何謂德國電信媒體法中的「妨害人責任」(Störerhaftung)?
原德國電信媒體法第八條條文中所指的「網路服務提供者」為擁有獨自或其他電信媒體及提供接取網路服務的自然人或法人，與我國著作權法中所提及「網路服務提供者」(Internet Service Provider)之適用對象範圍略有不同，而德國民法中有個特殊連坐法－「妨害人責任」（Störerhaftung），所有人對於妨害所有權之人，有排除及不作為請求權，因此，在原德國電信媒體法未規定之特定情形下，「網路服務提供者」應對他人透過其網路所從事的任何侵權違法行為負責。
這項法律使得德國許多咖啡館、公共空間、飯店大廳不願提供免費無線網絡，同時又讓大型咖啡連鎖店如星巴克，以提供免費網絡服務吸引顧客，因為他們就算被捲入網絡侵權責任的訴訟，也不怕支付高額律師費用，小型咖啡館就無法承擔這個風險，只能無奈面對客人轉向大型咖啡連鎖店消費的困境。根據原德國電信媒體法規定，咖啡館業主和其他網路熱點設立者所提供網路服務的方式將可能收到律師的警告函，告知他們不得再為非法下載者提供網路接取服務。
德國聯邦議院(Deutscher Bundestag)於2016年6月初經過激烈的辯論後，通過電信媒體法(Telemediengesetz; TMG)修正草案，將在最新的電信媒體法中免除「網路服務提供者」之「妨害人責任」(Störerhaftung)，使德國的免費無線網絡連接點可以增加並走向開放。
本文為「經濟部產業技術司科技專案成果」
歐盟執委會(European Commission)於2026年6月3日提出「雲端與人工智慧發展法案(Cloud and AI Development Act)」草案（簡稱草案），該草案之立法目的係為建立歐盟數位主權(digital sovereignty)，要求涉及政府敏感資訊（如金融、司法、醫療等領域）之資料，未來需儲存於符合歐盟主權要求之雲端基礎設施。 現今亞馬遜網路服務公司(Amazon Web Services, AWS)、微軟(Microsoft Azure)及谷歌(Google Cloud Platform, GCP)三家公有雲雲端服務供應商，持有全球約63%雲端市場之市佔率，且因美國「釐清境外合法利用資料法(Clarifying Lawful Overseas Use of Data Act)」之規定，受美國管轄之雲端服務供應商，無論其資料數據儲存於全球任何地區，皆有配合美國政府調取資料之義務，歐盟為降低其成員國對於外國大型科技公司之依賴性並取得數位主權，爰提出此項草案。 草案擬將雲端運算及人工智慧主權定義為4個等級，引導歐盟成員國政府機關依風險評估結果採購不同主權等級之雲端服務。主權保障級別從低至高依序為：第1級要求資料處理及儲存須於歐盟境內；第2級要求雲端服務供應商需證明不受第三國影響，確保軟體供應鏈具備透明度；第3級要求雲端服務供應商由歐盟擁有及控制，並符合其他額外資格要求(例如雲端服務供應商之人員國籍要求)；第4級要求雲端服務供應商可完全掌控其軟體供應鏈及具備足夠透明度，且不受第三國干預。從上述對於雲端服務及人工智慧主權之四級保障程度可知，評估要素除了過往關注的資料儲存地點，擴大至軟體供應鏈透明度及是否可不受第三國干預，藉以逐步達成強化數位主權之目標。 歐盟係透過法制及採購政策推動，逐步建構其數位主權體系，並強化對於政府敏感資料之控管。於我國而言，確保數位主權亦為重要政策議題，政府機關持續推動運算設備、資料中心及雲端服務平台之建置及研發，以強化數位基礎建設。本草案雖目前仍處於歐盟執委會倡議階段，惟其所建立之數位主權分級評估制度，將攸關未來歐盟雲端服務市場之發展方向，並可能成為各國推動數位主權政策之重要參考，本草案後續發展趨勢及操作方式值得持續追蹤觀察。
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。
日本啟動大規模自動駕駛實證測試，聚焦高精度圖資與人機介面設置於內閣府內之SIP(跨部會戰略創新推動方案Cross-ministerial Strategic Innovation Promotion Program)「自動駕駛系統」計畫分項，於2017年10月3日起啟動大規模之自動駕駛實證測試。為加速實現系統之實用化，超過20個以上之國內外汽車製造商等機關，預計於東名高速道路、新東名高速道路、首都高速道路及常磐自動車道及東京臨海地區之一般道路，參加之大規模實證實驗。 SIP自動駕駛系統係從2013年開始，以早日實現自動駕駛系統實用化、透過技術普及以減少交通事故和實現次世代交通系統為目標，並協調產官學各界共同領域工作，和將研究開發推進之重點聚焦於自動駕駛用 Dynamic Map高精度3D地圖（由日本7家相關公司共同出資成立之Dynamic Map Platform＝ DMP 開發之3D地圖）、人機界面 (Human Machine Interface, HMI)、資訊安全、降低行人事故、次世代都市交通等5種技術領域。 研究開發由汽車製造商於公開場合下進行，並接受大眾檢視，於研究開發成果公布同時，也因海外製造商的參與促進國際合作與國際標準化。本次有超過20個機關參加規模，係日本自動駕駛最大規模實證實驗。