論網路環境下的通訊監察法制
日本近年來對於線上遊戲對戰之電子競技活動的觀戰人數逐漸上升，而由於職業電競選手在赴日參加比賽時，會因為獎金收入而面臨申請簽證上的困擾，為了能更有效吸引世界一流選手前日本參賽，實有必要對相關行政程序進行修正。 而根據日本權威經財經媒體「日本經濟新聞」之報導，日本法務省將針對以參加線上遊戲比賽賺取獎金為業的電子競技選手，在入境日本以核發「娛樂類簽證」之方式解決前揭問題，同時透過審查國外選手在母國參與電競活動的實際成績，以防止出現利用此漏洞不法滯留日本之問題。 對於法務省此項決定，日本電玩遊戲相關媒體多以「電競選手待遇將比照運動選手」為題進行報導。然而經查日本法務省針對外國人之入境簽證，依其入境之目的區分為高度專門職、教授教育、藝術文化、宗教、採訪、經營、留學等十六種，而職業運動員簽證事實上並非單一獨立類別，而係與歌唱、舞蹈、演奏、電影製作、商業攝影、商業錄音等共通歸類為「娛樂類簽證」之下，因此日本法務省此一作法是否果真代表在簽證核發一事，已將職業電競選手視為職業運動員，尚難有具體結論。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
簡析WTO綠色能源管制爭端案例 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。
淺談日本地方政府立法規範基改作物種植之趨勢