美國擬推聯邦私密隱私保護法案，防治情色報復將邁向聯邦法位階
美國加州第14屆國會選區眾議院議員Jackie Speier於2016年7月中旬提出私密隱私保護法案(Intimate Privacy Protection Act, IPPA)，本法案之草擬耗時兩年多，以聯邦法的法律位階之姿誕生，在美國各州政府紛紛將違反本人意願散布性隱私內容入罪化的高峰期，可望能統一各州州法分歧的法律落差。由於目前全美已有超過半數的州政府已分別頒布所謂的情色報復法案(Revenge Porn Act)，造成各地方政府就此行為之定義和條文適用有所歧異，對無國界的網路生態來說，產生許多法律適用之衝突和迥異。
私密隱私保護法案規定，違反本人意願散布性隱私內容者，將處五年以下有期徒刑，得併科罰金，適用主體包含具有侵害故意和意圖藉此營利之人。然而，有反對聲浪認為，由於條文僅限欠缺本人同意，但未限於行為人具有侵害他人的故意，故認為此聯邦法位階的法案適用範圍過於廣泛，恐侵害憲法保障的言論自由。美國公民自由聯盟(American Civil Liberties Union, ACLU)長期關注此項法律議題，要求構成要件應限於行為人具有侵害他人之故意，否則將嚴重影響媒體產業。私密隱私保護法案條文內容特別明列排除適用之條款，如因法律或訴訟執行上的需要、基於公共利益或合法的商業利益之情事，以及網路服務提供者的豁免責任(意圖藉由散布性隱私內容而營利之網路服務提供者除外)。目前本法案同時獲得多數民主黨議員、共和黨議員，以及網路服務提供者巨擘Facebook和Twitter的支持。
蕭郁溏
法律研究員 編譯整理
Intimate Privacy Protection Act, H.R., 114th Cong. (2nd Sess. 2016).
Kristen V. Brown, Whoa, We Might Finally Get a Federal Law Making Revenge Porn Illegal, FUSION, July 16, 2016, http://fusion.net/story/325638/jackie-speier-revenge-porn-bill/ (last visited Aug. 5, 2016).
Steven Nelson, Lawmakers Unveil Proposal to Take Nip Out of Revenge Porn, U.S. NEWS, July 14, 2016, http://www.usnews.com/news/articles/2016-07-14/lawmakers-lay-bare-proposal-to-take-nip-out-of-revenge-porn (last visited Aug. 5, 2016).
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。
台灣蕨類大會師台灣蕨類資源相當豐富，為保存台灣原生蕨類植物資源，我國政府於和平鄉鳥石坑規劃成立「蕨類園」，共蒐集台灣原生種蕨類 32科200多種，經過4年培育，蕨類生長茂盛，是很好的科學研究與生活旅遊教材。根據研究，台灣蕨類共37科、約620種，「蕨類園」的目標希望蒐集300至400種台灣中低海拔原生蕨類，做為種源保存、學術研究與解說教育之用。 蕨類是台灣常見的植物之一，在居家圍牆裂縫或庭園造景的石頭縫裡，就可觀察到鱗蓋鳳尾蕨、劍葉鳳尾蕨、細毛小毛蕨和腎蕨等蕨類，但是大多數民眾對蕨類卻非常陌生，因此該中心擬將蕨類納入社區生態與環境教育介紹的主題，教導參觀者如何欣賞各種蕨類之美。 台灣蕨類資源到底有多豐富？根據形容，台灣蕨類比整個歐洲還多，面績是台灣好幾倍大、且非常喜歡蕨類的紐西蘭，也只有 100多種。在單位面積分布上，台灣堪稱蕨類植物的天堂。因此 ， 台灣「蕨類園」之成立將會是台灣生態保育的一個重要里程碑 。
地理空間資料（Geospatial Data）Google地圖、GPS導航、Facebook定位打卡、「台北等公車」、Uber叫車，「地理空間資料」（Geospatial Data）的運用已經滲透現代人的生活。然而，究竟什麼是「地理空間資料」？所謂「地理空間資料」，依美國的《2018年地理空間資料法》 （Geospatial Data Act of 2018）的定義：「與地球上緊扣相關的位置資訊，包含辨識地球上的地理位置和自然或結構特徵與疆界。在向量資料組（Vector Dataset）中，大致以點、線、多邊形或複雜的地理特徵或現象呈現。該資料可能透過遙測（Remote Sensing）、製圖（Mapping）和量測（Surveying）科技取得。」 地理空間資料涉及地理學、地圖學（Cartography）、地理資訊系統學（Geographical Information Science, GIScience）及許多相關的科學領域。互動式的時間與空間功能，成就了當今混和空間與時間的資訊爆炸，更是五花八門運用地理資訊的手機應用程式之基礎等。應用場景涉及政府、商業、社會各層面，順利達成多元且重要的任務，例如：疾病通報、環境監測和公共安全。2017年Google於委託AlphaBeta的分析報告指出：「全球地理空間資料相關服務每年有四千億美元的產值、節省消費者超過五千五百億美元的燃料和時間成本、直接創造四百萬份工作機會。透過電子地圖服務，如：提高顧客流量的免費行銷工具Google My Business，更促使小型商家產生1.2兆美金的營業額。」
數位內容通路商收購相關支援技術數位內容於廣播應用上銷售與管理解決方案的領導廠商拜斯法爾 (Pathfire, Inc)於日前收購了相關的支援技術 Digital Media Gateway (DMG) Server Connect for Programming，並將此一技術應用於十二個廣播站上。 在技術整合之後， 拜斯法爾的程式聯結伺服器，將得以直接將 DMG伺服器之數位內容傳輸至廣播站的空中播送伺服器，並保留原先的數位格式。 隨著廣播電視的數位化，數位內容、廣播電視與相關數位技術的整合，應是未來發展的趨勢。相關技術的整合與相關企業的轉投資與併購，應會持續增加。政府在擬定政策與相關法令之時，宜事先掌握相關趨勢，因勢利導，以達事半功倍之效。