韓國公布「數位平台政府實施計畫」
2023年4月韓國政府公布「數位平台政府（디지털플랫폼정부위원회，Digital Platform Government）實施計畫」，促使政府全面結合人工智慧和資料運用，打破過往部會機關個別發展數位專業的阻隔，為國民提供數位化整合的政府服務，並鼓勵企業創新。
「數位平台政府」為2022年新任總統尹錫悅推行的政府改革措施之一，同年7月頒定組織條例，成立直屬於總統之「數位平台政府委員會」，委任財政、科學、行政及個資保護4部會首長及19位專家組成。數位平台政府實施計畫預計2027年完成，計畫訂出4項數位平台政府關鍵服務任務，任務目標與對應措施如下：
(1)政府為人民服務：建立政府綜合服務窗口，統整中央、地方各級單位之千餘種稅捐、福利等內容，提供如「青年政策整合」之個性化便利服務，以減少人民不便與潛在社會問題。
(2)智慧的一體式政府：擴大機構間資料的共享與利用，打破部會之間、中央和地方政府之間的資料孤島情形，目標串連1.7萬餘的政府系統，成為政府創新基礎設施，以靈活應對快速變化的外部環境。
(3)公私協力的成長平台：打造數位經濟生態系，以交通、安全、能源和城市為初步建置領域，後續擴展到醫療、環境和公共管理等，預計培養1萬家基於此生態系經營的SaaS（Software as a Service，軟體即服務）公司。
(4)可信賴的平台政府：加強人民對個人資料的控制權，將於數位政府平台中引入資料近用記錄檢查和管理功能，並採用「零信任」、「供應鏈安全」等機制提高安全性。
溫志強
副法律研究員 編譯整理
디지털플랫폼정부위원회를 알려드립니다，〈디지털플랫폼정부 실현계획 보도참고자료〉, https://dpg.go.kr/postact/download/233（最後瀏覽日：2023/04/21）。
김동하，〈尹 “디지털플랫폼정부, 전자정부와 차원 달라… 맞춤형 정보 제공〉，조선일보，2023/4/14， https://www.chosun.com/politics/politics_general/2023/04/14/HPVBA2DQRJC6HPRVFHTSVWLHDQ/（最後瀏覽日：2023/04/21）。
Koh Jean, Korea’s new innovation strategy: Digital Platform Government, Jan. 13, 2023,https://www.weforum.org/agenda/2023/01/davos23-korea-digital-platform-government/ (last visited Apr. 21, 2023).
在一片低迷的全球經濟成長中，2015年11月11日世界智慧財產權組織（WIPO），公布了最新的「世界智慧財產報告：突破創新與經濟成長（ World Intellectual Property Report: Breakthrough Innovation and Economic Growth）」，探討知識產權的角色與創新及經濟成長之關連，並鎖定在突破性創新之影響。該報告除討論具代表性歷史創新技術，另也探討當今具有潛在突破性發展之創新技術，同時敦促各國政府及企業，應增加此三領域創新技術相關之投資。 在過去300年來的創新技術發展，已經觸及人類活動的各個層面，並改變了世界的經濟結構。依據2015年WIPO報告，顯示出三領域歷史創新技術如何觸發當時新的企業活動：即飛機、抗生素和半導體。該報告考量到創新驅動成長及未來展望，另探究了三領域具有潛在突破性發展之當今技術：即3D列印、奈米和機器人技術。調查報告也顯示，日本和美國正帶領著一小群國家，推動此三領域創新技術進行突破研究，正因此三領域前瞻技術，掌握著推動未來經濟增長之潛力。 朝向工業化發展的新興中等收入國家中國大陸，自2005年以來在3D列印和機器人領域的專利申請量占全球四分之一以上，為全球國家中比率最高；在奈米技術方面，中國大陸專利申請人占全球近15%，是第3大申請國，但與其他資深創新國家不同的是，中國大陸的大學和公立研究機構申請案所占比例相當高。 WIPO報告強調，創新生態系統的成功要素有三：政府資助科學技術研究，並協助具前景技術從實驗室走到商品化階段；透過充滿活力的金融市場和健全的法規，以及鼓勵企業創新來加強市場競爭力；促進公、私部門創新單位的連結溝通流暢。 該報告亦說明大學和公立研究機構與創新如何日形密切，和傳統飛機、抗生素和半導體領域相較，學研機構在3D列印、奈米技術和機器人領域的專利申請所占比例較高，尤其是在奈米技術領域，全球的學術機構申請人約占四分之一。另外著作權在技術創新也變得更加常見且緊密相關，包括電腦軟體納入著作權保護標的，及3D物品設計和電腦IC晶片設計等的任何形式數位表達之保護。 WIPO「世界智慧財產報告」每兩年發行一次，每期的重點放在不同的IP領域新趨勢，先前的報告已探討「品牌在全球市場的角色（the role that brands play in a global marketplace）」及「不斷變化的創新（the changing face of innovatio）」。
英國資訊委員辦公室首次對違反資料保護案件開罰英國資訊委員辦公室（Information Commissioner’s Office，ICO）於今（2010）年11月24日首次對違反資料保護案件開罰。 賀福郡理事會（Hertfordshire County Council）員工在今年6月兩度將載有高度敏感性資料的文件傳真予錯誤的收件人。ICO經調查後認定，由於賀福郡理事會未能防止兩次資料外洩事件發生，導致嚴重損害，而在首次外洩事件發生後，亦未採取足夠的預防措施避免類似情況發生，因此裁定十萬英鎊之罰鍰。 另一家發生資料外洩事件的人力資源服務公司A4e，則是因其員工將含有兩萬四千筆個人資料的筆記型電腦帶回家後遭竊，且包括個人姓名、出生年月日、郵遞區號、薪資、犯罪紀錄等相關資料並未加密。ICO認為，A4e並未採取適當措施避免資料外洩，且A4e允許其員工將未加密的筆記型電腦帶回家時，已知內含個人資料種類及數量，因此裁定六萬英鎊之罰鍰。 ICO表示，希望本次處罰能對於處理個人資料的機構有所警惕。 ICO今年4月被賦予裁罰權，至於裁罰的標準，則有裁罰指引（fine guidance）可參考。根據裁罰指引，若資料控制者（data controller）故意違反資料保護法（Data Protection Act），或可得而知可能違法之情形，卻未採取適當措施預防之，而可能造成相當損害時，ICO得處以相當罰鍰。
德國資料倫理委員會針對未來數位化政策之資料運用發布建議報告德國資料倫理委員會（Datenethikkommission, DEK）於2019年10月針對未來數位化政策中的重點議題發布最終建議報告；包括演算法產生預測與決策的過程、人工智慧和資料運用等。德國資料倫理委員會是聯邦政府於2018年7月設置，由多位學者專家組成。委員會被設定的任務係在一年之內，制定一套資料倫理標準和指導方針，作為保護個人、維持社會共存（social coexistence）與捍衛資訊時代繁榮的建議。 最終建議報告內提出了幾項資料運用的指導原則，包含： 以人為本、以價值為導向的技術設計 在數位世界中加強數位技能和批判性思考 強化對個人人身自由、自決權和完整性的保護 促進負責與善意的資料使用 實施依風險調整的監管措施，並有效控制演算法系統 維護並促進民主與社會凝聚力 使數位化戰略與永續發展目標保持一致 加強德國和歐洲的數位主權
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。