美國聯邦通訊傳播委員會完成空白頻段干擾測試
美國聯邦通訊傳播委員會(Federal Communications Commission, FCC)於今（2008）年初完成700MHz頻譜拍賣後，在8月份針對空白頻段(white space)中可用以抗干擾之技術進行測試，並於8月11日完成測試。完整的測試報告預計將在9月份公布。FCC並可望在未來幾個月內表決是否開放空白頻段。
所謂「空白頻段」係指無線電視數位化之後，位於各電視頻道之間未被使用之閒置頻段。Google、Motorola、Microsoft等公司近一、二年來持續遊說FCC開放空白頻段(white space)免執照使用，以促進無線寬頻服務之發展。
儘管數位無線電視台及Verizon等正使用該頻段之業者有干擾疑慮，然主張開放空白頻段之公司深信開放空白頻段對於新興無線寬頻服務之發展將大有助益，且透過感測技術(sensing technology)或地理定位科技(geolocation technology)，即可使得無線裝置於使用空白頻段之同時，不至於干擾數位無線電視台或其他取得執照使用該頻段之業者。
關於試驗結果，無線麥克風業者Shure之資深公關經理Mark Brunner 表示，感測技術幾乎完全無法準確偵測使用中之無線麥克風或電視頻道是否正播送中，自然無法避免干擾發生。支持開放空白頻段之Motorola公司則表示，儘管感測技術無法避免干擾發生，但是Motorola所使用之地理偵測科技則在測試中被證實可有效避開正在使用中之頻段，避免干擾情況發生。
英國通訊管理局（Office of Communications, Ofcom）於2026年2月17日發布了「衛星直連終端服務許可規範（The final regulations for the authorisation of satellite Direct to Device services）」，並於2026年2月25日正式生效，為「衛星直連終端（Direct to Device, D2D）服務」確立了完備的許可框架，允許行動電話等終端設備直接與太空中的衛星基地臺進行通訊。 過去，衛星通訊服務需要透過專用的衛星電話終端在特定的衛星通訊頻段下運作，而Ofcom正式突破了這個規範架構，允許 D2D 服務直接使用既有的行動通訊頻段。 在終端設備方面，Ofcom 免除一般消費者的行動裝置在使用 D2D 服務時的個別執照授權要求；而在服務端，行動通訊業者僅需向Ofcom申請變更既有的無線電頻率執照，履行相關的干擾防制標準與協調義務，即可使用既有行動通訊頻率提供D2D服務，目前Telefonica UK（VMO2）已率先獲准此項變更（與 Starlink 合作）。未來，Ofcom也能透過修訂開放頻段拓展適用範圍，目前開放的是1710.1-1715.9 MHz與1805.1-1810.9 MHz頻段。而為降低衛星與地面通訊共用頻率的干擾風險，Ofcom也訂定了防干擾限制標準，如對終端設備訂定25 dBm（3G、4G 與 5G）與 30 dBm（2G）的總輻射功率限制。 本次變革對行動通訊服務的發展具有深遠的進步意義，透過促進 D2D 服務的合法導入，業者可以在地理環境極端等地面基地臺建設成本過於高昂的偏遠地區近一步拓展涵蓋，有機會達成100% 的國土涵蓋，政府亦能透過活化頻率資源與活絡電信基礎設施的跨界投資與創新，為衛星通訊服務提供公平競爭的市場環境，進而帶動整體行動通訊產業的升級。 對民眾而言，D2D 服務的導入更是強化國家通訊韌性的關鍵，除確保偏遠地區享有基本的語音、簡訊與數據通訊服務，在地面基地臺因遭遇災害而癱瘓失效時，D2D 服務能發揮關鍵的備援功能，維持通訊服務的可用性，也為全域連結、地星整合的次世代行動網路（6G）佈建預先備妥適當的法規環境。
歐盟執委會公布《關於標示與標籤AI生成內容之實踐守則》第二版草案，簡化第一版以促進AI生成內容之透明度歐盟執委會於2026年3月5日公布《關於標示與標籤AI生成內容之實踐守則》(Code of Practice on Marking and Labelling of AI-generated content)第二版草案，主要分為兩大部分，針對不同對象設定規範： 一、AI提供者(Provider)的標示義務 要求AI輸出內容須以「可被機器辨識」的方式標示，包含： (1)應滿足四大要件：標示應滿足有效性、互操作性、穩健性與可靠性四要件，若無法透過單一技術完成標示，則應採取多重標示的方式為之。 (2)偵測機制：建立部署者與終端用戶偵測標示的機制。 (3)技術提升：訂定規範確保標示技術達標，並鼓勵合作開發。 (4)法遵：產品於市場推出後，AI提供者應於實際環境下對標示結果持續進行測試，並適時更新測試方法，以確保產品符合法遵要求。 (5)培訓：並對工作人員進行教育訓練。 二、AI部署者(Deployer)的標籤義務 部署者應將其透過AI生成內容中加以標籤，此義務聚焦使用深偽內容(Deepfake)於涉及公共利益之內容： (1)標籤要求：標籤須包含「AI」字樣、維持特定比例並放置於清楚位置，鼓勵使用歐盟統一標籤。 (2)藝術創意類作品仍應適時揭露：藝術創作倘若包含深偽內容，部署者仍應於適當處完成標籤，揭露其作品中包含深偽內容（對應《歐盟人工智慧法》(Artificial Intelligence Act, AI Act)第50條第4項後段）。 (3)審查與問責：針對已公開作品，應記錄相關人工審查之作業；未公開作品則應說明何人具備編輯控制權，以利後續問責。 相較於第一版，歐盟執委會已將此版本內容大幅刪減，以提升規範落實之彈性。
因應使用「生成式AI（Generative AI）」工具的營業秘密管理強化建議2024年7月1日，美國實務界律師撰文針對使用生成式AI（Generative AI）工具可能導致的營業秘密外洩風險提出營業秘密保護管理的強化建議，其表示有研究指出約56%的工作者已經嘗試將生成式AI工具用於工作中，而員工輸入該工具的資訊中約有11%可能包含公司具有競爭力的敏感性資訊或客戶的敏感資訊，以Chat GPT為例，原始碼（Source Code）可能是第二多被提供給Chat GPT的機密資訊類型。系爭機密資訊可能被生成式AI工具提供者（AI Provider）用於訓練生成式AI模型等，進而導致洩漏；或生成式AI工具提供者可能會監控和存取公司輸入之資訊以檢查是否有不當使用，此時營業秘密可能在人工審查階段洩漏。 該篇文章提到，以法律要件而論，生成式AI有產生營業秘密之可能，因為營業秘密與著作權和專利不同之處在於「發明者不必是人類」；因此，由生成式 AI 工具協助產出的內容可能被視為營業秘密，其範圍可能包括：公司的內部 AI 平台、基礎的訓練算法和模型、輸入參數和輸出結果等。惟基於目前實務上尚未有相關案例，故生成式AI輸出結果在法律上受保護的範圍與條件仍需待後續的判例來加以明確。 實務專家提出，即使訴訟上尚未明確，企業仍可透過事前的管理措施來保護或避免營業秘密洩露，以下綜整成「人員」與「技術」兩個面向分述之： 一、人員面： 1.員工（教育訓練、合約） 在員工管理上，建議透過教育訓練使員工了解到營業秘密之定義及保護措施，並告知向生成式AI工具提供敏感資訊的風險與潛在後果；培訓後，亦可進一步限制能夠使用AI工具的員工範圍，如只有經過培訓及授權之員工才能夠存取這些AI工具。 在合約方面，建議公司可與員工簽訂或更新保密契約，納入使用生成式AI的指導方針，例如：明確規定禁止向生成式AI工具輸入公司營業秘密、客戶數據、財務信息、未公開的產品計劃等機密資訊；亦可增加相關限制或聲明條款，如「在生成式AI工具中揭露之資訊只屬於公司」、「限制公司資訊僅能存儲於公司的私有雲上」等條款。 2.生成式AI工具提供者（合約） 針對外部管理時，公司亦可透過「終端使用者授權合約（End User License Agreement，簡稱EULA）」來限制生成式AI工具提供者對於公司在該工具上「輸入內容」之使用，如輸入內容不可以被用於訓練基礎模型，或者該訓練之模型只能用在資訊提供的公司。 二、技術方面： 建議公司購買或開發自有的生成式AI工具，並將一切使用行為限縮在公司的私有雲或私有伺服器中；或透過加密、防火牆或多種編碼指令（Programmed）來避免揭露特定類型的資訊或限制上傳文件的大小或類型，防止機密資訊被誤輸入，其舉出三星公司（Samsung）公司為例，三星已限制使用Chat GPT的用戶的上傳容量為1024位元組（Bytes），以防止輸入大型文件。 綜上所述，實務界對於使用生成式AI工具可能的營業秘密風險，相對於尚未可知的訴訟攻防，律師更推薦企業透過訴訟前積極的管理來避免風險。本文建議企業可將前述建議之作法融入資策會科法所創意智財中心於2023年發布「營業秘密保護管理規範」中，換言之，企業可透過「營業秘密保護管理規範」十個單元（包括從最高管理階層角色開始的整體規劃建議、營業秘密範圍確定、營業秘密使用行為管理、員工管理、網路與環境設備管理、外部活動管理，甚至是後端的爭議處理機制，如何監督與改善等）的PDCA管理循環建立基礎的營業秘密管理，更可以透過上述建議的做法（對單元5.使用管理、單元6.1保密約定、單元6.4教育訓練、單元7.網路與環境設備管理等單元）加強針對生成式AI工具之管理。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
美國國家標準暨技術研究院發布「人工智慧風險管理框架：生成式AI概況」美國國家標準暨技術研究院（National Institute of Standard and Technology, NIST）2024年7月26日發布「人工智慧風險管理框架：生成式AI概況」（Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile），補充2023年1月發布的AI風險管理框架，協助組織識別生成式AI（Generative AI, GAI）可能引發的風險，並提出風險管理行動。GAI特有或加劇的12項主要風險包括： 1.化學、生物、放射性物質或核武器（chemical, biological, radiological and nuclear materials and agents, CBRN）之資訊或能力：GAI可能使惡意行為者更容易取得CBRN相關資訊、知識、材料或技術，以設計、開發、生產、使用CBRN。 2.虛假內容：GAI在回應輸入內容時，常自信地呈現錯誤或虛假內容，包括在同一情境下產出自相矛盾的內容。 3.危險、暴力或仇恨內容：GAI比其他技術能更輕易產生大規模煽動性、激進或威脅性內容，或美化暴力內容。 4.資料隱私：GAI訓練時需要大量資料，包括個人資料，可能產生透明度、個人資料自主權、資料違法目的外利用等風險。 5.環境影響：訓練、維護和運行GAI系統需使用大量能源而影響碳排放。 6.偏見或同質化（homogenization）：GAI可能加劇對個人、群體或社會的偏見或刻板印象，例如要求生成醫生、律師或CEO圖像時，產出女性、少數族群或身障人士的比例較低。 7.人機互動：可能涉及系統與人類互動不良的風險，包括過度依賴GAI系統，或誤認GAI內容品質比其他來源內容品質更佳。 8.資訊完整性：GAI可能無意間擴大傳播虛假、不準確或誤導性內容，從而破壞資訊完整性，降低公眾對真實或有效資訊的信任。 9.資訊安全：可能降低攻擊門檻、更輕易實現自動化攻擊，或幫助發現新的資安風險，擴大可攻擊範圍。 10.智慧財產權：若GAI訓練資料中含有受著作權保護的資料，可能導致侵權，或在未經授權的情況下使用或假冒個人身分、肖像或聲音。 11.淫穢、貶低或虐待性內容：可能導致非法或非自願性的成人私密影像或兒童性虐待素材增加，進而造成隱私、心理、情感，甚至身體上傷害。 12.價值鏈和組件整合（component integration）：購買資料集、訓練模型和軟體庫等第三方零組件時，若零組件未從適當途徑取得或未經妥善審查，可能導致下游使用者資訊不透明或難以問責。 為解決前述12項風險，本報告亦從「治理、映射、量測、管理」四大面向提出約200項行動建議，期能有助組織緩解並降低GAI的潛在危害。