加拿大防民主受操弄和影響 推出反外國干預法
中央社.2024年5月7日 15:15

(中央社記者程愛芬溫哥華6日專電)加拿大政府今天推出新法案「反外國干預法」防止外國干預,包括擴大加拿大安全情報局的權力,並設立外國代理人登記處,以防堵民主受操弄和影響。

聯邦法官何格(Marie-Josée Hogue)領導的外國干預調查聽證會3日公布報告,確認有外國企圖干預2019年和2021年聯邦選舉,損害加拿大民主制度和民眾信任感,並提到中國是「最持久、最複雜的外國干預威脅」。

在各方不斷呼籲下,加拿大政府終於推出「反外國干預法」(An Act Respecting Countering Foreign Interference,C-70)。

「反外國干預法」提議任命一名外國影響力透明度專員,這名專員將擁有與高等法院相同的調查權,監督一個新的強制性登記處,要求一些代表外國政府在加拿大從事遊說工作、開展影響力的個人或機構進行登記。違反登記法的人可能被處以最高500萬加幣(約新台幣1億1300萬元)的罰款或最高5年刑期。

新法加強刑事條款,設立針對性的外國干預罪,以及針對重要基礎設施的破壞罪。還將修訂「資訊安全法」,限制不當分享軍事技術和知識產權,同時強化安全情報局披露敏感訊息處理能力,以增強抵禦外國干預。

加拿大安全情報局前局長艾爾考克(Ward Elcock)認同渥太華加強修法的舉措,他說:「在過去,即使你發現外國干預行為也無能為力,因為沒有法律約束。」

來自多族裔社區的10幾個代表與跨黨派議員日前在渥太華呼籲加拿大政府盡快立法,設立外國代理人影響力登記處。

加拿大維吾爾社區長年呼籲渥太華重視他們遭北京壓迫威脅之苦,維吾爾人權倡導者馬穆特(Raziya Mahmut)說:「我就是外國干預下受害者,因為不僅不能和在新疆的家人聯繫上,連在加拿大一些維吾爾同胞都會避免和我親近,他們說害怕因此惹上麻煩。」

反外國干預聯盟召集人馮玉蘭對中央社表示,這只是第一步。希望議員能儘快討論這個法案,完善其中的細節,否則外國干預又將繼續破壞加拿大選舉的完整性。

加拿大前眾議員趙錦榮(Kenny Chiu)在2021年選舉因受到外國勢力操作的虛假訊息影響而敗選,他正慎重考慮參加明年聯邦選舉。他對中央社說:「希望反外國干預法不是一個沒有牙齒的老虎,而是對保障加拿大民主發揮實質功效,能讓民眾不要再被操弄或因恐懼而盲目選出違背自己價值觀的政黨。」(編輯:陳惠珍)1130507

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

立法院 改革

賴清德 就職

民進黨 國民黨

立法院 國會 改革

祝福 賴清德

就職 典禮

FTNN新聞網
EBC東森新聞
壹蘋新聞網
太報
柯建銘道歉了!點名韓國瑜「我願對你不敬之言鄭重道歉」
[FTNN新聞網]記者陳弘志/台北報導立法院上周五爆發嚴重議事攻防與肢體衝突,民進黨團總召柯建銘19日表示,對於藍營堅持要在周二通過國會改革爭議法案,他期...
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司