中國對抗殭屍網路與木馬法制策略研析
日本經濟產業省（METI）於2022年12月22日於官網公布「特定數位平臺之透明性及公正性評鑑」報告（特定デジタルプラットフォームの透明性及び公正性についての評価），首次針對擁有數位平臺的大型IT（Information Technology）企業完成交易機制透明性及公正性評鑑，並要求被評鑑之企業進行改善。 該評鑑依據「特定數位平臺之透明性及公正性提升法」 （特定デジタルプラットフォームの透明性及び公正性の向上に関する法律，以下稱「透明化法」），透明化法於2020年5月通過並已在2021年2月施行。其目的是為了提高交易之透明性以及公正性，具體指定「特定數位平臺」之企業，並列為評鑑對象，課予其有揭露或公開特定訊息，與進行改善的義務。 本次的評鑑內容，是依該法第4條第1項、第8條以及第9條第2項所定，交易條件之資訊揭露義務為基礎，由日本經濟產業大臣指定數位平臺企業（提供者の指定），進行個案評鑑（評価）並要求其改善（勧告）。依據個案評鑑之內容，日本針對數位平臺之透明度及公正性之判斷，歸納出下列具有共通性之指標： 1.企業有揭露交易條件之義務 2.企業有完善交易機制之義務 3.企業有積極處理用戶申訴與糾紛之義務 4.針對應用程式商店（アプリストア），課徵手續費（手数料）與會員付款結帳（課金）方式之限制，企業有詳細說明之義務 5.企業本身或關係企業與平臺其他用戶之間須公平競爭，例如：企業與直營或非直營商店之間，具有利害關係或有優待行為時，企業須公開其管理方針，並列入內部稽核事項，使其能檢視差別對待之正當性。 6.停用帳戶或刪除之手續，企業在30天之前，就該處置之內容和理由，對消費者有通知之義務。 7.退款或退貨之流程，企業有積極和具體說明之義務，且須將處置成果公開。 關於評鑑對象之指定，是依同法第4條第1項所授權，由日本經濟產業省進一步於2021年2月1日頒布政令，以事業種類與規模進行區分。此外，被列為評鑑對象之企業必須在每年5月底前，各自將企業內部的因應措施，提交總結報告，並由經濟產業大臣進行審閱。值得注意的是，依評鑑結果所要求的改善措施，原則上以企業自主改善為要旨，但日本政府目前正商討今後是否需要以強制力介入；對於被列為評鑑企業之後續改善措施及透明化法之推動方向，值得作為我國數位平臺治理政策之借鏡與觀察。
整合搜尋引擎及服務之軟體專利遭美國專利審查暨上訴委員會宣告無效本案系爭專利為Metasearch Systems公司自Harvey Lunenfeld獲得專屬授權之軟體專利（metasearching online system patent，美國專利證號：8,239,451），主要用於整合線上旅遊資訊搜尋引擎及提供旅遊安排服務，於2015年05月遭美國專利審查暨上訴委員會（Patent Trial and Appeal Board，PTAB）經由商業方法專利審查程序宣告無效。PTAB於最終決定書中認定，專利證號8,239,451之美國專利有六項專利範圍（claim）均為無效，主要理由係基於該軟體系統雖然必須與特定硬體結合才能上線運作，但整合諸多線上搜尋引擎提供旅遊資訊搜尋服務，並同時附帶旅遊代訂票券及食宿等功能，並未足以證明其產生優於現有技術之優勢，使該軟體專利本質上仍僅為抽象概念，而不具備專利適格性。是以，軟體研發雖帶來許多便利性，但是若僅為抽象概念運用方式的結合，就只是一種改變消費模式所帶來的便利，並未足以達到具有專利保護必要之重要技術發展。 本案最初源於Metasearch Systems公司於2012年向德拉瓦州聯邦法院對美國運通公司、Expedia Inc.及Preiceline.com Inc.等旅遊網站業者提起專利侵權訴訟，導致被告業者反而就系爭專利之有效性提出質疑。在本案之前美國聯邦最高法院針對軟體專利適格性判斷之議題作成多起重要判決，尤以Alice Corp. v. CLS Bank International對本案爭議最具影響，足見美國專利法制已建立起一個較明確且統一的判斷標準，逐漸在實務個案上產生影響。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」