美國流行歌手Katy Perry遭澳洲時尚設計師Katie Perry控訴侵犯其澳洲商標權
澳洲時尚設計師Katie Perry（婚後從夫姓為Katie Taylor，後稱為設計師Katie）於2006年推出休閒服飾品牌，並以本名「Katie Perry」作為文字商標於2008年9月29日提出澳洲商標申請，儘管在申請過程中設計師Katie曾接獲美國知名流行歌手Katy Perry律師所提出之異議，企圖讓設計師Katie撤回該商標申請，然而最終設計師Katie仍取得該商標權。
此爭議之關鍵在歌手Katy Perry（後稱為歌手Katy）於2009年推出以「Katy Perry Collections」為名之流行服飾與鞋品等系列產品，並於澳洲Myer百貨及Target賣場等通路販售。設計師Katie認為歌手Katy忽視其澳洲商標權並於澳洲持續販售非法商品，因此於近期對歌手Katy（本名為Kathryn Elizabeth Hudson）及其所屬公司Killer Queen LLC提出告訴，同時澳洲聯邦法院於今（2019）年11月21日進行初審。
過去，在音樂界也曾有類似「撞名」的事件發生，例如：傑克·懷特（Jack White）所屬樂團「The Raconteurs」在2006年發行專輯後，發現「撞名」澳洲同名爵士樂團，便自行將在澳洲當地發行唱片或巡迴時所使用之團名改為「The Saboteurs」；此外，在1978年美國蘋果電腦（Apple Computers）受到英國樂團The Beatles成立之音樂公司─蘋果集團（Apple Corps）所提出之商標侵權訴訟，該爭議在三年後蘋果電腦以美金$80,000庭外和解作為持續使用公司名字之代價，且同意往後不會將業務擴及音樂相關事業；然而多年後，蘋果電腦發展數位音樂並推出iTunes等業務，再度於2006年掀起兩蘋果公司之訴訟，不斷演進的市場環境將成為兩公司交易條件之依據，或許這也能作為歌手Katy律師團借鏡之案例。
「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
龔芳儀
專案經理 編譯整理
Nadia Elshawarby, Katy Perry Is Being Sued by an Australian Designer, WHO.COM.AU, Nov. 01, 2019, https://www.who.com.au/katy-perry-sued-by-australian-designer-of-same-name (last visited Nov. 27, 2019)
AAP, Australian Fashion Designer Katie Perry Is Suing Katy Perry, 10 DAILY, Oct. 31, 2019, https://10daily.com.au/news/australia/a191031zrcns/australian-fashion-designer-katie-perry-is-suing-katy-perry-20191031 (last visited Nov. 27, 2019)
Nathan Jolly, What’s in a name: Katy Perry and the Aussie designer, THE MUSIC NETWORK, Nov. 04, 2019, https://themusicnetwork.com/katy-perry-vs-aussie-designer/ (last visited Dec. 03, 2019)
美國聯邦通訊委員會FCC於2010年7月20 日發布第六次寬頻建設調查報告（Sixth Broadband Deployment Report），指稱「仍有1400萬到2400萬的美國人仍無法接取下載4Mbps、上載1Mbps的寬頻網路服務，並且幾乎沒有可能立即為這些人裝設寬頻網路。」從而FCC在報告中做出了「寬頻網路並未以合理、符合時代需求的方式對全民推廣佈建」（Broadband deployment to all Americans is not reasonable and timely）的結論。 自1996年通訊法（第706節）要求FCC應每年針對「寬頻普及」的狀況進行評估以來，FCC是第六次針對此議題發布調查報告。報告指出，雖然寬頻建設在過去10年中已有顯著的成長，但在如北卡羅萊納州、德州、密西西比州等地的鄉村地區，仍有不成比例的多數民眾並無法接取寬頻網路，因為網路服務提供者在這些區域中看不到佈建寬頻網路的經濟利益。 目前只有65%的美國民眾能在家中接取高速寬頻服務。今年3月公布的「國家寬頻計畫（National Broadband Plan）」，FCC則設定目標，希望利用教育方案和公私合作伙伴策略（public-private partnerships）來推動網路的基礎建設，在2020年前達到90%美國民眾可在家接取高速寬頻服務的目標。為此，FCC將重整普及服務基金，引進創新策略釋出新的行動寬頻頻譜、除去對基礎建設（包括路權與電線桿等的接取權）的投資障礙。 值得注意者，這份報告同時將家戶寬頻接取網路的基本速率從2Mbps提升到下載4Mbps、上傳1Mbps。
代理孕母將合法化經過 10 多年的爭議，國內第一部「代孕人工生殖法」草案終將出爐。未來代理孕母將採無償精神，代孕者須年滿 20 歲且須有生產經驗，但是沒有國籍的限制。 根據草案內容，未來代孕制度將採無償精神，雖不得有商業仲介行為，但委託夫妻得提供代理孕母醫療、交通和營養費等費用， 甚至包括分娩後的醫療檢查、工作損失、交通費用等 。 草案中對於委託夫婦的條件放寬，不只限於沒有子宮之婦女，在精、卵自備的前提下，只要夫婦懷孕可能危及生命，就適用此法案， 得尋求人工生殖手術之婦女 ， 包括沒有子宮、有懷孕障礙或分娩有危險等婦女。在親子關係認定方面，目前備有出生後收養制以及直接認定為委託夫妻婚生子女等二種方案。此外，代理孕母在生產後 2 年內，得保有探望代孕子女之權利。至於代理孕母之資格，僅要求須年滿 20 歲且有懷孕經驗，而無國籍限制。 未來代理孕母將有法可循，造福不孕婦女，但是在親子關係認定問題上，似仍需要更嚴謹的討論，避免衍生更多糾紛。
英國資訊委員辦公室（ICO）發布當事人近用請求權實務準則英國資訊委員辦公室（Information Commissioner’s Office, ICO）於2013年8月8日發布當事人近用請求權實務準則（subject access code of practice），以協助資料控制者遵循1998年資料保護法（Data Protection Act 1998，DPA）有關當事人行使近用權（access right）之規定。 根據DPA，任何資料主體都有權利接觸、查詢其被資料控制者擁有之個人資料，即當事人向資料控制者請求近用其個人資料之權利。當事人近用請求權實務準則闡明資料主體的查閱請求權、製給複製本請求權等權利，與資料控制者回應當事人近用請求權的責任，該項權利允許當事人查詢其信用卡紀錄、健康紀錄等資料，資料控制者一旦收到當事人請求，必需於40天內回覆。 ICO同時發布10項簡易步驟，以協助資料控制者衡量回應當事人近用請求權。內容包括：1.確認當事人提出之請求是否為當事人近用請求權；2.確保有足夠資訊可識別請求者的身分；3.若需要更多資訊以釐清請求者之需求，立即向請求者提出；4.若需收費，及時向請求者提出；5.確認是否有請求者需求的資訊；6.即使紀錄不正確或令人尷尬，都不要試圖更改該紀錄；7.衡量紀錄中是否含有他人資訊；8.確認是否有提供資訊之義務；9.確認能解釋資訊中的複雜名詞；10.於適當的情形下，永久保存回覆當事人資訊的副本。 這項實務準則將協助資料控制者更即時且有效地處理當事人對其資料近用請求之相關事項，同時證明資料控制者係以公開且透明之方式妥善管理其所蒐集之顧客資料。
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。