歐盟議會否決法國所提出切斷網路連接的修正條款
法國政府基於保護電影、音樂等產業，在2009年3月提出將採取「三振法案」（Three-strikes law），對於不法使用網路下載音樂和檔案者，祭出明確的管制。第一階段違法者將會收到電子郵件警告，第二階段會收到書面之警告，第三階段將切斷該網路連接最長1年。
但這個提議在2009年4月遭到法國議會否決，有議員表示這項規定是「危險、無用、無效率且對民眾有相當大之危險。」消費者團體則表示，「無辜的民眾將會受到處罰，而駭客等真正的犯罪者則可以利用入侵他人之帳號規避法規，而且，該架構顯然缺乏配套的監督機制。」
無獨有偶的是，歐洲議會（European Parliament）也在同年11月針對歐盟電信信改革（EU Telecoms Reform）之討論，駁回該議案。議會認為，對人民通過網路使用服務和應用而進行的網際網路連接行為，在採取的措施時，應該尊重基本的人權和自由。這些限制權利的手段必須符合民主社會的法規，必須有效、公平和公正，比如通過法院進行審理等。而法國所提之切斷網路連接的三振法案與此原則不符。
歐盟委員會與美國白宮於2022年3月25日發布聯合聲明，宣布雙方已就新的跨大西洋資料傳輸框架達成原則性協議。此舉旨在因應2020年7月歐盟法院（Court of Justice of the European Union）於Schrems II案的判決中宣告「歐盟—美國隱私盾協定」（EU-US Privacy Shield Framework）不符合歐盟一般資料保護規則（General Data Protection Regulation, GDPR）而無效。依照該聯合聲明，新的框架將在雙方間資料流動的可預測性、可監督性、可信賴性以及可救濟性等方面進行補強，以充分維護公民的隱私與自由權利。 目前，該框架仍處於原則性協議的階段，具體細節仍有待後續談判。聯合聲明指出，美國在下列三個方面做出了「重大承諾」： 加強控管美國的情報活動，以確保所追求國家安全目的適法，且所採取的手段係在必要範圍內，而未過度侵犯公民的隱私與自由。 建立具有約束力且獨立的多層次救濟機制，其中包含一個由非政府人員所組成的「個人資料保護審查法院」，並賦予該組織完全的審判權。 針對情報活動強化分層且嚴格的行政監督機制，以確保其合乎隱私與自由的新標準。 上述原則性協議的達成，表面上無疑是一項好消息，將有助於解決雙方跨境資料傳輸的法源爭議，並避免持續演變成嚴重的歐美貿易爭端。然而，美國政府能否順利將新框架轉化為具有約束力的國內行政命令，仍存在相當多的不確定因素。若結果為否，則最終亦難以達成取得歐盟根據GDPR所為「適足性認定」（adequacy decision）的政策目標。
智慧聯網基礎設施與應用服務之法制建構－資訊安全與車聯網之例 澳洲零售業承認雙價廣告具誤導性質寢具零售業者Snooze坦承，其於2008年10月所進行的「雙價標示」廣告活動中，將某些商品的價格以「原價 /現價」的形式加以呈現，此種行為可能誤導或欺騙消費者，而違反了貿易行為法（Trade Practices Act 1974, TPA）。 經澳大利亞公平競爭和消費者委員會（Australian Competition & Consumer Commission, ACCC）稽核Snooze的「雙價」廣告後，Snooze坦承此一活動中所標示之「原價」僅是參考公司內部所設定的建議零售價格，而不是於活動開始前在市場上經過一段合理銷售期間的真實價格。Snooze已同意對所有已知購買產品的客戶提供一封道歉信及50澳幣的購物禮券。 ACCC主委Graeme Samuel指出：「廣告中所出現的原價必須是先前於一段合理期間內實際所出售的真正價格。」基此，ACCC已提供最新的雙價廣告的規範指南，規範之宗旨在於，以此種廣告活動進行優惠行銷時，不得以比較價格之方式傳遞錯誤的訊息，該優惠必須是實質上的確對消費者有利之價格。而依據下列之標準可判斷廣告是否違反貿易行為法： 1.優惠方案必須真正有提供優惠：提供價格比較時，該較高的價格應為實際曾用以銷售之價格，且於考量所有相關因素後，仍得認為該優惠的確存在。而該優惠產品也必須是在高價時也很容易被取得之狀況，才能確保該優惠並非一誤導之行為。 2.優惠價格應為一暫時的價格：以「雙價」方式促銷時，該優惠價格存續之期間不得比原價更長，否則即有誤導消費者之嫌。 3.廣告中的較高價格乃為實際曾於一合理期間內之銷售價格：該較高價格不得從未或於過短期間內作為實際銷售之價格，而判斷何謂合理期間可參考下列三種因素：（1）預期該商品銷售的時間長度（2）商品價格之正常波動情形為何（3）「雙價」促銷活動的時間長短。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」