『採購單位執行下單評估與廠商智慧財產管理要件之關連性』研究調查
歐洲議會於2022年6月22日表決通過碳邊境調整機制（Carbon Border Adjustment Mechanism, CBAM）草案之議會版本，為該次決議通過三項草案中之一項，而包含CBAM在內之三者皆屬歐盟去年7月所公布「Fit for 55」溫室氣體減量包裹法案中的一部份，正式施行後將要求進口商向歐盟購買「CBAM憑證」，繳交進口產品對應之碳排放量費用，希望促進非歐盟國家減少碳排放以及防止碳洩漏（carbon leakage）的風險，並避免氣候政策不積極國家的企業擁有不公平優勢，以進一步降低全球碳排放。而在此次議會通過之版本中，有幾點作了調整： （1）擴大管制範圍：在產品方面，除原先歐盟執委會所提出之水泥、鋼鐵、鋁、肥料及電力等5大類產品外，歐洲議會亦希望納入有機化學品、塑膠、氫氣和氨等產品。為確保順利實施，委員會將對有機化學品和聚合物進行技術特性之評估；同時歐洲議會也計畫將管制擴大至間接排放，即包含製造商使用電力所產生之排放，以更能實際反映歐洲工業的二氧化碳成本； （2）逐步實施CBAM並提前終止歐盟排放交易系統（Emissions Trading Scheme, ETS）的免費配額：CBAM預計從2023年1月1日開始試運行，原草案規劃試運行至2025年底，現延長至2026年底；在2023年至2026年過渡期間，歐盟出口商保有100%的歐盟ETS免費配額；而自2027年起則正式施行向進口至歐盟產品之碳含量進行定價，並要求進口商購買與繳交相對應之CBAM憑證。雖然出口商仍有ETS免費配額，但該配額將逐步遞減，並於2032年之前終止免費配額制度，由CBAM完全取代之，以避免對歐盟產業有雙重保護的情形； （3）設立CBAM集中管理機構：歐洲議會認為與其在各會員國內分別指派共27個個別之主管機關（competent authorities），應設立歐盟單一機構集中管理，以提升實施效率、透明度及成本效益；同時，也可避免第三國進口商在各會員國間因管制密度之差異而有挑選法院（forum shopping）的情況； （4）CBAM收入之應用：歐洲議會建議CBAM之收益應歸入歐盟預算，以對最低度開發國家（LDCs）提供至少相當於CBAM收入的財務援助，協助其製造業脫碳，以共同落實歐盟氣候目標，以及《巴黎協定》等國際承諾。
澳洲國家交通委員會提出「自駕車政策革新報告」，並展開「控制自駕車規範建議」意見徵詢2016年11月澳洲國家交通委員會（簡稱NTC）公布「自駕車政策革新報告」（Regulatory reforms for automated road vehicles Policy Paper），當中釐清對自駕車各項可能遭遇的法規障礙並設定修正時程，2017年4月16號NTC並進一歩依前份文件規劃提出「控制自駕車相關規範建議」討論文件，釐清自駕車的控制定義與相對應規範，並提出法制規範修正內容。 2016年澳洲政府並通過了關於陸路交通科技的「政策原則」（Policy Principles），其中包括政府決策時應基於改善交通安全、效率、永續發展和成果的可能實現，並且應以消費為中心等原則，這些原則構成了澳洲政府的政策框架。 澳洲NTC此份討論文件中，提出應釐清能「控制（in control）」自駕車的對象，此將影響自駕車事故的負責人為誰。NTC提出目前仍應定義人類駕駛為控制自駕車的一方而非自駕系統，以避免人類駕駛做出不適當的操作行為。 NTC並釐清「恰當控制」的定義。「恰當控制」為澳洲道路法規第297條第1項：「駕駛者不得駕駛車輛除非其有做出恰當控制」中所規範。恰當控制被目前的執法機關詮釋為駕駛者應坐在駕駛座上並至少有一隻手置於方向盤上。但「恰當控制」將因自動駕駛系統的操作方式受到挑戰。因此NTC認為「恰當控制」不一定需要將手置於方向盤上，而是要有足夠的警覺性和能即時進行干涉，此定義並應隨著科技發展而修正。 本次政策文件意見徵詢至2017年6月2日，收到意見後NTC將會意見納入未來的全國性實施政策方針，提交給澳洲交通與基礎建設諮議會（Transport and Infrastructure Council）通過，預計於2017年年底前完成此自駕車方針。
英國發布人工智慧網路資安實務守則英國政府於2025年1月31日發布「人工智慧網路資安實務守則」（Code of Practice for the Cyber Security of AI，以下簡稱「實務守則」），目的是提供人工智慧（AI）系統的網路資安指引。該實務守則為英國參考國際上主要標準、規範後所訂定之自願性指引，以期降低人工智慧所面臨的網路資安風險，並促使人工智慧系統開發者與供應商落實基本的資安措施，以確保人工智慧系統的安性和可靠性。 由於人工智慧系統在功能與運作模式上與傳統網路架構及軟體有明顯的不同，因此產生新的資安風險，主要包含以下： 1. 資料投毒（Data Poisoning）：在AI系統的訓練資料中蓄意加入有害或錯誤的資料，影響模型訓練結果，導致人工智慧系統產出錯誤推論或決策。 2. 模型混淆（Model Obfuscation）：攻擊者有意識地隱藏或掩飾AI模型的內部運作特徵與行為，以增加系統漏洞、引發混亂或防礙資安管理，可能導致AI系統的安全性與穩定性受損。 3. 輸入間接指令（Indirect Prompt Injection）：藉由輸入經精心設計的指令，使人工智慧系統的產出未預期、錯誤或是有害的結果。 為了提升實務守則可操作性，實務守則涵蓋了人工智慧生命週期的各階段，並針對相關角色提出指導。角色界定如下： 1. 人工智慧系統開發者（Developers）：負責設計和建立人工智慧系統的個人或組織。 2. 人工智慧系統供應鏈（Supply chain）：涵蓋人工智慧系統開發、部署、營運過程中的的所有相關個人和組織。 實務守則希望上述角色能夠參考以下資安原則，以確保人工智慧系統的安全性與可靠性： 1. 風險評估（Risk Assessment）：識別、分析和減輕人工智慧系統安全性或功能的潛在威脅的過程。 2. 資料管理（Data management）：確保AI系統整個資料生命週期中的資料安全及有效利用，並採取完善管理措施。 3. 模型安全（Model Security）：在模型訓練、部署和使用階段，均應符合當時的技術安全標準。 4. 供應鏈安全（Supply chain security）：確保AI系統供應鏈中所有利益相關方落實適當的安全措施。 「人工智慧網路資安實務守則」藉由清晰且全面的指導方針，期望各角色能有效落實AI系統安全管控，促進人工智慧技術在網路環境中的安全性與穩健發展。