透過澳洲eBay交易須納10%商品及服務稅
義大利資料保護主管機關（Garante per la protezione dei dati personali, GPDP）於2026年1月29日決定，對遠距大學 Università Telematica e-Campus（下稱 e-Campus）處以5萬歐元罰鍰，理由為其於線上課程中使用臉部辨識系統違反《一般資料保護規則》（General Data Protection Regulation, GDPR）及義大利個人資料保護法。 本案中，e-Campus 為進行學生身分驗證與出席確認，要求學生事先上傳臉部影像與身分證件，建立生物特徵模型，並於課程期間透過網路攝影機即時拍攝影像方式，進行隨機抽查比對。校方會將臉部辨識資料保存12個月，以及系統會將課堂影像保存至口試日，且校方主張該影像資料處理係以學生同意作為適法依據。 經GPDP調查認定該臉部辨識作業存在多項違法情形： 一、適法依據不足： GPDP指出於義大利法制下，私立大學與公立大學均被視為追求公共利益之機構，相關資料處理應依GDPR第6條第1項(c)、(e)及第9條第1款（g）相關規定，以法定義務或公共任務為依據。儘管校方主張依據GDPR的同意為合法事由，但GPDP指出學生不同意即無法參與課程或取得資格，顯示雙方存在明顯權力不對等，因而該同意無效。 再者，在以公共利益為目的處理敏感資料（包括生物特徵資料）時，應以國內法為依據。惟校方援引之國家大學與研究體系評估機構指引（ANVUR），因其性質不被GDPR及其他法律認定為國內法律，亦不構成GDPR所要求之法律依據。因而認定有違反GDPR第6條第1款（c）及（e）、第9條第1款（g）之情形。 二、違反資料最小化與保存限制原則： 校方將臉部辨識資料保存長達12個月，超出出席確認目的所必要之期間。並且縱使辨識失敗，亦可即時改以人工方式檢核，無須長期保存相關資料。此外，後續系統將課堂影像保存至口試日，亦被認定缺乏必要性而違反GDPR第5條及第25條。 三、未妥適進行資料保護影響評估（DPIA）： 本案涉及大量學生（每班級約400至500人）之生物特徵資料處理，屬高風險情形，依法應事前進行DPIA。然而校方未於處理前完成評估，調查中提出之文件亦僅為無日期與簽名之電子試算表，被認定未履行相關義務而違反GDPR第35條。 綜上所述，考量資料屬性敏感、影響人數規模龐大等因素；同時亦考量校方於調查期間已停止使用該系統並展現配合態度，作為減輕處罰之因素，最終GPDP對 e-Campus 處以5萬歐元罰鍰，並命其將裁決公告於官方網站。
美國醫療保健領域對新興資料儲存系統理論「資料湖泊」(Data Lake)的應用在現今資訊流通快速蓬勃發展的時代，巨量資料(Big Data)帶來效率與生產力等龐大效益已無庸置疑。相較於將資料以「資料倉儲」(Data Warehouse)模式儲存，「資料湖泊」(Data Lake)被廣泛視為巨量資料快速演進的下一步。 美國的醫療保健領域為因應巨量資料發展並提升醫療保健系統的透明度與有責性，美國醫療保險與補助中心(Centers for Medicare & Medicaid Services, CMS)於2013年底建立CMS虛擬研究資料中心(Virtual Research Data Center, VRDC)，讓研究員能夠以安全有效率的方式取得並分析CMS的龐大醫療保健資料。此種資料倉儲模式會對進入的資料預先分類，並整合為特定形式以指導後續分析的方式。缺點在於為讓資料更易於分享，會進行「資料清理」(data cleaning)以檢測及刪除不正確資訊並將其轉換成機器可讀取格式，各資料版本會被強制整合為特別形式，但資料清理和轉換的過程會導致明顯的數據流失，對研究產生不利的限制。有鑑於此，為更有效益的應用巨量資料，Pentaho首席技術官James Dixon提出新的資料儲存理論—資料湖泊(Data Lake)，此概念於2011年7月21日首先被討論於美國《富士比》雜誌中，目前在英美國家公部門和民間企業間已被熱烈討論。 與Data Warehouse最大不同在於Data Lake可包含「未被清理的資料」(unclean data)，保持其最原始的形式。故使用者可取得最原始模式的資料，減少資源上處理數據的必要，讓來自全國各政府機關的資料來源更易於結合。Data Lake主要有四點特性：1.以低成本保存巨量資料(Size and low cost)2.維持資料高度真實性(Fidelity)3.資料易取得(Ease of accessibility)4.資料分析富彈性(Flexible)。儲存超過百萬筆病患資料的加州大學歐文分校醫療中心(UC Irvine Medical Center)即以Hadoop架構為技術建立了一個Data Lake，該中心能以最原始的形式儲存各種不同的紀錄數據直到日後需要被分析之時，可協助維持資料的來源與真實性，並得以不同形式的醫療數據進行分析項目，例如患者再住院可能性的預測分析。 但相對的Data Lake在安全性和檢視權限上也有一定的風險，尤其是醫療保健領域，因為這意味著病患的資料在個資生命週期裡隨時可被取得，因此資訊的取得應被嚴密控制以維持各層級的安全與保障，在建立安全的Data Lake之前，必須審慎考慮誰有資訊檢視權限以及透過什麼媒介取得Data Lake中的資料等問題。
歐盟2020年人工智慧白皮書歐盟執委會於2020年2月19日發布「人工智慧白皮書」（White Paper on Artificial Intelligence: a European approach to excellence and trust），以打造卓越且可信賴的人工智慧為目標。歐盟認為在推動數位轉型過程中的一切努力，均不應脫離歐盟以人為本的最高價值，包含：開放（open）、公平（fair）、多元（diverse）、民主（democratic）與信任（confident），因此在人工智慧的發展上，除了追求技術的持續精進與卓越外，打造可信賴的人工智慧亦是歐盟所重視的價值。 歐盟執委會於人工智慧白皮書中分別就如何追求「卓越」與「可信賴」兩大目標，提出具體的措施與建議。在促進人工智慧卓越方面，執委會建議的措施包含：建立人工智慧與機器人領域的公私協力；強化人工智慧研究中心的發展與聯繫；每個成員國內應至少有一個以人工智慧為主題的數位創新中心；歐盟執委會與歐洲投資基金（European Investment Fund）將率先在2020年第1季為人工智慧開發與使用提供1億歐元融資；運用人工智慧提高政府採購流程效率；支持政府採購人工智慧系統等。上述各項措施將與歐盟「展望歐洲」（Horizon Europe）科研計畫密切結合。 而在建立對人工智慧的信賴方面，執委會建議的措施則包含：建立有效控制人工智慧創新風險但不箝制創新的法規；具高風險的人工智慧系統應透明化、可追溯且可控制；政府對人工智慧系統的監管程度應不低於對醫美產品、汽車或玩具；應確保所使用的資料不帶有偏見；廣泛探討遠端生物辨識技術的合理運用等。歐盟執委會將持續徵集對人工智慧白皮書的公眾意見，並據以在2020年底前提出成員國協力計畫（Coordinated Plan）之建議。
淺談美國建築能源科技法制政策發展近況