英國資訊委員辦公室（Information Commissioner’s Office，ICO）認定英國電子零售業者Carphone Warehouse違反《Data Protection Act 1998》資料保護法
英國電子零售業者Carphone Warehouse在2015年遭到網路攻擊，造成逾300萬客戶及1000名員工的資料外洩，外洩的資料包括客戶的姓名、地址、電話號碼、出生日期、婚姻狀況及1.8萬名客戶的金融卡資訊。
英國資訊委員辦公室（Information Commissioner’s Office，ICO）認為涉及之個人資料嚴重影響個人隱私，使得個人資料有被誤用的風險。ICO進一步調查後並發現，駭客僅是透過有效的登入憑證，就能藉由WordPress軟體存取系統，此事件亦暴露該組織技術安全措施之不足，因受影響系統中使用的軟件的重要元素已過時，且公司未能執行例行的安全測試。ICO認為，像Carphone Warehouse此類規模龐大的公司，應積極評估其資料安全系統，確保系統穩健而避免類似的攻擊。
據此，ICO判定該公司缺乏妥善的安全措施保障使用者資訊，已嚴重違反《Data Protection Act 1998》資料保護法，判罰40萬英鎊。
從今年5月25日起，隨著GDPR的生效，法律將更加嚴格。對此，ICO亦發布了有用的指導，包括GDPR指南，現在採取的12個步驟和工具包。國家網絡安全中心（NCSC）也為組織為保護自己所採取的步驟提供了有用的指導。
耿黃瑄
法律研究員 編譯整理
1. Information Commissioner's Office, Carphone Warehouse fined £400,000 after serious failures placed customer and employee data at risk, https://ico.org.uk/about-the-ico/news-and-events/news-and-blogs/2018/01/carphone-warehouse-fined-400-000-after-serious-failures-placed-customer-and-employee-data-at-risk/ (last visited Apr. 25, 2018).
2. Data Protection Act 1998, http://www.legislation.gov.uk/ukpga/1998/29/contents (last visited Apr. 25, 2018).
經濟合作與發展組織（Organisation for Economic Co-operation and Development, OECD）於2023年2月23日發布《促進AI可歸責性：在生命週期中治理與管理風險以實現可信賴的AI》（Advancing accountability in AI: Governing and managing risks throughout the lifecycle for trustworthy AI）。本報告整合ISO 31000：2018風險管理框架（risk-management framework）、美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）人工智慧風險管理框架（Artificial Intelligence Risk Management Framework, AI RMF）與OECD負責任商業行為之盡職調查指南（OECD Due Diligence Guidance for Responsible Business Conduct）等文件，將AI風險管理分為「界定、評估、處理、治理」四個階段： 1.界定：範圍、背景、參與者和風險準則（Define: Scope, context, actors and criteria）。AI風險會因不同使用情境及環境而有差異，第一步應先界定AI系統生命週期中每個階段涉及之範圍、參與者與利害關係人，並就各角色適用適當的風險評估準則。 2.評估：識別並量測AI風險（Assess: Identify and measure AI risks）。透過識別與分析個人、整體及社會層面的問題，評估潛在風險與發生程度，並根據各項基本價值原則及評估標準進行風險量測。 3.處理：預防、減輕或停止AI風險（Treat: Prevent, mitigate, or cease AI risks）。風險處理考慮每個潛在風險的影響，並大致分為與流程相關（Process-related）及技術（Technical）之兩大處理策略。前者要求AI參與者建立系統設計開發之相關管理程序，後者則與系統技術規格相關，處理此類風險可能需重新訓練或重新評估AI模型。 4.治理：監控、紀錄、溝通、諮詢與融入（Govern: Monitor, document, communicate, consult and embed）。透過在組織中導入培養風險管理的文化，並持續監控、審查管理流程、溝通與諮詢，以及保存相關紀錄，以進行治理。治理之重要性在於能為AI風險管理流程進行外在監督，並能夠更廣泛地在不同類型的組織中建立相應機制。
BFI和英國電影電視慈善機構設立Covid-19緊急救濟基金近期，Netflix向Covid-19影視緊急救濟基金捐贈100萬英鎊，並由電影電視慈善機構與British Film Institute(BFI)的支持下進行管理，目的是向在英國各地因停產而直接影響之在職工人和自由職業者，提供緊急短期救濟。BFI和電影電視慈善機構本身並沒有直接將資金投入基金，而是希望觸發第三方的投資。目前，該基金會正制訂確切之資格標準及個人資助水平，針對從事製作，發行和展覽的人員開放救濟。 此次Netflix向Covid-19電影和電視緊急救援基金會及全球其他組織的捐款旨在為失業人員提供緊急救濟，其原創系列副總裁安妮·門薩表示：“我們很榮幸與BFI和電影電視慈善組織合作，為電視和電影製作中受災最重的工人提供支持。從電工到木匠，從髮型和化妝師到司機的英國工作人員一直對Netflix的成功至關重要，我們希望在現在這個艱難的時刻，給最需要支持的自由職業者提供幫助。” 面對來勢洶洶之Covid-19疫情，全世界之影視產業皆受到前所未有之調整，我國面對疫情，文化部亦已研擬短期抒困措施與中長期振興之因應方案，並研擬「藝文紓困及振興辦法（草案）」，就短期抒困方面，「藝文紓困補助」將補貼藝文事業、團體及個人之營運成本；長期振興部分則將藝文產業納入經濟部振興抵用劵之適用範圍可用於藝文展演、電影院等藝文消費。然目前我國文創產業之抒困措施仍以政府補貼為主，若為加速恢復產業運作，或許國內各藝文團體或協會亦可效仿英國BFI，自主建立振興與抒困機制，以利受重創之藝文從業人員維持生計。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現
歐盟執委會發布碳差價合約國家援助指引歐盟執委會發布碳差價合約國家援助指引 資訊工業策進會科技法律研究所 2026年09月10日 碳差價合約（Carbon Contracts for Difference, CCfD）透過約定履約價（strike price），提高氫能、碳捕捉等高成本減碳投資的商業可行性，縮小歐盟產業採用低碳技術所面臨的成本劣勢，降低碳洩漏風險，並強化歐洲戰略自主與產業韌性。 壹、事件摘要 歐盟執委會（European Commission）於2026年7月17日發布CCfD國家援助指引，協助會員國依《氣候、環境保護與能源國家援助指引》（Climate, Environmental Protection and Energy Aid Guidelines, CEEAG）設計用於產業減碳的CCfD制度[1]。歐盟雖已透過歐盟排放交易體系（EU Emissions Trading System, EU ETS）及相關政策，使企業承擔部分溫室氣體排放成本並形成減碳誘因，但對氫能、電氣化及碳捕捉等高成本減碳技術而言，既有政策誘因仍不足以促使企業採用相關技術[2]。於此背景下，執委會於2022年發布CEEAG時，將差價合約列為減碳援助可採用的方式之一，並指出其可運用於減碳領域形成CCfD，促進產業減碳創新技術商業化，並為會員國設計CCfD援助制度提供依據[3]。 於此架構下，荷蘭、德國、瑞典、奧地利及法國等國已陸續建立CCfD或相關產業減碳補助制度。由於CCfD若設計不當，可能扭曲市場訊號及競爭，執委會參考上述國家的經驗提出本指引，整理CCfD的制度設計與審查重點。本指引不具法律拘束力，亦不限制會員國依自身需求採取不同制度設計，但可供會員國設計CCfD時掌握CEEAG下主要適用的審查標準，並有助於相關制度建立及加速後續國家援助審查[4]。 貳、重點說明 以下就CCfD的補助方式、補助必要性、競標設計，以及減碳成效與市場影響等四項重點進行說明。 一、CCfD補助方式 CCfD為政府與受補助企業簽訂的補助契約，約定每減少一噸二氧化碳當量所對應的履約價，並依企業實際減量提供補助。當市場價格低於履約價時，由政府支付兩者差額；市場價格高於履約價時，採雙向CCfD（two-way CCfD）者企業須返還差額，採單向CCfD（one-way CCfD）者則由企業保留高於履約價的收益。 履約價原則依競標結果決定，由企業提出每減少一噸二氧化碳當量所需的補助金額，並依投標價格由低至高排序。市場價格則可參考EU ETS排放配額價格；涉及碳移除時，則可參考碳移除信用額度價格[5]。 二、補助必要性 會員國須證明若無補助，企業原本不會進行相關減碳投資，以確認補助具必要性。對已納入EU ETS的產業，補助範圍須將EU ETS既有減碳誘因納入考量，例如僅就排放表現優於EU ETS標竿值（ETS benchmark）的部分提供補助，避免將EU ETS本身已有減碳誘因的部分納入CCfD補助[6]。 三、競標設計 補助預算或額度應設計為無法滿足所有預期投標需求，並確保有足夠投標者參與，以形成有效競爭。投標原則上依每噸二氧化碳當量減量所需的補助金額排序，如另納入非價格條件，其合計權重不得超過30%[7]。 此外，同一投資如已取得其他國家援助或歐盟資金，相關補助應納入投標價格計算，或自CCfD補助金額中扣除，以避免過度補助[8]。 四、減碳成效與市場影響 CCfD補助須確保整體溫室氣體排放減少，受補助設施所增加的間接排放不得超過其直接減排量，避免新增排放抵銷減碳效果。受補助設施亦須實際降低生產過程產生的直接排放，不得僅以改用再生能源電力或產品於下游產生的減量作為補助依據。 此外，制度設計須保留電力價格等市場訊號，不應完全抵銷能源價格波動，以維持企業提升營運效率的誘因[9]。 參、事件評析 為因應氣候變遷並落實《巴黎協定》（The Paris Agreement）所定溫度目標，歐盟透過《歐洲氣候法》（European Climate Law）確立2030年淨溫室氣體排放較1990年減少至少55%、2040年減少90%，以及2050年達成氣候中和的目標[10]。惟歐盟目前能源密集產業的減碳速度不足，許多已宣布的減碳計畫亦未實際落實[11]。因此，歐盟此次發布CCfD國家援助指引，乃藉由說明CCfD制度的設計方式，鼓勵會員國建立並運用相關制度，降低企業採用高成本減碳技術的投資風險，以進一步推動產業減碳。 就政策效果而言，CCfD除可提高氫能、電氣化及碳捕捉等高成本減碳技術的商業可行性，亦可縮小歐洲企業採用低碳生產方式所面臨的成本劣勢，減少企業因成本壓力而將生產線移往歐盟境外的誘因，降低碳洩漏風險並強化歐洲產業韌性。 惟CCfD主要處理企業採用低碳技術所面臨的投資風險與成本差距，本身並不直接創造低碳產品需求。由歐盟近期「潔淨產業政綱」（Clean Industrial Deal）[12]與《產業加速法》草案（Industrial Accelerator Act, IAA）[13]等政策方向可看出，歐盟除降低企業減碳投資成本外，亦逐步透過公共採購等措施增加低碳產品需求。因此，若歐盟希望透過CCfD使高成本減碳技術長期具備商業可行性，尚須搭配需求面政策增加低碳產品需求，並透過EU ETS等碳定價制度提高高排放生產方式的成本，逐步改善企業採用低碳技術所面臨的成本劣勢，並降低企業對政府補助的依賴。 [1] EUROPEAN COMMISSION, Carbon contracts for difference schemes for industrial decarbonisation under the CEEAG – State aid Guidance for Member States (July 17, 2026), at 1, https://competition-policy.ec.europa.eu/document/download/42330cc4-d31e-41cf-ae35-3db7ab933331_en?filename=20260717_guidance_on_carbon_contracts_for_difference.pdf (last visited Sept. 7, 2026). [2] Id. at 3, 7. [3] Communication from the Commission – Guidelines on State aid for climate, environmental protection and energy 2022, 2022 O.J. (C 80) 1, 38. [4] EUROPEAN COMMISSION, supra note 1, at 1, 4. [5] Id. at 3-5. [6] Id. at 6-7. [7] Id. at 9, 11. [8] Id. at 11-12. [9] Id. at 12-14. [10] Regulation (EU) 2021/1119, 2021 O.J. (L 243) 1, 9; Regulation (EU) 2026/667, O.J. L, 2026/667, 18.3.2026. [11] Commission Proposal for a Regulation of the European Parliament and of the Council Establishing a Framework of Measures for the Acceleration of Industrial Capacity and Decarbonisation in Strategic Sectors, at 2, COM (2026) 100 final (Mar. 4, 2026). [12] Clean Industrial Deal, EUROPEAN COMMISSION, https://commission.europa.eu/topics/competitiveness/clean-industrial-deal_en (last visited Sept. 7, 2026). [13] COM (2026) 100 final.