日本公平交易委員會公布資料市場競爭政策檢討會報告書，提出建構資料市場公平競爭環境之政策建議
日本公平交易委員會（公正取引委員会）於2021年6月25日發布關於資料市場競爭政策檢討會（データ市場に係る競争政策に関する検討会）報告書。所謂資料市場，不僅指資料從產出、蒐集、整理儲存（蓄積）、加工、分析到利用等各階段的交易，尚包含向終端使用者提供相關商品或服務。其類型包含企業經營所產出的「產業資料」（産業データ），以及與個人相關的「個人資料」（personal data，原文為パーソナルデータ）。近年來，數位平台型業者參與資料市場、活用資料經營相關商業活動的情形漸增。同時，資料不同於傳統交易客體，具備以下特徵：（1）技術上容易複製；（2）無法建立排他性佔有；（3）需透過累積與解析方能創造其價值；（4）可藉由累積使用資料持續優化產品機能。而累積大量資料的數位平台業者，亦可能藉此形成獨占、寡占、排除其他競爭者等。
基此，本報告書針對此一競爭秩序現況，提出以下建議：
- 建構鼓勵新業者加入資料市場的機制：應充分考量各潛在參與者之需求，同時留意利用資料之事業退出市場經營時，不應對使用該事業服務的個人造成不利益。
- 針對產出資料之行為建立獎勵機制，同時促進業界自由且易於取用資料。
- 區分各企業經營共通事項之協調領域、以及企業間各自專業化經營之競爭領域。就前者提供共通性指引與開放行政保有資料供利用，對後者則須管制妨害公平競爭之行為。
- 確保資料可攜性，與不同系統間的互通性（interoperability，原文為インターオペラビリティ），讓使用者容易轉換其所利用的平台服務。
- 優化關於個資利用的說明義務內容，尤其針對平台在不知情下蒐集資料的情形，應額外規範業者採取相應配套措施，避免造成當事人不利益。
- 就數位平台形成的市場寡占與資料獨占蒐集問題，可考量採取令其他業者能公平取用資料之措施。
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
〈「データ市場に係る競争政策に関する検討会」報告書について〉，日本公平交易委員會，https://www.jftc.go.jp/houdou/pressrelease/2021/jun/210625_data.html （最後瀏覽日：2021/10/05）。
〈データ市場に係る競争政策に関する検討会報告書〉，日本公平交易委員會，https://www.jftc.go.jp/houdou/pressrelease/2021/jun/210625_report.pdf （最後瀏覽日：2021/10/05）。
許祐寧，〈美國眾議院發布反壟斷五大法案，恢復數位市場競爭並防堵科技平台壟斷〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=8725 （最後瀏覽日：2021/10/05）。
劉書妤，〈日本經產省發布《促進資料價值創造的新資料管理方法與框架（暫定）》之綱要草案徵求意見〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=8719 （最後瀏覽日：2021/10/05）。
加拿大隱私專員辦公室（Office of the Privacy Commissioner of Canada, OPC）於2026年2月10日，更新《個人資訊保護與電子文件法》（the Personal Information Protection and Electronic Documents Act, PIPEDA）的解釋公告（Interpretation Bulletin），於該解釋公告中OPC將「神經資料」（neural data）與健康、財務、基因及生物識別資料並列，正式納入PIPEDA意義下的敏感資訊（sensitive information）清單中，賦予更高程度的保護。 其中，神經資料被列為敏感資訊的可能原因為以下： 1.深度私密性：神經資料有深度私密性，其可能揭露當事人不自知或不預期揭露的健康狀況、認知狀態或情緒反應。 2.不可變更性：不同於密碼可以重置或信用卡號可以更換，大腦的神經模式一旦外洩無法重置或輕易更換。 神經資料被列為敏感資訊後會有更高程度的保護要求包括： 1.強化同意要求：在加拿大PIPEDA的架構下，資料的敏感性直接決定了蒐集方式。對於神經資料，組織必須獲得更充分且具實質意義的明示同意，不能僅依賴默示同意，為獲得有意義的同意，組織必須嚴格定義使用目的。 2.提升安全防護的等級：法律要求安全防護措施必須與資料的敏感度成正比。由於神經資料被列為高度敏感，組織必須採取較高等級的安全保護措施。 3.風險評估標準：在發生資料外洩時，資料的「敏感性」是評估是否構成「重大損害風險」的關鍵因素。將神經資料列為敏感資訊，意味著涉及此類資料的外洩事件將面臨更嚴格的通報與法律責任。 總結而言，加拿大將神經資料列為敏感資訊，標誌著法律監管從傳統個資延伸到了人類的意識領域，要求相關科技企業在開發監測專注力、疲勞或情緒的消費性產品時，必須承擔與醫療紀錄同等的法律責任與保護義務。
Google提供免費專利給新創公司Google於2015年7月24日發布專利創客專案(Patent Starter Program)，提供參加專案的新創公司免費授權使用兩項專利。此計畫是奠基於License on Transfer (LOT) Network專利授權聯盟的運作，該聯盟是2014年由Google、Dropbox、SAP、Canon、Asana及NewEgg等六家公司共同成立，目的透過聯盟成員間專利交叉授權協議，以對抗專利流氓(patent troll)的濫訴行為。 專利創客專案計畫開放50家於2014年收入介於50萬至20億美元間的新創公司得免繳會費參與LOT聯盟兩年，並依據新創公司業務範圍，提供3至5項專利清單，新創公司可從中選出兩項予以免費使用。另外，這些新創公司有機會瀏覽GOOGLE非專屬授權資料庫，找尋所需專利並詢問GOOGLE出售意願。需要注意的是，在專案期間內，參與成員對於透過專案獲授權之專利，僅得為防禦使用，違反時Google有權終止並予以處罰。同時參與成員亦必須於專案期間遵守聯盟專利交叉授權協議之規範。 整體來說，由於Google提供給新創公司的免費專利清單項目有限，新創公司未必能得到真正有需求的專利，但考量加入專案後，得受到LOT成員間專利交叉授權協議的保護，對於新創公司而言，仍可一定程度避免受到專利流氓危害，而具有正面意義。
Common sense並非 Obviousness的代名詞美國聯邦第二上訴巡迴法院於去年12月9日做出判決，維持先前佛羅里達州南區地方法院對於 Perfect Web Tech. 公司之專利第6,631,400號(以下簡稱專利400號)做出該專利無效之簡易裁決。第二上訴巡迴法院在 Perfect Web Technologies Inc. v. InfoUSA Inc. 一案中對於判斷一項專利的顯而易見性 (obviousness) 上，“常識”(common sense)所代表的意義做出解釋。 此案最初係由 Perfect Web Tech 控訴InfoUSA 侵害其所持專利400號，該專利為 “一種管理大批 (bulk) 電子郵件傳送到各不同鎖定目標的方法”。專利400號包含了4道程序，第一至第三道程序包含將大批的電子郵件寄送到一鎖定目標對象的群組，並計算當中寄送成功的數量。第四道程序則為重覆程序一至三，直到寄送成功的數量超過原設定的最低成功數量。對此InfoUSA向法院提出裁定專利400號無效的簡易裁決，而地方法院以 “程序一至三為先前技術 (prior art)，程序四則僅為合乎邏輯的常識做法”而准予該請求並裁定專利400號無效。 第二上訴巡迴法院維持原判的理由在於專利400號不符合於KSR案中關於 “顯而易見性”的判斷原則。訴訟雙方皆同意程序一至三為先前技術，而法院認為程序四是 “常識”下的產物， “是一般人都顯然會去嘗試的結果”。Linn 法官更進一步指出像這樣的案子根本不需要專家證詞，只需用一般人的常識判斷即可。但是判決中亦同時聲明，若要援用 “常識”來判斷一項專利的顯而易見性，地院或專利審查官必須要能將判斷的依據解釋清楚以受公評。此判決結果意味著如果係爭的專利技術較為複雜，被告將必須要依賴有利的專家證詞以成功證實爭論的要點僅止於常識運用且具有顯而易見性。
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。