英國Ofcom「個資與隱私」報告
針對告知消費者個資使用方式以及確保消費者對個資利用之參與及意見表達，英國通訊傳播管理局（The Office of Communications, Ofcom）於2015年6月17日公布委託德國顧問公司WIK-Consult進行之「個資與隱私」(Personal Data and Privacy)報告。報告指出，雖然法規要求在處理個資前必須獲取相關消費者的告知同意，但事實是消費者並未在線上實際閱讀隱私權政策條款，這個問題則由於智慧聯網大幅促進了裝置間的互聯性與資料的流通而更形嚴重。報告表示，雖然資料流通的本質不變，但僅因互聯裝置數量倍增就足以讓可近用與分析的資料呈等比級數成長，要在線上對這些遍及生活各層面的資料進行追蹤也就難上加難。
對於這個起因於智慧聯網興起的問題，報告認為政府可能必須利用更複雜的契約關係加以規範。因為隱私權政策要能透明，必須指出究竟是哪些人會在何時以哪種方式為了何等目的去近用相關資料，但這勢必會讓隱私權政策條款更加冗長，這不但與隱私權政策盡可能應簡潔易懂相違，消費者也更不可能實際去閱讀。此外報告也指出，機台或裝置在智慧聯網下能夠在幾乎沒有人為介入的情況下進行溝通，此將大幅壓縮消費者能夠得知個資蒐集與使用方式的機會，智慧聯網也讓消費者可能根本沒有察覺其正在使用的裝置實際上已經與網路連線。另一方面，隨著互聯複雜性的大幅提高，有意或無意揭露個資也將帶來更多的潛在不利影響。
本文為「經濟部產業技術司科技專案成果」
- 零售業個資法遵實務與資訊安全說明會（台中場）
- 【台北場1】通訊傳播事業個資保護實務專題講座
- 【台北場2】通訊傳播事業個資保護實務專題講座
- 【台北場3】通訊傳播事業個資保護實務專題講座
- 金融相關資服業者線上個資安維宣導說明會
- 【上午場】探索科技法律最前線：資策會科法所「114年成果」分享會暨簡報票選
- 商業服務業個資管理與資訊安全實務宣導說明會（高雄場）
- 商業服務業個資管理與資訊安全實務宣導說明會（台南場）
- 商業服務業個資管理與資訊安全實務宣導說明會（台中場）
- 商業服務業個資管理與資訊安全實務宣導說明會（台北場）※如遇颱風假延期至7/16
- 【北部場1】國家通訊傳播委員會與通訊傳播產業個人資料保護與管理制度實務工作坊
- 【北部場2】國家通訊傳播委員會與通訊傳播產業個人資料保護與管理制度實務工作坊
- 【北部場3】國家通訊傳播委員會與通訊傳播產業個人資料保護與管理制度實務工作坊
- 【北部場4】國家通訊傳播委員會與通訊傳播產業個人資料保護與管理制度實務工作坊
- 【南部場】國家通訊傳播委員會與通訊傳播產業個人資料保護與管理制度實務工作坊
- 【中部場】國家通訊傳播委員會與通訊傳播產業個人資料保護與管理制度實務工作坊
- 【上午場】通傳產業個資管理機制與資料加值運用座談會
- 【下午場】通傳產業個資管理機制與資料加值運用座談會
- 長照系統相關資服業個資線上宣導說明會
於2025年，Parallel Advisors的理財顧問Nicole Amore（下稱Nicole）向其前雇主Falcon Wealth（下稱Falcon）提起訴訟，請求法院停止Falcon提起的仲裁程序。 本案源自於2025年2月，Nicole自Falcon離職後隨即加入Parallel Advisors，而同年4月，Falcon向仲裁機構申請仲裁，主張Nicole違反合約中關於離職後禁止招攬公司現有或者潛在客戶的規定，指稱Nicole除了下載或截圖公司客戶資訊至其個人設備外，更在尚未離職時即與客戶聯繫，通知客戶其即將轉任新公司之事。 對此，Nicole則援引《加州商業與職業法》第16600條和第16600.5條規定，主張該等競業禁止及限制招攬的條款為違法。 此類因為顧問移轉任職所引發之客戶資訊移轉爭議，在顧問產業中時有所聞，惟目前法院尚未對本案作出裁定，後續發展值得持續關注。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
英國政府許可利他的研究用途卵子捐贈主管英國生殖醫療及胚胎研究事務的人工授精暨胚胎管理局（The Human Fertilisation and Embryology Authority, HFEA）在考量過包括對捐贈婦女的風險以及公眾意見的諮詢後，於今（2007）年2月21日正式對外宣佈一項關於研究用途卵子捐贈的方案，當中提出有力的安全措施確保婦女在捐贈過程中會被正確的告知其風險，並強制地獲得適當的保障。管理局許可婦女捐贈其卵子以供研究之用，包括利他的卵子捐贈，以及接受試管受精醫療後所剩餘的卵子捐贈，而這是英國政府首度許可非接受生殖醫療的婦女可以為提供研究之用進行卵子捐贈。 HEFA強調研究用途卵子捐贈在程序上將有更明確的安全措施。這些安全措施包括清楚的區分研究人員及施行該婦女醫療的人員、關於實際上研究後果的詳細資訊、捐贈將產生的影響，以及要求獲得捐贈婦女在不受研究團隊干擾下的同意。這些安全措施將可有效避免女性捐贈者在被脅迫、被詐欺或是被誤導下做出捐贈卵子的決定。同時，婦女亦不能藉由捐贈卵子而獲得報酬，捐贈者只能要求一筆因捐贈所實際產生費用的補償（250英鎊，約16000元新台幣）。 雖然HEFA認為研究用途捐贈卵子的婦女將得到管制部門嚴密而強力的保障，並且不預見在這個特殊的研究領域會有魯莽的應用，但是部分專家對此並不贊同。位於英國倫敦的國王學院幹細胞研究學者Stephen Minger博士即認為目前使用人類卵子進行的研究工作仍未成熟，這項過早提出的方案會鼓勵婦女去提供她們的卵子來進行研究，而鼓勵這種情況的發生仍是太早了。
為促進健康資通訊科技之創新，美國嘗試立法重新定義健康軟體美國參議院認為健康資通訊科技（Healthy Information Technology）的創新與快速發展已經漸使現行法制不合時宜，美國食品藥物管理局（The US Food and Drug Administration）過度嚴格管制健康資通訊科技產品，甚至以法律強加健康資通訊業者不必要的負擔，恐抹殺新產業的創新能量，因此有必要對相關管制法規予以鬆綁。遂立法提案重新定義健康相關軟體，稱為「防止過度規範以促進照護科技法案」（The Prevent Regulatory Overreach To Enhance Care Technology Act of 2014，以下簡稱PROTECT Act）。 健康資通訊科技是目前創新與發展最快的美國產業。單以健康資通訊科技產業中，與健康相關的手機應用程式（application，APP）之開發，在全球經濟已創造數億美金的產值，在美國一地更提供了將近50萬份的工作機會。然而，在現行法制中食品藥物管理局認為健康相關的手機應用程式等軟體被廣泛應用於醫療行為的資訊蒐集，因此應當被視為醫療行為的一環。依據聯邦食品藥物及化妝品法（TheFederal Food, Drug and Cosmetic Act，FD&C Act）之規定，健康資通訊科技產品被界定為醫療器材（Medical Devices），而健康管理APP、行事曆APP、健康紀錄電子軟體等低風險產品亦包含在內，都必須嚴格遵守醫療器材相關行政管制。在PROTECT Act中將風險較低的健康資通訊科技產品重新定義為臨床軟體（Clinic Software）與健康軟體（Healthy Software）兩種態樣，其共通點在於明白區分出單純提供市場使用，不影響人體或動物醫療的健康資訊蒐集與直接提供實際臨床診斷，如放射線影像或醫療器材軟件的差異，PROTECT Act所定義之臨床軟體與健康軟體即屬於前者，故排除適用FD&C Act中醫療器材之定義範圍，得免除相關行政管制。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。