猶他州選民詳細資料遭網站公開，引起社會大眾關注
據猶他州政府檔案存取及管理法（the Government Records Access and Management Act，簡稱GRAMA），該州選民註冊資料及投票歷史紀錄檔案屬於得公開資訊，據此，猶他州民得給付1,050元美金並填寫申請表，向政府申請取得全州選民數據庫之資料。
上開法令作為申請之依據，UTvoters.com創辦人Tom Alciere透過向該州政府申請並取得該州選民資訊後，建置該網站。透過該網站系統，任何人可查詢該州選民選舉資料。Tom Alciere指出，倘選民認為他們資訊被公布網站上並不合理，他們可以要求移除網站上的資訊，但這些資訊仍被記錄在該州數據庫中，且仍可被公開取得。
該州負責選舉主任委員Mark Thomas指出，倘能證明自身安全因資料遭公開而陷入危險，或具有某些情況如屬政府官員（例如州市長或參議員）等資料，基於安全考量，得移除數據庫之資料。
該州選民認為他們資料如同信用卡被竊一般的遭到洩漏，且不應被公開於網路；該州參議員Karen Mayne亦認為該不合理制度須做改變，政府一方面應鼓勵民眾參與投票，但非在過程中犧牲與公開選民的個人資料。
相關修正案之建議，限制該類資料僅能作為「政治」上的使用，且應排除與網路連結。若違反，則將面臨6個月以上有期徒刑及1,000美元以上之罰金。
燃料電池是種藉由氫氣及氧氣產生電化學反應，而將化學能轉換電能之裝置，運用在交通運輸及可攜式產品（如手機或筆記型電腦等）方面，目前以質子交換膜燃料電池為主，其中的關鍵組件是電池內部兩片基板中的薄塑膠質子交換膜，目前仍是杜邦公司（Nafion膜）的專利權。 在世界石油能源有限的情況下，替代能源是各國急於開發的產品。杜邦全球科技長Thomas Connelly表示，杜邦將與台灣電腦廠商合作開發筆記型電腦燃料電池，備機時間可長達10小時，預計二至三年後推出。 燃料電池成為明星電源，乃基於三大特色︰第一是效率，它的能量轉換效率非常高；其次是乾淨，發電過程幾乎沒有造成任何污染；第三是安靜。在國外，燃料電池的發展已趨成熟並邁入商業化階段。在國內，國人對於燃料電池的應用較為熟悉應屬「電動車」，只不過成本居高不下，在政府補助不足及週邊規劃未盡完善下，造成推廣不佳，商業化困難。
國際因應智慧聯網環境重要法制研析－歐盟新近個人資料修法與我國建議 美國將重新檢討網域管理政策美國商業部將於 2006 年 9 月底前舉行針對網域管理的公聽會，檢討美國政府目前對於網域名稱的管理作為，並討論是否將取消對網域名稱的限制與管理。美國這項舉動是回應部分國家對於美國現行網域管理政策的不滿。 目前美國政府主要透過對「網域名稱與位址管理機構」（ the Internet Corporation for Assigned Names and Numbers ； IC ANN ）的控制，來管理所有”.com” 的網域，並擁有否決網域名稱申請案的權力。美國對於網域的控制，引起部分國家的政府及評論家的批評，認為美國政府對網域的過度干預，已經影響了全球通訊及商業運作的基礎。舉例而言，由於美國政府強烈反對，使專用色情網域”.xxx”申請案遭 ICANN 否決一事，升高了歐盟執委會對美國政府過渡干預網域管理的不滿。 為平衡國際輿論壓力，美國商業部預定於 2006 年 9 月底前召開公聽會，討論往後網域管理的程序及方式，並計畫於 9 月 30 日改變目前對 ICANN 的管理策略。
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。