日本國土交通省航空局公布日本無人機飛行安全指引
日本國土交通省航空局於2017年9月12日公布修正版日本無人機飛行安全指引（「無人航空機（ドローン、ラジコン機等）の安全な飛行のためのガイドライン」を改定しました），乃依據修正之航空法規定（平成27年法律第67號）制訂無人機飛行之相關基本規則。
定義所謂無人機乃指非人搭乘，透過遠距遙控或自動駕駛而飛行之飛機、旋翼飛機、滑翔機及飛艇。而無人機禁止飛行在150公尺以上高空，不得在航空站周邊空域（包含進入），以禁止在人口集中地區之上空（150公尺以下）。
除經國土交通省同意之例外規則外，無人機之飛行必須在日出後日沒前，且需在直接肉眼目視範圍內之監視下，與第三人或他人建築物、車輛等物體應距離30公尺以上，並不得在祭拜或假日等人群聚集之場所上空飛行，也不得輸送爆裂物等危險物品，亦不得從無人機上投擲物品。另外應注意事項，例如飛行場所除了航空站周邊外，直升機等降落可能之場所、迫降場所、高速公路或高速鐵路等、鐵路周邊或車道周邊等、高壓電線、變電所、電波塔及無線電設施等附近應注意飛行安全。
於飛行之際，不得飲酒等造成不當操作，飛行前應注意天氣狀況、飛機無損害或故障、電池燃料充足等，並確保周邊無障礙物，並應迴避與飛機或無人飛機之衝突。平時應保持無人機之狀況良好，且維持日常操作良好技能，並鼓勵投保人身或財產保險。
蕭仁豪
法律研究員 編譯整理
1.日本國土交通省，無人航空機（ドローン・ラジコン機等）の飛行ルール，http://www.mlit.go.jp/koku/koku_tk10_000003.html（最後瀏覽日：2017/10/31）。
2.国土交通省航空局，無人航空機（ドローン、ラジコン機等）の安全な飛行のためのガイドライン，http://www.mlit.go.jp/common/001202589.pdf（最後瀏覽日：2017/10/31）。
企業或機構對於所屬研發人員所為的 職務發明 ， 應該給予多少的報償才算「合理」，近年來成為日本專利制度的爭議話題之一，其中 Olympus Optical Co., Ltd. v. Shumpei Tanaka 、 Yonezawa v. Hitachi Co. Ltd. 、 Nakamura v. Nichia Chemical Co Ltd 幾件訴訟案件更受到高度矚目，引發各界對於日本特許法（即專利法）中第 35 條第 3 、 4 項相關規定之檢討與議論，進而促使日本國會於 2004 年 5 月 28 日 通過特許法修正案，並自 2005 年 4 月 1 日 正式生效。 修正後之日本特許法有關受雇人發明制度部分，修正了第 35 條第 3 項及第 4 項並新增第 5 項。第 35 條第 3 項規定，受雇人依據契約、工作規則或其他約定，同意授予雇用人關於受雇人所為發明之專利申請權、專利權或設定專用實施權時，受雇人對於雇用人有收取合理報酬之權。第 35 條第 4 項規定，依據前項所定之契約、工作規則與其他約定，訂有報酬之約定時，在該報酬之決定標準係經由受雇人與雇用人協議為之，該報酬標準係經公開，且受雇人對於計算報酬金額所表達之意見，亦被充分聽取的情形下，依據該約定所為之報酬金給付應被認為是合理的。又同條第 5 項之規定，若企業內部之契約、工作規則與其他約定，並未規定報酬金額，或雖有規定，但該規定之報酬金額被認為是不合理的，則第 3 項所規定之合理報酬金額，應權衡雇用人基於該發明所獲得之利益、所承受之負擔及對該發明所做之貢獻，與受雇人在相關發明中所獲得之利益及其他相關因素加以認定之。 上述修正規定最大的特色在於 ：（一）尊重自主協議 ； （二）報酬計算要件更加具體化 ； （三）鼓勵裁判外紛爭解決手段 。新修正之受雇人制度會帶來什麼樣的影響，目前各界仍在觀察；不過可確定的是，相較於舊法，新法至少在計算合理報酬上，要求雇用人須踐行更多的程序及其他要件，而這程序或要件規定將可減少法官在舊法時計算合理報酬金額的沈重負擔，與高度不確定所帶來的風險，並且亦可減少受雇人發明訴訟的總數量。 以日本電子大廠 Toshiba 新近在 7 月底與其離職員工 Fujio Masuoka 就閃光記憶晶片技術（ flash memory chip technology ）所達成之職務發明報酬和解協議為例， Toshiba 在 7 月 27 日 發布的新聞稿中，即特別感謝東京地方法院對公司有關員工職務發明之報酬政策及看法的尊重。
以「公私夥伴關係(PPP)」發展科技之作法近來常聽聞各國以公私夥伴關係(Public-Private Partnership, PPP)之模式發展產業科技，PPP故名思義，係指結合公私部門之力量，以共同達成公共政策目標之合作模式。公部門可借重私部門的專業、經驗與品質，使其服務更有效率，私部門也可得到政府與政策之支持。 如今科技進步程度往往可代表ㄧ國之競爭力，惟科技研發需投入大量成本，因此各國多有針對科研補助之相關政策，從早年的單方補助，到如今強調公私合作進行科研的PPP模式。各國亦提出各種產官學合作研發的模式或組合之立法或相關政策。例如成立獨立非營利法人讓各項研發活動進行更方便、研究設施設備共享更容易的日本「技術研究組合」、芬蘭之SHOKs。荷蘭近來亦大力推行PPP研發之策略。德國之高科技領先戰略計畫( Spitzencluster-Wettbewerb)亦以區域聚落(該區域聚落即包含產業界、大學及其他相關學術機構)為單位，藉競爭給予補助的方式，促成該地區產官之緊密合作。
臉書改名Meta，宣告元宇宙的時代來臨Facebook宣布改名為「Meta」，決心投入巨額資金發展虛擬實境並研發相關app提供用戶社交會面和辦公場所，藉此定位自己為元宇宙（Metaverse）公司。臉書創辦人Mark Zuckerberg在今（2021）年10月28日宣告將「Facebook」改名為「Meta」的公開信中提及，在元宇宙中，您幾乎能做到所有能想像到的事情，與朋友和家人聚會、工作、學習、購物等行為。 元宇宙這名詞是如此新穎，以至於沒有一個被普遍接受的定義。它被認為是網路的未來。由臉書創辦人上述的公開信可以得知，元宇宙是個讓使用者能身歷其境且包羅萬象的世界，將超脫電玩與娛樂而進入工作和商業的領域。現實生活中一切的行為幾乎都可以在元宇宙中進行，也因此，現實世界的法律問題，也可能發生在元宇宙中，進而影響法律秩序。 隨著區塊鏈和加密貨幣這類科技被廣泛採用，在元宇宙或Web3.0這樣的虛擬空間經營公司、買賣持有商品將順勢發展而來。財產的標記化（tokenization）也意味著任何實體或虛擬物的所有權可以被認證，也在無法竄改的帳本擁有權限碼，使得虛擬世界的交易更可靠。 非同質化代幣（Non-Fungible Tokens，下稱NFTs）是近來彰顯所有權的新興表現方式，這將會在元宇宙的經濟體系中扮演重要角色。所有因契約、租約而來的財產將被標記化，使人們有可能在Opensea這樣的平台購買數位土地、數位房產或者任何其他的數位虛擬物品，且一樣能證明所有權。可以說，數位財產標記化將對法律業產生最大影響。元宇宙將很有可能發展出一個數位城市，使消費者們能在數位世界購買土地，在土地上面建造房屋且將透過NFTs把房子放滿藝術品。消費者們可以好好裝扮自己在元宇宙內的分身，買電影院或者演唱會的票。所有的商品和服務可以透過NFTs標示所有權的方式跟企業購買。 在元宇宙裡，交易行為將與現實世界一模一樣。財產可以被交易、關係可以被建立，也可以成立公司，更會創造出智慧財產，也會產生著作權的爭端，或者發生利用數位資產洗錢、逃漏稅等新型態的犯罪，但元宇宙中的行為人與現實世界行為人不一定有明確連結，使得執法機關更難以追查，甚至產生管轄權之衝突。在元宇宙中存在和營運的公司也如同現實世界一樣，需要法律專家和保險制度降低他們的風險。 元宇宙對法律產業和監管機構帶來的影響是多方面的。Facebook，或者說改名後的Meta，有意激發世人對元宇宙的討論以及關注元宇宙的發展，而律師們和法律事務所也必須熟稔於這個領域，以應付那些即將要投入這項產業的客戶們。
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。