日本印章制度與電子署名法修正
日本國會於2021年2月9日正式提出「數位社會形成基本法草案」（デジタル社会形成基本法案），立法目的為提升國家競爭力、國民生活便利性，以建置一個「數位社會」，基本原則為降低數位落差，而降低數位落差之重要手段即包括日本印章制度之改革。
日本政府對印章制度之改革，可分為「取消蓋章制度」及「增加電子簽章使用率」二條路線。由於新冠疫情（COVID-19）影響全球工作型態，日本政府為推動電子化服務，考慮取消印章使用，因為其徒增商業活動成本，亦可能提升染疫風險。日本行政改革大臣河野太郎在2020年11月13日內閣會議後之記者會上即表示，約1萬5000種需要使用印章的行政服務中，絕大多數將取消蓋章制度。「數位社會形成基本法草案」亦預告將修改48部要求使用印章之法律，本草案及相關修法將於2021年9月正式通過施行。
電子簽章使用方面，日本在野黨聯盟於2020年6月提出「電子署名及認證業務法一部修正草案」（電子署名及び認証業務に関する法律の一部を改正する法律案）。依照現行規定，電子簽章須本人以一定方式簽署始可推定為真正，推定真正之條件過度嚴苛，便利性未優於實體蓋章，致使電子簽章使用普及度低落。本草案則降低推定門檻，僅須以特定電子方式簽署即有推定真正效力，使電子簽章簽署人身分驗證更為容易。目前法案仍在眾議院提案階段，尚未經國會表決通過，後續發展值得關注。
劉徑綸
法律研究員 編譯整理
デジタル社会形成基本法案（第204回閣法第24号）https://www.shugiin.go.jp/internet/itdb_gian.nsf/html/gian/honbun/g20409026.htm（最後瀏覽日：2021/03/25）。
電子署名及び認証業務に関する法律の一部を改正する法律案（第201回眾法第27号）https://www.shugiin.go.jp/internet/itdb_gian.nsf/html/gian/honbun/g20105027.htm （最後瀏覽日：2021/03/25）。
蕭郁溏，〈從比較法評析我國電子簽章法〉，《科技法律透析》，31卷第6期，頁32 - 38（2019）。
李姿瑩，〈歐盟 eIDAS 對國內電子簽章和身分認證規範之可能借鏡〉， 《科技法律透析》，31卷第11期，頁25 - 32（2019）。
隸屬美國科學院（National Academy of Sciences）之藥品學會（Institute of Medicine）於2009年2月4日發表一份研究報告，指出美國醫療保險可攜及責任法的隱私權規範（HIPAA, Privacy Rule），對於醫療研究中有關個人健康資訊之取得及利用的規定未盡周全，不僅可能成為進行醫療研究時的障礙，亦未能完善保障個人健康資訊。 在目前的規範架構下，是否允許資訊主體概括授權其資料供後續研究利用，並不明確；另外，在以取得資料主體之授權為原則，例外不需取得授權但必須由審查委員會判斷其妥適性的情況下，亦未有足夠明確的標準可資審查委員會判斷依循，此些問題不僅使得醫療研究中之資料取得及運用，產生若干疑慮，亦突顯個人相關健康資料保護之不足。 該報告建議國會應立法授權主管機關制訂一套新的準則，將個人隱私、資料安全及資訊運用透明化等標準，一體適用於所有醫療相關研究的資料取得及利用上；在未來的新準則中，應促進去名化醫療資訊之運用，同時對於未取得資料主體授權的資料逆向識別（re-identification）行為，應增設罰則；此外，審查委員會在判斷得否不經資料主體授權而以其資料進行研究之妥適性時，亦應納入道德考量因素，倘若研究係由聯邦層級的組織所主導，則研究團隊應先證明其已採取充分保護資料隱私及安全的措施，藉以平衡隱私權保護與醫療研究的拉鋸。
以色列政府採購之創新實踐 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。