OASIS網路標準服務遭抵制
開放原始碼及自由軟體的大老等發起一封抵制網路服務標準機構OASIS新專利政策的活動，並簽署了一份電子郵件，呼籲社群不要採用由OASIS標準組織所通過的規格。OASIS本月修改了它的專利政策，宣稱為開放原始碼軟體的開發提供了更好的選擇。
這份電子郵件中表示，不要採用OASIS的不開放標準。要求OASIS修改它的政策。如果你是OASIS成員，對於這種窒礙難行，不能用在開放原始碼及自由軟體上的標準，不要參與其工作小組。支持者亦表示，希望類似OASIS這樣的組織能訂出明確政策，好讓所有想採用業界標準的組織可以預先知道未來是否會被收費。
然而，OASIS為自己的政策修改提出辯護，也對這個活動加以反擊。其表示，OASIS這個政策和W
OASIS所修改的政策為標準工作提出了三種模式：RAND（reasonable and nondiscriminatory licensing，合理且統一的授權）；RAND條件下的RF（免權利金）；或者是有條件下的RF。
對於OASIS的杯葛，反應出產業在IP權利上的利益，以及開放原始碼和自由軟體支持者間的爭執。OASIS的新政策預計要在
本文為「經濟部產業技術司科技專案成果」
陳怡玫
副主任兼規章法制組組長 編譯整理
今年5月26日，歐盟高等法院做出裁決，認為魔術方塊不應擁有立體商標權的保護，結束了長達十年的魔術方塊立體商標權爭議。而本案於11月10日已結束聽證會（full hearing），多數意見仍然支持法院的觀點。 歐盟高等法院認為，魔術方塊的立體造型外觀，已成為他3D多面旋轉功能不可或缺的一部分，如果賦與其商標權保護，由於商標權可無限期展延的特性，等於永久阻止所有相同或類似造型外觀的產品上市，間接妨礙了技術上的突破與創新，形成一種相同或類似技術上的獨占地位（monopoly）。裁決更指出，其應以專利權作為申請標的，以保障發明人智慧財產權，而非以商標權變相延伸專利權的保護範圍。 在類似的案例中，雀巢的四指造型巧克力被歐盟法院（CJEU）駁回，理由之一為產品形狀為達到技術結果的必須條件（該造型提供了掰開巧克力的獨特方式），與本案有異曲同工之妙。 然而，反對見解認為，如不賦與魔術方塊立體商標，等於鼓勵仿冒者用相同或類似外觀作為商標使用，而不論該仿品外觀是否確實賦與相同之技術結果，間接限縮了立體商標權的保護效力。 我國立體商標審查基準中也有類似的規定，排除具有功能性的外觀造型註冊立體商標。然而，應該思考的毋寧是，當產品技術水準無法成功申請專利權保護時，如同時駁回該產品外觀的立體商標註冊，則該如何維護該產品的智慧財產權，又該如何防止他人抄襲與仿冒，是本案遺留下的重要問題。
英國期望透過資料使用與近用法案修正案，強化數位證據資料之可信任性英國於2024年11月提出資料使用與近用法案（Data (Use and Access) Bill）修正案，其修正內容包含強化數位證據資料之可信任性。 根據英國數十年來的法院判決，可以觀察到英國法院信任電腦自動產出的資料，因此除非當事人提出反證，否則將推定電腦證據是可信賴的。然而，該見解導致英國爭議案件「郵局Horizon系統出錯案」的發生，亦促使資料使用與近用法案修正案的提出。 資料使用與近用法案修正案於第132條新增與數位證據相關的條款，同條第1項規定由電腦、裝置或電腦系統產生的數位證據，符合下列規定者，於訴訟程序中可以作為證據。 a、 數位證據以及產生數位證據或衍生數位證據之系統之可信任性未受質疑。 b、 法院確信無法合理地挑戰系統之可信任性。 c、 法院確信數位證據源自可信任的系統。 此外，同條第4項規定第1項第c款所指之可信任的系統，應包括適用於系統運作的任何指示或規則，以及為確保系統中保存的資料的完整性而採取的任何措施。 綜上所述，英國逐漸扭轉過去英國法院認為由電腦自動產生的資料具有可信任性之見解，並透過資料使用與近用法案修正案修正對於數位證據的認定，未來在涉及數位證據的案件中，檢辯雙方需要證明作為數位證據的資料完整性具有可信任性。 我國企業如欲強化數位資料的可信任性，可參考資訊工業策進會科技法律研究所創意智財中心所發布之重要數位資料治理暨管理制度規範（EDGS），建立並落實數位資料管理流程，除可確保數位資料的完整性及正確性具有可信任性，亦可提升法院採納數位資料作為證據之可能性。 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://www.tips.org.tw） .Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em}
中國大陸科學技術部《關於促進新型研發機構發展的指導意見》中國大陸科學技術部於2019年9月12日公布《關於促進新型研發機構發展的指導意見》，目標是提升國家創新體系整體效能。在2016年5月中國大陸國務院發布的《第十三個五年規劃綱要》提及，為強化科技創新的引導作用，必須優化創新組織體系，藉由發展市場導向的「新型研發機構」，推動跨領域偕同創新。故「新型研發機構」必須聚焦在科技創新需求，主要從事科學技術創新與研發服務，具備投資主體多元化、管理制度現代化、營運機制市場化、用人機制靈活的獨立法人機構，得依法註冊為科技類民辦非企業單位（社會服務機構）、事業單位和企業。 中國大陸科學技術部本次公布的指導意見，主要係針對「新型研發機構」在未來政策上之具體運作與發展方向提供指引，包括新型研發機構能夠申報的國家科研項目、鼓勵設立科技類民辦非企業單位的新型研發機構政策、政府獎勵科研措施等說明。 （一） 新型研發機構申報國家科研項目 本指導意見第11條，符合條件的新型研發機構，可申報國家科技重大專項、國家重點研發計劃、國家自然科學基金等各類政府科技項目、科技創新基地和人才計劃。 （二） 鼓勵設立科技類民辦非企業單位的新型研發機構 本指導意見第12條，科技類民辦非企業單位應依法進行登記管理，營運所得利潤主要用於機構管理運作、建設發展和研發創新等，出資方不得分紅。並得依據《中華人民共和國企業所得稅法》及非營利組織企業所得稅、職務科技成果轉化個人所得稅、科技創新進口稅收等規定，享受稅收優惠。 （三） 支持與獎勵科研措施 本指導意見第14條，地方政府得根據區域創新發展需要，支持新型研發機構建設發展，包括給予基礎建設、購買科研設備、人才住房配套服務；採用創新券（innovation vouchers），推動企業向新型研發機構購買研發創新服務。第15條，更鼓勵透過國家科技成果轉化引導基金，支持新型研發機構推動科研成果轉化。
美國醫療保健領域對新興資料儲存系統理論「資料湖泊」(Data Lake)的應用在現今資訊流通快速蓬勃發展的時代，巨量資料(Big Data)帶來效率與生產力等龐大效益已無庸置疑。相較於將資料以「資料倉儲」(Data Warehouse)模式儲存，「資料湖泊」(Data Lake)被廣泛視為巨量資料快速演進的下一步。 美國的醫療保健領域為因應巨量資料發展並提升醫療保健系統的透明度與有責性，美國醫療保險與補助中心(Centers for Medicare & Medicaid Services, CMS)於2013年底建立CMS虛擬研究資料中心(Virtual Research Data Center, VRDC)，讓研究員能夠以安全有效率的方式取得並分析CMS的龐大醫療保健資料。此種資料倉儲模式會對進入的資料預先分類，並整合為特定形式以指導後續分析的方式。缺點在於為讓資料更易於分享，會進行「資料清理」(data cleaning)以檢測及刪除不正確資訊並將其轉換成機器可讀取格式，各資料版本會被強制整合為特別形式，但資料清理和轉換的過程會導致明顯的數據流失，對研究產生不利的限制。有鑑於此，為更有效益的應用巨量資料，Pentaho首席技術官James Dixon提出新的資料儲存理論—資料湖泊(Data Lake)，此概念於2011年7月21日首先被討論於美國《富士比》雜誌中，目前在英美國家公部門和民間企業間已被熱烈討論。 與Data Warehouse最大不同在於Data Lake可包含「未被清理的資料」(unclean data)，保持其最原始的形式。故使用者可取得最原始模式的資料，減少資源上處理數據的必要，讓來自全國各政府機關的資料來源更易於結合。Data Lake主要有四點特性：1.以低成本保存巨量資料(Size and low cost)2.維持資料高度真實性(Fidelity)3.資料易取得(Ease of accessibility)4.資料分析富彈性(Flexible)。儲存超過百萬筆病患資料的加州大學歐文分校醫療中心(UC Irvine Medical Center)即以Hadoop架構為技術建立了一個Data Lake，該中心能以最原始的形式儲存各種不同的紀錄數據直到日後需要被分析之時，可協助維持資料的來源與真實性，並得以不同形式的醫療數據進行分析項目，例如患者再住院可能性的預測分析。 但相對的Data Lake在安全性和檢視權限上也有一定的風險，尤其是醫療保健領域，因為這意味著病患的資料在個資生命週期裡隨時可被取得，因此資訊的取得應被嚴密控制以維持各層級的安全與保障，在建立安全的Data Lake之前，必須審慎考慮誰有資訊檢視權限以及透過什麼媒介取得Data Lake中的資料等問題。