黑苺手機製造商RIM對三星提起訴訟
黑苺手機製造商RIM對三星提起訴訟，針對三星近日來推出商品上的商標，使用像是草莓、珍珠等樣式。RIM在加州巡迴法院提出訴狀，RIM認為只要圖案上含有黑色苺果或黑色珍珠的樣式，就會和RIM的名稱近似。而三星在2006年3月已提出全新的商標申請，但RIM對此提出異議，當時RIM已開始廣告黑苺機，並拒絕接受以三星已註冊的商標使用Verizon Wireless上。
RIM提及其產品黑苺機的黑苺商標對於RIM而言是無價的，黑苺商標使RIM走向持續成功的境界，並擁有有良好的商譽。倘若三星的商品持續以黑色草莓的商標販售，將對RIM的黑苺商標造成商業損害和不可預期的損失，若無法在法律上受到適當賠償，將對RIM造成極大的損失。因此，RIM請求三星銷毀具有black, blue, 或pearl樣式的手機商品。
此案後續發展是值得關切的議題，倘若RIM勝訴，三星要回收所有的手機，此影響甚鉅。
陳依婷
法務專員 編譯整理
http://uk.news.yahoo.com/pocketli/20071112/ttc-rim-sues-lg-over-product-names-57dbc65.html，最後瀏覽日：2007年11月23日
http://www.cellular-news.com/story/27315.php，最後瀏覽日：2007年11月23日
http://www.mobilemag.com/content/100/344/C13822/，最後瀏覽日：2007年11月23日
鑑於社會態度轉變與經濟面的需求，特別是隨著稅法和智慧財產權問題日益複雜，日本企業領袖紛紛延攬龐大的律師團，以借助其專長規劃並解決相關問題，以至法律專業人才需求更甚於以往。為此，日本改變壓低律師人數以及不鼓勵興訟的政策，大刀闊斧推動二次世界大戰以來最大的司法制度改革。本次司法制度大改革廣開職業考試大門，以便有足夠的律師、檢察官與法官，能在日益好訟的日本社會處理龐大民、刑事案件。 為填補需求缺口，日本政府決定將包括律師、檢察官和法官在內的法律專業人士的人數提高一倍以上，在 2018 年以前增至五萬人。同時，重大刑案將在 2009 年引進陪審團制度，以減輕法官負擔。在政府鼓勵下，日本第一所美式法學院於 2004 年成立，現在全國已有七十二所類似的法學院。過去日本大學法律系通常著重法律的學術或理論面，而新式法學院的重心則以實務訓練為主。這些法學院的畢業生不必考舊律師考試，只考專為他們設計的筆試。 我國法學教育改革研議已有幾十年，總統府人權諮詢小組在討論人權問題時，亦有專題涉及法律人養成與司法制度改革，因而研議全盤改革相關制度；行政院經建會在重要人才培育與運用的政策中，亦研擬自去（ 94 ）年開始推動法律專業學院制度。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。
加拿大將神經資料列為敏感資訊以提升個資保護強度加拿大隱私專員辦公室（Office of the Privacy Commissioner of Canada, OPC）於2026年2月10日，更新《個人資訊保護與電子文件法》（the Personal Information Protection and Electronic Documents Act, PIPEDA）的解釋公告（Interpretation Bulletin），於該解釋公告中OPC將「神經資料」（neural data）與健康、財務、基因及生物識別資料並列，正式納入PIPEDA意義下的敏感資訊（sensitive information）清單中，賦予更高程度的保護。 其中，神經資料被列為敏感資訊的可能原因為以下： 1.深度私密性：神經資料有深度私密性，其可能揭露當事人不自知或不預期揭露的健康狀況、認知狀態或情緒反應。 2.不可變更性：不同於密碼可以重置或信用卡號可以更換，大腦的神經模式一旦外洩無法重置或輕易更換。 神經資料被列為敏感資訊後會有更高程度的保護要求包括： 1.強化同意要求：在加拿大PIPEDA的架構下，資料的敏感性直接決定了蒐集方式。對於神經資料，組織必須獲得更充分且具實質意義的明示同意，不能僅依賴默示同意，為獲得有意義的同意，組織必須嚴格定義使用目的。 2.提升安全防護的等級：法律要求安全防護措施必須與資料的敏感度成正比。由於神經資料被列為高度敏感，組織必須採取較高等級的安全保護措施。 3.風險評估標準：在發生資料外洩時，資料的「敏感性」是評估是否構成「重大損害風險」的關鍵因素。將神經資料列為敏感資訊，意味著涉及此類資料的外洩事件將面臨更嚴格的通報與法律責任。 總結而言，加拿大將神經資料列為敏感資訊，標誌著法律監管從傳統個資延伸到了人類的意識領域，要求相關科技企業在開發監測專注力、疲勞或情緒的消費性產品時，必須承擔與醫療紀錄同等的法律責任與保護義務。