ITU研議修改國際電信規則
ITU國際電信聯盟秘書長Dr. Hanmasoun I Toure於2012年5月一場在加拿大舉行的無線通訊座談會中，針對之前國際上傳言聯合國與ITU將嘗試介入管理網際網路之說法進行澄清，並主張自1988年修改沿用至今的國際電信規則(ITRs)已不能應付目前新興之電信商業模式。
新型態的電信商業模式引發網路中立爭議的戰火，已延燒多時。從前的網際網路服務供應業者(ISP)，主要遵守網際網路協定，扮演好笨水管（Dum Pipe）的角色。但隨著網際網路內容與各類應用服務的急速成長，各類封包的傳輸加重了原有管道的乘載負擔，再加上網際網路管理技術的演進，業者可透過網管技術對資訊封包的傳輸做更細緻的調節，逐漸形成內容傳輸優先次序差異化的新興商業模式，並且持續發展中。
依目前的技術能力，網際網路中任何內容傳輸的速度，皆能透過寬頻管理機制(QoS)進行調節。過去，QoS在國際通訊上，於各國的終端網路中進行調節工作。但現有的封包式的網路傳輸架構(packet-base networks)動搖了原有的秩序，不僅質量參數(quality parameters)大部分未受明確定義，QoS的角色也逐漸模糊。導致各系統本身無法完全控制跨網資訊傳輸的品質，影響各類服務在使用者的終端設備上所呈現的服務品質。對於需與固網或各類終端設備連結的行動通訊業者而言，如何解決這類問題儼然已成了燃眉之急。
目前ITU剛結束於日內瓦的年會，從會中委員會對其文件是否具備國際效力之議題討論，不難看出ITU對於網際網路管理態度已由被動態度轉為積極。未來ITU更期望，藉由年底舉行2012年國際電信世界大會(WCIT-12)，重新修訂舊有國際電信規則(ITRs)，引領網際網路的新秩序。
- ITU, Landmark decision by ITU Council on proposal for public consultation and open access to key conference document .(13 Jul, 2012)
- Hamasoun I. Toure, Canadian Wireless Telecommunication Association Wireless Antenna Siting Forum-The Challenges of Extending the Benefits of Mobile Closing Keynote Speech.(May 1, 2012)
為貫徹對未成年人的保護，避免未成年人以網路方式購買 R18 級情色影片，英國政府規定該類影片只能於獲有執照之供應商店販售，並僅有實際到店的顧客方得購買，禁止以郵購、網路或電話方式行銷，引發業者反彈，其中兩家公司遭受罰鍰處分後提起訴訟，日前上訴英國高等法院 (High Court) 主張此項限制對英國境內業者並不公平，境外業者可以規避此限制而仍於網路上販售 R18 級影片，將嚴重影響英國境內業者的發展。 該法院於五月二十三日作出決定認為此項限制為合法，蓋因網路購物難以確認購買者的年齡，強制規定必須到店購買將有助於確認購買者是否已達法定年齡，降低未成年人購得 R18 級影片的可能性。
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。
美國FCC新機上盒管制措施正式生效美國聯邦通訊委員會（Federal Communications Commission）於1998年要求有線電視業者將條件式接取（conditional access, CA）元件與機上盒的基本瀏覽設備分離；並於2003年採用CableCARD做為共通標準，希望藉由此「機卡分離」措施，達成有線電視服務層與設備層的結構分離，為設備層導入競爭與投資，以促進機上盒之功能創新與降低價格。 惟本措施2007年實施以來，因CableCARD安裝程序複雜、有線業者與機上盒製造商態度消極，致實行成效不彰。絕大多數的民眾仍未自購市售機上盒；且租用有線業者所提供機上盒者，大多未安裝CableCARD。 FCC故於2010年底發佈新命令，希望弭平有線訂戶租用與自購機上盒之落差；本命令於2011年8月生效，FCC表示將「嚴格執行」以下八項政策。有線業者應： (1)提供零售機上盒相容性之精確資訊； (2)提供非租用機上盒之訂戶同等的頻道套餐折扣； (3)無論租用或自購機上盒，CableCARD之價格必須一致，且明確揭露費用； (4)不得因租用或自購機上盒而行費率之差別待遇； (5)允許訂戶自行安裝CableCARD； (6)專業安裝人員必須到府完整安裝CableCARD； (7)提供具多重串流（multi-stream）效能之CableCARD； (8)確保得以收視所有的線性（linear）頻道。
OTT影音發展與著作權－以英國為例