歐洲理事會提出糧食安全年度策略研究議程以整合歐盟研究能量
為因應近年來人口增長、氣候變遷對糧食安全之威脅，歐洲各國皆認為糧食安全( Food Security)議題為亟待解決之議題，應投入資源研究。為此，2012年歐洲理事會(The European Council)，始提出FACCE-JPI策略研究議程(The Strategic Research Agenda of the Joint Programming Initiative on Agriculture, Food Security and Climate Change)，議程主要係針對歐洲農業、糧食安全和氣候變化進行整合研究。來自21個歐洲國家代表及研究學者，提出該年度糧食安全之重要觀察議題與發展方向，欲透過此議程建立研究資源整合機制，提高歐盟因應糧食生產挑戰之研究、應對能力。
歐洲理事會於去年(2012)12月提出本年度策略研究議程，內容除重申歐盟應整合糧食安全研究能量外，該議程更指出五大核心研究議題，反映歐盟對糧食安全威脅多元化之重視 ，本議程研究重點歸納如下:
1. 氣候變遷與糧食安全永續
2. 環境永續發展與農業精緻化
3. 糧食供需、生物多樣性與生態系統平衡
4. 氣候變遷之因應
5. 減緩氣候異常現象之有效措施
本議程以核心研究為理論基礎，有效整合各會員國研究能量，更針對各別領域提出具體實踐策略，藉以強化基礎溝通平台、建立歐洲知識訊息交換能力，便利後續評估、監測機制的建立。
策略議程取代傳統將糧食安全視為「國家內政」議題，而以「區域整合」層次處理，象徵歐盟糧食安全共識逐漸發展之趨勢。
本文為「經濟部產業技術司科技專案成果」
王怡婷
法律研究員 編譯整理
The FACCE-JPI Strategic Research Agenda launched, EUROPEAN COMMISSION, Dec. 5, 2012, http://ec.europa.eu/research/bioeconomy/agriculture/news-events/news/20121205_en.htm (Last visited Jan. 22, 2013).
Launch of the FACCE-JPI Strategic Research Agenda, FACCEJPI-SRA press release, EUROPEAN COMMISSION, Dec. 5, 2012, https://www.faccejpi.com/FACCE-JPI-Home/FACCE-JPI-News/SRA-press-release (Last visited Jan. 22, 2013).
A European strategy to tackle the great challenges of agriculture and food security under climate change, EUROPEAN COMMISSION, Oct. 5, 2012, http://ec.europa.eu/research/bioeconomy/pdf/facce_sra_press_release_en.pdf (Last visited Jan. 22, 2013).
Spitzencluster-Wettbewerb由德國聯邦教育與科學部（Bundesministerium für Bildung und Forschung，BMBF）自2007年起開始推行，屬該國高科技戰略2020（hightech-strategie 2020）之政策配套措施之一，更是歐盟發展歐洲研發區位計畫（European Research Area）之一環。所謂聚落係建立在德國傳統工業區位分布上，利用群聚效應因應產業技術發展的複雜問題（產業問題非單一技術可解決），使各具專長之學研機構與企業共同分享產業問題研議出解決方案，分擔研發風險與成本等，增強合作效率，促進產業創新及升級。聚落多以成立協會（association）為主，平均每一聚落有近70個企業參與，原則上開放跨國參與者參與聚落之產學合作，並對會員收取會費。 本計畫作為重要的區域產學研合作計畫，乃承襲自德國過去不斷推動的區域產學研合作計畫，其特色是採取競爭方式選出德國境內優秀之聚落，並補助其相關研發計畫。自2007年至2015年間，已有三次選拔，並選出共15個領先聚落，分別涉及領域橫跨航太、資通訊、能源、生技等技術發展。至2015年為止總計已補助超過1300個計畫。2015-2017年將規劃有三次選拔，每回合挑選至多10個聚落獲得補助。目前本計畫已補助3.6億歐元預算，至2017年底將再投入5億歐元預算。
日本公布「特定數位平臺之透明性及公正性提升法」之透明性及公正性評鑑指標日本經濟產業省（METI）於2022年12月22日於官網公布「特定數位平臺之透明性及公正性評鑑」報告（特定デジタルプラットフォームの透明性及び公正性についての評価），首次針對擁有數位平臺的大型IT（Information Technology）企業完成交易機制透明性及公正性評鑑，並要求被評鑑之企業進行改善。 該評鑑依據「特定數位平臺之透明性及公正性提升法」 （特定デジタルプラットフォームの透明性及び公正性の向上に関する法律，以下稱「透明化法」），透明化法於2020年5月通過並已在2021年2月施行。其目的是為了提高交易之透明性以及公正性，具體指定「特定數位平臺」之企業，並列為評鑑對象，課予其有揭露或公開特定訊息，與進行改善的義務。 本次的評鑑內容，是依該法第4條第1項、第8條以及第9條第2項所定，交易條件之資訊揭露義務為基礎，由日本經濟產業大臣指定數位平臺企業（提供者の指定），進行個案評鑑（評価）並要求其改善（勧告）。依據個案評鑑之內容，日本針對數位平臺之透明度及公正性之判斷，歸納出下列具有共通性之指標： 1.企業有揭露交易條件之義務 2.企業有完善交易機制之義務 3.企業有積極處理用戶申訴與糾紛之義務 4.針對應用程式商店（アプリストア），課徵手續費（手数料）與會員付款結帳（課金）方式之限制，企業有詳細說明之義務 5.企業本身或關係企業與平臺其他用戶之間須公平競爭，例如：企業與直營或非直營商店之間，具有利害關係或有優待行為時，企業須公開其管理方針，並列入內部稽核事項，使其能檢視差別對待之正當性。 6.停用帳戶或刪除之手續，企業在30天之前，就該處置之內容和理由，對消費者有通知之義務。 7.退款或退貨之流程，企業有積極和具體說明之義務，且須將處置成果公開。 關於評鑑對象之指定，是依同法第4條第1項所授權，由日本經濟產業省進一步於2021年2月1日頒布政令，以事業種類與規模進行區分。此外，被列為評鑑對象之企業必須在每年5月底前，各自將企業內部的因應措施，提交總結報告，並由經濟產業大臣進行審閱。值得注意的是，依評鑑結果所要求的改善措施，原則上以企業自主改善為要旨，但日本政府目前正商討今後是否需要以強制力介入；對於被列為評鑑企業之後續改善措施及透明化法之推動方向，值得作為我國數位平臺治理政策之借鏡與觀察。
美國提出壟斷威攝法案美國參議院在2019年7月23日，於第116屆國會中審查了兩次「壟斷威攝法案」(The Monopolization Deterrence Act)，相當於台灣法案經過二讀。提出者是參議院司法委員會反托拉斯、競爭政策和消費者權益小組之成員，克洛布查爾，他認為聯邦執法人員發現非法壟斷行為之時，需要採取果斷行動以確保制止這種行為，但僅僅是禁制令不足以阻止這種非法行為的發生，尚需更好的立法。 本法將賦予司法部和聯邦貿易委員會權利，對壟斷犯罪尋求懲罰性罰款，其目的係為司法部和聯邦貿易委員會提供額外的執法工具，針對個別違規行為制訂補救措施，平衡其嚴重的犯行，並希冀能有效制止未來之非法行為。原法律規定個人違反最高可罰一百萬美元，企業最高可以罰一千萬美元，國會調查後認為原法律規定之罰款不足以阻止壟斷行為，因為獲利可能比罰款更多。 有關「壟斷威攝法案」之修正內容大略包含: 每個違反本條規定的人，必須負擔民事罰款，該罰款不大於個人上一年度在美國的總收入中的15%。從事非法行為之期間，所有交易、貿易行為收入的30%。 委員會針對以不正當方法競爭違反謝曼爾法案第二條的個人、合夥企業或公司，可以在美國地方法院提起民事訴訟，並對此種行為處以民事罰款。 任何個人、合夥企業或公司被發現違反了謝曼爾法案第二條，其民事罰款不大於個人、合夥企業、公司上一年度在美國的總收入的15%。從事非法行為之期間，與非法行為有關之商業活動中之個人、合夥企業或公司在美國之總收入的30%。 在聯合民事處罰準則中，有規範總檢察長和聯邦貿易委員會在計算民事罰款時，必須考慮之相關因素，有以下七項，其一，受影響的商業量；其二，違法行為的持續時間和嚴重性；其三，為隱瞞違法行為而採取或試圖採取之任何行動；其四，違法行為嚴重或明顯違法之程度；期五，是否將民事處罰與針對違法行為之其他救濟相結合，包括結構性救濟、行為條件、非法所得之歸還；其六，先前是否曾從事過相同或類似之反競爭行為；其七，是否違反先前之法令或法院命令該為之行為。
英國發布人工智慧網路資安實務守則英國政府於2025年1月31日發布「人工智慧網路資安實務守則」（Code of Practice for the Cyber Security of AI，以下簡稱「實務守則」），目的是提供人工智慧（AI）系統的網路資安指引。該實務守則為英國參考國際上主要標準、規範後所訂定之自願性指引，以期降低人工智慧所面臨的網路資安風險，並促使人工智慧系統開發者與供應商落實基本的資安措施，以確保人工智慧系統的安性和可靠性。 由於人工智慧系統在功能與運作模式上與傳統網路架構及軟體有明顯的不同，因此產生新的資安風險，主要包含以下： 1. 資料投毒（Data Poisoning）：在AI系統的訓練資料中蓄意加入有害或錯誤的資料，影響模型訓練結果，導致人工智慧系統產出錯誤推論或決策。 2. 模型混淆（Model Obfuscation）：攻擊者有意識地隱藏或掩飾AI模型的內部運作特徵與行為，以增加系統漏洞、引發混亂或防礙資安管理，可能導致AI系統的安全性與穩定性受損。 3. 輸入間接指令（Indirect Prompt Injection）：藉由輸入經精心設計的指令，使人工智慧系統的產出未預期、錯誤或是有害的結果。 為了提升實務守則可操作性，實務守則涵蓋了人工智慧生命週期的各階段，並針對相關角色提出指導。角色界定如下： 1. 人工智慧系統開發者（Developers）：負責設計和建立人工智慧系統的個人或組織。 2. 人工智慧系統供應鏈（Supply chain）：涵蓋人工智慧系統開發、部署、營運過程中的的所有相關個人和組織。 實務守則希望上述角色能夠參考以下資安原則，以確保人工智慧系統的安全性與可靠性： 1. 風險評估（Risk Assessment）：識別、分析和減輕人工智慧系統安全性或功能的潛在威脅的過程。 2. 資料管理（Data management）：確保AI系統整個資料生命週期中的資料安全及有效利用，並採取完善管理措施。 3. 模型安全（Model Security）：在模型訓練、部署和使用階段，均應符合當時的技術安全標準。 4. 供應鏈安全（Supply chain security）：確保AI系統供應鏈中所有利益相關方落實適當的安全措施。 「人工智慧網路資安實務守則」藉由清晰且全面的指導方針，期望各角色能有效落實AI系統安全管控，促進人工智慧技術在網路環境中的安全性與穩健發展。