新加坡「智慧財產中心藍圖」（IP Hub Master Plan）
自2013年起，新加坡綜合考量其天然資源匱乏之劣勢與位處東南亞經貿核心之優勢，提出「智慧財產中心藍圖」（IP Hub Master Plan），目標在10年內讓新加坡成為亞洲的全球智慧財產營運中心（IP Hub），藉以打造新加坡作為亞洲金融與法律中心之重要地位；「智慧財產中心藍圖」的具體規劃包含在「交易與管理」、「高值智財申請」與「爭議解決」等三大面向，成為匯聚亞洲且面向全球的智財營運中心。
在考量全球經濟成長力趨緩，世界各國紛紛加大投資創新與數位轉型的趨勢下，新加坡智財局（IPOS）於2017年再次更新這份藍圖：盤點自本藍圖提出迄今的各項執行成果，並探討如何與世界趨勢接軌。在更新版藍圖中強調未來智慧財產在具創新力公司資產內的比重將遠高於實體財產，對智財體制的依賴將與日俱增，新加坡應及早因應以提供新創產業包含智財保護、管理與最大化智財價值等協助，以打造未來產業競爭力。
更新版藍圖引用OECD「創新就是將創意帶往市場」之定義，智財產業將成為創新型經濟（innovation-driven economy）中的關鍵。根據IPOS估計，智財交易與管理活動將為新加坡在未來5年創造至少15億新幣的產值，而未來的挑戰在於提高「智財創造」的便利、「智財保護」的普及，以及「智財商業化」的推進等三大面向；因此IPOS將加強智財檢索與政府機關間合作、協助中小企業導入智財管理制度提升企業效益，並打造無形資產評價、交易與融資平台，以達成更新版藍圖所提出之挑戰目標。
本文為「經濟部產業技術司科技專案成果」
范晏儒
專案經理 編譯整理
新加坡「創新者智財保險計畫」，資訊工業策進會科技法律研究所， https://stli.iii.org.tw/article-detail.aspx?tp=5&i=5&d=8296&no=57 （最後瀏覽日：2019/10/22）。
新加坡與東協八國智財局簽署合作協議，加速特定領域專利申請流程以推動東協轉型工業4.0，資訊工業策進會科技法律研究所， https://stli.iii.org.tw/article-detail.aspx?tp=1&i=92&d=8316&no=64 （最後瀏覽日：2019/10/22）。
2008年，連鎖咖啡店85度C告85.1度C商標侵權，台北地院以85.1度C影響了85度C的商譽和正常收益，判賠新台幣47萬元。－這是商標侵權爭訟常見「商標混淆」的具體場景，也是所謂的「正向混淆」（Direct Confusion）。試想，現在主客易位，85.1度C 是間小店，耕耘許久仍沒沒無聞；而85度C推出即一炮而紅、門庭若市。85度C是後來者，他是否可以商標混淆為由，主張85.1度C影響了其商譽和正常收益？這個「後商標比前商標強勢」的假設就涉及「反向混淆」（Reverse Confusion）。 所謂「商標的反向混淆誤認」，按經濟部智慧財產局〈行政法院105年度判字第465號判決研析〉，係指：「後商標因較諸前商標廣為消費者所知悉，消費者反而誤以為前商標係仿冒後商標，或誤認為前商標與後商標係來自同一來源，或誤認兩商標之使用人間存在關係企業、授權、加盟或其他類似關係。」 美國於1976年之Big O Tire Dealers, INC. v. Goodyear Tire & Rubber Co.案首度在侵害商標權訴訟承認有反向混淆之適用。然而，由於美國採「使用主義」(First to use)，商標之認定係以使用的先後判斷之。而我國採註冊主義，商標先後以申請註冊的時間判斷之。我國最高行政法院105年度判字第465號判決則明確表示商標法明文規範商標註冊申請乃採先申請主義，排除反向混淆理論之適用。
英國資訊專員辦公室（ICO）發現警方有大量數位證據未落實管理措施，建議司法機關應強化業務流程、人員之控管機制英國資訊專員辦公室（Information Commissioner's Office，下稱ICO）於2025年8月18日讉責南約克郡警方（South Yorkshire Police，下稱SYP）刪除超過9萬6千筆穿戴式攝影機影片（body-worn video，下稱BWV）證據，強調SYP未落實資料識別、第三方監督及備份機制等資料管理措施。 警方使用BWV作為記錄警方執法過程之取證方式，目的為提高透明度、公眾信賴及取得最佳證據等。由於BWV證據具備公正性及準確性，亦可減低對於受害者證據之依賴。當警員換班時，需要將BWV證據下載至指定地點，先傳送至「數位證據管理系統（Digital Evidence Management，下稱DEM系統，該系統由第三方業者管理）」後，再傳輸至「儲存網格（Storage Grid）資料庫」。倘若發生爭議，SYP將檢視「儲存網格資料庫」中的BWV證據。 2023年SYP發生遺失大量BWV證據之爭議事件，事實整理如下： 2023年5月升級DEM系統後，SYP改將資料儲存於本地硬碟。同年8月7日時，SYP發現在儲存網格資料庫中，具錯誤刪除96,174筆原始BWV證據之紀錄，經調查發現，在同年7月26日，第三方將本地資料傳輸到儲存網格時，曾發生大規模的資料刪除事件。 由於在進行備份時，未使用特定的檔案名稱或其他可識別的資料標記等方式標記資料，即使SYP內部已針對95,033筆BWV證據進行備份，仍無法比對確認「已被永久刪除的BWV證據」數量，且遺失之資料共涉及126起刑案，其中更有3案受影響，甚至有1起案件指出，若BWV證據存在，則相關案件的檢調程序應能夠有所進展。 ICO亦指出SYP雖與第三方簽署契約，卻未明定處理程序，且未監督第三方的遠端存取行為。SYP早在2019年，已發現備份機制存在問題，但當時未向高階管理人員報告相關問題的完整狀況，導致未採取補救措施。 綜上述，ICO提出SYP應確保所有紀錄應以清晰、可識別的方式進行標記；在允許第三方存取系統前，應完成風險評估及確認管控要求，並持續監督第三方等改善建議；以及應建立能夠有效還原任何遺失BWV證據的備份方案。 另外依英國皇家檢察署（Crown Prosecution Service）的統計顯示，因缺乏定罪的必要證據，包含缺乏數位證據，如受害者詢問或隨身攝影機影片遺失等各類原因，導致無法進行審判的皇家檢察署案件，整體呈現上升趨勢，從2020年的7484起案件，上升到2024年的8180起案件。 為系統性建立及強化數位證據管理機制，我國司法院、法務部、臺灣高等檢察署、內政部警政署及法務部調查局共同推動之「司法聯盟鏈共同驗證平台」，其以「b-JADE證明標章」檢視既有的數位證據監管制度，其他司法機關亦可參照「b-JADE證明標章」以確保採取有效之資料識別、第三方監督及備份控管作法，除了控管數位證據的相關業務流程、內外部人員等，亦應促使內部滾動式檢視問題及須定期向主管回報，以利調整規劃。 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）
美國FDA發佈食品安全現代化法（FSMA）之產品安全建議規則（PSPR）最終版在農產品業，食品安全在所有人的心中佔了極重要的位置。美國食品及藥物管理局（Food and Drug Administration，下稱FDA）在2015年9月發佈了食品安全現代化法（Food Safety Modernization Act；下稱FSMA）之產品安全建議規則（Produce Safety Proposed Rule；下稱PSPR）的最終版（final rule）。該規則的發布，預將使零售商尋找供應商的方向，轉變為以有遵守FSMA的供應商作為交易的對象。 PSPR主要是在規定人類消費之蔬果產品生長、繁殖、包裝、販售之規則。新增規範重點如下： 1. 農業用水（Agricultural Water）：針對農業用水之品質標準、水質測試方式，作出規範。 2. 生物土壤改良（Biological Soil Amendments）：對於改良土壤可能使用到之肥料或相關之微生物，作出規範。 3. 抽芽（Sprouts）：對於植物在抽芽時相關預防微生物汙染、微生物測試，作出規範。 4. 馴養動物與野生動物（Domesticated and Wild Animals）：針對在農場內放牧之動物，或用來幫助耕作動物之管理，作出規範。 5. 人員訓練、健康與衛生管理（Worker Training and Health and Hygiene）：針對相關人員之教育訓練、衛生管理以及健康，作出規範。 6. 設備、工具與建築物（Equipment, Tools and Buildings）：為了預防生產過程中可能遭受汙染之情況，對於硬體設備作出規範。 FSMA是美國第一個關於食品安全之立法，美國農業部（Department of Agriculture；USDA）為了讓零售商或中盤商更了解其自身對食品安全之需求以找尋適合之供應商，更預計在2016年春季推行集團優良農業作業準則前導計畫（ Group Gap Pilot Program），提供第三方認證服務，以確認農產品所有之作業都有遵守FSMA及FDA之建議。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。