英國Ofcom公佈電視廣告交易機制的反競爭調查報告
英國Ofcom在2011年12月15日公佈了有關電視廣告交易機制是否有限制或扭曲市場競爭、最終傷害消費者的反競爭調查報告。最後認定並無明確證據顯示英國當前的電視廣告交易機制妨礙競爭，因此決定不依「2002年企業法」（Enterprise Act 2002）所賦予之權限，移送競爭委員會（Competition Commission）進一步調查。
雖然英國的電視廣告市場一年仍有40億英鎊的產值，但廣電業者的收益實已長期且穩定減少中，故Ofcom同年6月啟動本諮詢與調查，並從以下三個角度檢視電視廣告市場是否存在流弊，而使廣告價格高漲、廣告獲利配置不效率、阻礙廣電業者之創新與不利閱聽眾之經驗：
1、價格不透明：電視廣告市場長期以來因聯合報價、股權交易或各類折扣，導致價格不透明，使廣告買主可能無法進行有意義的比價。但Ofcom認為廣告公司皆屬老練業者，熟悉交易內容與約款；而廣告主則可透過閱聽眾的行為反應判斷廣告成效，且證據亦顯示廣告主經常替換廣告公司以獲得更好的交易條件。
2、 捆綁銷售時段：廣電業者可能運用市場力搭售離峰時段（off-peak airtime）。但證據顯示廣告買主尚可分別購買時段；而英國每月有250萬個廣告開口，強制分別交易將造成交易成本顯著上升。
3、交易模式僵化：雖然英國的電視廣告交易模式已20年不變，但科技進步使頻道數目大增，連帶使閱聽眾分化與廣告開口爆增，證據顯示廣告部門對此適應良好。
- Ofcom, Regulating the quantity of advertising on television [ pdf ]
- Ofcom, Competition issues in the UK TV advertising trading mechanism: Decision on a market investigation reference [ pdf ]
- Ofcom, Competition issues in the UK TV advertising trading mechanism: Consultation on the potential reference to the Competition Commission [ pdf ]
美國聯邦政府與企業界正朝向增加驗證技術的使用，以遏止線上詐騙的盛行，所謂「雙重驗證（ ”two-factor” Authentication）」機制，為美國聯邦財政機構檢測委員會(Federal Financial Institutions Examination Council, FFIEC )與美國芝加哥直銷協會( The Direct Marketing Association, DMA )推行，主要要求檢查除用戶名稱和密碼以外的東西來確認顧客的身份。 美國聯邦財政機構檢測委員會 —包括聯邦儲備（Federal Reserve）和聯邦存款保險公司（Federal Deposit Insurance Corp.，FDIC）等管理者在內，要求銀行2006年底皆必須加強網上身份驗證措施，如給每個顧客一份加密的憑證，這些憑證會向銀行證明用戶的真實身份。且該加密的憑證不會向發放該憑證的其它網站做出回應，這樣既保護了用戶，也保護了銀行。此外，美國聯邦財政機構檢測委員會審查員亦會定期檢查銀行的執行情況；而以美國芝加哥直銷協會為例，其要求會員於交易時所使用之電子郵件，須取得電子郵件系統的驗證，以確保電子郵件係由該協會成員所發出。 如同美國芝加哥直銷協會執行長 John A. Greco 所言，消費者可藉由此種驗證方式增加更多信心，對於其所取的資訊係來自可靠來源並具有合法性，可使市場減低網路犯罪之產生並對於政府、企業及消費者有更多保障。
日本ZEON股份有限公司宣布加入「對抗COVID-19智財宣言」日本ZEON公司於2020年10月19日發表加入「以智慧財產協助控制新冠病毒傳染對策宣言（對抗COVID-19智財宣言，OPEN COVID-19 DECLARATION）」，以達到共同抗疫之目的。 該宣言是由ジェノコンシェルジュ京都株式会社（GENO CONCIERGE KYOTO）所發起，期望透過加入該宣言的企業，於以終結新冠肺炎蔓延為目的所為之產品開發、製造及販賣，宣示不行使企業所擁有相關發明、新型及設計專利權和著作權等權利。如此一來，將可建構友善的防疫產品開發及製造環境，讓開發者或製造商免去來自權利人的侵權調查或繁複的授權流程。 目前已有包括Canon、Nikon、SONY、CASIO、Panasonic、大金空調、豐田、三菱、速霸路、馬自達等101間知名企業加入，並擁有高達927,897件的專利數量。 經產省近畿經濟產業局也與該宣言辦公室合作，提出對抗新冠肺炎計畫，計畫主軸在於以下三點： 從加入宣言的所有專利中，挑選易於活用的技術並提出施行的可行方案。 協助中小及新創企業與加入宣言的企業對談，支援權利交涉。 協助擬定授權契約及業務展開等必要策略。 我國在經濟部智慧財產局全球專利檢索系統(GPSS)全新提供「防疫專區」服務，以目前防疫需求較大的產業如「口罩」、「防護衣」、「檢測」、「疫苗」、「藥品」等14項作為分類主軸，提供「一鍵查詢全球防疫技術相關專利」及「防疫技術相關專利新訊訂閱」功能，協助產業界快速掌握全球防疫技術相關專利。
歐盟資通安全局（ENISA）提出資通安全驗證標準化建議歐盟資通安全局（European Union Agency for Cybersecurity, ENISA）（舊稱歐盟網路與資訊安全局European Union Agency for Network and Information Security）於2020年2月4日發布資通安全驗證標準化建議（Standardisation in support of the Cybersecurity Certification: Recommendations for European Standardisation in relation to the Cybersecurity Act），以因應2019/881歐盟資通安全局與資通安全驗證規則（簡稱資通安全法）（Regulation 2019/881 on ENISA and on Information and Communications Technology Cybersecurity Certification, Cybersecurity Act）所建立之資通安全驗證框架（Cybersecurity Certification Framework）。 受到全球化之影響，數位產品和服務供應鏈關係複雜，前端元件製造商難以預見其技術對終端產品的衝擊；而原廠委託製造代工（OEM）亦難知悉所有零件的製造來源。資通安全要求與驗證方案（certification scheme）的標準化，能增進供應鏈中利害關係人間之信賴，降低貿易障礙，促進單一市場下產品和服務之流通。需經標準化的範圍包括：資訊安全管理程序、產品、解決方案與服務設計、資通安全與驗證、檢測實驗室之評估、資通安全維護與運作、安全採購與轉分包程序等。 ENISA認為標準化發展組織或業界標準化機構，在歐盟資通安全之協調整合上扮演重要角色，彼此間應加強合作以避免重複訂定標準。目前有三組主要國際標準可構成資通安全評估之基礎： ISO/IEC 15408/18045–共通準則與評估方法：由ISO/IEC第1共同技術委員會（JTC1）及第27小組委員會（SC27）進行重要修訂。 IEC 62443-4-2–工業自動化與控制系統之安全第4-2部分：作為工業自動化與控制系統元件的技術安全要求。 EN 303-645–消費性物聯網之資通安全：由歐洲電信標準協會（ETSI）所建立，並與歐洲標準委員會（CEN）、歐洲電工標準化委員會（CENELEC）協議共同管理。 然而，資通訊產品、流程與服務種類繁多，實際需通過哪些標準檢驗才足以證明符合一定程度的安全性，則有賴驗證方案的規劃。為此，ENISA亦提出資通安全驗證方案之核心構成要件（core components）及建構方法論，以幫助創建歐盟境內有效的驗證方案。
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。