知名歌手Bruce Springsteen拒絕與美國作曲家、作詞家、出版商協會共同要求康諾利酒吧和餐館支付著作權授權費用
美國作曲家、作詞家、出版商協會American Society of Composers, Authors and Publishers (以下簡稱協會)與知名搖滾歌手Bruce Springsteen(以下簡稱Springsteen)，和流行歌曲作者Clinton Ballard, Jr.對於紐約州的康諾利酒吧和餐館提出訴訟，原因在於酒吧和餐館沒有支付授權年費就允許樂團演奏Springsteen的歌曲。
當協會的代表發表此一聲明時，Springsteen實際上並不知道此一訴訟。Springsteen的代表指出：Springsteen事先並未被詢問是否要作為此案的原告，該協會是自作主張的將Springsteen列為此案的原告，而且即便協會事先詢問，Springsteen也不會同意作為此案的原告，也就是說不會提起此訴訟。
紐約每日新聞指出，因為協會並未獲得Springsteen的同意，Springsteen的名字應該會被移除。 協會資深副總裁Vincent Candilora(以下簡稱Candilora)表示，康諾利酒吧與餐館目前尚未發表任何聲明，而康諾利酒吧與餐館允許樂團於去年夏天演奏Springsteen的歌，但卻沒有支付授權年費給協會的行為可能會面臨三萬美元的罰金。
Candilora同時表示，為什麼這些有支付授權金的酒吧或餐館在有同樣法律約束的地區，要處於一個不利的競爭條件。提出此訴訟是給予有付授權費用的紐約酒吧一個公平的環境。
陳依婷
法務專員 編譯整理
SPINNER，2010年02月04日，http://www.spinner.com/2010/02/04/bruce-springsteen-lawsuit-bar/，最後瀏覽日：2010年02月08日
NYDailly News，2010年02月06日，http://www.nydailynews.com/gossip/2010/02/04/2010-02-04_the_boss_strikes_sour_note_with_midtown_bar_and_sues_for_copyright_infringement_.html，最後瀏覽日：2010年02月08日
2006年12月7日星期四在金融時報全版的廣告上，知名歌手U2、Kaiser Chiefs與大約四千個樂團，共同連署呼籲英國政府支持修正英國的著作權法，延長音樂著作權的保護期限。 英國著作權法的保護期限目前規定為50年，較美國著作權保護期限95年短，許多音樂著作人怕在有生之年會失去他們的音樂著作權。因此，英國的唱片工業((BPI, British Phonographic Industry)已經進行推動修改英國著作權法，希望延長英國著作權法保護期限，但有政府智慧財產權意見書卻建議政府維持原本英國著作權法之規定。 政府智慧財產權意見書的作者，安德魯高爾說，延長音樂著作權的保護期限超過50年，只會有利於已經很有錢的少數知名巨星。 錄音製品播放版權有限公司的發言人，肯尼斯哈瑞斯表示，那些音樂著作人採取在廣告版面上表達他們的訴求，是因為他們關切得著作權議題，竟然不被重視，所以想用這項空前的舉動，來支持修正英國著作權法，延長著作權保護期限。 延長著作權期限的議題不僅僅只是對巨星高要求的特殊待遇，而是必須讓那些難以維持生計的音樂著作人能被法律公平的對待。
從美國PayPal經驗與歐盟支付服務指令論我國第三方支付服務之現狀與未來 新加坡擬禁止未獲所有人同意下測試和研究基因新加坡生物道德諮詢委員會五日發表基因檢驗與研究道德準則草案，草案建議政府禁止基因研究者在未獲得同意之下取得基因進行測試與研究，同時也禁止採用基因檢驗來選擇胎兒的性別。新加坡生物道德諮詢委員公布基因檢驗與研究道德準則草案，共提出二十四項建議，希望能在研究人員從事基因研究時，保障人權。 草案建議政府，任何基因測試除非獲得基因所有人同意，否則不得進行。，產前基因篩檢只能限於確保孩子的健康，不要把先天性疾病遺傳給下一代，但不能用在選擇生男或生女。草案規範，研究員或醫生不能把基因研究結果透露給第三者，包括雇主和保險公司知道，以保障個人隱私。 委員會已經把草案公布在網站上供民眾查閱，並分送給一百一十四個機構，徵詢公眾和機構的看法；委員會將在年底向星國生命科學部長級會議提出報告。
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。