德國民眾對奈米科技關切評估報告出爐
為了瞭解德國消費者對於市面上眾多應用「奈米」科技之消費產品的想法，德國聯邦風險評估研究所（Bundesinstitut für Risikobewertung,BfR）於2007年抽樣調查一千位消費者，並於該年底公布調查結果。根據該問卷調查結果顯示，超過三分之二（66％）受訪者對於奈米科技發展持樂觀態度，並認為應該支持奈米科技的持續發展，並且認為奈米科技改善了生活品質以及其帶來的效益勝過風險。
但是，對於不同領域所應用之奈米科技，受訪者卻表現出不同的態度。因此該研究所所長Andreas Hensel認為，消費者不是依據事實為評價，而是依據「感性標準」。也就是說，他們所「感覺到」的風險在他們理解新科技時扮演重要角色。
相較於2004年所做的問卷調查，目前約有52％的受訪者聽過奈米概念，之前的調查結果只有15％。多數受訪者相信奈米可以幫助醫學領域的發展；其也相信應用奈米於顏料、漆料可提高耐刮與耐磨之能力。在紡織品領域也一樣，民眾相信防污的產品；受到民眾接受的還包括奈米科技在包裝材料以及防曬產品領域之應用。不過，對於其他化妝品卻只有53％的受訪者相信奈米的改善功能。絕大多數受訪者都拒絕將奈米科技應用於食品：69％受訪者拒絕添加「奈米」於調味料，即使奈米可以防止結塊；而就算因此可以延長食物保存期限，也有高達84％的受訪者拒絕在食物中添加奈米微粒。
多數的消費者獲取奈米科技資訊主要來自於大眾媒體，如電視、報紙、期刊與網際網路。但是他們是否相信該資訊，則取決於提供者為何，最受信賴之資訊來自於消費者組織，如消費者保護團體以及產品檢測基金會（Stiftung-Warentest）以及科學界（92％），最不受信賴的資訊則來自於經濟（32％）與政治（23％）。
防禦型專利聯盟係為NPE之一種重要類型，主要以抵制NPE侵擾為出發點，防禦型聯盟儘可能搶先攻擊型如NPE者去進行專利的授權或購買，加入防禦型聯盟者則可付出比與NPE進行和解所支付費用較少的金錢，成員其會員以取得不被NPE侵擾的地位。 NPE中屬於防禦型聯盟（Defensive Patent Aggregator）者，RPX（Rational Patent）之運作模式常可作為主要類型化參考對象之一。RPX為上市公司，其主要核心業務在於「緩和其會員被訴之可能」。RPX取得專利之資金主要來自會員年費，而各會員可取得RPX所有專利之「授權」，而收費結構不當然等於獲取專利之成本之分攤，以使會員已低於一般訴訟和解、或取得爭議專利等更為低的代價來防止被訴。在此同時，RPX本身也不會對他人起訴。 RPX所提供的防禦性聯盟策略，先行於其他NPE取得前那些潛在「危險性」的目標專利，甚至有可能向NPE取得專利，必要時，直接於訴訟仍在進行之時去取得專利。而在防禦以外，如其他非會員向會員起訴，會員也可以以RPX所有之專利進行反訴。 目前RPX會費在6萬5千美元至6900萬美元之間，依照會員本身營運規模之不同定之，但「會費等級」（rate card）會自加入之初鎖定不再更動，實際每年繳交費用則可能依據RPX所取得的所有專利價值增加而上昇 。而除此主要運作模式外，RPX也運用其廣泛取得專利之經驗，提供個別企業服務服務，得以較低的躉售價格取得專利（Syndicated Acquisitions），反之企業自行購買專利可能需要付出較高的「零售」價格 RPX的運作模式對於加入成為其「會員」者有兩項優勢：第一，減少「專利蟑螂」可取得的專利數量；其次，因可理解為全體會員合力進行防禦型專利取得故能減低這些專利取得之成本。
基改種子與專利品銷售後使用限制之爭議－美國判決之觀點 合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。
基因資訊醫療應用與被害人承諾