馬來西亞個人資料保護法於2013年11月15日正式施行
馬來西亞於2010年訂定個人資料保護法（Personal Data Protection Act, PDPA），惟當時並未立即施行，至2013年11月15日，才連同相關規則、命令正式施行。
任何因商業往來而取得個人資料之人，在馬來西亞境內以自動化工具處理（或授權、控制個人資料之處理）時，都必須遵循該法及其相關法令的規定。否則，將有可能面臨50萬元令吉（相當於新台幣450萬元）罰鍰或三年以下有期徒刑。
除此之外，2013年個人資料保護命令（Personal Data Protection Order 2013）更規定，通訊業、金融業、保險業、健康、遊樂業、運輸業、教育、直銷業、服務業、不動產業、公益事業等11種行業別的資料利用者，必須在2014年02月15日前向個資保護委員會註冊並取得執照。
針對施行前蒐集的個人資料，該法賦予三個月的寬限期，然而施行後所蒐集者立即適用，其中包括以下規定：
1.告知當事人蒐集目的、有權請求存取及更正，並提供聯絡窗口、電話、傳真號碼或e-mail等相關資訊，於21日內回覆當事人請求；
2.除履行契約所必要等情形外，處理個人資料前應取得當事人同意，且該同意若係透過既有表單取得，外觀上應與其他事項有所區別；
3.在蒐集目的內利用個人資料，將個人資料提供予第三人時，應定期維護該名單；
4.實施並確保從業人員遵循安全政策，該政策須符合個資保護委員會所定安全標準；
5.確保個人資料之完整性、正確性及最新性；
6.制訂保存期間政策；
7.除接受國事先經過核准、取得當事人同意或已盡相當能事確保個人資料不會以違反個資法規定之方式處理外，原則上禁止國際傳輸等。
馬來西亞由於該法的施行，早先於新加坡成為東協十國當中，第一個全面實施相關法規的國家，通訊暨多媒體部部長Ahmad Shabery Cheek表示，此舉將有助於馬來西亞躋身已開發國家之林。
- Safeguarding the right of consumers – Sin Chew Daily
- Personal Data Protection Act introduced on Nov 15
- Malaysia: Breaking News - Personal Data Protection Act enters into force
- Personal Data Protection Act 2010: are you compliant?
- Malaysia’s Personal Data Protection Act finally in effect
- Malaysia joins the global privacy club!
- Malaysian Personal Data Protection Act comes into force
韓國警方在新頒布的 「生命倫理及安全法」 正式實施後，第一次 逮捕 一名涉嫌非法出售人類卵子的金姓男子，卵子的來源乃是該名男子利用積欠其高額債務的女子出售所得的。 警方在搜查了首爾地區的四家醫院後，起訴了涉嫌出售卵子的兩名大學生和一位主婦，並調查其他涉嫌利用網路從事掮客生意，將韓國女性的卵子出售給國內外 不孕夫妻 。 調查顯示，非法大型網站買賣女性卵子現象在韓國正日益猖獗，提供卵子的女性絕大多數都是因經濟困難 。 「生命倫理及安全法」於今年 1 月 1 日開始施行，該法律除了禁止買賣卵子和雇用代理母外，也是韓國作為禁止複製人類之法律依據。
為合理化中小企業銷售額認定基準，韓國通過《中小企業基本法施行法》部分條文修正案韓國中小企業暨新創事業部（Ministry of SMEs and Startups）於2025年8月26日宣布，國務會議已審議通過《中小企業基本法施行法》（Enforcement Decree of the Framework Act on Small and Medium Enterprises）部分條文修正案，調整中小企業（Small and Medium Enterprises）銷售額認定基準（Sales Threshold）。 判斷企業是否屬於「中小企業」主要依據兩項因素：一、依資產和銷售額訂定的企業規模標準；二、用以評估企業是否獨立於其關係企業（affiliation）的獨立性標準。其中，以銷售額作為認定依據的基準，是按行業別三年平均值計算，自2015年制定以來至今已十年未作調整。 然而，自 COVID-19 疫情以來物價急遽上升，生產成本大幅增加，導致部分中小企業在未有實質成長的情況下，銷售額僅因通膨因素而形式上增加，進而被迫脫離中小企業範圍，失去關於中小企業的優惠保障。因此，中小企業界過去一直有呼籲調整中小企業銷售額認定基準。 為合理調整中小企業銷售額認定基準，中小企業暨新創事業部經與業界、相關部會及學界專家協商後，決定調整認定基準。爰此，《中小企業基本法施行法》部分條文修正案已由國務會議審議通過，並於2025年9月1日公布生效。 修訂案主要內容如下： 首先，中小企業部分：在44個行業別中，有16個行業的銷售額認定基準將比現行標準上調200億至300億韓元；銷售額範圍則由400億至1,500億韓元調整為400億至1,800億韓元。 其次，小型企業（Small enterprises）部分：在43個行業別中，有12個行業的銷售額認定基準將比現行上調5億至20億韓元；銷售額範圍則由10億至120億韓元調整為15億至140億韓元。 因應此次修法，受影響的中小企業─即目前享有「中小企業畢業寬限期優惠」（SME graduation grace period），但因修法而重新取得中小企業資格之企業─將予以配套措施。 所謂「中小企業畢業寬限期優惠」，係指當企業因銷售額增加而超過中小企業銷售額認定基準時，仍可在最長五年內仍被認定屬中小企業的身份，以協助其有充裕時間平穩過渡至成為中型企業（medium-sized enterprises）。 因此，「中小企業畢業寬限期優惠」僅適用於首次因銷售額增加而超過中小企業認定基準，不再屬於中小企業的企業。 然而，若目前正享有「中小企業畢業寬限期優惠」的企業，因此次修法調整銷售額認定基準而重新取得中小企業資格，導致目前享有的寬限期優惠被中斷結束，未來若再次因銷售額超過中小企業銷售額認定基準，而不再屬於中小企業，將予以配套措施，可再享有一次「中小企業畢業寬限期優惠」。 韓國此次調整中小企業銷售額認定基準並完善中小企業畢業寬限期優惠制度，可作為我國修訂中小企業政策之參考。
英國政府公布物聯網設備安全設計報告及製造商應遵循之設計準則草案英國數位文化媒體與體育部於2018年3月8日公布「安全設計：促進IoT用戶網路安全（Secure by Design: Improving the cyber security of consumer Internet of Things）」報告，目的在於讓物聯網設備製造商於製程中即採取具有安全性之設計，以確保用戶之資訊安全。此報告經英國國家網路安全中心(National Cyber Security Centre, NCSC)、製造商及零售商共同討論，並提出了一份可供製造商遵循之行為準則（Code of Practice）草案。 此行為準則中指出，除設備製造商之外，其他包含IoT服務提供者、行動電話軟體開發者與零售商等也是重要的利益相關人。 其中提出了13項行為準則： 不應設定預設密碼（default password）； 應實施漏洞揭露政策； 應持續更新軟體； 應確保機密與具有安全敏感性的資訊受到保護； 應確保通訊之安全； 應最小化設備可能受到網路攻擊的區域； 應確保軟體的可信性； 應確保設備上之個資受到妥善保障； 應確保系統對於停電事故具有可回復性； 應監督設備自動傳輸之數據； 應使用戶可以簡易的方式刪除個人資訊； 應使設備可被容易的安裝與維護； 應驗證輸入設備之數據。 此草案將接受公眾意見至2018年4月25日，並規劃於2018年期間進一步檢視是否應立相關法律與規範，以促進英國成為領導國際之數位國家，並減輕消費者之負擔並保障其隱私與安全權益。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。