美國白宮公布巨量資料追蹤報告與政策建議

刊登期別
第26卷第9期,2014年09月
 

本文為「經濟部產業技術司科技專案成果」

※ 美國白宮公布巨量資料追蹤報告與政策建議, 資訊工業策進會科技法律研究所, https://stli.iii.org.tw/article-detail.aspx?d=6649&no=0&tp=1 (最後瀏覽日:2026/11/21)
引註此篇文章
你可能還會想看
台日為促進5G導入創設優惠稅收待遇制度

  日本自民黨(目前執政黨)稅制調查會於去(2019)年12月12日公布「令和2年度稅制改正大綱」,並於同年12月20日經閣議決定,創設促進5G 導入稅制,決定對正在開發通訊網絡的行動通訊廠商,給予優惠稅收待遇。預計於今(2020)年通過「促進特定高端資訊通信等系統普及相關法律(暫定)」,於該新法施行日至2022年3月31日期間,受認定為「導入事業者(暫定)」之法人,導入符合「認定導入計畫(暫定)」之5G系統,取得5G系統設備並將其用於日本國內事業時,可選擇特別抵免取得價格的30%,或稅額扣除取得價格的15%,扣除上限額為法人稅額的20%。   我國於去(2019)年10月24日發布實施「公司或有限合夥事業投資智慧機械或第五代行動通訊系統抵減辦法」,亦規定有國內企業導入5G系統之抵減辦法,適用對象為同一課稅年度支出總金額100萬元以上,不逾10億元為限,可選擇支出金額5%抵減當年度應納營所稅額,或3年內支出金額3%抵減各年度應納營所稅額,抵減上限為當年度應納營所稅額30%,合併適用其他投資抵減時,當年度應納營所稅額50%。   我國與日本均可望透過優惠稅收待遇制度,促進5G 導入。隨著在地化5G的導入,預計可利用於工廠生產線自動控制和農產品效率化生育管理等智慧化資通訊系統,以促進智慧工廠或智慧農業的落地普及。

澳洲修正《澳洲消費者法》,強化數位交易之消費者保護

澳洲國會(Parliament of Australia)於2026年7月6日通過《競爭與消費者法不公平交易行為》修正案(Competition and Consumer Amendment (Unfair Trading Practices) Act 2026),修正澳洲全國性之消費者保護規範《澳洲消費者法》(Australian Consumer Law, ACL),針對暗黑模式(dark patterns)、滴漏式定價(drip pricing)及自動續訂等消費者保護議題增訂相關規範,並將自2027年7月1日起施行。 本次修法重點如下: (1)禁止暗黑模式:禁止業者以不當方式誘導消費者交易,例如隱匿重要資訊、以複雜或模糊方式呈現資訊,或透過網頁設計影響消費者選擇等。 (2)防範滴漏式定價:要求業者於交易之初一併揭露基本價格、其他費用及其計算方式,避免業者於交易過程中陸續揭露其他費用,使消費者難以事先掌握實際交易價格。 (3)自動續訂:要求業者於消費者訂閱前,清楚說明收費方式、訂閱期間、自動續訂及取消方式等資訊,並簡化取消程序;提供線上訂閱服務之業者,亦須提供線上取消管道。 新法施行後,預期能進一步保障消費者自主選擇權,提升交易資訊透明度,並降低因資訊不完整或交易設計而影響消費者判斷之情形,以強化數位交易之消費者保護。

金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險

.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} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告,探討人工智慧(Artificial Intelligence, AI)在金融領域的應用進展及對全球金融穩定的影響,分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處,但同時可能加劇某些金融部門的脆弱性(Vulnerability),進而構成金融穩定風險。報告特別提出之脆弱性包括:「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」,以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中,廣泛應用AI可能導致模型風險上升,因某些模型難以驗證、監控及修正,且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外,在大型語言模型(Large Language Model, LLM),大規模非結構化資料的使用及訓練資料來源的不透明性,使資料品質評估更加困難。特別是在預訓練模型(Pre-trained Model)中,金融機構對眾多資料來源的評估方式不熟悉,進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源,模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰,包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測,評估現行金融政策框架是否充分,並增強監管能力。建議可定期或不定期調查AI應用情形,並透過報告及公開揭露制度獲取相關資訊。此外,主管機關可考慮利用監督科技(SupTech)及監管科技(RegTech)等AI驅動工具強化監管效能,以應對AI在金融領域帶來的挑戰與風險。

日本《研究資料基盤整備與國際化戰略》報告書

  日本因應各先進國家近年於開放科學概念下,政府資助研發計畫研究資料管理及開放之倡議與制度化推展趨勢,內閣府於2015年提出開放科學國際動向報告書,並在第5期科學技術基本計畫與2019年統合創新戰略中規劃推動開放科學。上述政策就研究資料管理開放議題,擬定了資料庫整備、研究資料管理運用方針或計劃之制定、掌握相關人才培育與研究資料運用現況等具體施政方針。在此背景下,內閣府於2018年設置「研究資料基盤整備與國際化工作小組(研究データ基盤整備と国際展開ワーキング・グループ)」,持續檢討日本國內研究資料管理、共享、公開、檢索之基盤系統建構與政府制度、國家研究資料戰略與資料方針、國際性層級之推動方向等議題,在2019年10月據此作成《研究資料基盤整備與國際化戰略》(研究データ基盤整備と国際展開に関する戦略)報告書,形成相關政策目標。   本報告書所設定的政策目標採階段性推動,區分為短期目標與中長期目標。短期預計在2020年前,正式開始運用目前開發測試中之研究資料基盤雲端平台系統(NII Research Data Cloud, RDC),針對射月型研發計畫研擬並試行研究資料管理制度,建構詮釋資料(metadata)之集中檢索體系,並建立與歐洲開放科學雲(EOSC)之連結;中長期目標則規劃至2025年前,持續調適運用RDC,正式施行射月型研發計畫之研究資料管理制度,確立共享與非公開型研究資料之管理框架,蒐整管理資料運用現況之相關資訊,並逐步擴張建立與全球研究資料共享平台間之連結。

TOP