新北市1名30多歲周姓工程師，先前自行撰寫AI外掛程式，協助民眾搶購熱門演唱會門票，藉此收取高昂代購費，3個月內得手152張票；去年9月間，刑事局循線將他逮捕，周男應訊時坦承犯行，並交還不法所得27萬9千元，新北地檢署予以緩起訴處分，並命周男5個月內繳交50萬元給公庫，本案亦成為文創法施行後首例。
檢警調查，2019年間，周男成立「輕鬆購工作室」，專門代購演唱會門票，倘若民眾接受代購價格，他便會幫忙搶票，民眾先用LINE傳送欲購買的演唱會門票場次、區域及張數等資訊，再匯代購費到周男銀行帳戶，平均每張門票加價1千元至3千元不等，最高則到8千元。
近年售票網站為了杜絕電腦程式搶票，改採圖形驗證碼及過濾相同IP重複購買，甚至會設置專輯名稱、藝人獲獎紀錄等問題，但周男自行撰寫AI搶票程式，不但能辨識圖形驗證碼，再輸入英文字母或阿拉伯數字，還建立藝人資料庫，藉以回答問題，周男甚至利用VPN轉移IP位址，因此搶票成功率極高。
周男成功搶到的演唱會門票，包括韓國歌手太妍、李鍾碩、（G）I-DLE、INFINITE、D&E、糜先生、日本天團ONE OK ROCK、台灣藝人伍佰、王心凌、徐佳瑩、嘻哈歌手Post Malone及韓國選秀節目PEAK TIME 的6組團體，全是炙手可熱的藝人，因此獲利27萬9千元。文創法首例！寫AI程式搶演唱會票 工程師吐錢換緩起訴 | 社會 | 三立新聞網 SETN.COM https://bit.ly/49ESiTc
文化創意產業發展法-全國法規資料庫 https://bit.ly/3Ps8pfv
文化創意產業發展法§21-全國法規資料庫
--------------------------
工程師自寫程式4秒搶票代購 刑事局偵破首宗「AI黃牛」
15:382023/09/06 中時 林郁平
工程師自寫程式4秒搶票代購 刑事局偵破首宗「AI黃牛」 - 社會 - 中時 https://bit.ly/3RcIolN
文化部司長吳宜璇(左二)6日到刑事局參加記者會。(林郁平攝)
文化創意產業發展法今年6月2日正式上路，為杜絕加價轉售、不正掃票亂象，刑事局偵查第九大隊加強網路巡邏，日前首度查獲搶票黃牛，將30歲周姓電腦工程師逮捕到案，發現他用自寫的程式，4秒鐘就能搶到熱門演唱會的門票，讓其他粉絲既羨慕又氣憤。
警方調查，周男在網路成立搶票工作室，自行研發程式，可先設定好要購買的日期、票價、座位區等參數，並以AI深度學習CNN(卷積神經網絡)演算法回答售票業者的問題，及辨識圖形驗證碼，等待一開賣，不用起床操作，4秒鐘就能搶到票。
周男還利用VPN跳板規避購票規定，並用1G的高速網路、售價6萬多元的顯示卡搶票，再以每張1至3000元不等代購費，自2014年迄今吸引眾多粉絲委託代搶演唱會票券。
專案小組日前前往周男住處搜索，當場查獲周男，查扣電腦2部、手機1支、存摺1本、多種搶票程式等贓證物，周男坦承自寫電腦搶票程式，代客搶各大售票系統所販售的演唱會票券，警方將他移送地檢署偵辦，周男已依法繳交27萬多元犯罪所得，獲緩起訴處分。
刑事局表示，文化創意產業發展法正式施行後，與文化部組成「打牛小組」，針對不肖業者以電腦程式不正掃票亂象加強查緝。警方表示，以電腦程式不正方式搶票恐觸犯文化創意產業發展法，以虛偽資料或其他不正方式，利用電腦或其他相關設備購買藝文表演票券，取得訂票或取票憑證者，處3年以下有期徒刑，或科或併科300萬元以下罰金。
工程師自寫程式4秒搶票代購 刑事局偵破首宗「AI黃牛」 - 社會 - 中時 https://bit.ly/3RcIolN
文創法｜資工碩士撰寫AI程式搶票，將面臨刑事責任？
有人或許會認為，如果不是透過外掛程式而是像「傳統」做法親自排隊買票的話，那他倚靠自己的勞力與時間成本換取金錢對價有什麼不對呢？
法操》文創法｜資工碩士撰寫AI程式搶票，將面臨刑事責任？ - 自由評論網 https://bit.ly/3RukJNP
2023/09/20 15:12
◎法操司想傳媒
根據新聞報導，一名擁有台大資工碩士學歷的周姓男子，從數年前利用專業技能撰寫「AI搶票程式」，以每一張票券加價1000至3000元不等的金額，讓客戶可以在第一時間快速搶到各種熱門票券，靠這項生意讓他在3個月內就能輕鬆賺到27萬多元。
不過他的行為已經觸犯《文化創意產業發展法》於今（2023）年6月修法後的新規定，成為第一位以該法送辦的嫌犯，可能將面臨刑事責任。
台大資工研究所畢業的30歲周姓男子，以自己撰寫的AI程式搶票大賣黃牛票。（刑事局提供）
《文創法》打擊黃牛的新規定
過去法操也曾介紹過，在1975年以前法院多半認定賣黃牛票是一種「詐取財物」行為，所以會依《刑法》詐欺取財罪處罰。但事實上有很多人是在明知「買貴」的情況下還願意掏錢，由於沒有陷入錯誤，因此不應一律依詐欺罪處理（大法官釋字第143號解釋參照）。
這個問題直到1991年制定《社會秩序維護法》第64條規定才終於有一個專門針對黃牛行為的罰則，但經過這30年來，發現光是依照行政罰性質的罰則以及18,000以下的罰鍰完全不足以阻止黃牛們投機圖利的行為。
《文化創意產業發展法》第10-1條在今年6月正式增修，不但規定將「藝文表演票券」超過面額或定價販售者，將按張數處面額或定價之10倍至50倍罰鍰。此外更增加刑事責任，以虛偽資料（如人頭帳戶）或不正方法，利用電腦或其他設備（如外掛程式）購買票券取得訂票或取票憑證者者，處3年以下有期徒刑，或科或併科300萬元以下罰金。
文化創意產業發展法
第 10-1 條
第 2 項
將藝文表演票券以超過票面金額或定價販售者，按票券張數，由主管機關處票面金額或定價之十倍至五十倍罰鍰。
第 3項
以虛偽資料或其他不正方式，利用電腦或其他相關設備購買藝文表演票券，取得訂票或取票憑證者，處三年以下有期徒刑，或科或併科新臺幣三百萬元以下罰金。
除可以明顯看出立法者一口氣提高黃牛票的法律責任外，同時也降低違法的門檻。像《社維法》僅針對「非供自用者」轉售票券圖利的行為，但依《文創法》規定，只要加價販售就至少有行政責任。差別在於，若原本買票是打算自己使用，但因故無法參加活動而轉賣票券時，過去即便加一點錢「回收」自己之前的時間、人力成本也不會違法，但現在只要賣超過票券面額或原價的錢，那就會違反《文創法》第10-1條第2項的規定喔！
而《文創法》第10-1條第3項目的是保障大家公平購票的機會，所以認為使用外掛程式等「破壞購票遊戲規則」大幅排擠一般民眾權益的手段，都是他們所認定的不正手段。同時，若使用假身分、人頭帳戶搶票的話也可能會有觸犯《刑法》偽造私文書罪等問題。
對於黃牛氾濫問題，文化部和內政部也聯合推出「檢舉黃牛專區」，檢舉加價轉售和不正方式購票行為最高有機會領到10萬元的獎金。
黃牛真的該罰嗎？
有人或許會認為，如果不是透過外掛程式而是像「傳統」做法親自排隊買票的話，那他倚靠自己的勞力與時間成本換取金錢對價有什麼不對呢？
但問題在於黃牛掃貨的行為不但剝奪其他人的購買機會，且抬價行為很容易對市場價額造成很大的影響，之後當大家發現提高票價大家還是願意買單而導致「通貨膨脹」後，那看場表演就不再只是休閒活動，而是奢侈的生活了。
要打擊黃牛，除了上述法規的行政與刑事責任之外，主辦方也可以透過定型化契約進行事前的約定，如限制票券購買數量、實名制使用且不得轉讓、得取消黃牛票入場資格等方式進行控管。
不過目前根據台北地檢署講座的說法，現在對於黃牛的定義就是踩死底線，認為只要有「獲利」都是「黃牛」，大家又會不會認為太過嚴苛了呢？法操》文創法｜資工碩士撰寫AI程式搶票，將面臨刑事責任？ - 自由評論網 https://bit.ly/3RukJNP
-----------------------
藝文表演票券定型化契約範本
日期：107-05-16 資料來源：消費者保護處
藝文表演票券定型化契約範本
中華民國101年6月29日訂定
中華民國107年5月16日修正
本契約於中華民國____年____月____日經消費者審閱____日（不得少於三日）。
立契約書人
(消費者名稱)
(企業經營者)
負責人姓名：
營利事業統一編號：
營業所地址：
營業所電話：
傳真：
網址：
電子信箱：
第一條 定義
本契約所稱藝文表演票券，指針對現場演出之音樂、戲劇、舞蹈或其他形式之藝文表演活動所公開販售並向消費者收取對價之無記名式（或記名式）證券。但電影片票券或其他目的事業主管機關另有規定者，不在此限。
第二條 適用範圍
消費者、企業經營者雙方關於本藝文表演票券之權利義務，依本契約條款之約定定之；本契約未約定者，適用中華民國有關法令之規定。
第三條 定型化契約解釋原則
本契約條款如有疑義時，應為有利於消費者之解釋。
第四條 銷售資訊
企業經營者應以適當方式，向消費者說明藝文表演票券之票價、演出時間、演出地點、座次、節目名稱、銷售方式、預售期間、優惠方案及其他票券銷售上消費者所應知悉之事項。
第五條 表演內容之真實
企業經營者應確保合於宣稱內容之演出。
企業經營者之廣告中就表演內容所為之說明或保證，消費者得據此而為主張。企業經營者不得約定廣告不構成契約之內容或僅供參考。
第六條 表演內容變動之處理
藝文表演主要表演人員或主要節目內容，於預定表演前發生變動時，企業經營者應即以適當方式通知消費者並以明顯方式公告之。企業經營者並應說明變動主要表演人員或主要節目內容之理由。
企業經營者依前項規定通知並公告者，消費者得於演出前要求全額退費。未依前項規定通知或公告者，於表演結束後，消費者仍得要求全額退費。
第七條 費用及付款方式
本藝文表演票券之費用共計新臺幣（以下同）____元。除本契約另有約定外，雙方不得要求增減費用。
消費者得依下列方式之一繳付費用：
□現金。
□信用卡。
□支票。
□其他：
第八條 票券之交付
票券交付方式如下：
□購票處
□郵寄。
□現場取票。
□超商取票。
□其他：
第九條 退、換票之申請與手續費
企業經營者應提供藝文表演票券退、換票機制並詳加說明。但非供自用，購買票券而轉售圖利者，企業經營者得不予退、換票。
企業經營者應依藝文表演之性質，就以下退、換票機制擇一勾選。但請求退、換票之事由不可歸責於消費者時，不得收取手續費：
□方案一：
消費者請求退、換票之時限為該票券所載演出日前____日（不得多於十日）。但消費者於退、換票時限屆至前購買，迄於時限屆至後始收受票券或於開演前仍未收受票券者，亦得退票。
消費者請求退、換票者，企業經營者收取之手續費不得逾____元（超過票面金額百分之十者，以百分之十為限）。
□方案二：
□A(僅供退票)
消費者請求退票之時限為購買票券後三日內；企業經營者收取之手續費不得逾____元（超過票面金額百分之五者，以百分之五為限）。
□B(併供退、換票)
消費者請求退、換票之時限為購買票券後三日內；企業經營者收取之手續費不得逾____元（超過票面金額百分之五者，以百分之五為限）。
□方案三：
□A(僅供退票)
消費者請求退票之時限為該票券所載演出日前____ 日（不得多於二十日）；企業經營者收取之手續費不得逾____元（超過票面金額百分之十者，以百分之十為限）。
□B (併供退、換票)
消費者請求退、換票之時限為該票券所載演出日前____日（不得多於二十日）；企業經營者收取之手續費不得逾____元（超過票面金額百分之十者，以百分之十為限）。
□方案四：
□A(僅供退票)
消費者請求退票之時限及企業經營者收取之手續費如下：
演出日前第三十一日前請求退票者，企業經營者收取之手續費不得逾____元（超過票面金額百分之十者，以百分之十為限）。
演出日前第十一日至第三十日內請求退票者，企業經營者收取之手續費不得逾____元（超過票面金額百分之三十者，以百分之三十為限）。
演出日前第三日至第十日內請求退票者，企業經營者收取之手續費不得逾____元（超過票面金額百分之五十者，以百分之五十為限）。
演出當日至演出日前第二日內請求退票者，企業經營者得不予退票。
□ B(併供退、換票)
消費者請求退、換票之時限及企業經營者收取之手續費如下：
演出日前第三十一日前請求退、換票者，企業經營者收取之手續費不得逾____元（超過票面金額百分之十者，以百分之十為限）。
演出日前第十一日至第三十日內請求退、換票者，企業經營者收取之手續費不得逾____元（超過票面金額百分之三十者，以百分之三十為限）。
演出日前第三日至第十日以內請求退、換票者，企業經營者收取之手續費不得逾____元（超過票面金額百分之五十者，以百分之五十為限）。
演出當日至演出日前第二日內請求退、換票者，企業經營者得不予退、換票。
第十條 票券毀損、滅失及遺失之入場機制
企業經營者應提供消費者票券毀損、滅失及遺失時之入場機制並詳加說明。
就下列票券，企業經營者不得拒絕消費者入場：
(一)記名式票券：持有身分證明及票券購買證明者。
(二)劃位式無記名票券：持有票券購買證明且無其他票券持有人入場者。
第十一條 入場規範
企業經營者得於維護藝文表演品質、表演人及其他觀賞者權益之必要範圍內，訂立入場規範並於明顯處（售票處、入場處或網站）公告之。
企業經營者各場次之票券數量不得超出該演出場所之容留人數管制總量。
第十二條 消費爭議處理
消費者不滿意企業經營者提供之服務，除可撥叫企業經營者之服務專線外，亦得至企業經營者之服務中心或以電子郵件或書面申訴，企業經營者應即處理。
企業經營者之服務專線為： 。
企業經營者之服務電子郵件位址為： 。
第十三條 履行輔助人之故意過失
企業經營者對於協助執行本契約之單位、機構或人員之故意過失，應與自己之故意過失負同一之責任。
第十四條 法院管轄
因本契約涉訟者，消費者、企業經營者雙方同意以__地方法院為第一審管轄法院。但不得排除消費者保護法第四十七條或民事訴訟法第四百三十六條之九有關小額訴訟管轄法院之適用。
第十五條 準據法
本契約以中華民國法律為準據法。
第十六條 誠信原則
消費者、企業經營者雙方應以誠信原則履行本契約。
第十七條 契約書分執保管
本契約書壹式貳份，由消費者、企業經營者雙方各執乙份，企業經營者不得藉故收回。
第十八條 協議事項
消費者、企業經營者雙方同意遵守下列各項：
一、_______________。
二、_______________。
三、_______________。
第十九條 其他約定事項
本契約之約定，較中央主管機關公告之應記載事項對消費者更有利者，從其約定。
藝文表演票券定型化契約範本 (行政院全球資訊網-定型化契約範本) https://bit.ly/45Vl0x6
---------------------------------
入門深度學習 — 2. 解析 CNN 演算法 | by Steven Shen | Medium https://bit.ly/3sHgAvN
許多更實際的應用，如物件偵測、影像切割、動作識別等。透過影片，將帶大家瞭解 CNN 的演算法與基礎模型架構，掌握知識的深度與拓展應用的廣度。
CNN 基礎與概念 https://bit.ly/3P6htWg
講師：顧祥龍 Guffrey / 財團法人人工智慧科技基金會 AI 工程師
我們知道CNN很常用在電腦視覺上，也就是我們期望透過電腦協助進行圖片的分類及處理，CNN也是電腦視覺中相當成熟的技術。
我們會期望電腦看到什麼東西呢？最簡單的是「認識圖片」，所以首先要跟大家介紹圖片在電腦眼裡，他的組成是什麼樣子。我們知道，人類對於圖片有厲害的辨識及認知能力，因此要先了解人類是怎麼認知一張圖片的，這樣之後在做演算法設計的時候，可以更貼近人類的思考方式。
CNN，也就是卷積神經網路（Convolutional Neural Networks），接著就要了解評估指標，才能了解訓練好的模型能不能被使用。
假設將一張肉眼可見的224 x 224的彩色圖片，輸入到電腦中，電腦是怎麼理解的呢？電腦會將這張圖片拆成三種顏色，也就是我們所說的三原色：紅、綠、藍。拆成三原色之後，每個位置都會對應到一個數字，而這個數字又有個專有名詞叫做：pixel value（像素點），這個像素點的值會介於0~255間，人眼所見的顏色其實就是這三原色的值所組合而成，也就是在電腦世界中的圖片組合不是224 x 224，而是（224,224,3）這個3就是RGB的色彩通道。灰階圖片則是透過RGB分別呈上對應的數值，進行加總。彩色、灰階及黑白圖片都是視覺處理中常處理到的圖片。
人類如何認識一張圖片？
當人類看到一張皮卡丘的圖片，又是如何知道這是皮卡丘呢？有可能是皮卡丘的眼睛、嘴巴或腮紅等關鍵部位，這是因為人類已經先認知道這些關鍵部位，當他們下次再看到這些關鍵部位時，隨即可以認出。這些關鍵部位在電腦視覺中有個關鍵術語：「局部特徵」，因此，我們希望電腦也能認識這些局部特徵。
但是如何讓電腦學習這些局部特徵？因此我們利用一個小框框（filter）掃描圖片，當掃描到重要的特徵時，數值就會變大，不重要的數值就會很小。掃描後的數值又稱為feature map。
關於卷積神經網路架構
這裡有幾個重要的步驟：
當一張皮卡丘的圖片輸入到電腦中，同樣也會經過幾個步驟，這裡有幾個重要的名詞：
卷積層（Convolution layer）：在CNN中最重要的用途是提取特徵，有點像是電腦的眼睛，並尋找重要的特徵。
池化層（Pooling Layer）：主要是濾掉不重要的特徵，減少模型參數，防止模型過擬合。常見的Pooling有兩種，一是Max Pooling，另一種則是Average Pooling，各有不同的特性及作用。
攤平（Flatten）：擔任卷積層到全連接層之間的橋樑。主要是將多維的輸入，攤平成一維輸出，進行維度的轉換。
如何評估模型的好壞？
如果已經訓練好一個模型，又該如何向他人證明這個模型是厲害的呢？有哪些指標可以協助判斷嗎？最常使用的指標就是Confusion Matrix，常用於分類問題並衍生出多種不同的指標。當我們要分類的對象大於二，為了判斷模型的分類狀況，就必須要一個類別拆開來看。這裡會先透過以下四個指標進行初步分類，再往下分析：
True Positive：代表模型分類正確，且和我們觀察的目標一樣。
True Negative：代表模型分類正確，但和我們觀察的目標不一致。
False Positive：代表觀察的目標相同，但是模型分類錯誤。
False Negative：代表模型分類錯誤，且和觀察的目標不同。
透過上述的分類之後，才可以更進階的針對不同任務場景進行不同的評估指標：
Accuracy：要特別注意當所有類別數量不均勻的情況下，如果比例差距十分懸殊的話，Accuracy就會不太準確。
Precision：可用「 精準打擊，不容失誤」來形容，通常在不容錯誤的情況下會以作為主要評估指標，像是手機臉部解鎖的模型等等應用場景。
Recall：「寧可錯殺，不放過一個」的代表，最常用在需要找出問題的應用中，例如癌症檢測模型。因為不能將有生病的病人判作沒有生病，導致延誤就醫。
有了Precision及Recall的數值後，才能更近一步的計算F1的值。
F1 : 則是 Precision、Recall 的綜合指標，當我們面對的問題並沒有偏好
Precision或是Recall其中一項時 ，就適合利用F1作為最後評估指標。
總結
當我們輸入一張圖片，利用CNN進行圖片萃取，得到很多無法被送入全連階層運算的Feature map，為了讓這些Feature map可以被送入全連階層運算，所以要透過Flatten將它們拉平，之後就能進行DNN進行分類。以上就是模型的階段。下一步則是利用Confusion Matrix評估模型的好壞。
發現模型的表現不如預期時，就需要回頭修正資料，是不是在分類或歸檔的時候分錯了？修正後再做模型的訓練，再進行評估，直到模型表現被認可，就能說模型訓練好了。
CNN 基礎與概念 https://bit.ly/3P6htWg
留言列表
