澳洲財政部發佈群眾募資法制框架選項之諮詢文件
2014年12月澳洲財政部就股權式群眾募資(Crowd-Sourced Equity Funding, CSEF)對外發佈政策框架選項的諮詢文件，為使新創企業容易對廣大的中小投資者籌集資金，該稿件承認政府需要採取行動，以克服現有的監管障礙，以利在澳洲廣泛的使用群眾募資這項工具。
提出討論文件的三個政策選項包括：
一、 公司和市場諮詢委員會（CAMAC）在2014年6月提出的法制框架。
二、 在2014年4月份於紐西蘭生效施行的紐西蘭模式(New Zealand model)的法制框架。
三、 維持現狀。
上述方案各具特色及優缺點，在公司和市場諮詢委員會(CAMAC)的提案中，建議專注於修改聯邦公司法，創造一類特殊的豁免上市公司(不需召開年度股東大會、提供經審計之財務報告等)，且限制符合條件之小型企業才能納入，此外，設定200萬美元的募資上限，並可在12個月內在此範圍內提高募資；在中介機構部分，需持有澳大利亞金融服務執照(AFSL)，對於盡職調查(Due diligence)所承擔的責任要求較低，須提供風險警告予參與群眾募資的投資者，且禁止提供其投資諮詢和貸款；對於投資者之規定，則設有個案均僅能投資2,500澳幣的上限以及12個月內投資股權式群眾募資，總金額不得超過10,000澳幣的限制。
若選擇第二方案，即使用已於2014年4月生效的紐西蘭法制框架，與第一方案相較具有諸多相似之處。然而，兩制間也存有顯著的差異，包括紐西蘭模式並未特別創設一類豁免上市公司、也未將進行股權式群眾募資的公司限制於小企業；對中介機構平台的收費標準不設限制，資訊揭露要求亦較低；而對參加投資者的投資金額限制原則上是近乎相同的。
如果選擇第三個維持現狀方案，在現行法制下意味著群眾募資起始時將面臨50名非員工股東的上限、股份公開報價禁令的限制，設立後須負擔如定期發佈經查核之財報等較一般私有企業更繁重的公司治理要求，此外，中介機構如群眾募資平台等也必須擁有澳大利亞金融服務執照(AFSL)。
諮詢文件訂立2014年12月8日至2015年2月6日這段期間內，向大眾公開徵求建議，並要求各利害關係人如中介機構，包括創投基金與群眾募資平台之意見。以推動群眾募資法制化，並尋求進一步的磋商出可能的立法草案，在確保減少監管障礙與保持充足投資者保護之間取得適當的平衡。可預期的未來這一年群眾募資的法制架構將在澳洲逐漸明朗化。
- Michael Hansel & Richard Hanel, Corporate advisory and governance alert: crowd sourced equity funding – riding the wave of change, Hopgoodganim, Jun 19
- Andrea Beatty, Brad Lynch, Russell Lyons & Becki Tarn, CAMAC's report on equity crowdfunding, JDSUPRA, Jun 19, 2014
- Kye White, Regulation hold-ups put Australia at risk of falling behind in the equity crowdfunding stakes, startupsmart, Sep 18, 2014
- A big step forward for crowd-sourced equity funding, GRTLAWYERS, Dec 12, 2014
- Andrew Macpherson, Equity crowd funding in Australia – Where to now? MacphersonGreenleaf, Dec 18, 2014
- Andrea Beatty, Brad Lynch, Russell Lyons & Becki Tarn, Treasury releases discussion paper on crowd-sourced equity funding, JDSUPRA, Dec 29, 2014
- Australian Government Treasury, Crowd-sourced equity funding discussion paper(2014)
非營利組織EIT Health於2020年2月展開公共人體生物資料庫（Public biobank）再利用之「數位沙盒」（Digital Sandbox）計畫的第二次公開徵求。參與的中小企業於提案後，可於2020年7月底前獲得通過與否的通知，並最快於2020年9月開始參與計畫。 EIT Health成立於2015年，是歐洲創新技術研究所（European Institute of Innovation and Technology）下的「知識與創新社群」（knowledge and innovation community）之一，主要資金來自歐盟「展望2020」（Horizon 2020）。有鑑於數位革命創造了大量極具研究價值的醫學生物資料，EIT Health於2019下半年提出公共人體生物資料庫再利用之「數位沙盒」計畫構想，該計劃主要目的在支持中小企業利用該生物資料實施創新服務或開發產品。 而依據歐盟一般資料保護規則（General Data Protection Regulation, GDPR）第89條規定，如果生物資料庫之利用係基於科學研究或公共利益之必要，可以在符合「適當的技術和組織措施」（Technical And Organisational Measures）之前提下得到豁免（exemptions）。依此條文，EIT Health之「數位沙盒」計畫參與者得不遵守GDPR第15條（資料主體之接近使用權）、第16條（更正權）、第18條（限制處理權）、第19條（關於更正或刪除個人資料或限制處理之通知義務）、第20條（資料可攜性權利）以及第21條（拒絕權）之規定。透過此計畫，有望幫助中小企業獲得公共人體生物資料庫、研究參與者（Sample holder）和登記冊的近用權限。此外，計畫亦提供最高35,000歐元的資金，以幫助中小型企業在開發創新產品時利用資料。
智慧財產權管理標準之建立－由管理系統標準談起（下） 美國FTC警告科技公司，不應迫於外國勢力而削弱對消費者之隱私與資料安全保障美國聯邦貿易委員會（Federal Trade Commission）主席Andrew N. Ferguson於2025年8月21日發信給13家科技公司，其中包含Alphabet、Amazon、Apple、Microsoft、Meta、X等國際知名科技公司，警告他們有義務保護美國消費者隱私與資料安全，若在外國政府施壓下審查美國公民的資料，將有違反《聯邦貿易委員會法》（Federal Trade Commission Act, FTC Act）之虞。 信中指出，科技公司可能為遵循外國法規或迫於外國政府壓力，削弱對美國公民的隱私及資料安全保護。如歐盟《數位服務法》（Digital Services Act）、英國《網路安全法》（Online Safety Act）期望科技公司審查用戶言論內容；而英國《調查權力法》（Investigatory Powers Act）則為滿足英國政府取得用戶儲存資料之目的，要求科技公司削弱原本對用戶採行之點對點加密措施。Ferguson主席更表示：「外國勢力審查及削弱加密措施等行動，將侵害美國公民的自由或使美國公民遭受各種危害，例如受外國政府監視、增加身分盜用與詐騙風險」。 信中亦提及，科技公司在遵守外國法律及相關要求的同時，仍須遵守FTC Act第5條規定，亦即禁止企業在市場中進行不公平或欺騙性行為的規定。同時也表示，過去20年來，FTC已對未能履行消費者資料安全或隱私承諾之公司提起數十起訴訟，並將持續要求蒐集、使用、分享或傳輸消費者個人資料的公司，應採取合理的安全措施，藉此確保消費者權益。
英國發布人工智慧網路資安實務守則英國政府於2025年1月31日發布「人工智慧網路資安實務守則」（Code of Practice for the Cyber Security of AI，以下簡稱「實務守則」），目的是提供人工智慧（AI）系統的網路資安指引。該實務守則為英國參考國際上主要標準、規範後所訂定之自願性指引，以期降低人工智慧所面臨的網路資安風險，並促使人工智慧系統開發者與供應商落實基本的資安措施，以確保人工智慧系統的安性和可靠性。 由於人工智慧系統在功能與運作模式上與傳統網路架構及軟體有明顯的不同，因此產生新的資安風險，主要包含以下： 1. 資料投毒（Data Poisoning）：在AI系統的訓練資料中蓄意加入有害或錯誤的資料，影響模型訓練結果，導致人工智慧系統產出錯誤推論或決策。 2. 模型混淆（Model Obfuscation）：攻擊者有意識地隱藏或掩飾AI模型的內部運作特徵與行為，以增加系統漏洞、引發混亂或防礙資安管理，可能導致AI系統的安全性與穩定性受損。 3. 輸入間接指令（Indirect Prompt Injection）：藉由輸入經精心設計的指令，使人工智慧系統的產出未預期、錯誤或是有害的結果。 為了提升實務守則可操作性，實務守則涵蓋了人工智慧生命週期的各階段，並針對相關角色提出指導。角色界定如下： 1. 人工智慧系統開發者（Developers）：負責設計和建立人工智慧系統的個人或組織。 2. 人工智慧系統供應鏈（Supply chain）：涵蓋人工智慧系統開發、部署、營運過程中的的所有相關個人和組織。 實務守則希望上述角色能夠參考以下資安原則，以確保人工智慧系統的安全性與可靠性： 1. 風險評估（Risk Assessment）：識別、分析和減輕人工智慧系統安全性或功能的潛在威脅的過程。 2. 資料管理（Data management）：確保AI系統整個資料生命週期中的資料安全及有效利用，並採取完善管理措施。 3. 模型安全（Model Security）：在模型訓練、部署和使用階段，均應符合當時的技術安全標準。 4. 供應鏈安全（Supply chain security）：確保AI系統供應鏈中所有利益相關方落實適當的安全措施。 「人工智慧網路資安實務守則」藉由清晰且全面的指導方針，期望各角色能有效落實AI系統安全管控，促進人工智慧技術在網路環境中的安全性與穩健發展。