新加坡通過第一個個人資料保護法制
新加坡於2012年10月15日通過該國第一個消費者個人資料保護法案，該法案主要規範私人機關蒐集、利用以及揭露個人資料之行為，將於2013年1月正式施行。
該法案亦成立新加坡個人資料保護委員會（Personal Data Protection Commission, 以下簡稱PDPC），並成立拒絕來電登記處（Do-Not-Call Registry），該處由PDPC進行維運。PDPC將是新加坡主要掌管個人資料保護的主管機關，而且也負責推動個人資料保護法案以及被賦予增進新加坡人民個人資料保護認知之任務。
於該法案之規劃中，資料當事人可以在拒絕來電登記處註冊其位置在新加坡之電話號碼，以防止私人機關為了商業行銷之理由而進行電話行銷。假設資料當事人已完成相關登記卻持續收到行銷電話時，可以向PDPC進行申訴。
除此之外，私人機關於蒐集、儲存個人資料前，必須尋求消費者之同意，而且必須通知當事人資料蒐集之目的。私人機關於傳輸個人資料至新加坡境外時，也必須確保以提供相對安全的個人資料保護作法，例如透過契約或者協議之簽訂等。
違反個人資料保護法規之公司，每一個違反事件可能被科以最高美金820,000元之罰鍰，對於每一個消費者最高可能必須負上美金8200元之賠償責任。法律施行後，企業被賦予18個月的法規遵循準備期間，而停止打來登記處預計將於2014年年中設置完成。
歐盟執委會（European Commission）於2024年7月2日發布第二份「數位十年狀況報告」（State of the Digital Decade Report）（下稱該報告），全面檢視「2030年數位十年政策計畫」（Digital Decade Policy Programme 2030, DDPP）之施行現況。特別的是，該報告今年首次新增歐盟成員國提出之「數位十年國家戰略路線圖」（National Digital Decade Strategic Roadmaps），說明預計投入數位轉型之措施、行動及資金。 為了呼籲歐盟成員國加強行動，進而促進經濟繁榮並提升社會凝聚力，歐盟執委會於該報告提出兩大面向之建議。首先，於數位基礎設施及企業之部分，該報告指出，目前高品質之5G網路覆蓋率僅有歐盟領土之50%。對此，各成員國與執委會應共同努力創建真正之數位單一市場（Digital Single Market）。此外，歐洲公司對於人工智慧、雲端、巨量資料之採用率遠低於DDPP欲達成之75%目標。若欲實踐商業部門數位化，應鼓勵中小企業採用創新之數位工具，且應積極投資具有高度發展可能性之新創企業。 其次，於數位技能與公共服務之層面，該報告提及，社會經濟相關之數位轉型過程中，以人為本係一貫之核心理念。然而，目前僅55.6%之歐盟人口具備基本數位技能，各成員國應採取多元方法於各級學校推動培養教育。又，為提升公共服務數位化，各成員國應致力於線上提供重要公共服務、電子健康紀錄，以利民間及企業方便運用。 最後，歐盟成員國須於2024年12月2日前審視、調整「數位十年國家戰略路線圖」，以符合DDPP闡述之目標。此外，歐盟執委會將監督、評估報告中建議之實施情形，並於2025年發布之「數位十年狀況報告」追蹤改善進度。
日本經濟產業省所屬研究機構提議「日本能源基本計畫修正研析建議」報告日本經濟產業省（Minister of Economy, Trade and Industry）所屬「自然資源及能源諮詢委員會（Advisory Committee for Natural Resources and Energy）」於2011年12月提出一份「日本能源基本計畫修正研析建議（Establishment of a New Basic Energy Plan for Japan）」，對於現有日本能源基本計畫，研析討論重要議題，並提出修正建議。 日本能源基本計畫，係因日本政府為因應2020年應達25％減碳目標（相較1990年水準），於2010年所規劃擬訂之推動計畫。而自然資源及能源諮詢委員會則是陸續招開會議研商討論，並提供建議給日本經濟產業作為省調修參考。此份報告指出，此份報告指出，能源基本計畫之推動架構必須重新思考，包括提議能源政策應強調重視「需求端（Demand Side）」，與兼顧「消費者（Consumers）」、「社會公民（Ordinary Citizens）」、「區域社區（Regional Communities）」等方面意見及利益，並建立社會公眾信心（Public’s Trust），以及必須能達到多元化不同電力能源之來源應用，並對於日本國家所需能源組成結構（Desired Energy Mix）進行討論議訂。 並且，對於推動實施，建議能源政策改革應朝向，以改革需求端架構（Reform of the Demand Structure）來達到能源節約社會目標,，以及改革供給端（Reform of the Supply Structure）來達到下一代分散式能源系統目標，並且倡議以創新技術來協助國家能源組成結構轉型，與能源供給端至需求端應備建設（Energy Supply-Demand Structure）之改革工作。 此研究報告於2011年12月提出後，歷經多次修改（最新更新為2012年1月），未來提交給經濟產業省供政策參考後，將產生如何影響內容，將再持續觀察最新進度。
英國期望透過資料使用與近用法案修正案，強化數位證據資料之可信任性英國於2024年11月提出資料使用與近用法案（Data (Use and Access) Bill）修正案，其修正內容包含強化數位證據資料之可信任性。 根據英國數十年來的法院判決，可以觀察到英國法院信任電腦自動產出的資料，因此除非當事人提出反證，否則將推定電腦證據是可信賴的。然而，該見解導致英國爭議案件「郵局Horizon系統出錯案」的發生，亦促使資料使用與近用法案修正案的提出。 資料使用與近用法案修正案於第132條新增與數位證據相關的條款，同條第1項規定由電腦、裝置或電腦系統產生的數位證據，符合下列規定者，於訴訟程序中可以作為證據。 a、 數位證據以及產生數位證據或衍生數位證據之系統之可信任性未受質疑。 b、 法院確信無法合理地挑戰系統之可信任性。 c、 法院確信數位證據源自可信任的系統。 此外，同條第4項規定第1項第c款所指之可信任的系統，應包括適用於系統運作的任何指示或規則，以及為確保系統中保存的資料的完整性而採取的任何措施。 綜上所述，英國逐漸扭轉過去英國法院認為由電腦自動產生的資料具有可信任性之見解，並透過資料使用與近用法案修正案修正對於數位證據的認定，未來在涉及數位證據的案件中，檢辯雙方需要證明作為數位證據的資料完整性具有可信任性。 我國企業如欲強化數位資料的可信任性，可參考資訊工業策進會科技法律研究所創意智財中心所發布之重要數位資料治理暨管理制度規範（EDGS），建立並落實數位資料管理流程，除可確保數位資料的完整性及正確性具有可信任性，亦可提升法院採納數位資料作為證據之可能性。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw） .Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em}
美國國家標準與技術研究院公布人工智慧風險管理框架（AI RMF 1.0）美國國家標準與技術研究院（National Institute of Standards and Technology, NIST）於2023年1月26日公布「人工智慧風險管理框架1.0」（Artificial Intelligence Risk Management Framework, AI RMF 1.0），該自願性框架提供相關資源，以協助組織與個人管理人工智慧風險，並促進可信賴的人工智慧（Trustworthy AI）之設計、開發與使用。NIST曾於2021年7月29日提出「人工智慧風險管理框架」草案進行公眾徵詢，獲得業界之建議包含框架應有明確之衡量方法以及數值指標、人工智慧系統設計時應先思考整體系統之假設於真實世界中運作時，是否會產生公平性或誤差的問題等。本框架將隨著各界使用後的意見回饋持續更新，期待各產業發展出適合自己的使用方式。 本框架首先說明人工智慧技術的風險與其他科技的差異，定義人工智慧與可信賴的人工智慧，並指出設計該自願性框架的目的。再來，其分析人工智慧風險管理的困難，並用人工智慧的生命週期定義出風險管理相關人員（AI actors）。本框架提供七種評估人工智慧系統之信賴度的特徵，包含有效且可靠（valid and reliable）：有客觀證據證明人工智慧系統的有效性與系統穩定度；安全性（safe）：包含生命、健康、財產、環境安全，且應依照安全風險種類決定管理上的優先次序；資安與韌性（secure and resilient）；可歸責與資訊透明度（accountable and transparent）；可解釋性與可詮譯性（explainable and interpretable）；隱私保護（privacy-enhanced）；公平性—有害偏見管理（fair – with harmful bias managed）。 本框架亦提出人工智慧風險管理框架核心（AI RMF Core）概念，包含四項主要功能：治理、映射（mapping）、量測與管理。其中，治理功能為一切的基礎，負責孕育風險管理文化。各項功能皆有具體項目與子項目，並對應特定行動和結果產出。NIST同時公布「人工智慧風險管理框架教戰手冊」（AI RMF Playbook），提供實際做法之建議，並鼓勵業界分享其具體成果供他人參考。