英國提出因應GDPR自動化決策與資料剖析規定之細部指導文件
2018年5月，英國資訊專員辦公室（Information Commissioner’s Office, ICO）針對歐盟GDPR有關資料自動化決策與資料剖析之規定，公布了細部指導文件（detailed guidance on automated decision-making and profiling），供企業、組織參考。
在人工智慧與大數據分析潮流下，越來越多企業、組織透過完全自動化方式，廣泛蒐集個人資料並進行剖析，預測個人偏好或做出決策，使個人難以察覺或期待。為確保個人權利和自由，GDPR第22條規定資料當事人應有權免受會產生法律或相類重大效果的單純自動化處理決策（a decision based solely on automated processing）之影響，包括對個人的資料剖析（profiling），僅得於三種例外情況下進行單純自動化決策：
- 為簽訂或履行契約所必要；
- 歐盟或會員國法律所授權；
- 基於個人明示同意。
英國2018年新通過之資料保護法（Data Protection Act 2018）亦配合GDPR第22條規定，制定相應國內規範，改變1998年資料保護法原則上容許資料自動化決策而僅於重大影響時通知當事人之規定。
根據指導文件，企業、組織為因應GDPR而需特別留意或做出改變的事項有：
- 記錄資料處理活動，以幫助確認資料處理是否符合GDPR第22（1）條單純自動化決策之定義。
- 倘資料處理涉及資料剖析或重大自動化決策，應進行資料保護影響評估（Data Protection Impact Assessment, DPIA），判斷是否有GDPR第22條之適用，並及早了解相關風險以便因應處理。
- 提供給資料當事人的隱私權資訊（privacy information），必須包含自動化決策之資訊。
- 應確保組織有相關程序能接受資料當事人的申訴或異議，並有獨立審查機制。
指導文件並解釋所謂「單純自動化決策」、「資料剖析」、「有法律效果或相類重大影響」之意義，另就可進行單純自動化決策的三種例外情況簡單舉例。此外，縱使符合例外情況得進行單純自動化決策，資料控制者（data controller）仍必須提供重要資訊（meaningful information）給資料當事人，包括使用個人資料與自動化決策邏輯上的關聯性、對資料當事人可能產生的結果。指導文件亦針對如何向資料當事人解釋自動化決策處理及提供資訊較佳的方式舉例說明。
張腕純
專案經理 編譯整理
INFORMATION COMMISSIONER'S OFFICE [ICO], Detailed Guidance on Automated Decision-Making and Profiling (2018), https://ico.org.uk/media/for-organisations/guide-to-the-general-data-protection-regulation-gdpr/automated-decision-making-and-profiling-1-0.pdf (last visited June 5, 2018).
Data Protection Act 2018, Legislation.gov.uk, http://www.legislation.gov.uk/ukpga/2018/12/enacted (last visited June 5, 2018).
Regulation on the Protection of Natural Persons with regard to the Processing of Personal Data and on the Free Movement of Such Data, and Repealing Directive 95/46/EC (GDPR), Commission Regulation 2016/679, art.22, 2016 O.J. (L 119) 1, 46.
美國能源部於今年（2012）6月28日發布一套新的網路安全自我評估調查工具（Cybersecurity Self-Evaluation Survey Tool），以強化保護公共事業的業者避免遭受網路安全的攻擊，這套工具也是能源部為施行其於5月31日公布的網路安全能力成熟度模型（Cybersecurity Capability Maturity Model）的一部分，同時此模型的發展也是為了支持白宮的電力網路安全風險管理成熟度倡議（ Electricity Subsector Cybersecurity Risk Management Maturity Initiative）。 網路安全成熟度模型的發展乃係由能源部與國土安全部共同領導，並且與業界、其他聯邦機構以及卡內基大學軟體工程研究所合作進行，該模型的四個目標在於：加強電力網路安全能力、使相關業者可以有效並持續設立網路安全能力的基準、分享知識、解決的方法與其他相關的參考資料、使業者得以排定對於改善網路安全的行動以及投資上的優先順序，以幫助業者發展並且評估他們的網路安全能力。 此次發佈的評估工具則是以問卷的方式，著重在情境式的認知與威脅及弱點的管理，而後能源部將針對自願提供評估結果的業者提供個案報告，幫助業者改善其網路安全能力，同時，能源部也建議業者，建立優先行動方案，以解決差距的問題，並且定期評估追蹤網路安全能力的改善進度，能源部也提醒業者注意網路威脅環境上與技術上的改變，以進行應變的評估。
日本閣議公布建築節能法修正案2019年2月15日閣議公布《建築物能源使用效率提升法》（建築物のエネルギー消費性能の向上に関する法律，以下稱「建築節能法」）的修正案，將根據住宅及建築物的規模、用途等特性，採取高效性綜合對策，以達到2030年節能目標。 本次《建築節能法》主要修正內容，包含： 非住宅之建築物（如商辦大樓）：原針對新建、改建、擴建大規模（樓地板面積2000m2以上）建築物應符合「建築物能源使用效率基準」（建築物エネルギー消費性能基準）之強制規定，將擴及中規模（樓地板面積300m2～2000m2）建築物。另外，新增若複數建築物共同執行的「提升建築物能源使用效率計畫」，經當地相關主管機關認定後，可獲得容積獎勵之規定。 改善大型集合住宅審查制度：針對建築物起造人及承造人須向當地相關主管機關提交「確保建築物能源使用效率的構造與設備計畫」的審查制度，將簡化審查程序，以減少行政機關負擔及提高行政效率。 建築師及住宅業者之義務： (1) 新增設計小規模（樓地板面積不到300m2）建築物的建築師有義務向建築物起造人及承造人，說明該物件的能源使用效率。 (2) 住宅Top Runner制度：原規範大型住宅業者供給之建案獨棟住宅應符合住宅Top Runner基準，現將物件範圍擴及客製化獨棟住宅及小型出租公寓。
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。