從歐洲法院實務看資料保護在智慧聯網時代下發展－以資料保存指令無效案和西班牙Google案為例
本文為「經濟部產業技術司科技專案成果」
徐彪豪
法律研究員 編譯整理
歐盟執委會（European Commission, EC）於2022年2月18日向中國大陸提起諮商請求（request for consultation），此係世界貿易組織（World Trade Organization, WTO）爭端解決機制（Dispute Settlement Mechanism, DSM）之一環，並依照「爭端解決程序與規則瞭解書」（Understanding on Rules and Procedures Governing the Settlement of Disputes, DSU）第4.4條之規定，副知WTO的爭端解決機構（Dispute Settlement Body, DSB）。 EU於此諮商請求中指出，自2020年8月中國大陸最高人民法院就Huawei對 Conversant案此一涉及標準必要專利（Standards-Essential Patents, SEP）之訴訟核發禁訴令（Anti-Suit Injunction, ASI），並裁定違反者將被處以每日100萬人民幣之罰款後，中國大陸各法院即頻以此方式禁止外國專利權人於中國大陸以外之法院提起或續行專利訴訟（例如：Xiaomi對Interdigital案、ZTE對Conversant案、OPPO對Sharp案、Samsung對Ericsson案等）。中國大陸法院此等措施（measures）限制歐盟會員國公司行使專利權，違反「與貿易有關的智慧財產權協定」（The Agreement on Trade-Related Aspects of Intellectual Property Rights, TRIPS）；關於此，EU先前已多次與中國大陸政府交涉，例如曾在2021年7月依據TRIPS第63.3條（會員國法律文件透明化要求），發函請求中國大陸公開專利相關判決之進一步資訊，然均未果。故EU此次提出與中國大陸政府諮商之請求。 EU此諮商請求是DSM的第一步；如雙方未能於中國大陸政府收到諮商請求之60日内解決爭端，依照DSU第4.7條，EU得要求DSB組成一專門小組，就此事進行審理，以認定中國大陸多數法院頻發ASI一事是否違反TRIPS第1.1條、第28.1條、第28.2條及第41.1條、第44.1條及第63.1條等。
無線網路溢波盜用之法律議題初探 新加坡智財申請政策介紹新加坡智財申請政策介紹 科技法律研究所 法律研究員 羅育如 2014年10月31日 壹、前言 新加坡政府於2013年3月份提出IP (Intellectual Property) Hub Master Plan 10年期計畫[1]，目標是成為亞洲智財匯流中心。本文針對該計畫中的智財申請政策進行觀察，目的在於了解新加坡政府如何運用政府資源，提供世界級的服務，建構吸引智財申請的環境。 貳、重點說明 IP 擁有者通常會依據商業利益來考量要在哪些國家申請智財權，但因為新加坡內需市場規模不大，故更需要由新加坡政府提供誘因，以吸引在新加坡境內提出IP註冊。為此，新加坡政府提出相關政策包括1.修改專利法提高專利品質，同時提升專利審查人員能力；2.專利審查高速網路，以下詳細說明。 一、專利法修法以及專利審查人員訓練計畫 (一)新加坡專利法修法 新加坡專利法於2011年開始修法，2014年2月14日開始實施新法，其中，最大差異在新法將新加坡智慧財產申請系統由「自我評估制度(patent self-assessment system)」轉為「實質審查制度(positive grant system)」。在舊有系統下，申請人只需要自行宣稱新穎性即可取得專利權。然而，此次修正後將改採「實質審查」制度，會增設專利審查員審查專利性，檢索報告亦須說明請求項是否具備前述專利性。此一修正之目的在於，希望能藉以提升新加坡核准專利申請案件水準。 (二)提升專利審查人員技術檢索和審查能力 配合前述專利法修法，新加坡智慧局即需要建構過去缺乏之實質審查的專利審查員。因此，提出審查委員訓練計畫，包含法規及專利領域的深入了解以及資深審查委員在職輔導等，希望審查委員能提供高品質及有效的檢索及審查結果。 新加坡智慧財產局投資5千萬星元(約合新台幣1億2千萬元)，用以增進審查人員在重要技術領域的檢索和審查能力，以吸引企業在新加坡註冊IP。包括自2012年9月起，派出第一批專利檢索暨審查團隊(search and examination team；S&E)送往歐洲專利局及日本特許廳接受訓練[2]。2013年5月28日成立專利審查辦公室，2014年8月29日新加坡智慧局公布專利審查員團隊為80人規模(第一波招募40人；第二波招募40人)，其中95%擁有博士學位，技術領域包括生技醫療、奈米材料、半導體以及資訊通訊技術 ，25%擁有英文/中文雙語能力。除此之外，今年9月也已完成第三波專利審查員招募作業。 二、專利審查高速網路(patent prosecution highway network；PPH) 新加坡智慧局現在與美國、日本、南韓、墨西哥以及中國專利局皆已建立專利審查高速網路(patent prosecution highway network；簡稱PPH)，可加速新加坡專利申請人在海外的申請程序。 除此之外，2014年11月1日起，新加坡成為全球專利審查高速（GPPH）網路的一部分，GPPH允許來自全球的17個參與智慧財產權局彼此分享專利檢索和審查結果，包括美國、加拿大、澳大利亞、英國、丹麥、芬蘭、俄羅斯、匈牙利、西班牙、瑞典、葡萄牙、以色列、挪威、冰島、日本、韓國以及北歐。透過GPPH，新加坡擁有的PPH夥伴數量將從現在的5個增加到19個。 新加坡政府認為PPHs網絡，將促使新加坡成為優質專利申請註冊的首選之地。申請人將可在新加坡迅速取得具成本效益及優質的專利審查(S&E)報告，進而加速在其他國家智財局的專利舉發程序。 參、事件評析 新加坡政府了解新加坡國內市場小，很難吸引IP擁有者在新加坡註冊智財權，但新加坡政府還是願意花費大量的政府資源修改專利法、提升專利實質審查能力、加入PPHs，其最大的市場動力以及願景來自於東南亞智財市場。目前東南亞各國的專利制度都較新加坡起步慢，如果新加坡政府可提供高質量的智財審查服務並透過與東南亞國家之間簽署類似PPH的協定，新加坡智財局的智財服務可遍及整個東南亞國家，東南亞各國不需要自行設立相關的審查制度以及投入資源，僅需仰賴新加坡智財局即可，這樣新加坡的智財市場就不僅限新加坡國內，而是擴及至整個東南亞國家。 [1]IP STEERING COMMITTEE, Intellectual Property (IP) Hub Master Plan─Developing Singapore as a Global IP Hub in Asia (2013) http://www.ipos.gov.sg/Portals/0/Press%20Release/IP%20HUB%20MASTER%20PLAN%20REPORT%202%20APR%202013.pdf(最後瀏覽日2014/10/15) [2]2012年7月11日，日本專利局與新加坡智慧財產局於新加坡簽署兩局間合作備忘錄。目前日本專利局與新加坡間的"簡化改進的實質審查"（Modified Substantive Examination, MSE）和"專利審查高速公路"（The Patent Prosecution Highway, PPH）專案試行等，也為兩局在專利審查相關的積極合作。資訊來源：http://www.ipos.gov.sg/News/Readnews/tabid/873/articleid/200/category/Press%20Releases/parentId/80/year/2012/Default.aspx(最後瀏覽日期：2014/10/17)
金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.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} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。