L'oreal v. eBay：歐盟法院判決網路平台交易業者應負商標侵權責任
有關在網路販售仿冒品所透過之網路交易平台業者是否應負法律責任之問題，歐盟法院（Court of Justice of the European Union）於2011年7月12日針對L’oreal v. eBay案作出判決，認為如eBay之網路交易平台業者應為平台使用者之商標侵權行為負責。
國際知名化妝品品牌L’oreal 於2007年對eBay提出多項商標侵權之控訴，L’oreal認為eBay沒有適當的管控阻止其交易平台使用者之商標侵權行為，其包括在交易平台上販售仿冒品及非賣品，進行平行輸入販售非給歐盟市場流通之商品給位在歐盟會員國之人，以及購買網路關鍵字廣告協助交易平台使用者找到仿冒L’oreal品牌之商品，但eBay認為其適用歐盟電子商務指令（EU E-Commerce Directive）下之有關網路服務業者之免責條款。
歐盟法院之判決認為，網路交易平台業者若有扮演主動的角色，對仿冒商品之販售資料有掌控或知曉，則歐盟電子商務指令之免責條款應不適用，另外，若網路平台交易業者雖然沒有扮演主動的角色，但知道在其交易平台有商標侵權之販售行為但並沒有採取任何阻止行動，則網路平台業者也無法享有上述之免責權。同時，歐盟法院也認為各國法院應可以要求網路交易平台業者採取動作停止及防止交易平台使用者之侵權行為。
伊格奈科技公司(Ignite Technologies Inc.)推出了一款數位內容傳播輔助工具，可幫助企業傳輸大量的數位內容檔案。此項名為伊格奈溝通者(Ignite Communicator)的服務，能協助企業傳輸各種數位內容的檔案，包括視訊、圖形及軟體。此項工具最大的特色，在於能跨越各種不同的作業平台，進行檔案傳輸。 伊格奈此項新服務，能協助企業傳遞資料給遠端行動的使用者，亦可聯結企業夥伴或客戶各種不同層級的網路系統。對於內容豐富而檔案龐大的數位內容傳播而言，此類跨平台的傳播技術與服務，對於 B2B 與 B2C 的數位內容應用，都是一大推動助力。
美國白宮發布《晶片與科學法》實施一周年總結美國白宮（The White House，以下簡稱白宮）於2023年8月9日發布《晶片與科學法》（CHIPS and Science Act，以下簡稱晶片法）頒布一周年之總結，說明相關補助及租稅優惠措施之實施成效。自晶片法施行以來，已吸引高達1,660億美元之私人投資，並有50所以上大學宣布將開設半導體人力培訓課程，顯示晶片法對半導體生產製造在地化已有相當成效。晶片法施行後推動之措施如下： 1.說明半導體補助申請流程及條件 美國國家標準及技術研究院（National Institute of Standards and Technology）於2023年2月28日分別發布「半導體製造補助之申請指引」（Funding Opportunit–Commercial Fabrication Facilities）與「半導體製造補助願景」（Vision for Success: Commercial Fabrication Facilities），說明晶片法補助目的、申請流程、條件以及注意事項，並於同年6月23日更新相關內容。 2.說明柵欄條款之運作方式 美國商務部（Department of Commerce）與財政部（Department of Treasury）2023年3月23日於美國聯邦公報（Federal Register）發布法規預告（proposed rules），詳細說明晶片法內柵欄條款（guardrails）之運作方式。根據法規預告之內容，受補助人於受補助後的10年內若未經美國商務部與財政部同意，不得於中國等特定國家進行半導體製造設施「實質擴廠」之「重大交易」，避免受補助人將晶片法提供之補助用於中國，進而侵害美國國家安全。 3.強化半導體研發創新 美國商務部於2022年9月6日發布「美國晶片補助戰略」（A Strategy for the CHIPS for America Fund），說明商務部將與國家科學基金會（National Science Foundation）等建立「國家半導體科技中心與執行國家先進封裝製造計畫」（National Advanced Packaging Manufacturing Program），協助美國維持半導體研發之領先地位，並大幅縮短研發成果商用化之時程。 4.保障區域經濟發展與創新 美國商務部於2023年5月發布第1期「科技中心計畫」（Tech Hubs Program）申請指引，協助區域製造、商業化和部署關鍵技術；並於2023年6月發布第1期「重新競爭領航計畫」（Recompete Pilot Porgram），為長期處於經濟困境的美國社區提供就業機會。
台灣智慧財產管理規範（TIPS）之發展與現況 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。