日本文部科學省提出加速iPS細胞研究之總合戰略
2007年11月，日本京都大學以山中伸弥教授為首之研究團隊，發表了成功讓從人類臉部皮膚採取之纖維母細胞（fibroblast）轉形成誘導多能性幹細胞（induced pluripotent stem cell，以下簡稱iPS細胞）之案例，展現出日本目前在iPS細胞研究領域中所佔據的領先地位。而在看到京都大學研究團隊在iPS細胞研究上的卓越成果，並認知到國際間在此領域上的激烈競爭，日本文部科學省在2007年12月22日公佈了「加速iPS細胞研究之總合戰略」（iPS細胞（人工多能性幹細胞）研究等の加速に向けた総合戦略，以下簡稱總合戰略），其中提出構築整合日本全國之研究推動體制、投入充足之研究經費與確保智慧財產權之取得等具體方案，希望能藉此來推動日本iPS細胞研究之加速進展。之後在2008年3月18日，文部科學省又公佈了「有關加速iPS細胞研究之總合戰略的具體化」（iPS細胞（人工多能性幹細胞）研究等の加速に向けた総合戦略の具体化について），其中除整理截至當時為止的總合戰略實施情況，也具體點明在2008年度會採取的iPS細胞研究具體推動方案。
總合戰略中較重要的規劃有：文部科學省支援京都大學設立「iPS細胞研究中心」（iPS細胞研究センター），作為日本推動相關研究之核心研究組織；將iPS細胞之相關研究列入「戰略型創造研究推進事業」（CREST）之研究補助計畫中，公開相關研究計畫，提供研究經費來推動其研究之發展；文部科學省透過獨立行政法人科學技術振興機構，派遣知悉iPS細胞研究的專任智財權專家到京都大學支援，協助其取得iPS細胞相關專利。
本文為「經濟部產業技術司科技專案成果」
韓國首爾高等法院第七行政庭（下稱：韓國高等法院）於2019年12月4日部分駁回高通對韓國公平交易委員會（Korea Fair Trade Commission，下稱：韓國公平會）提起的行政訴訟，高通仍需支付鉅額罰鍰。 韓國公平會於2016年12月28日，曾針對高通干涉數據機晶片組（Modem Chipset）的對手廠商之商業活動，進而破壞市場競爭一事，開出史上最高額的行政罰鍰共1.0311兆韓元。當時韓國公平會指出，高通的標準必要專利（Standards-Essential Patents, SEPs）授權不符合「公平、合理、非歧視原則」（Fair, Reasonable and Non-Discriminatory, FRAND），希望藉由開罰徹底矯正高通的商業模式，不讓高通透過該商業模式不合理地維持並擴張其數據機晶片的獨佔地位，進而壓迫數據機晶片業者（如：聯發科或英特爾）和手持裝置（Handset）業者。高通不滿韓國公平會之行政處分，逕向韓國高等法院提出撤銷行政處分之訴，並請求暫緩執行。然而，高通所提出的暫緩執行請求，於2017年11月27日即被韓國高等法院駁回。至於高通所欲提起的撤銷行政處分之訴，韓國高等法院則於本次駁回。 儘管韓國高等法院對韓國公平會的部分決議積極地表示贊同，並非照單全收，韓國高等法院於裁判要旨中指出：韓國公平會針對「全面性的專利組合授權」（Comprehensive Portfolio Licensing）請求矯正措施（Remedy）一事係屬違法，換言之，高通毋須逐一重啟授權談判。至於罰鍰和其他決議，韓國高等法院則認為有其合理性。
中國大陸開發資訊系統，加強落實電子出版物書號管理國家新聞出版廣電總局繼2011年底頒布《音像電子出版物專用書號管理辦法》後，歷經3年整備，去(2014)年底終完成「音像電子出版物專用書號實名申領資訊系統」開發，並於今(2015)年一月上線運行。預計透過此資訊系統，將能簡化書號申領、核發許可程序，落實「中國標準書號」（簡稱中國ISBN）及其配套之「書號實名制」推動。 同時，為配合系統運作，亦修訂《音像電子出版物專用書號管理辦法》，明文要求出版單位應安排、訓練專人從事相關書號的申請管理，及賦與出版單位對於申報內容、出版物品質及出版活動嚴格的自審責任。對於違規使用ISBN者，新法亦明文宣示主管部門可以按相關法規給予處罰，除採取警告發出責令改正的行政罰外，並有罰金的適用。 可以預期的是，在音像電子出版物專用書號實名系統的推動執行下，中國大陸關於電子出版物行政管理過程中的統計、查找、選擇、獲取等將建立統一性更透明的單一標準。正面而言，將促成電子書有秩序的發展環境，改善過去一號多書、買賣書號等亂象。另一方面而言，也表示電子書之出版，將趨於嚴格、減少模糊空間。
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。
美國國家標準技術局（NIST）更新電子簽章標準美國國家標準技術局（National Institute of Standards and Technology, NIST）於近日（2013年7月）更新電子簽章的技術標準「FIPS (Federal Information Processing Standard) 186-4數位簽章標準」，並經商務部部長核可。NIST於1994年首次提出電子簽章標準，旨在提供工具可資促進數位時代的信賴性，後續也隨著技術進步與革新，而有多次修訂。此次修訂，主要是調合該標準，使之與NIST其他加密相關指引（如金鑰加密標準）一致，以避免將來可能產生的矛盾。 此次增訂，亦明列出三種可保護資料的簽章產製與確認技術：數位簽章演算法（Digital Signature Algorithm, DSA）、橢圓曲線簽章演算法（Elliptic Curve Digital Signature Algorithm, ECDSA）、以及RSA公眾金鑰演算法（Rivest-Shamir-Adleman Algorithm, RSA）。 其他修訂的部分，還包括語彙的明晰化，以及降低對於隨機號碼產生器的利用限制…等。