歐盟航空安全局發布全球首件《最大起飛重量不逾六百公斤之無人機系統噪音量測指南》，有助於環境保護與防止噪音危害
歐盟航空安全局（European Union Aviation Safety Agency, EASA）於2022年10月13日發布全球首件「最大起飛重量不逾六百公斤之無人機系統噪音量測指南」（Guidelines on Noise Measurement of Unmanned Aircraft Systems Lighter than 600 kg Operating in the Specific Category），適用於各式各樣的無人機設計，包括多旋翼機（multicopters）、固定翼航空器（fixed-wing aircraft）、直升機與動力起降航空器（powered-lift aircraft）等。
該指南旨在提供低度與中度風險（Low and Medium Risk）特定類別無人機運行時，具一致性的噪音量測程序與方法。該方法係考量實際層面與心理聲學（psychoacoustics），即有關人類對於無人機聲音的感知，設計為提供可重複且準確量測噪音，可量測最大起飛重量（Maximum Take-Off Weight, MTOM）小於600公斤的無人機，以落實歐盟環境保護的高度水準，並防止噪音對人體健康的重大影響。而所謂特定類別（specific category）包括包裹遞送、電力巡檢、鳥類管制（bird control）、測繪服務（mapping services）、空中監視（aerial surveillance）等活動。
此份指南雖不具強制性，亦非無人機認證規範，然而噪音是許多歐洲民眾所關注的問題，各國航空主管機關仍可以該指南為基準要求營運商，使之在自然公園或人口稠密區域等敏感環境運行無人機時可降低噪音。同時，無人機製造商、營運商或噪音量測組織，亦可依據該指南確立與特定設計及操作相關的噪音水準。此外，可將由此而生的噪音水準報告提供給EASA，以建立可供營運商與主管機關使用的線上公眾資料庫（online public repository）。
本文為「經濟部產業技術司科技專案成果」
江敔菲
副法律研究員 編譯整理
European Union Aviation Safety Agency [EASA], EASA publishes first guidelines on noise level measurements for drones below 600kg (2022), https://www.easa.europa.eu/en/newsroom-and-events/press-releases/easa-publishes-first-guidelines-noise-level-measurements-drones（last visited Dec. 9, 2022）
陳俊文，〈美國倡建無人機系統整合先導計畫〉，資策會科法所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=7999&no=64（最後瀏覽日：2023/02/10）。
羅文妗，〈美國聯邦航空總署公布《無人機遠端識別最終規則》〉，資策會科法所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8605&no=64（最後瀏覽日：2023/02/10）。
江敔菲，〈歐盟執委會發布無人機戰略2.0，創造大規模歐洲無人機市場〉，資策會科法所，https://stli.iii.org.tw/article-detail.aspx?no=55&tp=1&i=0&d=8922
為達成歐盟數位議程（Digital Agenda）中的單一數位市場（Digital Single Market）目標，歐盟執委會（EU Commission）提出了「開放資訊戰略」（Open Data Strategy for Europe）措施，預計可為歐洲地區創造出每年超過400億歐元的產值。 此方案係利用歐盟各會員國政府已蒐集的大量資訊，藉由免費或低收費的方式，提供全歐洲任意目的使用。目前英國、法國已完成相關整備，蓄勢待發 。 歐盟此目標包含三個具體措施：a.歐盟執委會將率先開始，利用新網站（data portals）免費開放資訊；b.建立全歐洲開放資訊的公平競爭環境；c.從2011至2013年投入共1億歐元，以進行資料處理研究。 此外執委會建議修正2003年公共部門資訊再利用指令（2003/98/EC），包含：a.所有公部門蒐集的資訊，在無妨礙著作權情形下，應開放予所有人任何目的使用；b.除了必要成本外，不得收取其他費用；c.任何機器均可使用，以確保資料有效重新利用；d.引入監管機制；e.擴展指令覆蓋範圍，包含博物館與圖書館等。 歐盟執委會現已著手建立新的專屬公開網站，未來該網站將可連結到歐盟各會員國公開資訊。該網站預計於2012年春季正式推出。
Cell Therapeutics取得新藥專利生技公司 Cell Therapeutics Inc.(http://www.cticseattle.com/) 於週ㄧ (04.10.2006) 表示該公司已取得新的抗腫瘤藥物專利。 該件由美國專利暨商標局 (U.S. Patent and Trademark Office) 核准，並且為 Cell Therapeutic 之歐洲子公司所擁有之專利涵蓋了目前正進行臨床前測試的治療劑－ CT-45099 ，以及其類似物，該治療劑屬於小分子的抗細胞骨架蛋白 (Tubulin) 藥劑。細胞骨架蛋白細形成微管 (Microtubule) 的主要成份，而 CT-45099 以及其類似物可藉由阻斷細胞骨架蛋白達到抵抗腫瘤的目的。 根據該公司表示，相較於其他腫瘤治療藥劑，如 TaxolR 以及 TaxotereR ，於細胞分裂時穩定細胞骨架蛋白並且防止其分解，以殺死腫瘤細胞； CT-45099 係於細胞分裂時阻斷細胞骨架蛋白的組裝，並且使細胞骨架蛋白處於不穩定的狀態，以殺死細胞。此外，該治療劑可被使用於治療結腸、肺、胃以及前列腺之腫瘤細胞株。 Cell Therapeutics 也表示，該新型抗細胞骨架治療劑並不容係受到多重抗藥性 (Multi-drug resistance, MDR) 的影響，而多重抗藥性是腫瘤細胞對標準化學療法所發展出的最常見抵抗方式之ㄧ。 Cell Therapeutics 所擁有的該專利預計在 2022 年 4 月到期。
日本經濟產業省公布獲選2021年數位轉型品牌之企業名單日本經濟產業省（下稱經產省）與東京證券交易所共同選出「數位轉型品牌（下稱DX品牌）」，並於2021年6月7日公布獲選「DX品牌2021」、「DX關注企業2021」的企業名單。獲選的企業不僅導入優良的資訊系統、活用數據，並以數位技術為基礎的創新商業模式及管理方法勇於挑戰變革，預期能將數位技術發揮到最大的作用。 DX品牌評價的項目包含企業的願景、商業模式、經營策略、數位技術策略實施成果與重要成果指標的公開共享、公司治理。為了加強鼓勵企業推動數位轉型，經產省與東京證券交易所從獲選「DX品牌2021」的企業名單中，再選出「DX大賞企業」，作為數位時代的領導企業。另外，今年度針對因應新冠肺炎採取優良數位技術對策的企業，又特別選出「數位×新冠肺炎對策企業」。 DX品牌即為舊有的「進攻IT管理品牌」。「進攻IT管理品牌」是經產省於2015年至2019年，為了促進日本企業在IT上的運用，與東京證券交易所共同選出積極運用IT的企業為「進攻IT管理品牌」。直到2020年後，因應數位技術產生新興的商業模式，經產省推動企業從IT運用轉向數位轉型技術，並將「進攻IT管理品牌」改為「數位轉型品牌（DX品牌）」。
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。