美國國防部發布《國防部資訊技術發展戰略》，以促進IT變革並為未來奠定基礎
美國國防部（Department of Defense, DoD）於2024年6月25日發布「關鍵點：國防部資訊技術發展戰略」（Fulcrum:DoD Information Technology (IT) Advancement Strategy），將持續促進DoD之IT變革，並為未來奠定基礎。
本戰略描述作戰人員在推動IT方面應達成之目標與重要性，並列出提供聯合作戰IT能力、資訊網路與運算現代化、最佳化IT治理、栽培第一數位人力等四大目標（Line of Effort, LOE），簡述如下：
（1）提供聯合作戰IT能力（Provide Joint Warfighting IT Capabilities）：在現今不斷變化且充滿競爭的全球環境中，該目標以使用者為中心，提供具功能性、可擴增、永續且安全之IT功能。並以改善作戰人員可用資訊為重點，以利在快節奏、多領域（multi-domain）作戰中獲得決策與競爭優勢。
（2）資訊網路與運算現代化（Modernize Information Networks and Compute）：該目標著重於迅速滿足任務與商務需求，利用卓越技術與以資料為中心的零信任（Zero Trust）資通安全方法，提供安全且具更快資料傳輸速度、更低延遲與高度彈性的現代化網路。
（3）最佳化IT治理（Optimize IT Governance）：該目標將提高傳送效率、節省成本，且透過從治理到資料獲取系統的簡化政策，以轉變治理制定更好的決策，包括使用強大資料功能。
（4）栽培頂尖的數位人才（Cultivate a Premier Digital Workforce）：該目標將確保作戰人員為新興技術之布署做好準備，並持續致力於識別、招募、發展並留住最佳數位人才。其擴展DoD網路人力框架（DoD Cyber Workforce Framework, DCWF），著重於更廣義的數位人力，包括資料、人工智慧、軟體工程的工作角色。
本文為「經濟部產業技術司科技專案成果」
- 零售業個資安全宣導暨安全維護計畫規劃說明會
- (已額滿)114年「企業營業秘密保護實務座談會」(北部場)–營業秘密因應數位環境之保護風險及管理對策
- 2025科技研發法制推廣活動— 科專個資及反詐騙實務講座(實體)
- 2025科技研發法制推廣活動— 科專個資及反詐騙實務講座(直播)
- 【台北場1】通訊傳播事業個資法遵教育訓練
- 【台中場】通訊傳播事業個資法遵教育訓練
- 【新北場】通訊傳播事業個資法遵教育訓練
- 【高雄場】通訊傳播事業個資法遵教育訓練
- 【台北場2】通訊傳播事業個資法遵教育訓練
- 114年「企業營業秘密保護實務座談會」（南部場）
- 114年「企業營業秘密保護實務座談會」（中部場）
- 114年資訊服務業者個資安維辦法宣導說明會
- 【線上】資訊服務業個資安維計畫說明會
- 【實體】資訊服務業個資安維計畫說明會暨交流工作坊
- 【台北場1】通訊傳播事業個資保護實務專題講座
- 【台北場2】通訊傳播事業個資保護實務專題講座
- 【台北場3】通訊傳播事業個資保護實務專題講座
- 金融相關資服業者線上個資安維宣導說明會
江敔菲
副法律研究員 編譯整理
Department of Defense [DoD], Fulcrum:DoD Information Technology (IT) Advancement Strategy, https://dodcio.defense.gov/Portals/0/Documents/Library/FulcrumAdvStrat.pdf（last visited Sep. 3, 2024）
周晨蕙，〈日本立法保護及促進重要經濟安全資訊之利用〉，資策會科技法律研究所，2024年8月，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=9233（最後瀏覽日：2024/09/03）。
柯郁萱，〈歐洲議會全體會議投票通過《資安韌性法》草案，以提高數位產品安全性〉，2024年5月，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=9170&no=64（最後瀏覽日：2024/09/03）。
劉心妍，〈美國國土安全部發布「2024人工智慧路線圖」，確保AI安全開發與部署〉，資策會科技法律研究所，2024年6月，https://stli.iii.org.tw/article-detail.aspx?no=0&tp=1&d=9184（最後瀏覽日：2024/09/03）。
羅文妗，〈德國聯邦內政部提出2025年數位政策計畫，加強推動國家行政數位化〉，資策會科技法律研究所，2022年8月，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=8856（最後瀏覽日：2024/09/03）。
美國麻薩諸賽州州長 Mitt Rom-ney 在五月二十七日否決一項允許在麻州擴大胚胎幹細胞試驗研究法案。州長支持使用成年人的幹細胞或從治療不孕症診所剩餘冷凍胚胎提取細胞的研究，但他呼籲州議員禁止複製，因為提取幹細胞會摧毀胚胎。他說，這相當於創造人類生命只是為了摧毀它，在道德上不具有合理性。此外，他還呼籲州議員在法案中增設一項條款，規定懷孕那一刻即為生命開始，禁止為了其他研究製造胚胎，並限制給捐獻卵子婦女的補償，但州議會拒絕他了的所有這些要求。該州參眾兩會在同月三十一日以壓倒性的票數，推翻州長先前在二十七日所為之否決，並使該法案立即生效。 根據舊州法，若麻州科學家想進行胚胎幹細胞研究，必須獲得地區檢察官批准。新法實施後，科學家不需等待地區檢察官同意後才能進行研究，但州衛生廳將有權管制過程。除此之外，這項新法和聯邦法一樣，禁止複製嬰兒。 美國各州對幹細胞研究的態度迥異，甚至可以說處於分裂狀態。有七個州禁止任何複製研究，十一個州禁止幹細胞研究。但是，加州在二○○四年率先透過法案支持胚胎幹細胞研究，還計劃在十年內從州預算中撥款三十億美元資助這項研究。麻州緊隨其後。紐約、康涅狄格、賓州等也準備放寬對幹細胞研究的限制。 支持胚胎幹細胞研究者紛紛希望，麻州能成為治療脊椎受傷和糖尿病、柏金森氏症等疾病的科學先進研究中心。
歐洲網路暨資訊安全局發布「重要資訊基礎設施下智慧聯網之安全基準建議」歐洲網路暨資訊安全局(European Union Agency for Network and Information Security, ENISA)於2017年11月20號發布了「重要資訊基礎設施下智慧聯網之安全基準建議」。該建議之主要目的乃為歐洲奠定物聯網安全基礎，並作為後續發展相關方案與措施之基準點。 由於廣泛應用於各個領域，智慧聯網設備所可能造成之威脅非常的廣泛且複雜。因此，了解該採取與落實何種措施以防範IOT系統所面臨之網路風險非常重要。ENISA運用其於各領域之研究成果，以橫向之方式確立不同垂直智慧聯網運用領域之特點與共通背景，並提出以下可以廣泛運用之智慧聯網安全措施與實作: (一) 資訊系統安全治理與風險管理 包含了與資訊系統風險分析、相關政策、認證、指標與稽核以及人力資源相關之安全措施。 (二) 生態系管理 包含生態系繪製以及各生態系的關聯。 (三) IT安全建築 包含系統配置、資產管理、系統隔離、流量過濾與密碼學等資安措施。 (四) IT安全管理 帳戶管理與資訊系統管理之相關安全措施。 (五) 身分與存取管理 有關身分確認、授權以及存取權限之安全措施。 (六) IT安全維護 有關IT安全維護程序以及遠端存取之安全措施。 (七) 偵測 包含探測、紀錄日誌以及其間之關聯與分析之安全措施。 (八) 電腦安全事件管理 資訊系統安全事件分析與回應、報告之資安措施。
淺論中國大陸專利間接侵權規範之爭議 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。