澳洲國家交通委員會發布管制政府近用C-ITS和自駕車資料政策文件，提出政府近用自駕車蒐集資料規範原則
2019年8月12日澳洲國家交通委員會（NTC）提出「管制政府近用C-ITS和自駕車資料（Regulating government access to C-ITS and automated vehicle data）」政策文件，探討政府使用C-ITS與自駕車資料（以下簡稱資料）所可能產生的隱私議題，並提出法律規範與標準設計原則應如下：
- 應平衡政府近用資料與隱私保護措施，以合理限制蒐集、使用及揭露資料。
- 應與現行以及新興國內外隱私與資料近用框架一致，並應進行告知。
- 應將資料近用權利與隱私保障納入立法中。
- 應以包容性與科技中立用語定義資料。
- 應使政府管理資料措施與現行個資保護目的協調一致。
- 應具體指明資料涵蓋內容、使用目的與限制使用對象，並減少資料被執法單位或經法院授權取得之阻礙。
- 應使用易懂之語言知會使用者關於政府蒐集、使用與揭露以及資料的重要性。
- 認知到告知同意是重要的，但同時應提供政府於取得同意不可行時，平衡個人隱私期待之各種可能途徑。
- 認知到不可逆的去識別化資料在許多情況下的困難度。
- 支持資料安全保護。
- 定期檢查資料隱私保護狀態與措施。
以上這些原則將會引導NTC發展自駕車資料規範與國家智慧運輸系統框架，NTC並將於2019年內提出更進一步規劃相關工作之範疇與時間點。
本文為「經濟部產業技術司科技專案成果」
柯亦儒
組長 編譯整理
NATIONAL TRANSPORT COMMISSION, Regulating government access to C-ITS and automated vehicle data (2019/8), https://www.ntc.gov.au/sites/default/files/assets/files/NTC%20Policy%20Paper%20-%20Regulating%20government%20access%20to%20C-ITS%20and%20automated%20vehicle%20data.pdf (last visited Oct. 1, 2019).
2019年7月25日，紐約州州長Andrew Cuomo簽署「防止非法侵入與加強電子資料安全法案」（S.5575B/A.5635/Stop Hacks and Improve Electronic Data Security Act, 又稱SHIELD Act），目的在讓處理消費者個人資料的企業承擔更嚴格的責任。其核心精神在於，一旦發生與資料外洩相關的安全漏洞時，能及時進行適當的通知。同時，修改紐約州現有的資料外洩通知法，擴大個資蒐集適用範圍、個資定義 (例生物特徵、電郵資訊等)及資料洩漏定義、更新企業或組織之通知程序、建立合於企業規模之資料安全要求。此外，如違反通知義務，將處以最高5千美元或每次（未履行通知義務）20美元 （上限25萬美元）的民事賠償。且美國司法部長（The Attorney General） 亦得以紐約人民名義，代為起訴未實施資料安全規畫的企業，並按紐約民事執行法與規則（The Civil Practice Law And Rules）第63條進行初步救濟，依法強制禁止侵害行為繼續發生。該法預計將於2020年3月1日生效。 當天州長亦簽署「身份盜用預防措施和緩解服務修正案」（A.2374/S.3582），新增資料外洩安全保護措施，要求消費者信用機構，提供受安全漏洞影響的消費者「身份盜用預防措施」（Identity Theft Prevention ）與「緩解服務」（Mitigation Services），為消費者制定長期最低度的保護手段。其要求信用機構，通知消費者將有關社會安全號碼的資料洩漏事件進行信用凍結，並提供消費者無償凍結其信用的權利。該法預計將於2019年10月23日生效，並且溯及既往適用該法案生效之日前三年內所發生之任何違反消費者信用安全的行為。
歐盟出資贊助開放原始碼研究歐盟決定斥資 66 萬歐元的經費研究全球的開放原始碼軟體與標準。 歐盟在為期兩年的 FLOSSWorld 專案中，首度贊助的國際性開放原始碼軟體研發與政策發展計畫，先前的 FLOSS 專案主要只著重在歐洲的開放原始碼部分。 FLOSS 即為自由 / 開放原始碼軟體的縮寫 (free/libre/open source) ，藉由本專案，歐盟希望能夠強化歐洲在自由軟體領域的領導力，與增加國際合作夥伴。 FLOSSWorld 召集人 Rishab Aiyer Ghosh 向對外表示，歐盟通常是不贊助國際性專案的。而此次計劃共區分五大區域，而合作的國家包括中國 ( 東亞 ) 、印度與馬來西亞 ( 南亞 ) 、非洲 ( 南非 ) 、東南歐 ( 保加利亞與克羅埃西亞 ) 、中南美洲 ( 阿根廷與巴西 ) 。 研究將專注在三大領域：開放原始碼對於技能發展的影響，以及對經濟與新增職缺的影響；軟體開發的區域差異性；政府與公家單位對使用開放原始碼的態度。 Ghosh 指出 FLOSSWorld 的目標在增加國際層次的合作，增加對其他國家對於開放原始碼的使用與影響的了解程度。
美國《代幣分類法》（Token Taxonomy Act）草案目前，美國證券管理委員會（U.S. Securities and Exchange Commission, SEC）對於數位貨幣的態度傾向於將代幣視為有價證券。《代幣分類法》（Token Taxonomy Act）草案則是持反對意見的聲浪¬，由美國眾議員Warren Davidson為首，並且獲得跨黨派多位眾議員的支持。《代幣分類法》主要的訴求是希望可以將數位代幣排除於證券，進而排除虛擬貨幣之稅務。重點有三： 修正《證券交易法》，將數位代幣排除於證券 將「數位代幣」（Digital Token）定義為驗證交易或遵循規則防止交易被竄改之「數位單元」（Digital Unit，以電腦可讀取的形式儲存，用於表彰經濟、財產上權利，或存取權限）。同時，在原先「證券」（Security）的定義中，排除「數位代幣」；另將證券「交易」（Exchange）交易排除數位貨幣適用。 擴張銀行之定義 修改「銀行」之定義。原先《1940年投資顧問法》和《1940年投資公司法》所指之「銀行」，包括「取得存款或執行信託權利（Fiduciary Powers）」等與准許經營銀行執行雷同事業者，是否為公司不在所問（Incorporated）。《代幣分類法》將之擴張為「取得存款、提供保管服務（Custodial Services）或執行信託權利」。 修正將虛擬貨幣視為免課稅對象 虛擬貨幣（Virtual Currency）定義為表彰數位價值之交易媒介且不是貨幣。並修正美國《1986國內所得稅法》（Internal Revenue Code of 1986），將虛擬貨幣交易視為免課稅之交易，並將總額小於600美金的虛擬貨幣買賣或交易之所得，排除於總收入（Gross Income）之外。 然而，目前美國證券管理委員會的態度仍未改變，並且於2019年4月3日發表〈數位資產「投資契約」分析之架構〉（Framework for “Investment Contract” Analysis of Digital Assets）。該分析架構說明：凡符合Howey Test之標準的「投資契約」即屬於「證券」，有《證券交易法》的適用。〈數位資產「投資契約」分析之架構〉甫發表，Warren Davidson與另外五位眾議員隨即重新提起2019年版的《代幣分類法》草案，是繼2018年9月、2018年12月第三度提起相關法案。楊安澤（Andrew Yang，美國首位角逐總統的華裔候選人）在2020年民主黨黨內總統初選政見中，亦援引《代幣分類法》草案，希望可以與連署《代幣分類法》草案的美國國會議員和懷俄明州（Wyoming）的立法者，共同擘畫有利於商業與人民的數位資產框架。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）