截圖也違法，日本著作權法擬擴大違法下載之態樣
日本文化廳文化審議會著作權分科會於2018年2月13日，出具分科會報告書，內容說明著作權法修正之方向。書中提及「重新檢視並修正違法下載之態樣」一點，擬將違法下載之態樣及動作，由「影音」擴及到所有靜態圖文（如漫畫、照片、小說、雜誌及論文等），「下載」擴及「截圖」（スクショ，screenshot）。
此次修法，起因於近來日本大量出現線上盜版漫畫網站，推估其半年所造成之損失可達4000億日幣以上。該報告書公布後，隨即湧現大量反對之聲浪。反對者認為修法之弊大於利，日本漫畫學會對此發表反對聲明，會長竹宮惠子對於修法表示憂心，認為修法將導致以下問題：
- 阻礙創作研究（如二次創作）；
- 創作萎縮（日常下載及剪輯將被禁止）；
- 難以判斷網路靜態圖文是否為違法上傳；
- 即使「下載」違法化，仍然無法根除線上盜版漫畫流通平台。
報告書中亦提及，在個人部落格及需加入會員之社群網（SNS）上傳或下載未經著作權人同意而公開之著作，亦屬違法。倘若為全書掃描上傳等惡性重大之行為，應科以刑責。
針對上述疑慮，報告書中的確未排除修法後將造成著作物在網路上利用萎縮之可能，然仍強調應透過官民間之合作努力，傳達正確之修法内容。並由出版社端導入「ABJ Mark」，推動正版漫畫流通平台，透過科技推動盜版網頁近用警示制度，使大眾知悉其行為即將侵害著作權等。由於法令修正之内容，影響人民日常生活甚鉅，後續修法將在各團體間如何折衝，上述措施能否普及或啟發人民觀念，值得後續持續關注。
陳昱宏
法律研究員 編譯整理
文化審議会著作権分科会（第53回）（第18期第3回）http://www.bunka.go.jp/seisaku/bunkashingikai/chosakuken/bunkakai/53/index.html
フジ・ニュース・ネットワーク，〈「ダウンロード違法化」対象拡大…“マンガ学会”が反対する真意を聞いた〉 https://www.fnn.jp/posts/00426590HDK
ITmediaNEWS，〈「スクショもNG」で広がる混乱、合法と違法の線引きは？“違法ダウンロード対象拡大”の問題点〉 https://www.itmedia.co.jp/news/articles/1902/14/news107.html
高知新聞，〈【海賊版対策】方向性を誤らないように〉 https://www.kochinews.co.jp/article/254854/
BUSINESS INSIDER JAPAN，〈なぜこうなった｢スマホで画像保存｣が違法になり得る、“行き過ぎ”著作権法 改正案に警鐘〉 https://www.businessinsider.jp/post-185233
2009年5月，巴西、厄瓜多爾及巴拉圭於世界智慧財產權組織（The World Intellectual Property Organization,以下簡稱WIPO）之著作權及其相關權利常務理事會（Standing Committee on Copyright and Related Right, 以下簡稱SCCR）中，根據世界盲人聯盟（World Blind Union ,以下簡稱WBU）所草擬的一份關於「促進視障者（Visually Impaired Persons,以下簡稱VIPs）及閱讀障礙者接觸受著作權保護之資訊」國際性公約，內容為提出增訂著作權的限制及例外（limitations and exceptions）條款的相關主張，亦即針對視障者及閱讀障礙者放寬著作權合理使用範圍。 SCCR的會員，將就此草擬公約於2010年5月26日至28日進行協商討論，其協商結果亦將於日內瓦下一屆會議中提出討論。 另外，WIPO也透過網路開放之平台，開放各界參與本議題之討論（https://www3.wipo.int/forum/），該網路論壇將持續開放討論至2010年6月20日，並決定加快有利於視障者接觸資訊之相關問題。 目前全球有超過3億1千4百萬盲人或視障者，但目前於全球各地，供給視障者及閱讀障礙者閱讀或收聽資訊的工具很少，在多數國家中，尤其是發展中國家，此將影響其教育及就業機會，甚至使其更陷於弱勢地位。而為促進保障視障者及閱讀障礙者接觸資訊的權利，例如藉由點字書（Braille）、大字本（large print）等科技產品，俾利提供給視障者及閱讀障礙者閱讀或收聽的工具。但如何結合現代科技、增進其接取資訊的機會與放寬著作權相關規定；亦即如何讓著作權所有人的權利受到保護，以及有利於盲人或視障者接觸資訊，兩者間如何取得平衡，其著作權合理使用範圍是需要再思考的問題。
促進頻譜使用效率－美國啟動獎勵拍賣機制 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。
當個人隱私遇上公共利益--從個資法角度談市長候選人病歷外洩事件