Question 291
情境五：Cobt是一家位於倫敦的保險公司，提供各種商業、工業和人壽保險解決方案。近年來，Cobt的客戶數量大幅增加。由於需要處理大量數據，該公司決定通過ISO/IEC 27001認證，以保障資訊安全並展現其持續改善的承諾。儘管該公司先前已熟練進行常規風險評估，但實施資訊安全管理系統(ISMS)仍為其日常營運帶來了重大變化。在風險評估過程中，發現了一個風險：組織內部控制機制未能發現或阻止重大缺陷的發生。
該公司遵循一套實施資訊安全管理系統(ISMS)的方法，並在短短幾個月內就建立了可運作的ISMS。成功實施ISMS後，Cobt公司申請了ISO/IEC 27001認證。經驗豐富的審核員Sarah被指派負責此審核。在徹底分析了審核邀請後，Sarah接受了審核團隊負責人的職責，並立即開始收集有關Cobt公司的一般資訊。她制定了審核標準和目標，規劃了審核，並分配了審核團隊成員的職責。
莎拉承認，儘管Cobt公司透過提供多元化的商業和保險解決方案實現了顯著擴張，但仍依賴一些人工流程。因此，她最初的重點是收集有關該公司如何管理資訊安全風險的資訊。莎拉聯繫了Cobt公司的代表，請求查閱與風險管理相關的信息，以便進行異地審查，這是最初約定的審計內容之一。然而，Cobt公司後來拒絕了，聲稱此類資訊過於敏感，不宜在公司外部取得。這項拒絕引發了人們對審計可行性的擔憂，尤其是在被審計單位的配合程度以及取得證據方面。此外，Cobt公司也對審計計畫提出了質疑，稱其未能充分反映公司近期所做的變更。該公司指出，審計期間要執行的操作僅適用於初始範圍，並未涵蓋審計範圍的最新變更。莎拉也評估了情況的重要性，考慮了被拒絕提供的資訊對審計目標的重要性。在這種情況下，Cobt公司的拒絕引發了人們對審計完整性及其提供合理保證能力的質疑。鑑於上述情況，Sarah決定在簽署認證協議前退出審核，並已將決定告知Cobt和認證機構。此舉旨在確保審核原則得到遵守，並保持透明度，同時也彰顯了她始終堅持這些原則的決心。
根據以上情景，回答以下問題：
問題：
Cobt在上次風險評估中辨識出了哪種類型的風險？
Question 292
場景 2：
Clinic 成立於 20 世紀 90 年代，是一家專門治療心臟相關疾病和複雜外科手術的醫療器材公司。該公司總部位於歐洲，為患者和醫療保健專業人士提供服務。診所收集患者數據以客製化治療方案、監測結果並改善設備功能。為了增強資料安全性和建立信任，Clinic 正在實施基於 ISO/IEC 27001 的資訊安全管理系統 (ISMS)。
診所僅透過考慮內部問題、介面、內部和外包活動之間的依賴關係以及相關方的期望來確定其 ISMS 的範圍。此範圍已仔細記錄並可供查閱。在定義其 ISMS 時，Clinic 選擇專注於關鍵部門內的關鍵流程，例如研發、病患資料管理和客戶支援。
儘管最初面臨挑戰，Clinic 仍然致力於實施 ISMS，並根據其獨特需求量身定制安全控制。專案團隊從 ISO/IEC 27001 中排除了某些附件 A 控制，同時加入了額外的特定產業控制以增強安全性。該團隊根據內部和外部因素評估了這些控制的適用性，最終制定了全面的適用性聲明 (SoA)，詳細說明了控制選擇和實施背後的理由。
隨著認證準備工作的進展，被任命為團隊負責人的 Brian 採用了自我導向的風險評估方法來識別和評估公司的策略問題和安全實踐。這種積極主動的方法確保診所的風險評估與其目標和使命保持一致。
根據場景 2，診所 ISMS 的範圍是否確定正確？
Question 293
下列哪一種情況代表威脅？
Question 294
您是經驗豐富的 ISMS 審核團隊領導，指導審核員進行培訓。您的團隊剛剛完成了對行動電信供應商的第三方監督審核。培訓中的審核員會詢問您打算如何準備末次會議。下列哪四項是適當的回應？
Question 295
場景 1：Fintive 是一家傑出的線上支付和保護解決方案安全提供者。 Fintive 於 1999 年由 Thomas Fin 在加州聖荷西創立，為線上營運、希望提高資訊安全、防止詐欺並保護 PII 等用戶資訊的公司提供服務。 Fintive的決策和營運流程以以往的案例為中心。他們收集客戶數據，根據情況進行分類並進行分析。該公司需要大量員工才能進行如此複雜的分析。然而，幾年後，協助進行此類分析的技術也取得了進展。現在，Fintive 正計劃使用現代工具聊天機器人來實現模式分析，以即時防止詐騙。該工具也將用於幫助改善客戶服務。
這個最初的想法已傳達給軟體開發團隊，他們支持該想法並被分配從事該專案。他們開始將聊天機器人整合到現有系統中。此外，團隊也為聊天機器人設定了一個目標，即回答 85% 的聊天查詢。
聊天機器人成功整合後，該公司立即將其發布給客戶使用。
然而，聊天機器人似乎存在一些問題。
由於測試不足，並且在訓練階段缺乏向聊天機器人提供的樣本（在訓練階段，聊天機器人本應「學習」查詢模式），因此聊天機器人無法解決用戶查詢並提供正確的答案。此外，當聊天機器人收到無效輸入（例如奇怪的點圖案和特殊字元）時，它會向使用者發送隨機檔案。因此，聊天機器人無法正確回答客戶的查詢，而傳統的客戶支援因聊天查詢而不堪重負，因此無法幫助客戶解決他們的請求。
因此，Fintive 制定了軟體開發政策。該政策規定，無論軟體是內部開發還是外包，在作業系統上實施之前都將經過黑盒測試。
根據該場景，回答以下問題：
聊天機器人應該「學習」查詢模式來解決用戶查詢並提供正確的答案。
什麼類型的技術可以實現
這？