CAFC判決未遵守自由授權條款構成著作權侵害
美國聯邦巡迴上訴法院（CAFC）於2008年8月13日，在Jacobsen v. Katzer一案中，對於未遵守自由軟體授權條款而使用他人著作，作成構成著作權侵害之判決，扭轉地方法院之判決結果。由上訴人Jacobsen經營的JMRI（Java Model Railroad Interface），透過多數參與者集體協作的程式DecoderPro，為開放資源的自由軟體，採取Artistic License模式，供模型火車迷編輯解碼器晶片(decoder chip)的程式以操控模型火車；被告Katzer從 DecoderPro下載了數個定義檔來製作一套市售軟體稱Decoder Commander，卻未遵守該自由授權條款，包括未標示JMRI為原始版本之著作權人、可從何處取得標準版本、及修改後版本與原始版本差異部份之註記等。
Jacobsen認為Katzer的侵害著作行為已造成不可回復之損害，請求法院暫發禁止命令（preliminary injunction）以停止Katzer的違法行為，地方法院認為被告乃違反非專屬授權契約，應依違反契約責任負責，不另構成著作侵權行為，駁回暫發禁止命令的請求。
聯邦巡迴上訴法院認為本案爭點在於「自由軟體授權條款的性質究屬契約內容（covenant）或授權條件(conditions of the copyright license)？」，由於Artistic License之用語為「在符合下列條款之條件下」(provided that the conditions are met )方能重製、修改及散布，以遵守授權條款為取得授權之條件，本案中Katzer未能遵守條款，因而根本未取得授權，其行為屬無權使用而構成侵害著作權，是以命地方法院就暫發禁止命令一事重新審理。在善意換取善意（Creative Common，創用CC）及分享著作的潮流下，支持者譽此結果為自由軟體的一大勝仗。
本文為「經濟部產業技術司科技專案成果」
張乃文
主任 編譯整理
CNN，2008年08月14日，http://www.time.com/time/business/article/0,8599,1832997,00.html?xid=feed-cnn-topics，最後瀏覽日：2008年08月20日
Red Orbit，2008年08月15日，http://www.redorbit.com/news/technology/1523110/open_source_software_wins_
legal_battle/index.html?source=r_technology，最後瀏覽日：2008年08月20日
韓國特許廳自2000年12月開始提供「技術公開網路服務」，透過此網站服務，研究人員可將其研發的技術公開、並登載在韓國特許廳的技術公開網站，藉以取得具公信力的公開日期。假若網站上公開的技術與先申請專利的其他技術相似，但其公開日期較早，那麼網站上公開的技術會被認為他人申請專利時的先前技術(prior art)，他人就無法取得專利權。此一服務的目的在於希望企業或個人的研究開發成果可防止他人以相同或類似的技術申請專利，作為一種防禦手段。另公開的研發成果也可提供公眾免費使用，進而促進整體產業的發展。 為改善「技術公開網路服務」，增加使用上之便利性，韓國特許廳2011年10月起推出新的「技術公開網路服務」系統，規定必須載明公開的必要記載項目(包括標題、相關領域、目的、技術組成內容)，以利其他人得以簡便地了解被公開的技術內容。利用人可到韓國特許廳建置之「專利資訊檢索服務(Korea Intellectual Property Rights Information Service, KIPRIS) 」網站進行檢索，搜尋所需之技術內容。 研發者可以將自己的發明想法公開，防止他人就同一或類似技術申請專利；同時任何人皆可查詢利用已經公開的技術，避免重複研發，也可讓業界掌握技術發展的最新動向，以促進技術之活用。
NIH公布最新GWAS基因型與表現型數據資料庫分享近用方針經過了一整年向各界諮詢與彙整各方意見後，美國國家衛生研究院（NIH）於今年8月底，公布其所資助之GWAS基因型與表現型數據資料庫（genotype-phenotype datasets）之分享近用方針。此方針希望在保障研究參與者的個人隱私前提下，協助科學研究社群取得相關基因數據資料。GWAS數據資料對科學有顯著的幫助，並具有龐大的潛在公共利益，然而，提供個人的基因型與表現型資料進行科學研究，涉及個人隱私與秘密之保護，故具有高度的敏感性而受到大眾關切。 因此，NIH在訂定這項方針時，為了搜集各方意見，首先於去年5月，宣布計畫更新GWAS的數據資料分享政策，後於去年8月公開徵詢大眾對方針之意見，次又依據所蒐集之各方意見，於去年12月針對此分享政策舉辦會議進行討論，根據這些討論所形成之共識，併同NIH內部討論之結果，最後形成此項分享政策。 方針中指出，如何在促進科學研究之目的，與保護相關參與人的權利間取得平衡，是相當重要的議題，故本方針分別對研究人員近用之程序、基因數據資料的處理與參與者權利之保護進行詳細規範。舉例來說，本方針要求欲近用資料庫的研究人員，提供其研究必須使用此資料庫的書面說明資料；另外也會對所有存放在資料庫的數據資料進行去個人化處理，使該項資訊無法再以技術判別，並使用隨機方法加密，以確保參與者的隱私與保密資料不遭外洩。根據NIH表示，此方針雖然僅是對GWAS數據資料庫的近用作規範，但未來亦有意將其作為近用其他類似資料庫的規範參考架構。
美國德拉瓦州聯邦地區法院判決RA Capital與Avilar Therapeutics應為蓄意且惡意侵害耶魯大學營業秘密及違反保密協議負責2026年7月24日，美國德拉瓦州聯邦地區法院（一審法院）作成判決，認定創投RA Capital Management與其創立之生技公司Avilar Therapeutics，蓄意且惡意（willfully and maliciously）侵害耶魯大學（Yale University）之營業秘密，並違反雙方簽署之保密合約（CDA）。 耶魯大學Spiegel教授研發了MODA技術平台（一種靶向蛋白質降解技術），於2019年4月，RA Capital 與耶魯簽署CDA進行投資評估，耶魯揭露技術細節，然而，雙方於同年8月談判破裂。2021年，耶魯將技術授權Biohaven Therapeutics進行商業化開發。2023年，耶魯指控RA Capital利用竊取的機密創立Avilar Therapeutics，以此規避研發試錯過程並大幅縮短研發時程，甚至據此申請專利及募集高達7,500萬美元之資金。 在訴訟中，耶魯大學成功證明其對MODA平台採取了多項法院認可的合理保密措施，包括1.保密合約：嚴格要求外部機構簽署CDA，明確限制資訊僅供合作評估使用。2.階梯式揭露策略：簽約前僅提供抽象上位資訊，未受契約保護前絕不揭露技術細節。3.機密識別與權限控管：文件標註「YALE CONFIDENTIAL」字樣，並透過限制存取權限之雲端平台傳遞。4.內部管理與發表控管：實驗室執行嚴格規範，並策略性規劃專利申請與學術發表時機，保留技術之保密價值。5.完善紀錄保存：耶魯保存詳盡的溝通與文件傳遞清單，使陪審團能輕易比對被告取得之資訊與其內部開發路徑之重疊性。 針對學研機構如何強化營業秘密管理措施，可參考資策會科法所創智中心出版之專書「從管理措施到案例解析：綜覽學研機構營業秘密管理」。該書彙整管理規範及國際訴訟案例，解讀法院對於「秘密性」、「經濟性」及「合理保密措施」之認定標準，協助學研機構建立穩健的商業智財策略。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/）
英國發布人工智慧網路資安實務守則英國政府於2025年1月31日發布「人工智慧網路資安實務守則」（Code of Practice for the Cyber Security of AI，以下簡稱「實務守則」），目的是提供人工智慧（AI）系統的網路資安指引。該實務守則為英國參考國際上主要標準、規範後所訂定之自願性指引，以期降低人工智慧所面臨的網路資安風險，並促使人工智慧系統開發者與供應商落實基本的資安措施，以確保人工智慧系統的安性和可靠性。 由於人工智慧系統在功能與運作模式上與傳統網路架構及軟體有明顯的不同，因此產生新的資安風險，主要包含以下： 1. 資料投毒（Data Poisoning）：在AI系統的訓練資料中蓄意加入有害或錯誤的資料，影響模型訓練結果，導致人工智慧系統產出錯誤推論或決策。 2. 模型混淆（Model Obfuscation）：攻擊者有意識地隱藏或掩飾AI模型的內部運作特徵與行為，以增加系統漏洞、引發混亂或防礙資安管理，可能導致AI系統的安全性與穩定性受損。 3. 輸入間接指令（Indirect Prompt Injection）：藉由輸入經精心設計的指令，使人工智慧系統的產出未預期、錯誤或是有害的結果。 為了提升實務守則可操作性，實務守則涵蓋了人工智慧生命週期的各階段，並針對相關角色提出指導。角色界定如下： 1. 人工智慧系統開發者（Developers）：負責設計和建立人工智慧系統的個人或組織。 2. 人工智慧系統供應鏈（Supply chain）：涵蓋人工智慧系統開發、部署、營運過程中的的所有相關個人和組織。 實務守則希望上述角色能夠參考以下資安原則，以確保人工智慧系統的安全性與可靠性： 1. 風險評估（Risk Assessment）：識別、分析和減輕人工智慧系統安全性或功能的潛在威脅的過程。 2. 資料管理（Data management）：確保AI系統整個資料生命週期中的資料安全及有效利用，並採取完善管理措施。 3. 模型安全（Model Security）：在模型訓練、部署和使用階段，均應符合當時的技術安全標準。 4. 供應鏈安全（Supply chain security）：確保AI系統供應鏈中所有利益相關方落實適當的安全措施。 「人工智慧網路資安實務守則」藉由清晰且全面的指導方針，期望各角色能有效落實AI系統安全管控，促進人工智慧技術在網路環境中的安全性與穩健發展。