Facebook因掃描用戶訊息而面臨訴訟
2013年，Facebook用戶Matthew Campbell指控Facebook違反聯邦電子通訊隱私法及加州法律，並提出集體訴訟，要求Facebook必須支付每位受侵害的用戶最高一萬美元的賠償。原因是Facebook掃瞄用戶之私人對話內容中的網站連結，並計入網站的按「讚」總數，再將這些「讚」彙整入用戶的個人檔案後對用戶進行行為分析，最後針對該用戶的行為模式發送客製化的廣告， 造成用戶的困擾。
對此，Facebook辯稱其掃描用戶的訊息是很普遍的商業行為，因此屬於聯邦電子通訊隱私法例外條款的範疇，而且Facebook在2012年即已停止傳送客製化廣告，故Facebook要求撤銷此訴訟。
然而，2014年12月23日，美國加州奧克蘭地方法官 Phyllis Hamilton認為，雖然Facebook已經在2012年10月停止傳送客製化廣告，但Facebook同時並承認仍會持續分析用戶之訊息（理由是為了防止電腦病毒以及垃圾郵件），而且Facebook不願意提供任何有關目標式廣告手法的細節，使法院無法判斷這是否為普遍的商業行為而屬於聯邦電子通訊隱私法例外條款的範疇，因此，法院裁定駁回Facebook的撤銷申請，本案將繼續進行審理程序。
- Judge To Facebook: Scan Users’ Private Messages For Targeted Advertising, Prepare For Class-Action Lawsuits ,INTERNATIONAL BUSINESS TIMES
- Judge refuses to dismiss lawsuit against Facebook for scanning private messages ,examiner
- Facebook must face lawsuit over scanning of users’ messages, judge says ,the and mail
Apple在對Psystar的法律訴訟上贏得重要的勝利，美國政府聯邦法院已判決複製品製造者Psystar於販售個人電腦時事先安裝Mac OS X作業系統，已侵犯Apple的著作權。 在雙方提起簡易判決訴訟後一個月，美國地方法院法官William Alsup 表示Psystar已侵害Apple專用之重製權、散布權及衍生著作權，於判決中針對著作權侵害一事已被承認。並且確認Apple於Mac OS X產品之直接用戶授權合約，是限制使用於Apple生產的電腦，更特別禁止安裝此作業系統於其他電腦；在此同時，法官否決Psystar的論點：首次銷售原則所允許，買家可以任意使用此作業系統。 此外，法官同意Apple的聲明，Psystar侵害數位化千禧年著作權法案之反規避條款及反交易條款，另一方面，法官也否決Psystar對Apple濫用著作權的論點。 此判決並未包含其他Apple所提出的主張，包括：合約的侵害、商標的侵權及商標稀釋，法官也未提出給予Apple救濟上的權利，包括先前提及之永久禁止令，要求中止Psystar販售任何帶有Apple軟體的硬體並強迫其召回所有已售出帶有此作業系統之機器。 此判決對Apple而言，是決定性的勝利，但並非結束所有在法律上的爭議，12月14日將進行賠償的審訊，其餘審判也預訂於明年1月開始。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
資通訊安全下之訊息分享與隱私權保障—簡析美國2015年網路保護法