電信業者提供視訊服務之外國法制研析
日本政府於2016年1月5日成立「小型無人機進階安全確保制度設計相關小組委員會」(小型無人機の更なる安全確保のための制度設計に関する分科会)，聚焦無人機飛安方面之實務議題。會議由内閣官房内閣参事官擔任議長，並由國土交通省航空局協助辦理，民間參與者則多為相關產業公協會，目前規劃每兩個月開1-2次會議，其運行方式包括：原則上為非公開會議，其會議資料將於會後公開，但若議長認有必要，則得決定一部或全部不公開；此外，對於委員會成員以外的民間企業及專家學者之意見，亦應聽取。 為更進一步確保小型無人機於飛行時之安全性，本次會議對「航空法」提出如下修正建議： (1)除「航空法」第一百三十二條之二所規範之飛行方式及禁飛區域外，尚有其他相關飛安重要事項亦應注意，例如：機體本身之缺陷、操控者失誤、不可預期的天候變化、機體重量等(一定重量以上之無人機，對於機體性能及操控者技術應有更高要求，未來可思考訂定罰則或提供擔保)。 (2)對於機場周邊應有比現行法更嚴格之規範，除因此處操控無人機容易誤入禁區外，該範圍以內通常是飛安事故搜救區，恐妨害搜救之進行。 (3)關於禁區內飛行許可之審查，應包含：機體機能與性能、操控者知識、技術與經歷。 (4)對於商業、營業用無人機，應有更高的安全性要求。但何謂商業、營業用之定義及更高安全性究何所指須有更明確的標準！
社交網站Pinterest與Path的商標戰由於現在手機、相機拍照風潮盛行，Pinterest 成為一個圖像社交網站大品牌，近期，展開一連串的法律行動，禁止其他公司的使用Pin開頭的商標，成功擊退其他申請人於相同類別，註冊「Pinlets」和「Pintegrate」等商標。 此外，美國專利商標局允許Pinterest註冊其經設計的「P」商標用於APP的小圖示，但根據TechCrunch報導，因為紅白設計的「P」看起來與另一間公司Path的標誌非常相似，今年七月Pinterest改版，引入了新的介面與動畫，而此動畫非常相似於Path的介面，當用戶點擊螢幕，小圓圖標彈出，指引使用者可採取的行動，Path要求美國專利商標局，延後Pinterest的商標註冊核准。 另，Pinterest近期也獲得了一場勝利，舊金山美國地方法院裁定，網路蟑螂須為他搶註100個網域名稱的行為，賠償720萬美元予Pinterest。網路蟑螂註冊許多與知名公司相似的網域名稱，而此次由於單一的網路蟑螂，卻擁有100個類似於Pinterest的網域名稱，例如：pinterests.com、pimterest.com 與 pinterost.com，企圖藉此吸引訪客，因此法官認定網路蟑螂構成故意侵權，可能造成Pinterest的商譽受損或被稀釋淡化。 Pinterest的發言人表示，對於Pinterest的使用者而言，這是一個很好的結果。
法國出版商起訴GOOGLE侵權法國3大出版商5月11日宣稱將起訴Google，因Google未獲出版社允許，掃瞄了成千的書籍上傳到其網路圖書館。法國3大出版社為Gallimard、Flammarion和Albin Michel，在巴黎法院要求98億歐元(美金114億元)的損害賠償。 出版商宣稱Google未經同意而用數位掃描將近1萬本書籍內容於網站上，使大眾可以在線上獲得。出版商的法律團隊代表表示每掃描一本出版社書籍就要付1000歐元損害賠償。 對此，Google回應，他們堅信書籍掃描計畫是合法的，並且說明，我們非常驚訝收到此種指控，我們確信Google Book計畫符合法國法律和國際著作權法。 Google對出版商表示：「Google肩負著繼續與出版商一同工作，並且幫助出版商發展數位服務和讓出版的著作得以讓法國與海外的網路使用者接觸。」 另一位法國的出版商La Martiniere，在2009年用同樣的爭議成功的起訴了Google，在美國法院也推翻了Google掃描美國出版書籍內容的經營模式。
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。