新加坡政府推出民眾資料共享平台MyInfo
新加坡政府在2016年05月05日發表了數位平台「MyInfo」。
新加坡政府推出此一平台的目標是「以數位方式來整合目前的工作，去除現行的不便與散亂，讓民眾與政府打交道時更輕鬆 」。因此，「MyInfo」將每個新加坡公民散在各政府機關間的個人資料整合成單一檔案，使用者也可以自行決定加入額外的資訊，像是年收入、教育程度、就業情況以及家人資料。當民眾需要填寫不同的政府表單時，不需要再一直填寫重複的內容。
新加坡政府表示，每個公民可以自由決定他們要不要註冊MyInfo。當使用者選擇使用這項服務時，相關機關會針對可能被運用的資料先徵詢使用者的同意。
MyInfo計畫是由新加坡財政部與資訊通信發展管理局共同發起。新加坡政府的數位服務團隊在一年前左右開始設計這項服務，目前平台上仍持續在測試並改善使用者經驗。
MyInfo從2016年01月到04月試營運，已經有超過32,000人使用這項服務(佔新加坡總人口0.6％)。在2016年06月之前，MyInfo會提供15項服務，包括註冊公用住宅、更新報稅資料以及求職資訊等。到2018年，所有需要雙認證的數位服務都會整合在MyInfo平台，估計會有200項服務項目。
這個計畫是新加坡「數位政府」（Digital Government）政策的重要拼圖之一。新加坡政府將持續擴大MyInfo的服務項目，希望藉由此服務來蒐整更多資料，並增加可供政府機關間分享的個人資料數目。伴隨愈加豐富的數據資料，各政府部門更能事先了解民眾的需求並提出民眾真正需要的服務。
陳譽文
副主任 編譯整理
Citizen data sharing platform launched in Singapore, May 5th 2016, https://govinsider.asia/digital-gov/singapore-launches-myinfo-to-enable-predictive-services/ (last visited May 20th, 2016)
Info-communications Development Authority of Singapore, MyInfo makes using Gov e-services more convenient， May 10th， 2016 https://www.ida.gov.sg/Tech-Scene-News/Tech-News/Digital-Government/2016/5/MyInfo-makes-using-Gov-e-services-more-convenient (last visited May 20th, 2016)
日本於2022年7月5日閣議決定修正政令將數位廣告（デジタル広告）的大型數位平台（デジタルプラットフォーム）業者列入「特定數位平台之透明性及公正性提升法」（特定デジタルプラットフォームの透明性及び公正性の向上に関する法律）適用對象，修正政令於2022年7月8日正式公布，並預計自2022年8月1日開始施行。 日本於2020年5月27日通過特定數位平台之透明性及公正性提升法（以下簡稱本法），要求特定數位平台業者公開提供服務條件，主動積極採取因應措施並進行自我評估，以提升特定數位平台透明性與公正性，促進國民經濟健全發展。隨著數位平台重要度與日俱增，數位廣告的數位平台企業影響力亦逐漸擴大，甚至將對媒體事業收益結構帶來重大改變。日本於2021年6月18日閣議決定「2021經濟財政營運及改革基本方針」（経済財政運営と改革の基本方針2021）與「成長戰略實行計畫」（成長戦略実行計画），均提出須關注數位市場競爭環境，因應新時代統整數位廣告市場規則，將數位廣告的大型數位平台業者列入本法適用對象，整合數位平台透明性與公平性規則。 本次修正政令列入本法適用對象的數位廣告業者包含：一、日本國內營業額在1000億日圓以上的媒體整合型廣告數位平台。二、日本國內營業額在500億日圓以上的廣告仲介型數位平台。日本期望能藉由統整數位廣告市場規則，解決數位廣告市場的垂直整合問題，同時強化消費者隱私保護。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。
韓國「電子文件認證管理系統」（Certified E-Document Authority System）法制化之簡介 線上遊戲「虛擬財產」法律性質與產業發展趨勢之研究