數位模擬分身（Digital Twin）
數位模擬分身（Digital Twin）係指將實體設備或系統資訊轉為數位資訊，使資訊科學或IT專家可藉此在建立或配置實際設備前進行模擬，從而深入了解目標效能或潛在問題。
於實際運用上，數位模擬分身除可用於實體設備製造前，先行針對產品進行測試，以減少產品缺陷並縮短產品上市時間外，亦可用於產品維護，例如在以某種方式修復物品前，先利用數位模擬分身測試修復效果。此外，數位模擬分身還可用於自駕車及協助落實《一般資料保護規範》（General Data Protection Regulation, 以下簡稱GDPR）規定。在自駕車方面，數位模擬分身可通過雲端運算（cloud computing）和邊緣運算（edge computing）連接，由數位模擬分身分析於雲端運算中涉及自駕系統操作之資訊，包括全部駕駛週期內之資料，如車輛模型在內之製造資料（manufacturing data）、駕駛習慣及偏好等個人隱私資料、感測器所蒐集之環境資料等，協助自駕系統做出決策；在GDPR方面，數位模擬分身可利用以下5大步驟，建立GDPR法規遵循機制以強化隱私保護：1.識別利害關係人與資產，包括外部服務和知識庫；2.漏洞檢測；3.透過虛擬數值替代隱私資料進行個資去識別化；4.解釋結果資料；5.利用資料匿名化以最大限度降低隱私風險，並防止受試者之隱私洩露。
本文為「經濟部產業技術司科技專案成果」
科羅拉多州參議院於 2026 年 5 月 7 日三讀通過 SB26-189《重大決策領域之自動化決策技術法案》（A Bill for an Act Concerning the Use of Automated Decision Making Technology in Consequential Decisions，以下簡稱 ADMT 法案），隨後於 5 月 9 日獲眾議院表決通過。本法已於5月14日經州長簽署，預計將於 2027 年 1 月 1 日起生效施行： （一）核心規範：自動化決策技術 本草案僅就涉及個人權利具有「重大決策」（Consequential Decisions）影響之自動化決策技術，其應用領域包括：教育、就業、住宅、金融貸款服務、保險、醫療保健服務，以及必要之政府服務。顯示出科羅拉多州意在針對可能引發系統性偏見、歧視或實質損害之高風險領域加強保障消費者。 （二）開發者與部署者義務 1. 開發者之資訊揭露義務： 開發者必須向部署者提供詳盡之技術文件，其內容應涵蓋模型預期用途、訓練資料特性、已知之技術侷限、適當使用說明及人工審核指引。此外，若技術發生重大更新，開發者須即時通知下游，並保留相關記錄至少3年，以備法遵查核。 2. 部署者之消費者保護義務： 須在消費者與AI互動時提供「清晰且顯著」之告知義務外，若產生不利結果，必須在30日內以淺白語言向消費者說明該技術於決策中所扮演之角色。此外，部署者也須保障消費者的救濟權利，包含須建立錯誤資料更正流程，並確保消費者在面臨不利決定時，有權請求「具意義之人工審核」（Meaningful Human Review）。與開發者相同，部署者亦須履行至少3年之記錄保留義務。 本法案之提出，其用意在取代2024年《科羅拉多州AI消費者保護法案》（Consumer Protections for Artificial Intelligence Act，SB24-205）。於法制層面而言，監管重心由「高風險人工智慧系統」（High-Risk AI Systems）轉向監管應用於重大決策領域之「自動化決策技術」（ADMT）。此變化反映出美國立法趨勢可能由廣義的技術風險管理，逐步調整為自動化決策工具對公民權益實質影響之精準規範。
從促參法修正談我國通訊傳播網路產業輔導之法制化 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。
美國長粒米受到基因污染 Bayer被告上法庭美國農業部（ USDA ）在今（ 2006 ）年 8 月 18 日 公布，在 Arkansas 及 Missouri 的米倉發現，這些地方所儲存的美國長粒米（ long grain rice ）中含有 Bayer CropScience 未經核准的基因改造生物種。高品質的長粒米米粒細長，具有 20 ％～ 25 ％的中直鏈澱粉含量，米飯柔軟但鬆散，冷飯不變硬，在國際稻米市場有很高的評價，價格也最高。進口此型白米的國家有西歐、中東、加勒比海各國、新加坡、馬來西亞等，出口國為泰國，在歐洲市場上的售價，美國米略高於泰國米。美國長粒米的主要生產地是在 Arkansas ，意外事件發生時，當地農夫正在收成稻米。 截至目前 8 月底，美國本土因為基改稻米的基因污染了美國長粒米（ U.S. long grain rice ）的供應，而向 Bayer CropScience 提出損害賠償的訴訟已有三起，主要內容為請求因為基因污染致美國長粒米的價格下跌的損害賠償。另 由於相關的安全審查並未檢測出來此次流入外銷市場的美國長粒米，因此 雖然 USDA 表示混入 GMO 的長粒米並不會對人體或環境造成危害，但 世界各大進口國仍採取了相關緊急措施。 例如，日本於此消息一經公布後，當即停止美國長粒米的進口，而歐盟則表示只有經檢測證實從美國進口的長粒米未含有 Bayer CropScience 所研發尚未經許可之 GMO 特性，始得上架販售。