談日本基因改造實驗管理規範及其執行現況
本文為「經濟部產業技術司科技專案成果」
慶祝國家衛生研究院成立十周年，國衛院表示將規劃成立生物製劑先導工廠，今年可發包動工，預計三年內完成，未來除了生產台灣本土性傳染病所需疫苗外，也協助衛生署流感疫苗自製計劃提供技術來源。行政院核准通過十二億元的生物製劑先導工廠，目前已進入招標階段，預計六、七月份可正式動工，預計三年後完工投產，未來將成為符合聯合國國際疫苗中心 (The International Vaccine Institute, IVI) 的規格的 GMP 生產線。 此外，配合衛生署的公共衛生計劃，國衛院疫苗研發中心也將建立本土性傳染病如腸病毒、 SARS 、白喉、百日咳、破傷風及日本腦炎的資料庫，部份疫苗市場潛力發展有限，但是透過國衛院的保存，讓我國具備完整的疫苗量產能力。政府計劃投資五十億元興建大型流行感冒疫苗工廠，國衛院將扮演技術提供的角色，包括參考實驗室，人員訓練，及微生物量產疫苗的開發，都將由生物製劑先導工廠負責。
BSI公布個人資料管理系統標準之草案英國國家標準組織(British Standard Institution)於2009年1月8日公布個人資料保護管理系統標準(標準標號為DPC BS 10012)之草案，使組織在個人資料儲存管理工作上符合個人資料保護法(Data Protection Act 1998，DPA)之要求。 有鑑於利用個人資料管理系統(personal information management system，PIMS)管理業務上取得之資料之情形日益增多，而觀諸該資料之性質，通常多為DPA所規範定義的「個人資料」。因此，為使個人資料管理有其標準規範，並得以運用在任何規模之公私部門，使組織內之個人資料管理系統符合DPA之規範且具有一定程度之安全性，BSI試圖提出有關個人資料管理一致性之標準規範，以供組織在個人資料處理程序工作上之遵循。該標準規範如同BS EN ISO 9001:2000之品質管理系統(Quality Management System)及BS ISO/EC 27001:2005之資訊安全管理系統標準，以PDCA週期(Plan-Do-Check-Act)進行規劃，並透過執行所規範之流程落實個人資料之保護。 目前該草案已經公布，BSI於2009年3月31日前將接受各界對於該草案之諮詢及舉辦公聽會，以求標準規範之完善。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。
藥明康德再列1260H名單，BIOSECURE效應加速全球CDMO供應鏈重組趨勢美國國防部於2026年6月8日更新依《國防授權法》（National Defense Authorization Act, NDAA）第1260H條款發布的中國軍工企業名單（1260H List），再度將藥明康德納入其中。該名單為「生物安全法」（BIOSECURE Act）辨識高風險生技企業的重要參考來源，美國逐步以國安思維重塑生技供應鏈，也再度引發全球CDMO產業對供應鏈安全與法規風險的關注。 法制架構與管制機制 美國《生物安全法》（BIOSECURE Act）草案，在經過多次修訂與審議後，在2025年底被併入《2026 財政年度國防授權法》第851節（Section 851 of the FY2026 NDAA）中，並於2025年12 月在國會通過後正式簽署成法（以下以「生物安全法」稱之），主要限制聯邦政府及其資助對象使用具國安風險的生技供應商。除被列入1260H名單的企業外，白宮管理和預算辦公室（Office of Management and Budget, OMB）也可基於國家安全、資訊安全等因素，進一步指定相關企業納入受關注生技公司（biotechnology companies of concern, BCOC）範圍，擴大供應鏈風險管理機制。 政策影響與不確定性 雖然1260H名單不具制裁效力，但已成為「生物安全法」風險辨識的重要依據，可能影響聯邦採購、政府資助及跨國藥廠的供應商評估。藥明康德此次再度列名，將面臨聲譽及商業合作壓力，目前該公司已表示將循法律途徑提出申訴，後續仍具不確定性。 「生物安全法」禁令尚未立即全面生效，須待OMB完成風險認定並修訂《聯邦採購條例》（Federal Acquisition Regulation, FAR）後方能正式執行，預估仍需1至3年的時間。並設有五年過渡期機制，既有合約於過渡期間仍可持續履行。 產業影響 在美國已將生技製造能力與供應鏈安全納入國家安全戰略的情況下，「生物安全法」的影響也逐步由法規層面延伸至商業決策。未來CDMO的競爭將不再只取決於成本與技術能力，供應鏈可信度與地緣政治風險管理能力將成為關鍵的競爭因素。隨著全球藥廠供應鏈重整趨勢加速，後藥明時代之製造版圖變化值得持續觀察。