本規則依公務人員考試法第七條第一項規定訂定之。

本規則自發布日施行。

公務人員特種考試關務人員考試（以下簡稱本考試）分三等考試、四等考試及五等考試。

1. 中華民國國民，年滿十八歲，並具有附表一所列各等別科別應考資格，且無依法不得應國家考試之情事者，得應本考試。
2. 本考試各等別科別之應試科目，依附表二之規定。

（刪除）

本考試應考人於筆試錄取通知送達之日起十四日內，應經試務機關指定之醫療機構辦理體格檢查並繳送體格檢查表，體格檢查不合格或未於規定時間內繳送體格檢查表者，不予分配訓練。

本考試體格檢查有下列情形之一者，為體格檢查不合格： 一、視力：兩眼矯正視力未達○．八。 二、聽力：優耳聽力損失逾九○分貝。 三、辨色力：色盲或色弱。 四、肺結核痰塗片呈陽性反應。

1. 本考試總成績之計算，三等考試以普通科目每科成績乘以百分之十，專業科目平均成績乘以賸餘百分比合併計算之。四等、五等考試以各科平均成績計算之。
2. 缺考之科目，視為零分。
3. 應考人達錄取標準，應予錄取。但有下列情形之一者，不予錄取： 一、考試成績有一科為零分。 二、總成績未滿五十分。

本考試錄取人員，應經訓練。訓練期滿成績及格，經公務人員保障暨培訓委員會核定，本考試及格，由考試院發給考試及格證書，並依相關規定分發任用。

1. 本考試及格人員，取得關務人員有關類別及官稱之資格，並依「依法考試及格人員考試類科適用職系對照表」之規定取得任用資格，自訓練期滿成績及格取得考試及格資格之日起，實際任職三年內不得轉調原分發占缺任用以外之機關；並須於財政部及其所屬機關（構）再服務三年，始得轉調上述機關（構）以外機關（構）任職。
2. 前項轉調之限制，應於考試及格證書註明，並函請銓敘部查照。

本辦法依產業創新條例第十條之一第九項規定訂定之。

前條第一項所稱抵減交貨當年度或各年度應納營利事業所得稅額，指抵減稅捐稽徵機關核定之交貨當年度或各年度營利事業課稅所得額按所得稅法規定稅率計算之應納稅額，及稅捐稽徵機關核定之上一年度未分配盈餘按所得稅法規定稅率計算之應加徵稅額。

申請人於同一年度合併適用本辦法之投資抵減及其他投資抵減時，其交貨當年度或各年度合計得抵減總額以不超過交貨當年度或各年度應納營利事業所得稅額百分之五十為限。但依其他法律規定交貨當年度或各年度為最後抵減年度且抵減金額不受限制者，不在此限。

1. 申請適用本辦法投資抵減，應提出具一定效益之投資計畫，並經各中央目的事業主管機關專案核准。
2. 前項投資計畫之提出，應依本系統格式，於第十四條規定之申請期間內完成登錄並上傳成功，逾期不得再登錄或以紙本向各中央目的事業主管機關申請。

1. 依本辦法規定申請投資抵減者，於同一課稅年度以申請一次為限。
2. 申請人依所得稅法第二十三條規定經稅捐稽徵機關核准變更會計年度，並依所得稅法第七十四條規定辦理申報者，得不受前項同一課稅年度申請一次之限制，其於計算第九條第二項所定之支出總金額上限，應按變更前之營業期間占全年之比例認定之。營業期間不滿一個月者，以一個月計算。
3. 前二項所稱申請，指依第十四條規定登錄本系統，並上傳投資計畫及申請適用投資抵減之支出項目有關之證明文件，完成線上申辦作業為限；經本系統通知申辦完成者，不得再次申請或登錄修改。

1. 申請適用本辦法之投資抵減者，應於辦理交貨當年度營利事業所得稅結算申報期間開始前四個月起至申報期間截止日內，登錄本系統，依本系統格式填報，並上傳投資計畫及申請適用投資抵減之支出項目有關之證明文件，完成線上申辦作業。
2. 中央目的事業主管機關對前項申請，應就其資格條件是否符合第七條規定，以及交貨當年度投資支出是否符合第二條至第六條及第八條規定進行審查。
3. 中央目的事業主管機關應於交貨當年度營利事業所得稅結算申報截止日後七個月內完成核定，由本系統傳送投資計畫與購置項目核定結果；其經審查不符第七條規定者，中央目的事業主管機關應函送資格條件審查意見予申請人所在地稅捐稽徵機關，並副知申請人。
4. 申請人所在地稅捐稽徵機關應自行登錄本系統，下載前項核定結果以辦理核定投資抵減稅額。

前條第一項所稱與支出項目有關之證明文件，應符合第八條及下列規定： 一、自行由國內購置（包含經由代理商、經銷商或貿易商購置）： （一）買賣契約書或訂購單影本。 （二）統一發票影本及付款證明文件影本。 （三）交貨證明文件影本、委託技術服務契約影本或相關文件。 二、自行由國外進口： （一）買賣契約書或訂購單影本。 （二）付款證明文件影本。 （三）海關核發之進口報單影本、註明運輸工具到港日期之進口證明書影本、委託技術服務契約影本或相關文件。 三、以融資租賃方式向租賃公司購置： （一）融資租賃契約書影本。 （二）統一發票影本及付款證明文件影本。 （三）交貨證明文件影本或相關文件。 四、自行製造或委由他人製造： （一）董事會議事錄或其他足資證明自行製造決定相關文件影本、委託製造契約影本。 （二）轉供自用之統一發票影本或帳載紀錄、委託他人製造所取具之統一發票影本及付款證明文件影本。 （三）成本明細表、委託製造契約影本或相關證明文件影本。 五、取得授權使用軟體： （一）軟體授權契約書影本或訂購文件影本。 （二）統一發票影本及付款證明文件影本。 （三）交貨證明文件影本或相關文件。

1. 申請適用本辦法投資抵減者，應於辦理交貨當年度營利事業所得稅結算申報時，依規定格式填報，並檢附前條規定之文件，送請所在地之稅捐稽徵機關核定其投資抵減稅額；申請人於交貨當年度結算申報期間屆滿前未依規定格式填報者，逾期不得適用投資抵減。
2. 前項申報表格之格式，由財政部定之。
3. 申請人依第一項規定填報之資料如有疏漏，經稅捐稽徵機關通知補正，屆期未補正者，稅捐稽徵機關應不予受理。

1. 依本辦法申請適用投資抵減之智慧機械、第五代行動通訊系統、資通安全產品或服務、人工智慧產品或服務、節能減碳之相關全新硬體、軟體、技術或技術服務，其安裝或布署地點，以申請人自有或承租之我國境內生產場所或營業處所為限。但因行業特性須安裝或布署於我國境內特定處所，不在此限。
2. 前項安裝或布署地點如有變動，申請人應自行向稅捐稽徵機關申請備查。

1. 依本辦法規定申請抵減營利事業所得稅之智慧機械、第五代行動通訊系統、資通安全產品或服務、人工智慧產品或服務、節能減碳之相關全新硬體、軟體、技術或技術服務，於交貨之次日起三年內，有轉借、出租、轉售、退貨、拍賣、報廢、失竊、經他人依法收回、安裝或布署地點不符前條規定或變更原使用目的之情形，應向稅捐稽徵機關補繳已抵減之所得稅款，並自抵減當年度或各該年度營利事業所得稅結算申報期限屆滿之次日起至繳納之日止，依各年度一月一日郵政儲金一年期定期儲金固定利率，按日加計利息，一併徵收。但報廢係因震災、風災、水災、旱災、寒害、蟲災、火災、土石流、海嘯、瘟疫、戰爭、核災、氣爆，或其他不可預見、不可避免且非屬人力所能抗拒之不可抗力之災害或事件所致者，不在此限。
2. 前項因不可抗力之災害或事件而報廢之智慧機械、第五代行動通訊系統、資通安全產品或服務、人工智慧產品或服務、節能減碳之相關全新硬體、軟體、技術或技術服務，申請人應自災害或事件發生之次日起三十日內，檢具損失清單及證明文件，報請稅捐稽徵機關派員勘查；其未依規定報請稅捐稽徵機關派員勘查，而能提出確實證據證明其損失屬實者，仍予核實認定。
3. 申請人依企業併購法規定辦理合併、分割或收購並符合同法第四十二條規定者，其移轉該等硬體、軟體、技術或技術服務，不適用第一項補繳所得稅款及加計利息之規定。

申請人交貨當年度申報之投資支出，經稅捐稽徵機關查明有虛報情事者，依所得稅法有關逃漏稅處罰及稅捐稽徵法有關停止其享受租稅優惠待遇之規定處理。

本辦法所稱智慧機械，指運用下列智慧技術元素之一，並具有其中一項智慧化功能者： 一、智慧技術元素： （一）機器人：指具備多功能多軸、多關節、自動或自主運作之機械裝置，並能執行需要高複雜、高精度之任務，提供更為穩健、安全、效率更高之服務。 （二）數位化管理：指透過數位軟體結合企業資料（如管理端、生產製程端、供應鏈），提升數據即時共享與整合能力，並提升數據存儲效率，且顯著提高決策時之精確性、預測性及反應能力。 （三）虛實整合：指透過虛擬、模擬、設計與網路技術，將實體系統與數位虛擬系統結合，通過即時數據交換、分析或其他技術，同步監測與調整生產過程，提升管理之靈活性及效率。 （四）積層製造：指採用使用加法式製造，根據數據模型逐層堆疊先進材料（如複合材料），優化產品結構，同時減少零件數量與裝配複雜度，從而節省製程時間及成本。 二、智慧化功能： （一）生產資訊可視化：指生產資訊可透過移動或顯示裝置實現數據整合及可視化管理。 （二）故障預測：指透過數據分析，事先預知機器異常，提前進行保養及維護，以降低機器故障之風險。 （三）精度補償：指針對設備所需產出之作動精度，進行動態誤差之控制補償。 （四）自動參數設定：指針對登錄製品資訊，可透過系統匯入該製品之製程參數，提升作業效率；或藉由製程參數記錄積累及分析，自動產生優化參數，提升製程品質。 （五）自動控制：指透過數位化資訊管理系統所收集之生產數據及回授訊號進行計算，並送出控制指令，使控制系統達自動調整之功能。 （六）自動排程：指將不同工作製程，利用資料分析及演算法，自動產出生產排程。 （七）應用服務軟體：指提供設計、排程、管理、加工或檢測等服務，並具有智慧化之應用軟體。 （八）彈性生產：指因應少量多樣或排程調整之需要，可透過控制系統或其他軟硬體設備進行製程彈性調整之生產作業。 （九）混線生產：指能於單一條產線，生產不同款式或規格之產品。

本辦法所稱第五代行動通訊系統，指運用符合第三代合作夥伴計畫第十五版以上規範之中高頻通訊、大量天線陣列、網路切片、網路虛擬化、軟體定義網路、邊緣運算等相關技術之下列設備（含測試所需）或垂直應用系統，以提升生產效能或提供智慧服務者： 一、垂直應用系統：以第五代行動通訊系統射頻設備、基地台及傳輸承載設備，結合用戶端設備（Customer Premise Equipment, CPE）、手機、網卡或終端模組組建網路應用系統；其射頻設備須經國家通訊傳播委員會審驗合格或取得型式認證： （一）使用第五代行動通訊系統新型射頻（New Radio, NR）基地台或使用者終端達成增強行動寬頻（Enhanced Mobile Broadband, eMBB）效能，並運用於垂直應用系統。 （二）使用第五代行動通訊系統新型射頻基地台或使用者終端達成超高可靠度及低時延通訊（Ultra-Reliable Low-Latency Communication, URLLC）效能，並運用於垂直應用系統。 （三）使用第五代行動通訊系統新型射頻基地台或使用者終端達成大數量機器型態通訊（Massive Machine Type Communications, MMTC）效能，並運用於垂直應用系統。 二、測試： （一）支援第五代行動通訊系統新型射頻技術之規格，功能包含訊號發射及接收、訊號產生、訊號分析、訊號調適或通道模擬。 （二）支援第五代行動通訊系統新型射頻之頻段測試環境設備，功能包含吸波、隔離或傳導。 （三）支援第五代行動通訊系統新型射頻通訊協定之規格，功能包含協定產生或協定分析。 （四）支援第五代行動通訊系統新型射頻系統網架構規格，功能包含網路訊號產生、網路訊號觀測、網路訊號分析、封包產生、封包接收、封包分析。 （五）支援第五代行動通訊系統新型射頻技術規格之晶片、模組、裝置、設備等所建構之測試環境設備。

1. 本辦法所稱資通安全產品或服務，指為防止資通系統或資訊遭受未經授權之存取、使用、控制、洩漏、破壞、竄改、銷毀或其他侵害，確保其機密性、完整性及可用性，運用於終端與行動裝置防護、網路安全維護或資料與雲端安全維護，並具有下列功能之一之硬體、軟體、技術或技術服務： 一、辨識（Identify）：建立資通安全管理規則以管理人員、端點裝置、網路設備、雲端資產、數位資料之網路安全風險，並符合下列功能之一： （一）資通安全治理及風險評估：依據企業組織之目標及整體需求，建立、規劃資通安全治理政策或方案；或評估及擬定企業組織之資通安全風險對策。 （二）資產管理：依據企業組織之目標及風險策略，對人員、資料、設備或系統進行識別和管理。 二、保護（Protect）：建立和實施適當之資通安全措施以確保重要服務、設備、企業營運的運行，並符合下列功能之一： （一）端點裝置防護：透過軟體、硬體對企業設備裝置和使用者強制執行原則，藉此加強網路安全和存取管理。 （二）網路安全防護：透過網路設定、來源與端點驗證或效能及安全管理等，使企業可有效掌握整體網路安全管理。 （三）資料加密與保護：運用資料加密技術針對機敏或價值資料提供保護或去識別化，並符合法規遵循及管理需求。 （四）應用服務保護：為強化帳號密碼管理，使用各種智慧卡、憑證、動態密碼或生物特徵等多因子驗證技術，以強化身分驗證之安全防護。 三、偵測（Detect）：制定並實施適當的作為以識別資通安全事件的發生，並符合下列功能之一： （一）端點及網路偵測與回應：包括即時監控與收集端點及網路惡意行為資料，並具備自動回應機制，可偵測並調查主機和端點上之可疑活動。 （二）使用者行為分析：使用機器學習、人工智慧或巨量資料等技術來分析一般日常活動之差異，進而識別惡意行為。 （三）網路威脅情資運用：利用網路威脅情資，掌握目前外部威脅趨勢及作出正確的資安決策。 四、回應（Respond）：對偵測到之資通安全事件，規劃並實施適當的行動，包括但不限於資通安全事件之後的數位證據保存、數位鑑識、數位資產監控追蹤。 五、復原（Recover）：制定並實施適當的措施以修復因資通安全事件受損的功能和服務，並符合下列功能之一： （一）異地備援：應變規劃應涵蓋營運衝擊分析、備援與復原策略、備援中心、復原計畫制定或應變計畫等軟硬體之技術考量。 （二）資料備份：災難發生或設備故障時，保護資料避免遭受到破壞或將破壞的程度減緩至最小。
2. 前項規定之資通安全產品或服務，屬安裝於個人電腦之防毒軟體或防火牆者，不適用之。

本辦法所稱人工智慧產品或服務，指運用下列技術元素之一，仿人類智慧進行認知、學習及推論，能大規模利用各類數據類型，形成產業所需之辨識、分類或生成等各式應用，優化企業營運或生產製造效能之硬體、軟體、技術或技術服務： 一、機器學習演算法：指屬於非監督式學習或增強式學習分類之演算法。 二、深度學習演算法：指屬於卷積神經網路（Convolutional Neural Network, CNN）、深度神經網路（Deep Neural Network, DNN）或循環神經網路（Recurrent Neural Network, RNN）分類之演算法。 三、大型語言模型（Large Language Model, LLM）：指使用大量數據、十億（1B）以上參數，運用深度學習演算法訓練所建立之數據模型，可處理使用者特定任務。 四、自然語言處理：指讓電腦系統能夠解譯、理解、處理與生成人類語言之技術。