研究所論文方向 2026-09-21
- 目標學程：東吳大學資料科學系碩士
- 語料：1 則去重（Gemini 3.8 Flash Cyber 資安模型）
- 硬規則：A/B/C 三題；口語主題；AI 整合；指導教授僅教授／副教授前二名
A. 長照醫療
專題主題
Google推出會找漏洞又會修補的資安模型——長照／診所的醫療系統若要用，怎麼評它找得準不準、誤報會不會拖垮照護？
正式題名草稿
資安大型語言模型於長照與基層診所資訊系統之漏洞偵測與修補建議：召回、誤報、可用性與照護中斷風險評估
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
以沙箱／去識別長照診所系統樣本評測資安 LLM 的漏洞偵測、修補正確性、誤報與服務中斷影響；比較僅偵測／人工核准／自動修補。
值得研究的理由
本日語料為 Gemini 3.8 Flash Cyber（漏洞發現＋大規模修補）。近 30 日已涵蓋多模態醫療、訪視 Agent 等；本日改評長照／診所導入資安模型的誤報與照護中斷風險。
市場／可行性／目的
- 市場：機構需要可稽核的資安 AI 驗收規格
- 可行性：API＋沙箱語料即可完成基準
- 目的：量化召回、誤報與照護中斷風險
建議指導教授（前二）
1. 丁德天（副教授）— 高齡醫學、醫學影像分析、精神流行病學
2. 葉向原（教授）— 機器學習、資料探勘、人工智慧、生物資訊
分數
理論 8／實用 9／市場化 9
依據語料 id
1
---
B. 學齡教學
專題主題
資安模型說能幫找程式漏洞又給修補建議——國高中資安／程式課拿來教，怎麼證明有學到又不誤導？
正式題名草稿
資安語言模型於國高中程式與資安課程之漏洞偵測教學成效、誤導風險與數位落差評估
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
以去識別程式作業與教師黃金評語評測資安 LLM；比較學習進步、修補建議可用度與誤導，並做資源／程度分層公平性。
值得研究的理由
本日語料強調多語言漏洞發現與修補。近 30 日已涵蓋作文小模型、校園助理、假學習偵測；本日改做學齡程式／資安教學的成效與誤導。
市場／可行性／目的
- 市場：學校需要可驗證的資安教學 AI 規格
- 可行性：API＋練習題沙箱＋準實驗即可
- 目的：量化成效、誤導與數位落差
建議指導教授（前二）
1. 金凱儀（院長／系主任／教授）— 電腦輔助教學、適性化學習
2. 吳政隆（教授）— 文字探勘、自然語言處理、深度學習
分數
理論 8／實用 9／市場化 8
依據語料 id
1
---
C. AI／AI代理人（優先）
專題主題
資安模型說能大規模找漏洞又修補——當它變成會呼叫工具的「資安代理人」，怎麼評它穩不穩、會不會亂修？
正式題名草稿
資安 Agentic 代理人於漏洞發現與工具呼叫修補：軌跡可靠度、誤修風險與成本—延遲評測框架
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
設計多步驟資安 agentic 任務（掃描、測試、修補、回滾）；記錄工具呼叫軌跡，評成功率、誤修、延遲與成本；比較單次生成／工具迴圈／僅偵測。
值得研究的理由
本日語料的「找洞＋修補」能力可直接對應會呼叫工具的資安代理人。近 30 日已有旗艦／本地代理人評測；本日改聚焦誤修與軌跡可靠度。
市場／可行性／目的
- 市場：需要可驗證的資安代理人驗收規格
- 可行性：沙箱 repo＋工具介面即可，禁碰正式系統
- 目的：量化可靠度、誤修與成本
建議指導教授（前二）
1. 蘇明祥（副教授）— 深度學習、自然語言處理、口語對話系統
2. 葉向原（教授）— 機器學習、資料探勘、人工智慧、資料科學
分數
理論 8／實用 9／市場化 9
依據語料 id
1
---
報告層爭議點（3）
1. 長照／診所導入資安找洞模型時，該先追求修補速度，還是先用可稽核指標卡住誤報與照護中斷？
2. 國高中用資安模型教找洞／修洞時，該先看平均進步，還是先卡住誤導與城鄉落差？
3. 資安模型要當會呼叫工具的修補代理人時，該先信官方基準分數，還是先用統一軌跡指標查清誤修與隱性成本？
三個爭議點
1. 長照／診所導入資安找洞模型時，該先追求修補速度，還是先用可稽核指標卡住誤報與照護中斷？
2. 國高中用資安模型教找洞／修洞時，該先看平均進步，還是先卡住誤導與城鄉落差？
3. 資安模型要當會呼叫工具的修補代理人時，該先信官方基準分數，還是先用統一軌跡指標查清誤修與隱性成本？