演算法的「權重」與「後門」：一場關於機率的國家級公關災難

台灣財政部「雲端發票」活動爆發重複中獎爭議，四人抱走雙重首獎。這並非單純的機率奇蹟，而是「參與度權重」演算法被錯誤應用於公平抽獎的典型案例。本文解析該黑箱邏輯如何運作，並探討公部門在數位轉型中，如何因缺乏演算法審計機制而信任崩盤。

在資安圈有一句老話：「如果一個隨機系統可以被預測，那它就不是隨機的，而是加密過的訊息。」

2024 年末，台灣財政部的「雲端種樹趣」活動上演了一場機率學的荒謬劇。四名參賽者在數萬人的母體中，連續兩次抽中 iPhone 15 Pro、iPad Pro 等高價獎品。輿論譁然，官方解釋從「機率問題」轉彎至「權重調整」，最後承認程式邏輯「逾越必要範圍」。

這不是運氣，這是被精心設計的必然。

🎯 核心論點 (Thesis)

這起事件並非單純的「程式漏洞」或「機率異常」，而是「遊戲化 (Gamification) KPI」凌駕於「公平性」之上的系統性崩壞。開發廠商為了達成合約中的「提升黏著度」指標，將手遊課金常見的「保底機制」與「鯨魚用戶獎勵」邏輯，錯誤地移植到了本應絕對隨機的公部門抽獎系統中。

📊 數據證據 (Evidence)

百億分之一的奇蹟：根據數學家估算，在公平隨機的前提下，四人同時重複中獎的機率約為 $1/10^{10}$ 甚至更低。這比連續被雷劈中兩次還難。
預算懲罰：立法院隨即凍結並減列了 2025 年統一發票推行預算新台幣 2400 萬元，這是演算法錯誤直接導致財政損失的罕見案例。
零人為舞弊，全系統崩壞：調查局結論顯示「無人為操作」，這反而更令人毛骨悚然——這意味著這套扭曲的邏輯是被正式驗收並部署的。

🔬 技術深潛 (Technical Deep Dive)：權重黑箱

官方調查報告中隱晦地提到：「調整積極參與者的權重...給予優先抽獎機會」。讓我們用偽代碼 (Pseudo-code) 來還原這個災難性的邏輯。

一個正常的抽獎 (Uniform Distribution) 應該是這樣的：

# 公平抽獎
winners = random.sample(all_tickets, k=prizes_count)

但根據披露的資訊，該系統的運作邏輯更接近於一種「排序後的閥值檢定」：

# 推測的「加權」邏輯
# 1. 根據活躍度計算權重 (Weight)
for user in users:
user.weight = calculate_activity_score(user)

# 2. 將用戶按權重「由高到低」排序 (這是致命傷)
sorted_users = sort_by_weight_desc(users)

# 3. 依序檢定中獎
for user in sorted_users:
# 產生一個 0~1 的隨機數
chance = random.random()
# 如果權重夠高，隨機數門檻就被降低，甚至必定中獎
if user.weight > chance * DIFFICULTY_FACTOR:
award_prize(user)

技術解讀：開發者混淆了「抽獎券數量 (Raffle Tickets)」與「中獎機率 (Win Probability)」的概念。在正常的加權系統中，活躍用戶應該是拿到「更多張彩券」，所有彩券混在一起抽。但在這個系統中，活躍用戶似乎被直接賦予了「優先且極高」的中獎判定門檻。當高權重者被排序在隊列最前端優先判定時，獎品在庫存耗盡前，幾乎註定會被這群「超級用戶」攔截。

這不是抽獎，這是「演算法配給」。

⚔️ 競爭版圖 (Competitive Landscape)

此次事件暴露了公部門外包軟體品質的結構性問題。相比之下，私部門的行銷抽獎通常受到更嚴格的審計或第三方檢驗。

特性	政府外包專案 (本案)	Web3/區塊鏈抽獎 (Chainlink VRF)	商業級行銷平台 (Salesforce/Oracle)
隨機性來源	黑箱 (伺服器端 Python/Java Random)	可驗證隨機函數 (VRF)，鏈上公開	通過 ISO 認證的隨機數生成器
權重邏輯	開發者自定義 (Hard-coded)	智能合約 (Smart Contract) 寫死且公開	參數化配置，行銷人員僅能調整倍率
審計機制	驗收僅看功能 (Happy Path)	代碼開源，社群審計	企業級 SLA 與合規檢測

🏭 供應鏈/產業鏈影響 (Ecosystem Impact)

GovTech 的信任危機：未來任何涉及「資源分配」的政府數位系統（如公宅抽籤、疫苗預約），其演算法的公正性都將受到嚴厲檢視。
「可解釋性 AI (XAI)」的需求外溢：原本僅用於金融風控的演算法解釋權，將成為政府採購規範的一部分。標案規格書可能新增「需提供演算法公平性證明」的條款。
資安公司的業務轉型：傳統資安只測滲透測試 (Penetration Test)，未來「邏輯漏洞」與「演算法審計」將成為新興的高價服務。

🔮 未來情境 (Scenarios)

樂觀情境 (20%)：政府推動「演算法透明法案」，強制公共利益相關的隨機分派程式碼必須開源 (Open Source) 或經第三方公證。
基準情境 (50%)：相關單位為了避嫌，未來抽獎活動回歸最原始的實體摸彩箱，數位轉型倒退十年。
悲觀情境 (30%)：廠商學乖了，將「權重」邏輯寫得更隱晦（例如加入冷卻時間），雖不再出現重複中獎，但「內定」與「操控」依然存在，只是更難被發現。

⚠️ 我可能錯在哪裡 (Counter-Argument)

我們不能完全排除「漢隆剃刀 (Hanlon's Razor)」的可能性——永遠不要將可以用愚蠢解釋的事情歸咎於惡意。或許開發者真的只是數學不好，誤用了 Random 函式庫，或者在測試環境中為了方便測試而寫死了一個高權重邏輯，最後忘記在生產環境 (Production) 關閉。然而，在資安領域，無能的破壞力往往等同於惡意。當結果導致公眾利益受損時，動機已不再重要。