（false positive/negative）管理提出更高要求。此外，一旦攻擊者成功繞過內容檢測機制，可能造成更大規模的資料外洩，顯示此類模型在強化防禦的同時，也提高了對系統完整性的依賴程度。
- AI 應用與風險觀點
跨域資料安全模型的核心在於「理解資料內容」，這正是 AI（特別是自然語言處理與內容分類模型）可發揮關鍵作用的領域。未來，AI 可用於自動識別敏感資訊、判斷資料語意與風險等級，並動態調整資料流動策略，使跨域防護從規則導向進化為語意導向。
然而，將 AI 納入資料檢測流程亦引入新的風險，包括模型誤判導致資料阻斷或外洩，以及對抗性攻擊（adversarial attacks）可能繞過檢測機制。當資料安全依賴 AI 判斷時，模型本身將成為關鍵攻擊面，需納入整體資安治理範疇。
- 建議措施
- 建立以「資料為中心」的資安架構，補強傳統網路邊界防護不足
- 導入資料內容檢測與分類機制（如 DLP 或語意分析技術）
- 建立跨系統資料流動的政策控管與審計機制
- 評估 AI 在資料安全檢測中的應用，同時納入模型風險管理
- 強化跨域存取控制與資料最小權限原則（least privilege）
- 結論（Closing Insight）
NCSC 跨域模型的提出，顯示資料流動已成為資安防護的核心戰場。隨著企業系統架構日益分散，資料不再受限於單一信任邊界，傳統防禦模式的有效性正逐步下降。未來資安競爭力將取決於組織是否具備「理解與控制資料本身」的能力，而非僅僅保護其所在的網路環境。
資料來源：https://industrialcyber.co/regulation-standards-and-compliance/uk-ncsc-details-cross-domain-model-to-secure-data-flows-across-trust-boundaries-prescribes-six-design-principles/