資通安全法律案例宣導彙編 第4輯
2015年7月16日歐洲法院（European Court of Justice）作對華為技術有限公司（以下簡稱華為公司）訴中興通訊股份有限公司（以下簡稱中興公司）侵權案作出判決，在判決中說明了向標準制定組織承諾以公平、合理及非歧視的原則（Fair, Reasonable, Non-discriminatory，以下統稱FRAND原則）對第三人授權之標準必要專利權人，在何情況下應依據《歐洲聯盟運作公約（Treaty on the Functioning of the European Union，以下簡稱TFEU）》第102條禁止濫用優勢地位的歐盟法一般規定，不得向法院聲請對被控侵害標準必要專利之人發出禁制令（injunction）。 歐洲法院認為，當標準必要專利權人承諾依據FRAND原則授權時，其已創造第三方對標準必要專利權人將以授權獲利，而非透過行使其排他權利而獲利之合理期待。因此標準必要專利權人必須以合理方法（包括通知被控侵權人侵害事實及表達願依FRAND原則與其達成授權契約之意願）與被控侵權方尋求達成授權契約，否則則構成優勢地位濫用。 至於被控侵權方雖無義務接受標準必要專利權人的要約以作為免除禁制令的條件，但仍應給予真誠並依據商業慣例的回應，包括（1）不拖延回覆；（2）即時提出新的書面要約；（3）被控侵權人正在使用標準必要專利且無法達成授權契約時，必須就其過去使用該專利之數量等依據商業慣例提供適當擔保；（4）雙方不拖延地接受由第三方來認定授權金額；（5）在進行授權協商時，被控侵權人不能挑戰標準必要專利的有效性、必要性或保留其後續相關權利。
美國寬頻業者推動網路傳輸流量上限管理方案有鑑於網路使用人口中，不同使用者族群所消耗的傳輸量比例相差懸殊，美國寬頻業者於近來積極推動網路傳輸流量上限管理計畫，且繼Comcast與Time Warner等業者的初步嘗試後，美國最重要的網路服務提供者—AT&T，也宣布將開始進行客戶網路流量管理計畫。 這項嘗試計畫將以限制新的DSL用戶為起點，其所規定的每月下載與上傳流量上限，係依據客戶申請的寬頻方案有所不同，分別被限制在20G至150G (gigabytes)不定。超過的部分則將持續向使用者警告兩個月後，依每超過1G加收一美元的費用，向使用者收費。 至於提出此項管理方案的理由，據AT&T發言人表示，是因為網路頻寬的使用分佈過於不平均，高達46%的頻寬是5%的使用者在使用，而21%的頻寬更是只為極少數的1%用戶所使用，顯然太過集中。根據AT&T的傳輸上限規定，購買傳輸速度3M (megabits)的寬頻使用者，日後每月的傳輸量上限是60G，這大約等於是下載30部DVD畫質電影的傳輸量。 不過，也有分析師指出，現階段欲全面滿足使用者的頻寬需求，對網路服務提供者而言尚非極大的財務負擔，且管制流量上限的作法，可能對既有以「吃到飽」費率方案為基礎，所發展出來的網路應用服務模式，造成極大的衝擊，此亦也可能引發後續有關網路中立性的政策辯論。
金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。
既有建築改善翻新措施─德國政策參考既有建築改善翻新措施─德國政策參考 科技法律研究所 2013年07月11日 壹、事件摘要 內政部於6月20日公布資訊指出，我國為達成環境永續發展之目標，於1999年開始推行綠建築標章評估系統，迄今已有3,943件新建或既有建築，取得綠建築標章或候選綠建築證書，每年皆可有效節水與節電；同時，自2003年起，針對既有中央辦公廳舍及國立大專院校所辦理的改善翻新，亦具有顯著的節能減碳成果。 貳、重點說明 為因應全球暖化與氣候變遷問題，我國針對建築部門推動許多兼顧節能減碳與生態保護的綠建築政策。首先，內政部在1999年針對新建建築之規劃設計，訂定綠建築標章評估系統。行政院另於2001年3月核定「綠建築推動方案」，率先實施對公部門新建及既有建築之綠化工作，內政部並依據該方案實施方針第7條，推動「綠廳舍暨學校改善補助計畫」。接著，為了強化民間產業投入綠建築，行政院再於2008年1月核定「生態城市綠建築推動方案」，依據該方案實施方針第11條「辦理綠建築更新診斷與改造計畫」，繼續推動既有中央辦公廳舍及國立大專院校建築物之改善翻新。此外，為鼓勵民間既有建築參與綠建築改善，並於100年1月訂定內政部獎勵民間綠建築示範作業要點。 由上述政策發展可以看出，我國既有建築之改善翻新，乃循公部門先帶頭示範，再輔以對民間建築給予獎勵補助，與歐美等先進國家政策推動模式一致。 參、事件評析 根據統計，我國既有建築約佔全國建築總量97%，這些早期建造的建築物，於設計規劃之初皆未納入綠建築之概念。因此，雖然許多既有建築仍舊堪用，但建築本身卻普遍存在著高耗能問題。這使得推動既有建築進行改善翻新，提升其能源效率，成為一重要議題。而依內政部公布之資訊，公部門既有建築改善翻新獲得卓越之成效，確實令人欣喜。然而，公部門既有建築畢竟仍屬少數，故如何推動民間既有建築進行改善翻新，會是我國落實綠建築政策的關鍵。在此，本文將介紹德國政府之相關政策，希望能供我國作參考。 在既有建築改善翻新政策中，德國政府同樣先要求公部門建築必須進行改善翻新，以逐年降低其能源消耗量。與此同時，德國政府也認知到有超過75%的既有建築，至今仍未進行改善翻新。因此德國交通、建築暨都市發展部（Bundesministerium für Verkehr, Bau und Stadtentwicklung, BMVBS，簡稱交通部）推出了降低二氧化碳排放的建築改善翻新方案，不僅給予補助，更與德國復興信貸銀行（Kreditanstalt für Wiederaufbau, KfW）合作，提供改善翻新的低利率貸款。 今年6月1日，為了促進民眾積極採取「具體的」改善翻新行動，交通部與德國聯邦經濟暨技術部（Bundesministerium für Wirtschaft und Technologie, BMWi，簡稱經濟部）共同推出建築節能改善翻新的線上評估服務。讓民眾即使在家中，也可以進行節能與節省成本的行動。 該線上評估服務分為三大步驟，首先，必須輸入建築物的狀態。接著，便可以選擇欲改善翻新的項目及措施。最後，系統會產生整體改善翻新的結果，包括改善翻新前後的能源需求狀態、二氧化碳排放量，以及改善翻新所需經費，並提供聯邦、邦政府財政補助及KfW貸款方案的連結。 德國政府希望藉此向民眾傳達改善翻新的好處，在於節能、節省長期的能源成本，並增加建築物之價值。儘管德國政府在此線上評估服務網站上表明，評估結果僅供參考，並無法取代專業能源顧問的具體評估建議。然而，事先透過簡單、便利的線上評估，不僅增加民眾對於既有建築改善翻新的瞭解及興趣，更是進一步驅動民眾尋求專業評估的動力。 由此可知，節能減碳若要具體落實，全面性的規劃絕對是必要的。我國若能以德國的政策為借鏡，給予民眾更多關於既有建築改善翻新的協助，提供更多資訊。相信可以鼓勵更多民眾自主投入既有建築節能之行列，使我國綠建築政策獲得全面性的落實。