加拿大參議院交通與通訊委員會提出自駕與聯網車輛政策發展報告與建議
2018年1月加拿大參議院交通與通訊委員會(Standing Senate Committee on Transport and Communications)向加拿大交通部提出「駕駛改革：技術與自駕車的未來(Driving Change : Technology And The Future Of The Automated Vehicle)」報告。
報告指出加拿大面臨自駕車可能遭遇之挑戰，並列出提供交通部發展自駕車策略之政策建議。
其中包含：建議加拿大應成立跨部會單位以整合全國自駕車政策、並整合各地方政府與傳統領域政府透過發展地區模型策略；交通部並應與美國合作，來確保自駕車輛於兩國間運行無障礙；交通部應發展自駕聯網車輛設計的車輛安全指南，指南中應指明製造商於發展、測試與布建自駕車的車輛應有的設計需求，該指南並應持續隨科技發展而更新。
加拿大政府並應立法授權隱私委員會主動調查與促使製造者遵循「個人資訊保護與電子文件法（Personal Information Protection and Electronic Documents Act）」的權力，並應持續評估聯網車輛的隱私相關規範之需求。
並應整合利益關係人發展聯網車輛管制框架，特別應包括隱私保護；並應監督自駕與聯網車輛技術競爭之影響，以確保車輛出租公司與其他的延伸市場可持續取得相關營業所需資訊；並應注重加拿大自駕車之測試與發展等對於就業之影響等。
本文為「經濟部產業技術司科技專案成果」
線上拍賣網站eBay以澳洲為實驗對象，實行強制澳洲消費者使用PayPal線上支付服務之政策，預估於2008年6月l7日開始，直接存款、個人支票與匯票將被排除於支付工具之外。此為eBay第一次採用限制支付的方式，預估未來也可能推行於其他的市場。消費者可使用PayPal、現金提貨或Visa與MasterCard金融卡之方式來付款，但均須藉由PayPal的系統來完成支付。PayPal允許消費者指定他們的信用卡、金融卡或銀行帳號為付款，而PayPal將向賣家收取每筆交易額度的1.1%與2.4%的費用。 澳大利亞競爭與消費者委員會（Australian Competition and Consumer Commission, ACCC）與新南威爾斯州公平貿易署(NSW Office of Fair Trading)，對於eBay限制消費者的支付工具選擇權，均持反對意見。eBay面對外界的批評表示，若採銀行轉帳交易的型態，其引發爭議的可能性，係為PayPal交易的四倍，強制使用PayPal，將促使消費者至網站購物的動力，且保護消費者網路購物的安全。而且，eBay在澳洲實施的政策規定，將擴大對消費者的補償數額，即若消費者未收到商品，或是商品未符合於網站上的描述情況，則eBay將補償消費3仟至2萬澳元，此舉亦是保護消費者的權益。 目前，澳大利亞競爭與消費者委員會（ACCC）開始調查eBay的新政策，若有違法行為，將請eBay取消強制澳洲消費者使用PayPal線上支付服務的新政策。
英國提出巨量資料下之個人資料保護應遵循資料保護法之原則 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。