歐盟永續經濟活動分類系統規則
歐盟部長理事會（The Council of the EU）於2020年4月15日通過「建立促進永續投資框架規則」（REGULATION OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL on the establishment of a framework to facilitate sustainable investment, and amending Regulation (EU) 2019/2088）。此規則將提供歐盟內所有企業和投資者一套共通性分類系統（taxonomy，以下簡稱分類法），以識別哪些是被認為具有環境永續性的經濟活動。
該分類法將促使投資者把投資重心轉移至永續發展的技術和業務上，此為歐盟2050年實現氣候中和並達成《巴黎協定》2030年目標的重要基礎，並預計可減少40％的溫室氣體排放。為此，歐盟執委會估計每年必須投資約1800億歐元，方可能達此目的。而未來框架將奠基於六項歐盟環境目標，包括緩解氣候變化、適應氣候變化、水資源和海洋資源的永續利用和保護、朝向循環經濟轉型、污染防治、保護和恢復生物多樣性和生態系統。另外，依照歐盟部長理事會與歐洲議會於2019年12月18日達成的政治協議中指出，永續性經濟活動必須符合的四個要求，包括必須至少為上述六個環境目標其中之一做出實質性貢獻、對其他任何環境目標均無重大損害、遵守穩健且基於科學的技術篩選標準（technical screening criteria）、遵守最低限度的社會和治理保障。
本規則目前雖經歐盟部長理事會通過，後續仍須經歐洲議會（The European Parliament）通過，預計2020年前通過緩解和適應氣候變化的分類法，以確保2021年起能全面適用。
本文為「經濟部產業技術司科技專案成果」
潘俊良
高級法律研究員 編譯整理
美商Motorola 公司(下稱MOT) 旗下Symbol Technologies, Inc.及Wireless Valley Communications, Inc.公司於2007年8月27日在美國德拉瓦州(Delaware)地方法院對美商Aruba Networks公司(下稱ARUN)提起專利侵權訴訟，指出ARUN侵害他們的無線區域網路連結技術(WLAN)等四項專利，並向法院申請永久禁制令及金錢上的損害賠償。 2008年9月，ARUN向法院申請反訴並向美國專利商標局(USPTO)對上開四項專利申請再審，指出MOT所據以主張的專利權申請日晚於ARUN之現有技術(Prior Arts)實施日。 今(2009)年2月，美國專利商標局已陸續對於ARUN所提的再審核發初審報告。其中，US Patent No.6625454中12/14說明項被認定為無效；US Patent Nos.6973622, 7173922之再審初審報告指出全部說明項都被認定為無效；目前還有1件ARUN申請的專利再審案在審查中，而根據MOT於法院上的陳述，美國專利商標局所受理的再審專利案件中，也多將原專利權認定為無效或變更。 ARUN所提的再審結果雖然尚未確定，但多數分析師認為再審結果多有利於ARUN。待再審結果確認後將會影響MOT v ARUN的訴訟結果，對於損害賠償判定也會有重大影響 。
美國產業安全局放寬對敘利亞的出口管制措施美國產業安全局（Bureau of Industry and Security）於2025年9月2日發布《放寬對敘利亞的出口管制》（Relaxing Export Controls for Syria）最終細則，此最終細則依《總統行政命令第14312號》（E.O.14312）修訂、放寬《出口管制規則》（Export Administration Regulations，以下簡稱EAR）對敘利亞的出口管制措施。 此次的修訂放寬重點如下： 1. 新增或擴大對敘利亞出口、再出口的許可例外（license exception）範疇 （1） 針對EAR第740部分為新增和擴張，如新增有關於敘利亞和平與繁榮（Peace and Prosperity）的許可例外，擴大EAR第740.9條許可例外之範圍至與消費性通訊裝置（Consumer Communications Devices）相關的貨品及軟體； （2） 為了允許對敘利亞出口、再出口新增的許可例外情況，修訂EAR第746.9條第b項一般限制條款。 2. 對敘利亞出口、再出口採取更寬鬆的許可審查 （1） 於EAR第746.9條第c項第1款特定最終使用情況（如電信通訊、水供應和衛生、電力等）採取推定同意（presumption of approval licensing）； （2） 其餘最終使用的出口和再出口許可申請，依EAR第746.9條第c項第2款以逐案審查（case-by-case）的方式為之。 3. 刪除部分條文 例如EAR第746.1條第a項第3款刪除適用《第二號一般命令》（General Order No. 2.）之內容，而交叉參照EAR第746.9條。
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。