氣象資料遭物理篡改的風險正在上升

重點摘要

• 2026 年 4 月巴黎戴高樂機場氣象站遭人使用吹風機等工具人為加熱，導致溫度資料異常飆升，操盤手藉此在 Polymarket 預測市場獲利約 3.4 萬美元。
• 法國國家氣象局已提出刑事告訴，依據法國刑法第 323-2 條，此類篡改自動化資料處理系統的行徑最高可判處 7 年徒刑及 30 萬歐元罰金。
• MIT Technology Review 發表的研究指出，傳統氣象模型具備資料同化機制可過濾異常，但 AI 驅動的氣象預測模型對觀測資料依賴度更高，若缺乏防範，可能面臨更嚴重的系統性風險。

2026 年 4 月 6 日與 4 月 15 日，巴黎戴高樂機場（Charles de Gaulle Airport）的氣象站錄得異常的溫度飆升。這兩次事件中，記錄顯示氣溫達到約 22°C，但當時實際平均氣溫只有 18°C 左右，差了 4 到 5°C。MIT Technology Review 的報導指出，這種異常並非自然氣候現象，而是有人使用手持吹風機或打火機等工具，對氣象感測器進行物理干擾所製造的假資料。

當預測市場的金融利益與實體世界的物理干預合流，氣象觀測資料的防禦邊界已不容忽視，特別是高度依賴輸入品質的 AI 預測模型，正暴露於前所未有的系統性風險之中。

這起事件不只是惡作劇，背後還牽涉到預測市場的金融套利。一名使用暱稱 'xX25Xx' 的匿名交易員在 Polymarket 平台上下注，押注氣溫會達到 22°C。根據 NPR 的報導，該交易員最初的投注金額為 119 美元，雖然金額不大，但約為該平台一般賭注的 20 倍。在 4 月 15 日當天，他僅憑此單筆交易就獲得了約 21,398 美元的利潤。fibo-crypto.fr 的統計顯示，這兩次篡改事件帶來的 Polymarket 總賠付金額約為 34,000 美元，其中 4 月 6 日約 14,000 美元，4 月 15 日超過 20,000 美元。

面對資料異常，法國國家氣象局（Météo-France）確認已向機場警察提出申訴，指控氣象站裝置可能遭人蓄意破壞。法國警方與氣象局隨後啟動了刑事調查。依據法國刑法第 323-2 條，篡改自動化資料處理系統屬於刑事犯罪，最高可面臨 7 年有期徒刑及 30 萬歐元罰金。由於 Météo-France 屬於公共機構，若查證屬實，將適用加重處罰條款。

預測市場的漏洞與平台反應

這起事件暴露了預測市場驗證資料來源時有多脆弱。Polymarket 在事件發生後，並未對 NPR 的評論請求做出回應。平台隨後將巴黎天氣市場的決議資料來源，從戴高樂機場（LFPG）切換到巴黎勒布林熱機場（LFPB），卻沒有追回先前因為資料被改而發放的贏家獎金。這代表操盤手成功拿走這筆非法獲利。

在 Polymarket 的 Discord 社群中，交易員們對此事件的反應充滿了黑色幽默。一名使用者戲稱這是「在機場附近公開可及的氣象監測站上使用吹風機熱風檔的老派騙局，經典之作」。這種輕鬆的態度反映了部分社群對預測市場規則漏洞的諷刺，但也看得出平台面對實體世界資料被操弄時，根本沒有即時反制的能力。

NPR 指出，這並非 Polymarket 首次面臨類似的操縱策略。該平台過去曾出現交易員透過影響委內瑞拉馬杜羅政治賭注獲利超過 50 萬美元，以及在拜登赦免市場獲利 30 萬美元的案例。甚至在大聯盟超級盃的國歌演唱長度賭注中，也有交易員透過記錄演唱時間來獲取優勢。氣象站的物理篡改，只是這類「現實世界干預以影響數字結果」策略的又一例證。

傳統防禦機制與 AI 模型的脆弱性

從技術角度來看，傳統氣象預報系統具備一定的防禦能力。MIT Technology Review 的報導指出，傳統系統內建了「資料同化」（data assimilation）安全機制。該機制會將每個新輸入的測量資料，與物理模型的預測輸出以及附近氣象站的讀數進行權重比對。如果單一資料點與整體模型或鄰近資料嚴重不符，系統會自動降低其權重或將其標記為異常。

然而，這種防禦機制在 AI 驅動的氣象預測模型面前可能失效。該報導由來自 Fraunhofer Heinrich Hertz Institute 的 Monique Kuglitsch、ECMWF 的 Jesper Dramsch、GFZ Helmholtz Centre 的 Franz G. Kuglitsch 以及歐盟聯合研究中心（EU Joint Research Centre）的 Andrea Toreti 等四位研究者共同撰寫。他們指出，AI 驅動的氣象預測模型被認為比傳統系統更依賴準確的觀測資料。這代表一旦輸入的資料被動手腳，AI 模型很難光靠內建的物理約束來識別並過濾異常，更容易成為被攻擊的目標。

AI 驅動的氣象預測模型在架構上繞過了傳統資料同化品質過濾器。AI 模型在處理大量資料時，若缺乏可解釋性與對抗性魯棒性工具，可能會將被篡改的資料視為正常輸入，進而產生錯誤的預測結果。

從個人套利到系統性風險

這起事件不只是幾萬美元的非法獲利問題，更揭示了風險可能一路升級的隱憂。研究人員在文章中勾勒出三個層級的風險升級情境：首先是個人投機者為了個人利益操縱單一氣象站；其次是協調的交易員群體透過偏見可再生能源預測來獲利；最後是國家行為者透過破壞國家早期預警能力來進行戰略干擾。

氣象資料的準確性對多個行業至關重要。農民依賴預報來決定作物品種、施肥時機與灌溉投資；公用事業公司利用資料來規劃風力與太陽能電廠的選址，並決定批發電力價格；緊急服務單位則根據預報觸發災害應對機制。如果這些資料遭到系統性篡改，後果將遠超預測市場的損失，可能導致農業減產、能源排程失誤甚至公共安全事故。

目前看來，單一氣象站如果被動手腳，通常能被人工監控或現有的統計方法抓出來。在戴高樂機場的案例中，異常資料是由法國氣候非營利組織的成員偶然發現，而非由自動化監控系統偵測。這看得出現在的監控體系還有盲點。研究人員認為，目前的風險尚屬可控，但隨著預測市場激勵機制的增長以及氣象預報向 AI 模型的集體轉移，這些漏洞可能會累積成更大的系統性問題。

未來防護與責任歸屬

為了應對日益增加的資料篡改風險，研究人員提出了三項防護策略。首先是加強氣象站的監控與異常偵測，並保留人類監督環節，以確保自動化系統無法完全取代人工審查。其次是將 AI 可解釋性與對抗性魯棒性工具整合到整個資料管道中，使模型能夠識別並抵禦惡意輸入。最後是建立觀測資料的全程問責機制，確保資料從採集到應用的每個環節都有跡可循。

這起事件也引發了責任該算誰的爭議。Polymarket 作為平台，在切換資料來源後未追回獎金，顯示其在風險管理上的被動。而氣象局與警方雖然啟動了調查，但實體裝置的防護顯然不足。對於技術背景的創業者與工程師而言，這提醒我們在使用外部資料來源，特別是依賴 AI 模型進行決策時，必須假設資料可能受到污染，並設計相應的容錯與驗證機制。

氣象資料的完整性不僅是科學問題，更是安全與金融問題。當預測市場將現實世界的物理現象轉化為可交易的資產時，實體世界的干預手段也隨之演變。從吹風機到潛在的國家級攻擊，防禦邊界正在擴充套件。對於依賴資料的產業來說，建立多層次的資料驗證與監控體系，已不再是選項，而是必要條件。未來的挑戰在於，如何在提升 AI 預測精度的同時，確保底層資料的真實性與抗攻擊能力。這需要技術開發者、監管機構與資料提供者之間的緊密合作，以應對這場看不見的資料戰爭。