英國通訊管理局對於低軌衛星之加強監管提交公眾諮詢
英國通訊管理局（Ofcom）於2021年7月26日提出「非同步衛星系統之執照更新」報告（Non-geostationary satellite systems: Licensing updates），表示若未能積極管理Amazon、OneWeb、SpaceX及Telesat等業者之低地球軌道衛星星座（satellite constellation）的通訊服務，後續恐會有局部干擾的疑慮，降低既有網路的通訊品質及可靠性，以及產生限制競爭的問題。
因此，Ofcom規劃調整衛星執照之許可制度，並向各界徵求諮詢意見。有關新的衛星執照修正重點包括：
1.衛星執照細部項目：將再細分成「終端設備」（user terminals）及「系統閘道站」（gateway）兩種許可證。
(1)衛星終端設備許可證：允許使用非同步衛星系統之終端設備，例如在用戶端安裝碟型天線及設備，但必須係衛星營運商所有。
(2)衛星系統閘道站許可證：授權設置地面閘道站，以作為衛星網路連結到網際網路、專用網路或雲端服務的大型樞紐（hub）。
2.執照申請審查程序：Ofcom將確保系統間可以共存而不會降低服務品質；避免執照取得者會對後續各方進入市場產生競爭限制；以及提供利害關係人評論期間，以便反映有關干擾或競爭之潛在風險。
3.附加許可條件：要求營運商之間進行技術合作；讓行政機關在必要時介入管理干擾案件，以確保英國消費者權益。
吳采薇
法律研究員 編譯整理
Ofcom, Non-geostationary satellite systems: Licensing updates, Jul. 26, 2021, https://www.ofcom.org.uk/__data/assets/pdf_file/0015/222450/ngso-licensing-consultation.pdf (last visited Aug. 27, 2021).
Jason Rainbow, U.K. to strengthen regulations for Starlink, OneWeb and other NGSO constellations, SPACENEWS, Jul. 26, 2021, https://spacenews.com/u-k-to-strengthen-regulations-for-starlink-oneweb-and-other-ngso-constellations/ (last visited Aug. 27, 2021).
Mark Jackson, Ofcom UK Propose Rule Changes for LEO Broadband Satellites, ISPREVIEW, Jul. 26, 2021, https://www.ispreview.co.uk/index.php/2021/07/ofcom-uk-propose-rule-changes-for-leo-broadband-satellites.html (last visited Aug. 27, 2021).
由歐盟二十七個會員國資料保護主管機關組成的第二十九條資料保護工作小組（The Article 29 Working Party）最近公布其應適用何國資料保護法規之意見書。 歐盟資料保護指令（EU Data Protection Directive）第四條對於蒐集或處理個人資料所應適用之法規有所規範，依該條規定，機構必須依其成立之國別適用該國資料保護法規；機構若於其他國家裝置設備處理資料，則須遵守設備所在地之法令。 隨著全球化的趨勢與新興科技的發展，目前處理資料機構之運作方式已與當初制定指令時有所不同，許多機構在世界各國設置營運點，向全球各地提供各類型服務，尤其是網際網路的發展，使得遠端服務及在虛擬環境下分享個人資訊更為容易，但同時也增加辨識資料處理所在地之困難度，因此工作小組提出該意見書，希望藉此釐清資料保護指令第四條之適用。 工作小組於該意見書中指出，資料保護指令所指的應適用法規，並非資料控制者（data controller）所在地之法規，而是附屬於該資料控制者並實質進行資料處理之機構的所在地法規。蓋因同一資料控制者可能在數國成立附屬機構，在此種狀況下判別適用法規的標準，應視實際上相關資料處理活動的發生地，亦即處理資料機構所在地。 而針對處理個人資料所使用之設備，工作小組表示，即使處理資料之機構並未擁有設備，而使用該設備處理個人資料時，亦可適用指令第四條之規定，需遵守設備所在地之相關法規；但工作小組同時特別釐清，以電信電纜或郵政服務等方式傳輸資料並不會落入資料保護法規之範疇。
中國大陸商務部頒布《阻斷外國法律與措施不當域外適用辦法》維護國際經貿發展權益中國大陸商務部於2021年1月9日公布《阻斷外國法律與措施不當域外適用辦法》（商務部令2021年第1號，簡稱《辦法》），以保護中國大陸公民、法人或其他組織的合法權益，不受他國法律與措施的不當侵害。過去，美國等國家透過出口管制推行單邊主義，限制中國大陸企業的國際經貿活動空間，顯示外國法律與措施的不當域外適用，對中國大陸經濟發展造成不利影響。《辦法》因此借鑒歐盟於1996年制定《抵制第三國立法域外適用效果及行動條例》（Council Regulation (EC) No 2271/96）的立法經驗，拒絕承認外國法律和措施的域外效力，以維護國際經貿發展權益。《辦法》由國務院商務部負責評估和確認外國法律與措施是否存在不當域外適用情形，發布「不得承認、不得執行、不得遵守有關外國法律與措施禁令」；中國公民、法人或者其他組織若因外國法律與措施的域外適用遭受重大損害，得向中國法院提起訴訟，要求獲益當事人賠償損失，以此作為中國大陸對外貿易之必要反制措施。《辦法》所建立的阻斷工作機制架構說明如下： 及時報告：依據第5條，中國大陸公民、法人或其他組織遇到外國法律與措施不當域外適用，即禁止或限制其與第三國（地區）開展正常經貿及相關活動者，應在30日內報告。 評估確認：依據第6條，關於外國法律與措施是否存在不當域外適用情形，商務部應結合各種因素進行評估確認。 發布禁令：依據第7條，經評估確認外國法律與措施存在不當域外適用情形，商務部得發布「不得承認、不得執行、不得遵守有關外國法律與措施的禁令」。第8條，亦由商務部負責「豁免遵守禁令」申請案之否准。 司法救濟：依據第9條，因外國法律與措施的不當域外適用遭受損失，中國大陸公民、法人或其他組織可在中國大陸國內法院起訴並請求損害賠償。 處罰制度：依據第13條，對違反如實報告義務和不遵守禁令之行為，給予相應警告、責令限期改正，並根據情節輕重處以罰款。
標準制定組織成員之專利揭露義務標準制定組織為了提高產業競爭，防止標準制定組織之會員們，在獲得涵蓋產業標準的專利權後，以壟斷性手段壓迫其他競爭對手，故通常會以智慧財產權政策要求參加的會員揭露其被標準制定組織選擇寫入標準的專利。其重要內容通常包括： 1. 必要專利揭露 許多標準制定組織皆有規定，標準必要專利權人應依以誠實信用及適當方式進行揭露之義務，例如IEEE及ETSI 。即對於討論中的技術標準，必須對標準制定組織及其參與者公開揭露所持有的必要專利。揭露的基本目的主要有三項 ： (1) 使標準開發相關工作小組會員可以掌握納入標準之多項候選技術的基本資訊（例如專利技術價值、成本及可行性等等），並做出適當選擇。 (2) 藉此得知須提出授權聲明或承諾的必要專利權人。 (3) 藉此讓必要專利的潛在實施者得知應向那些必要專利權人獲取必要專利相關資訊。 2. 事前揭露授權條款（ex-ante disclosure of licensing terms） 事前揭露授權條款係一種受保護之技術在被採納為標準必要專利前，將授權條件的揭露的機制，目前IEEE及ETSI採行自願性揭露方式。與必要智財權的揭露及授權聲明不同，其主要的目的在於讓標準制定委員會將技術採納為標準前，可以根據所揭露的授權條件來決定有那些技術在符合權利人授權條件下，有哪些技術可以納入標準，又有哪些不同替代技術，並據以作成決定 。
金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。