ECODIR之線上爭端解決機制介紹
歐洲專利局（European Patent Office，簡稱EPO）與俄羅斯聯邦知識產權局（Russian Federal Service for Intellectual Property，簡稱ROSPATENT）啟動專利審查高速公路（Patent Prosecution Highway，簡稱PPH）計畫，自今（2017）年2月1日至2020年1月31日起試行三年。專利申請人向EPO或ROSPATENT提出全部或部分相同的技術內容，至少有一個請求項經過其第一申請局（Office of First Filing，簡稱OFF）核准，即可以相關檢索或審查文件提供予第二申請局（Office of Second Filing，簡稱OSF）參考，同時請求此對應的專利申請案加速審查。 事實上，EPO這幾年已展開一系列的專利申請加快審查程序，除了在世界五大專利局（簡稱IP5，包含歐洲以及韓國、中國大陸、美國、日本），亦基於專利合作條約（Patent Cooperation Treaty，簡稱PCT）國際專利申請的架構，已與澳洲、加拿大、哥倫比亞、以色列、墨西哥、新加坡以及俄羅斯等國家進行PPH計畫，另後續也同意與馬來西亞和菲律賓的PPH合作協議（目前尚未啟動），由此可見EPO相當積極促成多國PPH程序以減少雙方專利局重覆審查作業並增進資源的有效利用。 對於專利申請人而言，因應企業全球化經營的思維及國際專利申請佈局策略，考量屬地主義侷限於當地申請才能取得權利保護的情況下，透過各國專利局雙方簽署PPH協議得以較快獲得審查結果。然而，就算相同的技術內容，並不一定保證OSF依循OFF核准其可專利性，建議尚須注意各國專利審查制度的差異性。 【本文同步刊登於TIPS網站(http://www.tips.org.tw)】
日本為防堵黃牛票6月正式施行票券不當轉賣禁止法日本在2019年6月14日正式施行「確保表演入場券流通正當性之禁止不當轉賣特定表演入場券相關法律」（特定興行入場券の不正転売の禁止等による興行入場券の適正な流通の確保に関する法律），簡稱票券不當轉賣禁止法（チケット不正転売禁止法），其以訂立專法之方式，來防止黃牛業者先大量取得票券，再以賺取高額差價之方式牟利。其重點包括： 禁止行為：(1)不當轉賣票券；(2)以不當轉賣為目的而讓售票券。 適用範圍：在日本國內所舉行，且得為不特定多數人得共聞共見之電影、歌劇、舞台劇、音樂、舞蹈及其他藝術或體育活動。 票券應記載事項： (1)發行人在販售時明確表示，禁止未經發行人同意而進行買賣轉讓，並應將禁止事項記載於票券上；(2)舉行表演之時間、地點及具入場資格者之指定座位；(3)發行人在販售時，需採取確認入場者或購票者之姓名和聯繫方式等必要措施，並應將確認事項記載於票券上。 不當轉賣定義：以有償轉賣未得票券發行人事前同意轉讓之票券為業，並以超過售價之價格進行販賣。 日本政府並針對2019年9月份在日本所舉辦之橄欖球世界杯及2020年在東京所舉辦之奧運會加強宣導該法令。我國熱門活動、演唱會也常面臨黃牛掃票，再高額轉售之問題。日本之立法模式，不失為我國參考借鏡之對象。
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。
何謂「LAB- FAB - APP- Investing in the European future we want」？歐盟執委會研究創新總署之高級專家小組(High Level Group)2017年7月3日提交名為《研究、生產、應用—投資於我們所期待的歐洲未來》(LAB- FAB - APP- Investing in the European future we want)報告，呼籲歐盟及成員國大幅增加對研發創新的投入。該報告認為過去20年，工業化國家2/3的經濟增長歸功於研發創新。歐洲必須妥善利用大量知識，將創新潛力轉化為現實的經濟增長，從而促進歐洲繁榮，解決社會挑戰。該報告提出11項建議：(1)將歐盟及成員國的預算優先考慮投入研發創新，將下一個歐盟研發創新計畫的預算提高一倍；(2)建立可創造未來市場的歐盟創新政策；(3)投入未來教育培訓，投資創新人才；(4)編制能夠發揮更大影響力的歐盟研發創新計畫，堅持目標、完善評估系統以增加計畫靈活度；(5)採取任務導向、焦點式措施應對全球挑戰；(6)使歐盟資金分配更加合理，實現與歐盟結構性基金的協同效應；(7)進一步簡化計畫管理模式，更注重效果而不是過程；(8)激勵公眾參與創新；(9)更好地促進歐盟及成員國的研發創新投資合作；(10)使國際合作成為歐盟研發創新的特徵，通過共同資助等方式，開放歐盟研發創新計畫；(11)將歐盟研發創新品牌化，擴大研究創新成果及作用。