日本修正產業競爭力強化法，協助業界因應COVID-19後之新日常
日本內閣於2021年2月5日通過產業競爭力強化法修正案（下稱本法），並於同年6月經國會通過。本次修正目的，為因應COVID-19所帶來影響與「新日常」（新たな日常，意指日本與各國因應COVID-19疫情影響，調整並重新建構生活、工作等基本社會活動方式的框架，追求安心、安全生活的同時擴大經濟活動），推動企業的長期化改革。對此，本法修正視為後COVID-19時代首要目標者，具體包含綠色社會（グリーン社会）、數位化（デジタル化）、以新日常為前提進行產業轉型等。 基此，此次本法的修正重點如下：
（1）邁向綠色社會：企業提出與實現「碳中和」（カーボンニュートラル）相關之計畫，經主管機關認可後，該企業導入具零碳排（脱炭素化）效果產品之生產設備或生產程序、或對之進行投資，最多可免除10%的稅額，或得在提列折舊費用時，最高額外計提導入價格50%的特別折舊（特別償却）費用；企業為減少碳排放而向金融機構融資，如其能達成所設定的計畫期中目標，最多可獲0.2%的利息補助。
（2）因應數位化：企業如提出全公司的數位化商業模型改革計畫，並經主管機關認可，該企業針對應用雲端技術所進行投資，最多可免除5%稅額、或額外提列30%之特別折舊費用。
（3）企業改制以適應新日常：企業如提出應對新日常之事業再建構計畫，獲主管機關認定符合其事業類型之數位化指針（由主管機關擬定頒布）的要求，該企業於2020年與2021年度的經營赤字，直至轉為獲益之前（最長為5年），其應課稅所得的免除額最高提升為100%。
（4）允許上市公司舉行純虛擬（バーチャルオンリー）形式的股東會：創設公司法（会社法）以外之特別法規定，允許上市公司得例外以線上、無法明確定義召開地點的形式，舉行股東大會。
（5）支援新創事業：創設民間對於大型新創事業融資的債務保證制度，同時放寬國內證券投資基金對海外新創事業投資的50%上限規定。
（6）企業再生（事業再生）措施彈性化：因應COVID-19疫情對業界造成的打擊，原企業再生須透過訴外紛爭解決機制進行者，該個案得在5分之3的債權人同意減免金融債權額時，轉由法定之簡易再生程序辦理，加速企業提出的再生計畫獲得認可。
（7）將監理沙盒（規制のサンドボックス）轉型為常態型制度：監理沙盒制度之原主管法規，為生產性提升特別措施法（生産性向上特別措置法）。該制度要旨為企業得向主管機關提出計畫申請，針對個別議題或領域進行法規豁免之創新實驗；企業執行上述計畫所獲得之報告或資料，應提供予主管機關，作為檢討修訂相關法規之參考。該法因明定自施行日起三年內廢止之落日條款，預定於2021年6月廢止。因之，本次產業競爭力強化法修正時，配合納入監理沙盒制度的相關條文，而實質將其改為永久性實施之制度。
本文為「經濟部產業技術司科技專案成果」
劉純妤
法律研究員 編譯整理
〈「産業競争力強化法等の一部を改正する等の法律」の制度概要─産業競争力強化法関連〉，https://www.meti.go.jp/press/2021/06/20210616004/20210616004-2.pdf （最後瀏覽日：2021/06/22）。
〈産業競争力強化法等の一部を改正する等の法律の概要〉，日本經濟產業省，https://www.meti.go.jp/press/2021/06/20210616004/20210616004-1.pdf （最後瀏覽日：2021/06/22）。
〈「産業競争力強化法等の一部を改正する等の法律案」が閣議決定されました〉，日本經濟產業省，https://www.meti.go.jp/press/2020/02/20210205001/20210205001.html （最後瀏覽日：2021/06/05）。
〈産業競争力強化法等の一部を改正する等の法律案要綱〉，日本經濟產業省，https://www.meti.go.jp/press/2020/02/20210205001/20210205001-2.pdf （最後瀏覽日：2021/06/05）。
陳宏志，〈日本產業競爭力強化法內之灰色地帶消除制度〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=5&i=180&d=7296&no=67 （最後瀏覽日：2021/06/05）。
陳譽文，〈日本監理沙盒制度推動趨勢—簡介生產性向上特別措施法草案與產業競爭力強化法修法內容〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=74&d=8055&no=64 （最後瀏覽日：2021/06/05）。
創意產業之發展在中國，具有相當之重要性。在出版物、音樂、電影、電視和遊戲軟件開發等創意相關產業，已占中國GDP 5%以上。2016年4月中國最大的搜尋引擎公司「百度」與國際出版商版權保護聯盟(IPCC)簽署版權保護合作備忘錄。IPCC為多間國際出版公司參與的非營利性組織，由於侵權盜版行為再中國日益嚴重，IPCC積極的向中國國內的網路平台公司洽談合作意願。 中國百度為了減少網路侵權作品的擴散，透過技術在作品原創性、正版與維權上，開發防盜版系統及線上投訴管道。百度公司與IPCC透過定期的資訊交流，除了在版權保護上合作，雙方也將繼續針對搜尋內容之正版化合作，此舉提升百度搜尋引擎在內容上的豐富性，同時也意味著中國在知識產權上更向前了一步。 IPCC除了與百度簽署版權保護協議外，也針對網路上具有侵權之網站應列表與仿冒品之跨境執法問題上提出意見交流。另外在政策面上，針對涉及中國正在進行的著作權修法議題，包括著作權集中授權、藝術家之轉售權、著作權的例外與限制及音樂視聽著作權進行討論。 「本文同步刊登於TIPS網站（https://www.tips.org.tw)」
紐西蘭通過「危害性數位通訊規制法」，對網路霸凌行為進行管制紐西蘭於2015年7月通過了「危害性數位通訊規制法」(Harmful Digital Communications Act)。有鑑於網路霸凌現象日益嚴重，甚至影響紐西蘭人民生命及身體安全，故而修訂法律規範之。 重點摘錄： 一、目的：減輕數據通訊對個人造成之傷害，並提供有害數據通訊之受害者提供補救的快速和有效的手段。 二、方法： (一) 創建新的民事執行制度，以迅速有效地處理有害的數據通訊內容。 (二) 創建新的刑事犯罪，以應對最嚴重的有害的數據通訊行為。 (三) 修正現行法規，以釐清數據通訊和技術的發展適用範圍。 三、內容： (一) 授權法院得要求網路通訊協定地址提供者(Internet Protocol Address Provider (IPAP))提交匿名之通訊傳播者資訊。 (二) 經受害學生同意後，其所屬學校之負責人得代表進行訴訟程序。 (三) 法院得依據「威脅將造成損害」(threats to cause harm)標準發布命令。 (四) 若不遵守法院命令將有刑事責任。 (五) 行為人經確定判決後，可處2年以下有期徒刑。 (六) 網路內容所有者(online content host)應設置聯絡機制。供使用者聯絡回報，並課予收到申訴時48小時內通知內容作者、申訴人以及取下霸凌內容之責任。 惟法律之修訂，亦引起相關批評，因「有害的」(harmful)之定義不明，而以刑事規制之，恐有侵害言論自由之疑慮。
利用安裝SPYWARE擅自寄送廣告，挨告美國紐約州律師 Eliot Spitzer 4 月 4 日 表示， 他已經 對 Direct Revenue LLC 這家網路公司提出告訴。控訴其秘密安裝上百萬之間諜軟體（ Spyware ）至網路使用者的電腦中，或利用已安裝於使用者硬碟中之間諜軟體，以彈出視窗方式進行廣告，而其中有很多都屬於色情廣告；這些程式具追蹤網路使用者活動之功能，且一經下載，使用者就極難移除甚至不易察覺。 Spitzer 將此訴訟上訴到紐約州之最高法院，認為 Spitzer 應該為未經使用者同意秘密安裝間諜軟體，或透過已存在的間諜軟體寄送廣告之行為負責。 Spitzer 同時要求 Direct Revenue ，應對其所受之利益和不特定的金錢損害，負擔賠償責任。 去年（ 2005 ）， Spitzer 也對在洛杉磯的 Intermix Media Inc. 提起告訴。這家公司擁有一個相當受歡迎的 MySpace 的社交網絡網站，卻將間諜軟體隱藏附隨在上百萬的免費程式中，最後 Intermix Media Inc. 因而付了 750 萬美元。 Spitzer 表示這種詐欺的行為對消費者極不公平，且將對利用正當管道行銷的企業以及需要消費者信任的小型網路商家造成損害。 Spitzer 也說到，他將會繼續的與消費者站在同一陣線，與消費者共同為他們的掌控權而戰。 Direct Revenue 網站說明指出，他們已事先取得消費者之同意，而其提供之內容資訊和免費軟體，目的在交換傳遞廣告之功能。
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。