日本修訂《教育資訊安全政策指引》以建構安全的校園ICT環境
日本文部科學省於2022年3月發布「教育資訊安全政策指引」（教育情報セキュリティポリシーに関するガイドライン）修訂版本，該指引於2017年10月訂定，主要希望能作為各教育委員會或學校作成或修正資訊安全政策時的參考，本次修訂則是希望能具體、明確化之前的指引內容。本次修訂主要內容如下。
（1）增加校務用裝置安全措施的詳細說明：
充實「以風險為基礎的認證」（リスクベース認証）、「異常活動檢測」（ふるまい検知）、「惡意軟體之措施」（マルウェア対策）、「加密」（暗号化）、「單一登入的有效性」（SSOの有効性）等校務用裝置安全措施內容敘述。
（2）明確敘述如何實施網路隔離與控制存取權的相關措施：
對於校務用裝置實施網路隔離措施，並將網路分成校務系統或學習系統等不同系統，若運用精簡型電腦技術（シンクライアント技術）則可於同一裝置執行網路隔離。另外，針對校務用裝置攜入、攜出管理執行紀錄，並依實務運作調整控制存取權措施，例如安全侵害影響輕微者則可放寬限制以減輕管理者負擔。
網路社群網站 MySpace 日前獲得 Gracenote 授權一項影音識別技術，未來將透過此一技術確認其會員上傳的影音檔案是否經過合法授權，一旦判定其傳送之音樂未經授權，則將阻斷其上傳，並將對經常違規之使用者進行刪除帳號的制裁。 MySpace 此舉是來自電影及唱片公司對於線上流行音樂網站涉及違反著作權法，侵害其歌手權利之壓力。無獨有偶， Goolge 以 16 億美元的股票收購同為熱門影音網站的 YouTube 後，亦刪除三萬個未經合法授權使用的影音檔案，以符合著作權法保護之要求。播放 YouTube 「每日一笑」（ The Daily Show ）的美國電視頻道 Comedy Central 亦被要求移除所有排列在節目單上的短片。 另外， Apple 的 iTunes 面臨此一問題，則是採用 Gracenote 的影音識別技術來辨識確認從 CD 輸入 iTune 系統的音樂是否為合法。
英國不贊同歐盟新視聽媒體服務指令英國傳播、電信、科技及媒體相關領域業者及團體於 2006 年 4 月聯合發表一份意見書，反對歐盟提出的新視聽媒體服務指令（ Audiovisual Media Services Directive ）草案。同時英國政府也正關注這項草案並與其他會員國進行討論。 自 2005 年 9 月起，歐盟開始針對電視無國界指令（ Television without Frontiers Directive ）的修正進行討論。歐盟考慮將該指令修改為視聽媒體服務指令，擴大其規範範圍，使其包括各種與電視相似（ TV-like ）的服務，並將所有視聽媒體服務區分成線性（ linear ）及非線性（ no-linear ）服務，分別給予不同程度的管制。 不過英國有許多業者及團體對於這項新指令的制訂深表不贊同，其認為： (1) 就非線性服務（例如隨選視訊）而言，目前既有法規以及業者自律規範已足以保障消費者； (2) 線性及非線性的分類方式可能不適宜作為法律定義的基礎； (3) 新指令將可能阻礙新進業者參與市場的意願，甚至導致投資者轉向其他國家發展。所以希望透過連署，要求歐盟重新檢視這項新指令。
強化AI安全防線：八國連署AI與機器學習供應鏈風險管理指南日本國家網路安全辦公室（国家サイバー統括室）於2026年3月5日，代表日本連署了「AI、機器學習供應鏈風險與緩和措施」（Artificial intelligence and machine learning Supply chain risks and mitigations）之國際文書（下稱本文書），並公布本文書內容。本文書是由隸屬於澳洲訊號局（Australian Signals Directorate，簡稱ASD）之澳洲網路安全中心（Australian Cyber Security Centre，簡稱ACSC）主導訂定，主要針對有導入或開發 AI、機器學習系統與元件等需求的組織，揭示其可能存在供應鏈風險與提升整體網路安全之重要性，並就AI開發或採購階段，組織應留意相關風險與可採行之緩和措施。有關連署國家，除了日本與澳洲以外，也包括加拿大、紐西蘭、韓國、新加坡、英國與美國等共八個國家皆已完成連署。 本文書內容強調組織於管理 AI、機器學習等風險時，應將 AI 供應鏈視為整體網路安全戰略的一環，同時評估產品或服務之整體生命週期風險，不應著重於單一技術，而是組織需要掌握整體供應鏈的全貌，包括特定關係事業者、活用AIBOM（AI物料清單，主要用來記錄AI模型相關資產與資訊，提供快速定位與管控AI問題模型功能）或SBOM（軟體物料清單，主要記錄軟體相依元件，用於漏洞管理與供應鏈透明度）、意識到是否已針對AI、機器學習系統可能帶來的風險，進行漏洞管理，以及針對AI、機器學習系統所導致之網路安全事件建立應處機制等。 本文書將AI、機器學習供應鏈風險大致區分為五類：AI 數據、機器學習模型、AI 軟體、AI 基礎設施（含硬體），以及第三方服務，本文書指出AI、機器學習應用於供應鏈時可能產生之風險，其中包括數據品質不良、資料受竄改、模型遭植入惡意程式碼、軟體元件複雜導致難以保證其安全、硬體與韌體擴大攻擊面，以及導入第三方服務致使供應鏈產生弱點等。 此外，本文書也針對各類風險提出可行的因應方法，例如： 1.數據面：需做標準化搜集、外部資料檢疫、資料前處理與完整性驗證。 2.模型面：需從可信來源取得透明模型，實施性能驗證與惡意程式偵測。 3.軟體面：需做完整性驗證、元件審核，並透過 SBOM 掌握已知弱點。 4.硬體面：需確認設備無惡意內容，並在網路中適當分區。 5.第三方服務面：需持續評估與監控供應商的資安實務與脆弱性管理。 總結來說，日本已意識到國家網路安全治理下，針對AI、機器學習的安全，不單是模型安全，而是涉及整體性供應鏈安全。日本藉由與他國連署國際文書，不僅強化國際合作，同時建立供應鏈網路安全共識，因應AI對於國家供應鏈之網路安全挑戰，從資料、模型、軟體、硬體到第三方服務等視角提出具體因應方法，作為全面提升國家整體網路安全環境之參考指引。日本透過強化與他國合作，提升國家網路安全治理之作法，值得我國未來借鏡參考。
英國司法管轄權工作小組發布「關於人工智慧損害責任之法律聲明」，旨在闡明英國法律將如何對利用人工智慧造成之損害追究責任英國司法管轄權工作小組（The UK Jurisdiction Taskforce, UKJT）於2026年7月發布「關於人工智慧損害責任之法律聲明」（Legal Statement on Liability for AI Harms）（以下簡稱本聲明），旨在闡明於何種情況下，以及基於何種法律依據，英國法律將對利用AI造成之損害追究責任。 本聲明指出，因利用AI而非故意造成之損害，其責任來源大致可分為契約責任與侵權責任。就契約而言，通常為AI供應鏈中各方分配損害責任之主要依據，AI本身之存在並不會對契約法構成特殊困難之判斷，各方當事人可自由分配風險、定義績效標準並根據自身判斷限制責任。 就侵權責任而言，本聲明認為過失法則（law of negligence）完全可應用於AI造成之損害。粗心之AI使用者很可能因可預見之損害而被追究責任，開發針對特定目標應用程式之開發者亦可能承擔責任，惟基礎模型開發者（Foundation Model Developer）於大多數情況下，皆不太可能因其通用模型之不可預見、或未經充分測試之用途而被追究責任。 除一般侵權責任之外，本聲明並另探討其他特殊侵權行為責任類型如下： （1）代位責任（vicarious liability）：由於AI並未具備人格，因此任何人均無需為AI系統本身之行為或故障承擔代位責任；惟若損害係由人類員工於使用AI時不當行為所造成，則雇主可能需要承擔代位責任，此與一般之雇主代位責任並無二致。 （2）不可轉嫁之義務（non-delegable duties）：若某人負有不可轉嫁之義務，即保護他人免受傷害，則此人可能即需對他人因自身過錯造成之AI損害承擔責任。例如英國國家醫療服務體系（NHS）信託機構對其患者負有不可轉嫁之義務，假設一家NHS信託機構從第三方開發人員購買一款AI診斷工具，並將其應用於病患照護，若該AI工具有缺陷，而責任在於應用程式開發商，該NHS信託機構不能以此為由逃避對患者造成之傷害責任，因提供合格之診斷服務與工具為信託機構承擔之醫療照護責任重要組成部分，此項責任不可轉嫁。 （3）專業人士責任：專業人士具有「合理技能與注意」（reasonable skill and care）義務，取決於該行業合格成員通常遵循之標準，並參考專業機構之指引。依此，若專業人士不當使用AI、使用不合適之模型、未能進行適當之盡職調查，或未能有效測試、或驗證AI輸出結果，則可能被認定為有過失。此外，若專業人士於應使用AI之情況下卻未使用，亦可能承擔法律責任，因隨AI工具功能日益強大且應用日益廣泛，專業標準也將隨之演變，而未能使用現有技術本身亦可能構成違約。 （4）產品責任（Product liability）：依英國《1987年消費者保護法》（Consumer Protection Act 1987）規定，對於瑕疵產品，企業需負嚴格責任，惟目前該規定僅適用於將AI整合到機器人或自動化機器等有形產品中之情況，純軟體形式之AI系統不太可能被現行法律認定為「產品」。 須注意者為，對於開發者而言，本聲明做出重要之區分，即建立針對特定目標應用之開發者，相較提供通用基礎模型之開發者面臨更大的風險，惟AI供應鏈中之所有參與者皆須意識到自身之責任。