何謂「國家科學技術發展計畫」?
「國家科學技術發展計畫」為政府考量國家發展方向、社會需求情形以及區域均衡發展，而擬定之國家科學技術政策與推動科學技術研究發展之依據。依照《科學技術基本法》第10條之規定，國家科學技術發展計畫之訂定，應參酌中央研究院、科學技術研究部門、產業部門及相關社會團體之意見，並經全國科學技術會議討論後，由行政院核定。
全國科學技術會議每四年召開一次，最近一次會議為2013年的「第九次全國科技會議」，該次會議通過了民國102-105年的「國家科學技術發展計畫」，針對我國科技發展提出7項目標、27項策略及58項重要措施。7項目標包括：提升臺灣的學研地位、做好臺灣的智財布局、推動臺灣永續發展、銜接上游學研與下游產業、推動由上而下的科技計畫、提升臺灣科技產業創新動能、解決臺灣的科技人才危機等。
本文為「經濟部產業技術司科技專案成果」
謝孟珊
資深法律研究員 編譯整理
歐盟資通安全局（European Union Agency for Cybersecurity, ENISA）（舊稱歐盟網路與資訊安全局European Union Agency for Network and Information Security）於2020年2月4日發布資通安全驗證標準化建議（Standardisation in support of the Cybersecurity Certification: Recommendations for European Standardisation in relation to the Cybersecurity Act），以因應2019/881歐盟資通安全局與資通安全驗證規則（簡稱資通安全法）（Regulation 2019/881 on ENISA and on Information and Communications Technology Cybersecurity Certification, Cybersecurity Act）所建立之資通安全驗證框架（Cybersecurity Certification Framework）。 受到全球化之影響，數位產品和服務供應鏈關係複雜，前端元件製造商難以預見其技術對終端產品的衝擊；而原廠委託製造代工（OEM）亦難知悉所有零件的製造來源。資通安全要求與驗證方案（certification scheme）的標準化，能增進供應鏈中利害關係人間之信賴，降低貿易障礙，促進單一市場下產品和服務之流通。需經標準化的範圍包括：資訊安全管理程序、產品、解決方案與服務設計、資通安全與驗證、檢測實驗室之評估、資通安全維護與運作、安全採購與轉分包程序等。 ENISA認為標準化發展組織或業界標準化機構，在歐盟資通安全之協調整合上扮演重要角色，彼此間應加強合作以避免重複訂定標準。目前有三組主要國際標準可構成資通安全評估之基礎： ISO/IEC 15408/18045–共通準則與評估方法：由ISO/IEC第1共同技術委員會（JTC1）及第27小組委員會（SC27）進行重要修訂。 IEC 62443-4-2–工業自動化與控制系統之安全第4-2部分：作為工業自動化與控制系統元件的技術安全要求。 EN 303-645–消費性物聯網之資通安全：由歐洲電信標準協會（ETSI）所建立，並與歐洲標準委員會（CEN）、歐洲電工標準化委員會（CENELEC）協議共同管理。 然而，資通訊產品、流程與服務種類繁多，實際需通過哪些標準檢驗才足以證明符合一定程度的安全性，則有賴驗證方案的規劃。為此，ENISA亦提出資通安全驗證方案之核心構成要件（core components）及建構方法論，以幫助創建歐盟境內有效的驗證方案。
日本透過「產業財產權人才培養協力事業」支援發展中國家智慧財產人才培養，消除企業於發展中國家進行經濟投資或活動時所面臨的智慧財產權相關妨礙2024年2月，日本專利廳根據公開招募結果，公布將由一般社團法人發明推進協會執行令和6年度的「產業財產權人才培養協力事業」。 日本自2021年起開始推動「產業財產權人才培養協力事業」，至今年已邁入第4年，且自2024年起預計於南非共和國開設新的專利審查實務課程，以提升南非共和國專利審查官的必要能力。 「產業財產權人才培養協力事業」主要針對日本企業進行海外經濟投資及活動熱門的發展中國家（包含新興國家以及最低度開發國家LDC），提供積極性的人才培養支援，並以強化該國家能安定培養智慧財產相關權利取得與執行的實施人才為目的。在法制整備較為落後的最低度開發國家如柬埔寨，人才培養強化支援的範圍亦包含產業財產權制度的整備。人才培養的對象以智慧財產廳的職員、取締機關的職員以及民間的智慧財產關係業者為重點，透過提升其對於智慧財產權的能力，解決日本企業為在外國取得產業財產權的權利保護需要花費大量時間、日本企業的產業財產權在外國受到侵害的案件逐年增加等問題，以消除日本企業在外國進行經濟投資及活動時的巨大妨礙。 日本專利廳亦針對研修方針下列事項提出建議： 1、消除發展中國家審查延遲的對應方針 於研修中透過增加案例閱讀、資料尋找演習等的講義時間，提升尋找能力及判斷能力；並透過學習日本的IT系統、業務處理過程，提升系統面的支援能力。 2、提升發展中國家審查品質的方針 透過學習日本的基準、判斷手法提升審查、審判的品質；並透過學習日本的管理手法，提升審查品質管理能力。 3、仿冒品對策的對應方針 透過介紹以日本及各國事例為基礎的支援，加深對於仿冒品對策的理解；並透過增加與實施健全執法相關聯的講義時間，加深對於仿冒品對策的一般理解。 4、建構更有效果的研修方法的對應方針 透過設置課程全體的導師制度（mentor），提升研修效果的同時，有效活用「線上」及「實體」連續性的混合研修方法，並透過於實體研修中實施團體討論、在職訓練（OJT）、案件閱讀、模擬裁判（Mock Trial）等，提升實踐能力。 本文後續會持續留意日本「產業財產權人才培養協力事業」的發展，以掌握日本對於發展中國家支援的最新資訊。我國企業如未來預計於發展中國家進行經濟投資或活動時，亦應注意該國智慧財產權之程度，以評估相關風險。 本文同步刊登於TIPS網（https://www.tips.org.tw）
歐洲議會對再生能源利用達成協議為重新對各類再生能源與用於大眾運輸工具之生質燃料使用量確立具約束力之目標，歐洲議會下之工業及能源委員會於2008(今)年9月11日決定批准一項跨黨派協議案。 今年年初，歐盟執委會曾遞交一項促進歐盟境內對再生能源使用量之建議案，亦即設定至2020年時，歐盟境內再生能源使用量應達總能源使用量之20%；同時，該建議案也包含了一項關於生質燃料使用量亦應達到10%之目標。不過，在考慮關於不斷上揚之糧食價格、生物多樣性之消失及廣受質疑之CO2減量價值等因素後，也導致許多團體要求降低執委會最初設定之目標。而經過數月詳細地分析2千多份修正案報告後，執委會再生能源建議案報告起草人Turmes，在今年9月中旬宣佈，該項建議案目前現已獲得跨黨派支持。 於Turmes報告中，其建議應對生質燃料之使用訂立階段性目標：即(1)至2015年時應達到5%；及(2)至2020年時則應增加至10%；同時，其還特定，就未來達成生質燃油使用比例目標而言，至少有40%應要透過利用「非以糧食或飼料競爭性」為原料之第二代生質燃料，或使用綠色電能與氫能源環保車而來；至於其他種類生質燃油之利用，則應須在符合嚴格之環境永續性標準下，方能一併被納入計算。而為支持年初所提之建議案，德國、英國及波蘭等國也在6月份提出一項新的彈性機制：即在會員國間可透過合作型計畫來達成各自之目標。此外，對至2020年未達目標之會員國，歐洲議會成員將另批准一套「財務性懲罰原則」來處理之；同時，就懲罰所取得之款項，也將成立一項獎勵專款來激勵超過目標之國家。 不過，綠色組織團體卻認為利用生質燃料因具後述缺點如：(1)成本昂貴、(2)對氣候保護方面並無任何助益、及(3)利用不符永續性標準之生質燃油也僅是增加生物多樣性流失與糧食價格而已，故而對於議會批准該協議案感到失望。
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。