CCSP Domain 2：Cloud Data Security 彙整講義

範圍： simulate-test/ 內所有測驗講義中屬於 Domain 2 的內容，跨場次合併後依主題重組。 考試權重： 20%（六域最高） 來源： by-test/01、02、03、04、06、07、08、10、by-test/learnzapp/03、04、05、daily/ 維護： 新增測驗講義後，將該檔的 D2 章節併入本檔，並更新 §0 來源對照。 註： 各場次分數、進步判定與補強排程留在 by-test/ 原檔，不併入本檔。

0. 來源對照 / Source Map

1. 核心觀念 / Core Concepts

1.1 Cloud Secure Data Lifecycle

Create → Store → Use → Share → Archive → Destroy

口訣：C-S-U-S-A-D

致命陷阱： Encryption、Tokenization、DLP、Protect、Validate 都是 control，不是 lifecycle phase。題目問「Share 的前一個 phase」時答 Use，不是 Encrypt。

不是真正的循環： Destroy 之後同一份資料不會 loop 回 Create。

Archive / Backup / Retention 三者不同：

Archive     = retention + compliance + recovery/BCDR support
Backup      = recoverability（還原）
Retention   = 資料必須保存多久
Destruction = secure disposal / crypto-erasure / sanitization

限定： archive 可以支援 BCDR，但它的 primary purpose 是 retention，不保證快速還原 production。完整的 Backup vs Archive 對照見 §1.8。

Processing vs Viewing（PII 題）： Processing 包含 storing、printing、destroying、using；Viewing 是被動接收，在考題用語中常是 processing 的例外。

Share 階段的邊界：外部協作 ≠ 公開揭露

Controlled sharing              Public disclosure
External partner                Anyone
→ authenticated                 → can access data
→ authorized
→ limited dataset

第三方存取 ≠ 公開存取。 評估雲端協作風險時，要對準「把資料送出傳統環境邊界交給外部協作方」，不要直接升級成 public disclosure——常見錯選就是把 controlled sharing 的風險答成公開揭露。

Reclassification 觸發因素： 時間、用途改變（repurposing）、所有權／controller 移轉、法規狀態改變、business context 改變。Color change 與敏感度分類無關，只是低品質 distractor。

Virtualization 的影響： 資料可能在 raw object、VM instance、snapshot、image、storage layer 之間轉形，這會影響 data classification 與控制落地方式。

1.2 資料治理工具邊界（最高頻弱點）

Discovery      = find
Classification = decide sensitivity
Label          = mark
DLP            = movement
IRM            = usage rights

DLP 典型流程： Discover → Inspect → Match／Classify → Monitor → Alert／Block。可部署於 endpoint、network 或 cloud／SaaS／CASB。不要背「DLP 一定有 endpoint agent」；stateful inspection 是防火牆思路，不是 DLP 核心。

DLP 的法律邊界：

DLP 可以   → 協助 evidence collection / eDiscovery
DLP 不能   → 提供法庭 testimony、進行刑事起訴、直接執行 IP 權利

Egress monitoring 在雲端的實際障礙（by-test/11 D2 §3）：

Cloud workload
      |
      | egress
      v
Internet / external service

監控用途：exfiltration、C2、malicious upload、DLP、unauthorized outbound access。

EXCEPT 陷阱：redundancy／resilience 本身不是 egress monitoring 的主要障礙。

Discovery 的三種分析型態（by-test/10 下篇最完整）：

關鍵切法： 「結果存在哪裡」≠「判斷是怎麼做出來的」。Inheritance 常把結果寫進 metadata，但判斷來源是父物件關係，不是讀 payload。

同一原則的另一個案例：PCI=true（Representation ≠ Source）

Scanner → 讀取文件 payload → 找到大量信用卡號 → 設定 PCI=true

最終的 PCI=true 是一個 metadata 標籤，但做出這個 classification 判斷的來源是 content analysis（讀了 payload）。

最短記：標籤是 Metadata；來源可能是 Content。

題目問「這個分類是用哪種分析做出來的」→ 答 content analysis；問「PCI=true 本身是什麼」→ 答 metadata。兩個問法不要混。

Frequency 為何算 content analysis： 同一 pattern 出現 50,000 次與 1 次，對 classification 的意義不同 → payload-derived statistic。

1.3 儲存模型

⭐ Hierarchy 判準定案（來源：2026-10-13 補強）

File   = 真 directory tree
Block  = disk；filesystem 是上層建立
Object = object / key / metadata；一般不是 filesystem

已取代的舊規則： daily/2026-09-25 LO 2.2 的 LearnZapp 題庫關鍵字「題幹出現 file、hierarchy、metadata → object」與 daily/2026-09-26 的 Unresolved 標記，至此以上表定案——hierarchy 指向 File，不指向 Object；metadata 仍是 Object 的特徵，attached drive／block 仍指向 Volume。若題庫答案堅持 hierarchy → object，視為 [Q]，不改寫上述模型。

題幹若描述「配置給使用者的邏輯儲存區，實體上不一定接在 compute node」，答案通常是 Volume storage。

PaaS 儲存： 常為 provider 管理、customer application 存取的 database storage。

Volume = Disk
File   = Filesystem hierarchy
Object = Key + Metadata + Object

note： object store 的 key 如 finance/2026/report.pdf 看起來像階層，但多數 object store 本質是 flat key namespace + prefixes（判準見上方「Hierarchy 判準定案」）。有些產品能模擬 folder UX，但底層模型仍不同——不是「特別設定之後就變成 traditional filesystem hierarchy」。

Object storage 的判準是模型，不是產品名：

判準 = object + metadata + key 的 flat namespace 模型

• S3／MinIO → object store。
• MongoDB／GridFS → 能存 binary／file，但不等於被分類成 object storage。「能放檔案」不是 object storage 的判準。

作答時先問「它的資料模型是 object + metadata + key 嗎？」，不要用產品是否能存檔案來判斷。

Block / File / Object 三者對照（by-test/11 D2 §1）

Volume 在 guest OS 內的呈現：

Physical storage pool
        |
Virtual volume
        |
      VM
        |
Guest OS sees:  /dev/sda   E:   disk

Volume = virtual block device behaving like a disk

1.4 加密層級與金鑰管理

Application → DBMS (TDE Engine) → Encrypted Data
                    ↕
            KMS (Key Management)
                    ↕
            HSM (Secure Storage)

⭐ TDE 的判準是「對 Application 透明」

Application
    ↓  正常 SQL / Data（不呼叫 encrypt()）
Database Engine
    ↓  TDE
Encrypted Data Files

判準： 由資料庫／儲存層自動加密靜態資料，application 不需自己呼叫 encrypt()。

常見誤解：以「加密引擎與 DB 在同一個 host」作為 TDE 的判準——這不是 TDE 的核心。 金鑰完全可以放在外部 KMS／HSM，所以「同一 host」不是判斷條件。

對照 §1.4 的粒度四選一：「對 app 透明」→ TDE；「只加密特定 table／column／field」→ Application-level。

Cryptographic key protection 原則（by-test/13 Part 1 §1）

Cryptographic keys must be protected at least as strongly as the data they can decrypt.

Vault / KMS / HSM          = implementation mechanisms
Protection(Key) ≥ Protection(Data) = security principle

為什麼： 若 DB 是 AES-256 加密的 ciphertext，但 AES key 放在 world-readable 的 plaintext config file，AES-256 幾乎沒有意義——攻擊者取得 Ciphertext + Key 就能還原 plaintext。

四選一秒答： 選項若為 In vaults／By armed guards／With two-person integrity／At least as securely as the data they decrypt，選最後一個——其餘三者都是 context-dependent implementation。

Key vault 的 blast radius： 正確部署的 vault／KMS 本就應該比一般 DB 強。真正的風險是 vault 被配置成與 DB 同一 trust boundary：

DB compromise
+ 同一組 admin credentials 可直接讀 Vault
+ Vault policy = allow secret/*
+ 長效 root/admin token
= Encryption 幾乎失去隔離價值

其他常見反模式：dev mode 上 production、root token 共用、application 可 export 所有 key、DB admin 兼 vault admin、未啟用 audit logging、unseal／recovery material 管理不良。

弱的不是 vault 技術本身，而是 key-management control plane 被配置得太弱。KEK／root-of-trust／master key 更應該做到 Protection(Key) > Protection(Data)。

Encryption 粒度四選一（by-test/13 Part 1 §2 ⭐）

上表的 application-level／TDE／volume／transport 是引擎位置的切法；考試另有一組保護範圍的四選一：

Application-level 的代價： application complexity、key management、indexing／search／query 困難。

Nuance： 真實世界某些 DB 可把特定 table 放進 dedicated encrypted tablespace，因此 TDE 也能做到部分 selective protection。但 CCSP 四選一若題幹強調「application only needs to encrypt specific sensitive fields／tables」，仍優先 Application-level encryption。

金鑰管理原則：

Key management separated from encrypted data = separation of duties

不要誤選：least privilege（限制存取但沒特別分離金鑰管理與資料使用）、two-person integrity（關鍵動作需兩人）、compartmentalization（分艙，非此題最佳標籤）。

加密對 egress monitoring 的影響： Egress monitoring 需要看到 outbound content；加密會讓 egress inspection 困難或失效，除非事先設計解密／檢查點。

1.5 資料保護技術

Encryption   = reversible with key
Masking      = substitute / hide values
Tokenization = replace with token and map through vault
FPE          = encryption but preserves format

DRM 的 trait：

一句話規則： Rights follow the object = Persistence。

Masking 最佳商業情境： 使用者只需要部分驗證、不需要完整敏感值時最強。例：客服只需部分 SSN 驗證客戶身分。反例：出貨需要完整地址、HR 需要完整駕照資料。

Tokenization 必要條件： 需要保存 token ↔ original value 的 mapping／token vault。

⭐ Data masking 的九種技術（by-test/13 Part 1 §3）

上表是「masking vs 其他保護技術」的區分；這一組是 masking 內部的 technique taxonomy，建議直接背 terminology。

必背清單（七項）：

Substitution
Shuffling
Deletion / Nulling
Character scrambling
Number variance
Masking-out
Algorithmic transformation

常見疑問： 「Deletion 怎麼算 masking？」——在廣義的 test-data masking taxonomy 中，nulling／deletion 確實被算成 masking technique（confidentiality 最直接，但 data utility 最低）。

❌ 不是 masking technique：Conflation。 它只是一般英文的「把兩個不同概念混為一談」（例如 conflating authentication with authorization），在題目中純屬 distractor。

Bit-splitting／Data dispersion（by-test/13 Part 1 §4–§5）

核心：將資料轉換／切成多個 fragment 分散保存，單一 fragment 不足以重建完整資料。

Original Data
      ↓
Split / Transform
      ↓
 ┌────┼────┬────┐
 F1   F2   F3   F4
 ↓    ↓    ↓    ↓
 A    B    C    D

可跨 storage nodes、providers、geographic regions。

為什麼題庫說它像 RAID？ 共同概念是「資料分散在多個 storage component」，但目的不同：

不要理解成 bit-splitting = RAID。

跨 jurisdiction 的正確說法： 題庫常說分散多 jurisdiction 會讓單一 jurisdiction 的執法 seizure 更複雜。其邏輯可以理解（只取得 Fragment A 無法 reconstruct），但不要把「阻撓 law enforcement」當成 security objective 去背。較好的 security model 是：

Compromise／seizure of one location does not yield the full dataset.

AONT-RS（by-test/13 Part 1 §7）

All-or-Nothing Transform + Reed-Solomon：

Data → AONT transform → Reed-Solomon encoding → Multiple fragments → Distributed storage

沒有足夠 fragment 就無法有效 recovery。它屬於 data transformation／dispersion，不是 quantum computing（quantum 關鍵字見 Domain 1 §1.8）。

Tokenization 不是 encryption；沒有 encryption engine，也不一定有 key。
PCI DSS 場景看到 tokenization → 降低 cardholder data exposure / compliance scope。
第三方 tokenization provider 可減少 merchant 的 PCI DSS burden，但 merchant 不等於完全沒有責任。

1.6 資料銷毀與殘餘資料

先問一句話：Who controls the physical media?

自己控制實體媒體 + media retirement
        → Clear / Purge / Destroy（含 overwrite、物理銷毀）可行

雲端抽象 / 多租戶 / CSP 控制媒體
        → 無法保證實體 sector overwrite
        → cryptographic erasure（銷毀金鑰）+ provider process
        → 仍須考慮 replica、snapshot、backup

雲端難以覆寫的真正原因：邏輯資料位置難以確定（抽象化、多租戶、複製），不是「缺乏實體存取」也不是「主管機關不喜歡 overwrite」。

不要背： physical destruction 永遠最好；crypto-shredding 永遠最好。兩者都要看 scenario。

1.7 密碼學基礎（含 PKI 與憑證）

完整推導見 by-test/learnzapp/05-tls-pki-cryptography-lecture.md；TLS 協定層面見 Domain 3 彙整講義。

對稱 vs 非對稱

核心正確說法： Symmetric cryptography requires secure establishment／distribution of shared secret keying material。OOB 是其中一種方法，DH／ECDH 是另一種建立方法——不要把「Passing keys out of band」當成 universal truth。

Key agreement vs key distribution

復現標記： DH vs OOB 已在 by-test/10 上篇 B 與 by-test/12 §12 連續出現，屬高頻考點。

Patch rule： Diffie-Hellman = key exchange／shared secret；RSA = encryption／signature scheme。

簽章、雜湊、HMAC

用語提醒：不要說「用 private key 加密」來形容簽章；CCSP 較安全的說法是 sign with the private key、verify with the public key。

Hash vs Backup（by-test/13 Part 2 §3B）：

Approved config → SHA-256 → HASH-A
Current  config → SHA-256 → HASH-B
A != B → modification / drift

Baseline 與組態偏離的維運面見 Domain 5 §1.2；鑑識面見 Domain 6 §1.5。

Quantum computing 關鍵字（superposition／qubit／entanglement）歸 Domain 1 §1.8。

PKI 與 X.509

PKI = framework of policies, procedures, people, software, hardware, and cryptographic mechanisms
Purpose = secure communication and trust using public key cryptography

不要把 PKI 縮小成「只有 encryption algorithm」。

ECC： Elliptic Curve Cryptography，以較小金鑰提供與傳統公鑰密碼相當的安全強度。

Certificate ≠ KMS ≠ HSM： Certificate 做身分與 public key 綁定；KMS 管金鑰生命週期；HSM 是硬體保護容器。

Cryptographic Entropy 與金鑰產生（來源：2026-10-10 D3 錯題補強）

Entropy（熵）= 不可預測性。 金鑰品質取決於產生鏈：

Reliable entropy source
        ↓
CSPRNG / DRBG
        ↓
Unpredictable cryptographic keys

理想的 entropy 來源：hardware noise、processor RNG、jitter、operating-system entropy pool、validated entropy source，再經 CSPRNG／DRBG 產生金鑰。

雲端／VM 的歷史問題與現代修正：

User chooses PIN → 1234 / birthday / 0000 → distribution highly biased → effective entropy lower

規則： Cloud／VM 不是天生低 entropy；真正的問題是 entropy source 與 RNG design。題庫把 social factors 當「不影響 entropy」的答案，本意大概是「social factors 不是典型 cloud RNG 技術限制」，但措辭過寬（見 §2.11）。

1.8 Archiving

Patch rule： Archive value depends on future recoverability. Wrong format can equal data loss.

⭐ Backup vs Archive：primary purpose 的切法

Backup = Recover ／ Archive = Retain

Backup 的核心目的是 Recovery——回答「資料或系統壞掉之後能不能恢復」，因此直接支援 availability、DR、operational recovery、RPO、RTO。

Production → Backup → Failure → Restore → Production resumes

Archive 的核心目的是 Long-term retention／preservation——回答「這些資料現在不用，但未來為 legal／compliance／history 需要時能不能保留」。典型對象：old logs、historical records、legal records、compliance data。主要用途是 retention、compliance、historical preservation、evidence preservation。

⭐ Archive ≠ restorable production environment。 「archive」這個詞完全沒有保證：

hot storage
fast retrieval
production-compatible format
完整 OS / app state
recent recovery point
automated restoration

因為 archive 可能是 tape、cold storage、Glacier-style storage、WORM archive 或 immutable log repository——這些甚至可能需要很久才能 retrieve。

Backup 與 Forensic Readiness

Full backup 同時支援 operations 與 forensics。 它保存了歷史 system state：

Day 1 backup → Day 2 backup → Day 3 compromise → Day 4 backup

Investigator 可以比較 known-good state vs compromised state，進而 recover deleted artifacts、inspect 舊組態、比對 file states、建立 timeline、reconstruct environment。

Regular Full Backup
├── Operations → Recovery
└── Forensics  → Historical state / data

但 Backup ≠ 自動成為法庭證據。 Backup 是 potential forensic source，不是 automatically trustworthy／admissible evidence。仍需：

Original / source preservation
+ Integrity verification / hashes
+ Chain of custody
+ Documentation
+ Access control
+ Timestamps

一句話： Backup helps forensic readiness; forensic process establishes evidentiary integrity.（鑑識五要素見 Domain 6 §1.5）

反向情形：secure archive 對 forensics 可能比 backup 更強。 若 archive 具備 immutable／WORM、hashes、timestamping、access control、audit logs、retention lock，它對 evidence preservation 可以非常好。所以題目若改問 best for long-term preservation of forensic records? → secure archive 可能優於 regular backup。

解題要點： 題目問「同時改善 operations 與 forensic readiness」時選 full backup（兩者都是其標準用途）；問「long-term preservation of forensic records」時選 secure archive。不要為了讓 archive 也能快速還原而自行加入題幹沒說的架構假設——詳見 README 的 argue 流程。

Encryption vs Mirroring：備份／封存的控制選擇（by-test/10 上篇 E、by-test/12 §13）

題幹出現 e-commerce + backup／archive 時的推理鏈：

Payment-card data
→ Stored backup
→ Data at rest
→ Confidentiality
→ Encryption

Need recoverable protected backup?            → Encryption
Need near-zero RPO / continuous replication?  → Mirroring

易錯點： 看到「備份」就選 mirroring。Backup 不等於 continuous mirroring——mirroring 是由 RPO／availability 需求驅動的；若題幹強調的是可回復且受保護的敏感資料，正解是 encryption。

1.9 PCI DSS 資料處理

PCI DSS 是 industry security standard，不是政府 statute／regulation 本身。

Merchant tiers： 所有適用的 merchant 都必須符合 PCI DSS；merchant level 影響的是 validation／reporting 的方法與 rigor（Level 1 的 ROC by QSA＋AOC vs Level 2–4 的 SAQ），而且 level 由 payment brands／acquirers 定義。不要背「不同 tier 有不同 control sets」或「tier 越高只是 audit 數量較多」——完整說明見 Domain 6 §1.1。

智慧財產權（copyright／patent／trademark／trade secret）雖在部分測驗講義中被歸到 D2，完整整理見 Domain 6 彙整講義。

1.10 Virtualization vs Multitenancy

兩者常被混用，但回答的是不同問題。

Virtualization 造成的資料轉形鏈：

file → VM disk → snapshot → image → backup → object

每一次轉形都換了容器與呈現方式，但敏感度不變——所以 classification 與對應控制必須一路跟著。

Multitenancy 的結構：

Host
├ Tenant A
├ Tenant B
└ Tenant C

共享層級的邊界： multitenancy 指多個 tenant 共用同一個 logical platform／infrastructure，不要求一定落在同一台 physical host。上圖只是最常見的一種實作，不是定義。

Virtualization = abstraction / transformation
Multitenancy   = shared infrastructure

1.11 Two-Person Integrity 與相關控制

TPI（Two-Person Integrity）： 敏感操作不能由單一人員完成，至少兩位 authorized individuals 共同參與。

TPI 的 threat model（容易答錯的部分）： 它防的是

叛變 / rogue insider
帳號被攻陷
被脅迫
單人誤操作
unilateral control

更精確的說法不是一般 availability 的「SPOF」，而是 single point of control／single-person compromise。 把 TPI 答成「避免單點故障」會落在錯誤的維度上——TPI 處理的是控制權集中，不是可用性。

Admin A ----\
             > HSM key operation
Admin B ----/

四個容易混用的控制必須一次切清：

SoD                = divide responsibilities
TPI / Dual Control = two people required
Split Knowledge    = nobody knows full secret
M-of-N             = threshold control

對照：by-test/06 P0-2 的金鑰管理題中，separation of duties 是「金鑰管理與被加密資料分離」的正解標籤；two-person integrity 則是「關鍵動作需兩人」的標籤。兩者不可互換（見 §1.4 的誤選對照表）。

SoD 分離的對象是 authority／functions，不是元件：

SoD                              = 分離職權與職能
單純把元件／系統拆開             = segmentation / compartmentalization

把資料庫與應用拆成兩台機器並不構成 SoD；要看的是誰有權做什麼是否被拆開。這與 §1.4 誤選對照表中「compartmentalization 不是金鑰／資料職責分離的最佳標籤」是同一個邊界。

Dual Control 不是 lost-device control（來源：2026-10-10 D3 錯題補強）： 遠端存取裝置已遺失、遭竊、無法實體取回時，優先控制是遠端鎖定／停用／清除：

remote disable / remote lock / remote wipe
revoke device certificate
revoke session / token

Lost / stolen endpoint             → remote disable / wipe
Sensitive action requires two people → Dual Control / TPI

TPI／Dual Control 回答的是「某個敏感操作（例如 HSM master-key operation）是否需要兩名 custodian 共同參與」，與「laptop 被偷」不是同一個問題。

1.12 Inference vs 資料直接揭露（來源：2026-10-18 D3 補強）

最短模型：看到痕跡再猜 ＝ Inference；看到資料本身 ＝ Disclosure。

Disclosure  = 敏感值本身被看到                → 控制重點：access control、encryption、DLP、masking
Inference   = 敏感值沒被看到，但被「猜出來」  → 控制重點：限制能形成推論的痕跡
Aggregation = 把多筆低敏感資料「拼起來」      → 常是 inference 的前置步驟

Aggregation vs Inference 的切法： aggregation 是組合的動作（拼資料），inference 是推導的動作（從結果猜出未被直接提供的事實）。題幹說「combining」「compiling」「multiple low-sensitivity sources」→ Aggregation；題幹說「deduce」「derive」「infer」「從 metadata／統計／pattern 判斷」→ Inference。

為什麼 encryption 擋不住 inference？ 加密保護的是內容的機密性；inference 用的是加密後仍可見的痕跡（流量大小、時間、頻率、存取 pattern、檔名、metadata、查詢結果的統計值）。因此「資料已加密」不是 inference 題的正解。

對應控制：

出題角度： 題目描述「攻擊者沒有存取敏感欄位，卻知道了敏感事實」→ Inference，不是 disclosure、也不是 access control failure。題目描述「敏感資料被未授權者看到」→ disclosure。

2. 錯題與修正規則 / Errors & Corrections

2.1 DRM trait 混淆（by-test/02 Q1）

題意：DRM access rights follow the object, regardless of form／location。正解 Persistence，誤選 Limiting printing output。錯因：把 DRM 的一般功能與特定 trait 混在一起。

2.2 Data discovery 場景誤選 Big data（by-test/02 Q2）

電商依顧客當下與過去行為預測需求 → 正解 Real-time analytics，誤選 Big data。錯因：看到大量資料分析就選 Big data，但題目強調 reactive／predictive／current behavior。

Big data = 大量、多樣、高速的資料集合與處理框架；Real-time analytics = 依當下行為即時反應。

2.3 雲端資料銷毀困難的原因（by-test/02 Q12）

正解 Cloud is often a multitenant environment，誤選「vendor 禁止客戶銷毀資料」。錯因：把架構問題誤解為 vendor policy。

2.4 Egress monitoring EXCEPT（by-test/02 Q14）

正解 Access control，誤選 data categorization／classification。

Egress monitoring observes outbound flow; it does not grant or deny access。

另一個 EXCEPT 變體（by-test/11 D2 §3）： 問「雲端 egress monitoring 的主要障礙，except」時，正解是 redundancy／resilience——它不是監控障礙。其餘六項障礙見 §1.2。

2.5 Classification 的 lifecycle phase（by-test/02 Q15、lz04 Q1）

正解 Create，誤選 Store。錯因：把分類標籤視為儲存時治理。後續 encryption、access control、DLP、retention、sharing restriction、destruction 都可能依賴 classification。

2.6 TDE 引擎位置（by-test/03 Q25、by-test/07 §7.4）

正解：引擎位於 database／DBMS 層。KMS 管金鑰、HSM 保護金鑰，兩者都不是 TDE 引擎。

2.7 Masking 與 Tokenization 定義不穩（by-test/04 §6.1–6.2、by-test/08 P0-2）

• 「哪個不是 encryption 的例子」→ data masking 不是 encryption。
• Tokenization 正常運作需要 token mapping／token vault。
• Masking 不只是 hide PII，那只是其中一種效果。

2.8 EXCEPT／NOT 題型失分（by-test/06 P0-5）

多題錯在選了「正確敘述」而不是「例外項」。

強制流程：

NORMAL  = 選正確／最佳答案
EXCEPT  = 選不屬於該類別的項目
NOT     = 選否定情形
PRIMARY = 選主要驅動因素
BEST    = 選最完整／最適當的答案

處理 EXCEPT：① 先辨識類別 → ② 刪去所有符合類別者 → ③ 剩下的就是答案。看到 EXCEPT／NOT／LEAST／BEST／PRIMARY 時強制停頓兩秒再作答。

2.9 Symmetric encryption 題庫用語過度絕對（by-test/10 上篇 B）

題庫：Symmetric encryption involves passing keys out of band。標記 [Q]——OOB 只是一種方法。正確知識見 §1.7。

2.10 Dashboard 在 data discovery 脈絡的風險（daily/2026-09-25 LO 2.4）

此處 dashboard 指給管理層看的內部圖表，把 discovery 結果整理成圖形供決策。風險是底下的人為了讓數字好看而美化畫面（例如 no red），主管因此下錯決策，不是把 dashboard 當成對外公告欄＝disclosure。

標記為 Disputed，只記用語對應，不當成已結案知識。

2.11 Cloud key-generation entropy（2026-10-10 D3 錯題補強，[Q] 中高降權）

題庫：No social factors 不影響 entropy，其餘 virtualization、uniform build、lack of direct input devices 皆為 cloud 環境的 entropy 問題。題目問題：social factors 定義過廣（人類選擇的 input 確實會降低 effective entropy）；virtualization 與 uniform build 的暗示過於絕對，帶有較舊的 VM entropy mental model。處理：知道題庫期待的答案，但保留現代模型——key quality 依賴 reliable entropy source ＋ strong CSPRNG／DRBG。詳見 §1.7。

2.12 遺失／遭竊 remote device 的控制（2026-10-10 D3 錯題補強，[Q] 中度降權）

題幹 technique used to attenuate risks ... resulting in loss or theft of a device 文法上把因果寫反（讀起來像「技術導致裝置遺失」）；應為 mitigate risks resulting from the loss or theft of a remote-access device。題目措辭差，但底層概念照學：lost／stolen → remote lock／disable／wipe、revoke certificate／session；Dual Control 是干擾選項。詳見 §1.11。

2.13 推論攻擊誤判為直接揭露（2026-10-18 D3 補強，[T]）

題幹描述攻擊者只取得 metadata／統計結果／流量痕跡，再據此判斷出敏感事實，卻誤選 data disclosure／data breach。判準是攻擊者有沒有拿到敏感值本身：有 → disclosure；沒有、靠痕跡推出 → Inference。分類 [T] 術語邊界，降權：無。詳見 §1.12。

3. 一句話規則表 / One-liner Rules

4. 易混淆邊界 / Confusable Boundaries

5. 補強演練 / Drills

Drill A：60 分鐘急救補弱

Drill B：2 小時完整補弱

Drill C：閉卷自測（10 題）

1. 除了法規遵循外，archiving 常與哪個業務職能綁在一起？
2. Application-level encryption 的引擎在哪裡？
3. 哪個原則要求金鑰管理與被加密資料分離？
4. DLP 可以協助哪一項法律任務？
5. Masking 的最佳商業案例是什麼？
6. 為什麼雲端儲存難以 overwrite？
7. 下列哪個不是 content analysis：keyword、pattern matching、frequency、inheritance？
8. PII 情境中，哪一項最不算 processing：storing、viewing、destroying、printing？
9. 哪個雲端特性會因資料轉形而影響 classification？
10. TLS application traffic 用哪種加密保護？

參考答案： ① BC/DR ② 存取資料庫的 application ③ Separation of duties ④ Evidence collection ⑤ 客服看部分 SSN ⑥ 邏輯資料位置難以確定 ⑦ Inheritance ⑧ Viewing ⑨ Virtualization ⑩ Symmetric AEAD（不是憑證直接加密）

Drill D：閉卷 KPI（terminology precision）

下列三題只要能用定義而非舉例回答，就算這一塊補完：

1. Object storage 的判準是什麼？（答模型，不要答產品名）
2. Multitenancy 共用的是哪一層？物理主機是必要條件嗎？
3. SoD 分離的對象是什麼？把元件拆開算不算 SoD？

Drill F：Inference 閉卷防守（2026-10-18）

1. 攻擊者從加密 HTTPS 流量的封包大小與時間序列，判斷出使用者正在查詢哪一種疾病資訊。這屬於什麼？
2. 員工把含完整身分證號的報表誤寄給外部廠商。這屬於什麼？
3. 三份各自標為 Internal 的資料集合併後，可以識別出特定病患。這個「合併」動作叫什麼？
4. 為什麼「把資料庫加密」不是第 1 題的最佳控制？
5. 統計查詢介面允許「全部門平均薪資」與「排除某人後的平均薪資」兩次查詢。應採哪一類控制？

參考答案： ① Inference（只看到痕跡，沒看到內容） ② Direct disclosure ③ Aggregation（之後再 re-identify 是 inference） ④ 加密保護內容，流量大小與時間仍可見 ⑤ Query restriction／differential privacy（防差分查詢推論）

Drill E：維持節奏

每週 15–25 題 D2 mixed drill，重點看錯題，而不是追新題量。D2 權重最高，不可視為已補完。