FinCEN發布「防制洗錢與打擊資助恐怖主義優先事項」，以因應各種新興威脅
隨著犯罪集團洗錢管道與手法日新月異，嚴重威脅金融秩序與經濟發展，美國財政部金融犯罪執法網（Financial Crimes Enforcement Network, FinCEN）於2021年6月30日發布防制洗錢與打擊資助恐怖主義（anti-money laundering and countering the financing of terrorism, AML/CFT）政策的優先事項（Priorities），目的係為了應對日益猖獗之洗錢犯罪行為，幫助金融機構評估其風險，並調整其防制洗錢計畫和資源運用優先順序，以提升國家AML/CFT政策效率與有效性。
依據發布內容，優先事項包括：（1）貪汙；（2）網路安全與虛擬貨幣相關之網路犯罪；（3）國內外資助恐怖分子；（4）詐欺；（5）跨國犯罪組織活動；（6）毒品販運組織活動；（7）人口販運與人口走私（human trafficking and human smuggling）；（8）資助大規模毀滅性武器擴散（proliferation financing），反映了美國國家安全與全球金融體系長期以來存在之威脅，並將虛擬貨幣用於洗錢、資助恐怖主義，及支付勒索軟體攻擊贖金等納入防制洗錢範疇，防止虛擬貨幣成為洗錢管道。
FinCEN預計於2021年底前提出實施辦法，並根據美國防制洗錢法（Anti-Money Laundering Act）之要求，至少每4年更新一次優先事項，以因應美國金融體系與國家安全面臨的各種新興威脅。
翁嘉璟
副法律研究員 編譯整理
FinCEN Issues First National AML/CFT Priorities and Accompanying Statements, Financial Crimes Enforcement Network, https://www.fincen.gov/news/news-releases/fincen-issues-first-national-amlcft-priorities-and-accompanying-statements (last visited July 31, 2021).
Jamie L. Boucher Eytan J. Fisch Jessie K. Liu Greg Seidner Javier A. Urbina, FinCEN Sets Out Anti-Money Laundering Priorities, With Implementing Regulations To Follow, Skadden, https://www.skadden.com/insights/publications/2021/07/fincen-sets-out-anti-money-laundering-priorities (last visited July 31, 2021).
阮韻蒨，（防制洗錢金融行動工作組織針對虛擬資產與其服務提供業者發布進一步監理指引），資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=0&d=8312&no=64（最後瀏覽日：2021/07/31）。
莊貫勤，（歐盟「第五洗錢防制指令」將新科技於金融體系的應用納入管制），資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=82&d=8183&no=64（最後瀏覽日：2021/07/31）。
英國資料倫理與創新中心（Centre for Data Ethics and Innovation, CDEI）於2019年10月發布「議題速覽-深度偽造與視聽假訊息」報告（Snapshot Paper - Deepfakes and Audiovisual Disinformation），指出深度偽造可被定義為透過先進軟體捏造特定人、主題或環境樣貌之影片或聲音等內容。除取代特定主體之臉部外，其亦具備臉部特徵重塑、臉部生成與聲音生成之功能。而隨相關技術逐漸成熟將難辨網路視聽影像之真偽，故CDEI指出有必要採取相關因應措施，包含： 一. 立法 許多國家開始討論是否透過訂立專法因應深度偽造，例如紐約州眾議院議員提出法案禁止特定能取代個人臉部數位技術之應用，美國國會亦有相關審議中草案。然而，縱有法律規範，政府仍無法輕易的辨識影片製造者，且相關立法可能抑制該技術於正當目的上之應用，並導致言論自由之侵害，故未來英國制定相關制度之制定將審慎為之。 二. 偵測 媒體鑑識方法於刑事鑑識領域已實行多年，其也可以運用於辨識深度偽造。媒體鑑識方法之一為檢查個體是否有物理上不一致之現象，以認定特定證物是否經竄改，包括拍攝過程中被拍攝對象是否眨眼，或皮膚上顏色或陰影是否閃爍。雖目前英國相關鑑識專家對於媒體鑑識方法是否可辨識深度偽造仍有疑義，惟相關單位已經著手發展相關技術。 三. 教育 教育亦為有效因應深度偽造之方法。目前許多主流媒體均開始喚起大眾對於深度偽造之意識，例如Buzzfeed於去年即點出5個方法以辨認有問題之影片。科技公司也開始投入公眾教育，提高成人網路使用者對於假訊息與深度偽造之辨識，然而報告指出其成效仍有待觀察。
日本特許法有關職務發明報酬規定之新近發展趨勢企業或機構對於所屬研發人員所為的 職務發明 ， 應該給予多少的報償才算「合理」，近年來成為日本專利制度的爭議話題之一，其中 Olympus Optical Co., Ltd. v. Shumpei Tanaka 、 Yonezawa v. Hitachi Co. Ltd. 、 Nakamura v. Nichia Chemical Co Ltd 幾件訴訟案件更受到高度矚目，引發各界對於日本特許法（即專利法）中第 35 條第 3 、 4 項相關規定之檢討與議論，進而促使日本國會於 2004 年 5 月 28 日 通過特許法修正案，並自 2005 年 4 月 1 日 正式生效。 修正後之日本特許法有關受雇人發明制度部分，修正了第 35 條第 3 項及第 4 項並新增第 5 項。第 35 條第 3 項規定，受雇人依據契約、工作規則或其他約定，同意授予雇用人關於受雇人所為發明之專利申請權、專利權或設定專用實施權時，受雇人對於雇用人有收取合理報酬之權。第 35 條第 4 項規定，依據前項所定之契約、工作規則與其他約定，訂有報酬之約定時，在該報酬之決定標準係經由受雇人與雇用人協議為之，該報酬標準係經公開，且受雇人對於計算報酬金額所表達之意見，亦被充分聽取的情形下，依據該約定所為之報酬金給付應被認為是合理的。又同條第 5 項之規定，若企業內部之契約、工作規則與其他約定，並未規定報酬金額，或雖有規定，但該規定之報酬金額被認為是不合理的，則第 3 項所規定之合理報酬金額，應權衡雇用人基於該發明所獲得之利益、所承受之負擔及對該發明所做之貢獻，與受雇人在相關發明中所獲得之利益及其他相關因素加以認定之。 上述修正規定最大的特色在於 ：（一）尊重自主協議 ； （二）報酬計算要件更加具體化 ； （三）鼓勵裁判外紛爭解決手段 。新修正之受雇人制度會帶來什麼樣的影響，目前各界仍在觀察；不過可確定的是，相較於舊法，新法至少在計算合理報酬上，要求雇用人須踐行更多的程序及其他要件，而這程序或要件規定將可減少法官在舊法時計算合理報酬金額的沈重負擔，與高度不確定所帶來的風險，並且亦可減少受雇人發明訴訟的總數量。 以日本電子大廠 Toshiba 新近在 7 月底與其離職員工 Fujio Masuoka 就閃光記憶晶片技術（ flash memory chip technology ）所達成之職務發明報酬和解協議為例， Toshiba 在 7 月 27 日 發布的新聞稿中，即特別感謝東京地方法院對公司有關員工職務發明之報酬政策及看法的尊重。
世界經濟論壇發布《人工智慧公平性和包容性藍圖》白皮書世界經濟論壇（World Economic Forum, WEF）於2022年6月29日發布《人工智慧公平性和包容性藍圖》白皮書（A Blueprint for Equity and Inclusion in Artificial Intelligence），說明在AI開發生命週期和治理生態系統中，應該如何改善公平性和強化包容性。根據全球未來人類AI理事會（Global Future Council on Artificial Intelligence for Humanity）指出，目前AI生命週期應分為兩個部分，一是管理AI使用，二是設計、開發、部署AI以滿足利益相關者需求。 包容性AI不僅是考量技術發展中之公平性與包容性，而是需整體考量並建立包容的AI生態系統，包括（1）包容性AI基礎設施（例如運算能力、資料儲存、網路），鼓勵更多技術或非技術的人員有能力參與到AI相關工作中；（2）建立AI素養、教育及意識，例如從小開始開啟AI相關課程，讓孩子從小即可以從父母的工作、家庭、學校，甚至玩具中學習AI系統對資料和隱私的影響並進行思考，盡可能讓使其互動的人都了解AI之基礎知識，並能夠認識其可能帶來的風險與機會；（3）公平的工作環境，未來各行各業需要越來越多多元化人才，企業需拓寬與AI相關之職位，例如讓非傳統背景人員接受交叉培訓、公私協力建立夥伴關係、提高員工職場歸屬感。 在設計包容性方面，必須考慮不同利益相關者之需求，並從設計者、開發者、監督機關等不同角度觀察。本報告將包容性AI開發及治理整個生命週期分為6個不同階段，期望在生命週期中的每個階段皆考量公平性與包容性： 1.了解問題並確定AI解決方案：釐清為何需要部署AI，並設定希望改善的目標變量（target variable），並透過制定包容性社會參與框架或行為準則，盡可能實現包容性社會參與（特別是代表性不足或受保護的族群）。 2.包容性模型設計：設計時需考慮社會和受影響的利益相關者，並多方考量各種設計決策及運用在不同情況時之公平性、健全性、全面性、可解釋性、準確性及透明度等。 3.包容性資料蒐集：透過設計健全的治理及隱私，確定更具包容性的資料蒐集路徑，以確保所建立之模型能適用到整體社會。 4.公平和包容的模型開發及測試：除多元化開發團隊及資料代表性，組織也應引進不同利益相關者進行迭代開發與測試，並招募測試組進行測試與部署，以確保測試人群能夠代表整體人類。且模型可能隨著時間發展而有變化，需以多元化指標評估與調整。 5.公平地部署受信任的AI系統，並監控社會影響：部署AI系統後仍應持續監控，並持續評估可能出現新的利益相關者或使用者，以降低因環境變化而可能產生的危害。 6.不斷循環發展的生命週期：不應以傳統重複循環過程看待AI生命週期，而是以流動、展開及演變的態度，隨時評估及調整，以因應新的挑戰及需求，透過定期紀錄及審查，隨時重塑包容性AI生態系統。 綜上，本報告以包容性AI生態系統及生命週期概念，期望透過基礎設施、教育與培訓、公平的工作環境等，以因應未來無所不在的AI社會與生活，建立公司、政府、教育機構可以遵循的方向。