論我國廣播電視與電信事業跨業經營相關規範
新加坡個人資料保護委員會(Personal Data Protection Commission, PDPC)於2017年7月27日發布資料共享指引(GUIDE TO DATA SHARING)，該指引協助組織遵守新加坡2012年個人資料保護法(Personal Data Protection Act 2012, PDPA)，並提供組織內部和組織之間的個資共享指引，例如得否共享個資，與如何應用，以確保符合PDPA共享個資之適當方法；並得將特定資料共享而豁免PDPA規範。該指引共分為三部分，並有附件A、B。 指引的第一部分為引言，關於資料共享區分為三種類型探討： 在同一組織內或關係組織間共享 與資料中介機構共享(依契約約定資料留存與保護義務) 與一個或多個組織共享(在不同私部門間、公私部門間) 共享包含向一或多組織為利用、揭露或後續蒐集個資；而在組織內共享個人已同意利用之個資，組織還應制定內部政策，防止濫用，並避免未經授權的處理、利用與揭露；還應考慮共享的預期目的，以及共享可能產生的潛在利益與風險。若組織在未經同意的情況下共享個資，必須確保根據PDPA的相關例外或豁免之規定。 指引的第二部分則在決定共享資料前應考慮的因素： 共享目的為何？是否適當？ 共享的個資類型為何？是否與預期目的相關？ 在該預期目的下，匿名資料是否足以代替個資？ 共享是否需要得同意？是否有例外? 即使無須同意，是否需通知共享目的？ 共享是否涉及個資跨境傳輸? 上述因素還能更細緻對應到附件A所列應思考問題，附件B則有相關作業流程範例。 指引的第三部分，具體說明如何共享個資，與資料共享應注意規範，並提供具體案例參考，值得作為組織遵守新加坡個人資料保護規範與資料共享之參考依據。
從英國 NHS 國家 IT 計畫看電子病歷之推動：以病患個人資訊隱私保護為中心 日本名古屋地方法院強調刑事手段對於營業秘密保護的必要性日本名古屋地方法院(下稱法院)在2022年3月18日，對於被控訴違反《不正競爭防止法》的「愛知製鋼」前董事本蔵義信(下稱本蔵)等，宣判無罪。被告本蔵致力研發磁阻抗( Magnetic Impedance, MI)感測器，嗣後對於提高感測器性能及開拓市場等方向，與「愛知製鋼」意見分歧。故於2014年離職另成立マグネデザイン公司，翌年研究發現Giga Spin Rotation (GSR)原理，能製造更小且性能更高的感測器，並取得多項專利。 在2017年，原告「愛知製鋼」以被告本蔵等在2013年的會議中洩露營業秘密等為理由，提起告訴。經過兩次搜查，檢調發現相關會議筆記及白板照片等證據，故向法院提起公訴。法院指出在刑事程序，同樣適用民事上營業秘密法定構成要件，然而本案涉及的技術資訊，屬於工程上一般性、抽象性資訊，不符合秘密性要件。此外，法院認為原告「愛知製鋼」除未落實機密分級，在書面資料上標示「機密」外；且在保密期限屆滿後，亦未與生產商再簽署保密契約，難認為已採取合理保密措施，故不能認定被告本蔵等洩漏營業秘密。 雖然日本經濟產業省已明確指出刑事罰係針對違法性高的行為，且法院對於刑事訴訟的舉證程度，要求必須達到無合理懷疑。同時社會亦有輿論認為調查人員應慎重判斷，避免因不當提起訴訟，造成科學技術發展的負面影響。但在本案中，法院則強調營業秘密對於企業經濟活動的重要性極高，為避免因營業秘密侵害行為，致損害企業競爭力，故採取刑事保護的必要性，越發提高。綜上所述，若企業欲透過刑事罰，保護營業秘密，須採取更嚴謹的管理措施，始能確保藉由刑事訴訟程序，主張權利救濟。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
美國國家標準與技術研究院公布人工智慧風險管理框架（AI RMF 1.0）美國國家標準與技術研究院（National Institute of Standards and Technology, NIST）於2023年1月26日公布「人工智慧風險管理框架1.0」（Artificial Intelligence Risk Management Framework, AI RMF 1.0），該自願性框架提供相關資源，以協助組織與個人管理人工智慧風險，並促進可信賴的人工智慧（Trustworthy AI）之設計、開發與使用。NIST曾於2021年7月29日提出「人工智慧風險管理框架」草案進行公眾徵詢，獲得業界之建議包含框架應有明確之衡量方法以及數值指標、人工智慧系統設計時應先思考整體系統之假設於真實世界中運作時，是否會產生公平性或誤差的問題等。本框架將隨著各界使用後的意見回饋持續更新，期待各產業發展出適合自己的使用方式。 本框架首先說明人工智慧技術的風險與其他科技的差異，定義人工智慧與可信賴的人工智慧，並指出設計該自願性框架的目的。再來，其分析人工智慧風險管理的困難，並用人工智慧的生命週期定義出風險管理相關人員（AI actors）。本框架提供七種評估人工智慧系統之信賴度的特徵，包含有效且可靠（valid and reliable）：有客觀證據證明人工智慧系統的有效性與系統穩定度；安全性（safe）：包含生命、健康、財產、環境安全，且應依照安全風險種類決定管理上的優先次序；資安與韌性（secure and resilient）；可歸責與資訊透明度（accountable and transparent）；可解釋性與可詮譯性（explainable and interpretable）；隱私保護（privacy-enhanced）；公平性—有害偏見管理（fair – with harmful bias managed）。 本框架亦提出人工智慧風險管理框架核心（AI RMF Core）概念，包含四項主要功能：治理、映射（mapping）、量測與管理。其中，治理功能為一切的基礎，負責孕育風險管理文化。各項功能皆有具體項目與子項目，並對應特定行動和結果產出。NIST同時公布「人工智慧風險管理框架教戰手冊」（AI RMF Playbook），提供實際做法之建議，並鼓勵業界分享其具體成果供他人參考。