英國Ofcom發布說明行動網路與Wi-Fi混合共享上層6 GHz 頻段重要性之文件，以最大化頻譜利用效率。
英國通訊傳播管理局（The Office of Communications, Ofcom）於2024年5月21日發布「行動網路與Wi-Fi混合共享上層6 GHz 頻段之重要性」（Mobile and Wi-Fi in Upper 6 GHz: Why hybrid sharing matters）文件，指出為促進稀缺頻譜資源有效利用，需實施創新頻譜共享機制，以便為更多用戶提供服務。有鑑於2023年世界無線電通訊大會（World Radiocommunication Conference 2023, WRC-23）決議上層6 GHz（6425-7125 MHz）為國際行動通訊（International Mobile Telecommunications, IMT）使用頻段，同時承認該頻段可供Wi-Fi等無線接取系統（wireless access systems）使用，因此Ofcom初步探索出兩種可能分割方式，並於文件中分享，期望透過靈活混合共享機制，在與其他既有使用者共存之同時服務更多用戶：
1.可變頻譜分割（Variable spectrum split）：
此方法將上層6GHz分割為Wi-Fi及行動網路優先頻段，Wi-Fi和行動網路可於各自優先頻段中自由布建，亦可於不干擾對方之前提下，於對方之優先頻段布建。
2.室內外分割（An indoor/ outdoor split）：
此方法以建築物做為兩技術運作之分界，於室外及淺層室內（shallow indoor）區域布建6GHz行動網路，以降低既有3GHz行動通訊服務之負載；6GHz覆蓋不到之範圍，則仍由3GHz提供服務。室內大部分區域則分配給Wi-Fi布建，降低兩技術重疊布建情形，確保資源有效運用。
未來Ofcom將持續與業界合作開發其他混合共享框架技術與解決方案，計劃於2025年發布有關此主題之技術報告，早日實現行動網路與Wi-Fi之共享機制。
本文為「經濟部產業技術司科技專案成果」
呂柏萱
副法律研究員 編譯整理
The Office of Communications, Mobile and Wi-Fi in Upper 6 GHz Why hybrid sharing matters, https://www.ofcom.org.uk/siteassets/resources/documents/consultations/category-1-10-weeks/263766-hybrid-sharing-enabling-both-licensed-mobile-and-wi-fi-users-to-access-the-upper-6-ghz-band/associated-documents/mobile-and-wi-fi-in-upper-6-ghz.pdf (last visited Jul. 04, 2024)
Wi-Fi Alliance®, Wi-Fi Alliance® celebrates the 2023 World Radiocommunication Conference (WRC-23) decisions on the 6.425-7.125 GHz frequency band, https://www.wi-fi.org/news-events/newsroom/wi-fi-alliance-celebrates-the-2023-world-radiocommunication-conference-wrc-23 (last visited Jul. 08, 2024)
潘科諺，〈歐盟發布「如何掌握歐洲的數位基礎建設需求？」白皮書暨公開意見諮，尋求成員國間更一致的頻率與海纜監理架構〉，資訊工業策進會科技法律研究所，2024/05，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=9175（最後瀏覽日：2024/07/08）
為瞭解兒童及青少年透過行動裝置接取網路不當內容（inappropriate content）之情形，以及父母或監護人如何限制孩子使用網路設備等議題，英國通訊管理局（Office of Communications, Ofcom）委託英國第二大研究機構Ipsos MORI於2009年3-4月間，與797組7-16歲的兒童及青少年進行面對面的親子訪談，並於2009年9月公布該調查之研究結果。 根據該份兒童及青少年接取網路內容訪談的研究報告（Children’s and young people’s access to online content on mobile devices, games consoles and portable media players）顯示，分別有90%及74%的兒童及青少年透過遊戲裝置及行動電話使用接取網路，利用其他多媒體影音裝置上網的則占13%。另外有三分之二透過行動電話上網的使用者，可自由瀏覽及接取網路內容，而無任何內容分級或不當內容接取上的限制。該研究報告同時亦指出，對於使用行動電話上網的兒童及青少年，僅有10%的父母及監護人「非常關心」（major concerns）其瀏覽或接取不當網頁內容的問題；而使用遊戲裝置上網的兒童及青少年中，僅有11%的父母或監護人「非常關心」其對於接取或瀏覽不當內容之問題。對於兒童及青少年利用行動電話上網的管制議題上，父母及監護人多半透過通話及簡訊的使用量來限制兒童及青少年使用行動電話，而非直接要求兒童及青少年禁止其上網瀏覽不當的內容或教導其如何安全的使用網路。此外，就兒童及青少年本身使用網路所遇到的安全性問題上，介於11-16歲的青少年有54%表示，其需要有關如何維護隱私權及個人資料的建議與協助；而28%的青少年則提及，其需要資訊安全的建議，尤其是如何強化密碼及個人識別碼（personal identification numbers, PINs）；至於7-11歲的兒童則多以「不知道」來回答調查問卷上的問題。 藉由該份研究報告數據的公開，英國政府開始針對兒童及青少年透過行動裝置使用網路之安全性問題進行研議，期望透過更多的宣導與教育，使父母及監護人更為關心兒童及青少年網路內容帶來的身心健康影響，並提昇父母、監護人、兒童及青少年對於網路使用的安全意識，以建立兒童及青少年對於網路安全的正確觀念。
歐洲議會於2022年初通過數位服務法（DSA）歐洲議會（European Parliament）於2022年1月20日通過數位服務法（Digital Services Act），該法旨在監管線上服務提供者（online service providers），為線上服務接受者提供更安全線上空間，包含要求線上平臺應（1）打擊線上非法服務或內容；（2）提供通知並刪除/下架（notice and action）機制，不得有差別性或任意性對待；（3）提供無廣告追蹤（tracking-free ad）選項，和禁止將未成年人資料用於定向廣告（targeting advertising）；（4）對於線上平臺課以行政責任，如：超大型線上平臺（very large online platforms, VLOP）若故意或過失違反義務，最高罰鍰可被處以前一會計年度總營業額6%，或按日連續處罰最高可處前一會計年度平均每日營業額5％。若可能致危害生命或人身安全，主管機關亦可勒令其停止提供服務；（5）強制性風險評估和提高演算法透明度，以打擊有害內容（harmful content）和虛假資訊。 數位服務法所規範的服務主要有四種類型，四種服務提供者負擔累計義務（cumulative obligation），其中VLOP被賦予最多責任，因其對於散布非法內容並造成社會危害具有特殊風險，須具備風險減緩、獨立稽核等機制。相關服務定義如下： （1）中介服務提供（Intermediary Service）：提供網路基礎建設服務。 （2）託管服務提供（hosting service）：由服務接受者提供資訊並應其要求提供資訊儲存服務，例如：雲端儲存服務、網站主機代管等服務。 （3）線上平臺（online platform）：包含類型線上市集、應用程式商店、以及社群媒體平台。 （4）VLOP：每月平均歐盟境內活躍用戶達4500萬以上或人口10%之線上平臺。例如：Google、Facebook及YouTube。 此數位服務法草案最早在2019年年底提出，歐洲議會於今年投票通過後，尚待歐盟理事會（Council of the European Union）審查同意後，此法即正式發布施行。歐洲議會於審查所提出之修正建議，除針對前述五大重點外，還特別強調對於微中小型企業（MSMES）相關義務的免除，以及禁止線上平臺使用欺瞞（deceiving）或助推（nudging）方法影響消費者購物選擇。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。