德國提出「新冠肺炎及新型冠狀病毒預防接種法」草案，以利疫苗分配之政策規劃及法制基礎
德國聯邦健康部（Bundesministerium für Gesundheit, BMG）於2020年12月15日提出「新冠肺炎及新型冠狀病毒預防接種法」（Gesetzes zur Priorisierung bei der Schutzimpfung gegen das Corona-virus SARS-CoV-2, Coronavirus-Impfgesetz）草案，現進入聯邦參議院審議階段。該草案之立法目的在於，確認新冠肺炎及新型冠狀病毒（Coronavirus SARS-CoV-2）疫苗分配的公平性，並藉此降低嚴重疾病與死亡人數。
原則上凡屬於法定健康保險的被保險人，或於德意志聯邦共和國內有住所或長期居留者，得依據新冠肺炎及新型冠狀病毒預防接種法規定，具有接種新冠肺炎及新型冠狀病毒疫苗之權利。然而，由於疫苗的分配涉及基本法第2條第2項第1句生命及身體安全的基本權利（Grundrecht auf Leben und körperliche Unversehrtheit），以及衡酌疫苗資源的有限性問題，該法第3條依據風險群體（Risikogruppen）及適應症群體（Indikationsgruppen）共區分六級的接種優先順序，如違反接種優先順序者，將可能面臨最高三萬元的罰鍰，意圖營利者則將可能面臨一年至五年的有期徒刑。
陳咸蓁
法律研究員 編譯整理
Deutscher Bundestag, Entwurf eines Gesetzes zur Priorisierung bei der Schutzimpfung gegen das Corona-virus SARS-CoV-2, https://dip21.bundestag.de/dip21/btd/19/252/1925260.pdf (last visited Dec. 22, 2020).
Bundesministerium für Gesundheit [BMG], Fragen und Antworten zur COVID-19-Impfung, https://www.bundesgesundheitsministerium.de/coronavirus/faq-covid-19-impfung.html (last visited Dec. 22, 2020).
歐盟執委會（European Commission, EC）於2020年3月24日發表新聞稿，說明在COVID-19疫情期間，各國政府要求人民保持社交距離甚或自我隔離；人民無法會面互動下，數位政府政策成為維持正常生活的解套方式。歐盟於新聞稿中重申先前建構「歐盟內部市場電子交易之電子身分認證與信賴服務規則」（REGULATION EU No 910/2014 OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL of 23 July 2014 on electronic identification and trust services for electronic transactions in the internal market and repealing Directive 1999/93/EC，以下簡稱 eIDAS）、電子識別（electronic identification, eID）以及發展信任服務（trust services）的必要性，例如電子戳記（eTimestamps）、電子圖章（eSeals）、電子簽章（eSignatures）、網站認證（Website authentication）等均屬之。歐盟公民無須離開住宅，即可和公部門互動。 除了公部門，信任服務可以支援歐盟企業（特別是疫情嚴重地區的中小型企業）遠端執行業務，維持業務連續性。例如金融服務對交易、認證、安全性及防洗錢等領域發展數位化：eID識別客戶身分、整合同一客戶的海外金融帳戶服務、遠端驗證防洗錢要求；電子簽章可與客戶遠端簽署金融服務契約；電子註冊交付服務（electronic registered delivery service）則作為安全交換重要文件或契約之機制。 在零售業而言，安全的電子交易對於線上業務尤為重要。例如eID可對購買酒類等管制商品或藝術品等高價商品之消費者進行更嚴格的身分檢查；電子簽章和電子戳記則強化文件及流程追蹤機制，降低追蹤成本。 在運輸部門，以汽車共享服務為例，eID可用於證明客戶的身份，提供安全登錄，並允許客戶進行遠端車輛解鎖。而貨運及物流產業，若在不同營運商運送之間遇有延遲，則電子戳記可使責任歸屬更加明確。另外，對重要文件使用電子圖章，可證明文件完整性、有效性並減少對紙本文件的依賴，並降低疫情期間會面之風險。
販賣或製造色情光碟的人並非不可原諒之徒色情光碟在澳洲高中校園內的網路流傳，且以一片美金五元的價格販售，其光碟的內容有女性被性虐待的畫面，例如撒尿在女生身上，或燒女生頭髮等。澳洲警方警告，任何學生觀看或下載這些色情影片將處以罰款。 維多利亞警局資深警官麥可‧亨瑞表示，「罰款並不能阻止這些色情的影片。」色情犯罪偵查小組為了調查色情光碟在校園流竄的問題，整夜和這些青少年進行面談，以了解色情光碟對他們的影響。麥可說：「這些色情光碟影響青少年對於性的想法，而且現在並沒有任何人因為此事被罰款，即使要罰款，也要有證據來界定罰款的金額。」 澳洲法院總理約翰‧南斯說道：「販賣或製造這些色情光碟是一種可怕且無恥的行為，但我們不能因為我們的感受而以刑罰作為報復的工具，因為這些青少年年紀尚輕，而且有些人是因為同儕的壓力而犯罪的，我們應該試著體諒並且確定他們的人生不會因此次事件而留下不可抹滅的印記。」 因為即使以法律對販賣或製造色情光碟的青少年施以懲罰，在他們人生的紀錄中留下一個可恥的印記，但這些懲罰對於改善他們的未來，並沒有任何助益。
以再生能源公司終止併購而衍生之營業秘密糾紛案為鑒，提供企業管理建議2025年7月30日，美國加州法院指出公司濫用合作談判地位以爭奪再生能源市場之行為，從商業角度極為惡劣，將面臨重大法律風險，並認定Phillips 66能源公司須向Propel Fuels（下稱Propel）競爭公司給付共約8億美元的賠償金。 本案源於2017年，Phillips 66公司以收購為由，雙方簽署收購意向書，對Propel公司進行盡職調查。於此期間，Propel公司依保密契約向Phillips 66公司揭露其再生柴油專屬策略與資訊，Phillips 66公司並從 Propel 下載近 3千份包含營業秘密的紀錄。於2018年8月24日，Phillips 66公司突然終止收購並於下一工作日向加州監管機構宣布其將加入加州再生能源市場，2019年正式銷售高混合可再生柴油。 2022年2月16日，Propel公司向加州法院控訴Philips 66公司不當使用Propel公司花費13年研發得出之財務與銷售資料、營運模式及其再生能源業務的預測資料等營業秘密，致Propel公司損失2億美元。於2024年10月16日，本案認定Phillips 66公司違反加州統一營業秘密法（Uniform Trade Secrets Act），不當使用Propel公司的營業秘密， Phillips 66公司應賠償6.049 億美元。其後，本案認定Phillips 66公司行為屬惡意不當使用營業秘密，依加州統一營業秘密法，法院可另將懲罰性賠償金增加至2倍。2025年7月底，本案認定之賠償金達到8億美元，包含自2024年之6.049億美元的補償性賠償金，以及因Phillips 66公司「惡意」不當使用營業秘密的行為，追加1.95億美元的懲罰性賠償金。 綜觀前述實務案例可得知，即便公司間已簽訂保密契約，仍存在公司假借併購盡職調查、合作協商為由，要求他公司提供機密資料。為降低與外部合作而衍生之機密外洩風險，以下為公司提供資料對外之前、中、後階段可參考之管理建議： 1. 對外提供資料前 (1) 內規定義營業秘密搭配機密分級，了解營業秘密之範圍，並依據不同機密等級採取相應的管制措施。 (2) 對外提供資料前，營業秘密相關之權責人員應審查資料適合揭露與否。 (3) 與外部合作協商前，即應確認簽訂保密契約與約定權利歸屬。 2. 已對外提供資料 倘若已對外提供資料，建議採取限制流通、限制權限等作法，如僅限該合作計畫相關人員透過身分認證登入帳號，方有線上瀏覽機密之權限等方式。 3. 對外提供資料後 於合作結束或協商破局之情況，應要求合作方返還或銷毀營業秘密，如為銷毀，應附上相關聲明並佐證執行紀錄。 前述建議之管理作法已為資策會科法所創意智財中心於2023年發布之「營業秘密保護管理規範」所涵蓋，企業如欲精進系統化的營業秘密管理作法，可以參考此規範。 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）
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。