美國司法部對標準制訂組織所採取之新政策出競爭法上之意見
本文為「經濟部產業技術司科技專案成果」
美國國防部於2020年6月17日發布「國防太空戰略」（Defense Space Strategy），作為確保美國維持其太空戰略優勢的發展藍圖。國防部長Mark T. Esper指出，一個安全、穩定且開放的太空領域是美國用以支持其國家安全、繁榮科學發展的基礎，然而在各國太空技術競逐之下，太空已儼然成為新的作戰領域（warfighting domain），對此美國應針對政策、策略、任務、投資、能力與專業等面向實施全面性的改革，「國防太空戰略」擘劃出美國如何在接下來的10年內達成其確保美國太空戰略優勢的目標。 「國防太空戰略」提出三大目標：首先，國防部將支持並捍衛美國在太空中的軍事行動自由（freedom of operations），並遏止任何具有敵對意圖的使用以維持美國的太空優勢；其次，美國太空軍（U.S. Space Force）將運用其先進的國防太空技術優勢以協助美國及其盟友的太空軍事行動，並支持民間與商用太空技術產業發展；最後，美國將與盟友共同維持太空領域的穩定，防止任何侵略性的太空活動、建構國際公認的太空行為準則，並支持美國在太空交通與長期外太空活動的領導地位。 為了達成上述三大目標，「國防太空戰略」提出四個優先行動方向，分別為：（1）藉由太空軍的組織改造整合資源，以應對敵對勢力的太空軍事行動並建立全面性的太空軍事優勢。（2）提升作戰層次，整合太空軍事力量包含任務、情報、技能與人員於國家與國際聯合軍事行動當中。（3）提升國際對於太空潛在威脅的重視，推動國際太空行為準則以打造太空戰略環境。（4）透過情報共享、研發與採購（research, development, and acquisition, RD&A）與盟友、合作夥伴、產業及其他政府部門合作，提出對於國家太空政策與國際太空行為準則的建議。
英國政府發佈「網路安全規範與誘因評論」，評估是否有必要新增規範或誘因 來加強整體經濟活動中的網路風險管理英國文化、媒體暨體育部（Department for Culture, Media & Sport）於2016年12月21日發佈「網路安全規範與誘因評論」（Cyber Security Regulation and Incentives Review）（下稱本評論），本評論旨在評估新增規範或誘因對於強化整體經濟活動中之網路風險管理的必要性。 本評論的主要結論與建議為： 1.保護公民免於受到犯罪或其它形式的傷害具備明確的公益性，保護個人資料的相關規範亦具有強烈的正當性基礎。 2.有鑑於此，英國政府將藉由施行歐盟「一般資料保護規則」（General Data Protection Regulation,下稱GDPR）來增進整體經濟活動中的網路安全風險管理。英國政府藉由GDPR所課與企業在合理時間內向主管機關通報資料外洩事件之法律義務，以及GDPR在企業違反個資保護義務之罰鍰機制，要求產業界對網路安全的風險管理積極採取行動。 3.英國政府將採取若干措施來增加資料保護與網路安全之間的連結，以強化網路風險的管理。這些措施包括加強資訊委員辦公室（Information Commissioner’s Office），以及國家網路安全中心（National Cyber Security Center）之業務上合作關係、與投資人社群合作來制定網路安全規範，以及經由新的管理者論壇（Regulators’ Forum）與管理者合作，並且彼此分享良好的做法以及網路威脅的資訊等。 4.目前英國政府暫不在GDPR以外訂定其他的一般網路安全規範。
論網路環境下的通訊監察法制 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。