基於專利動向分析之專利策略規劃
基於專利動向分析之專利策略規劃
科技法律研究所
法律研究員 徐維佑
2014年12月23日
壹、專利布局策略目的
無論在企業針對新產品開發、或學研機構研究新興技術時，對於研究方向的判斷，皆應善加利用其他競爭公司、學研機構專利動向最新資訊。以各國專利資料庫為基礎，蒐集其他公司、機構的研究領域，或者與研發成果相關的專利等資料而成的專利地圖（patent map），可構築更完整的智財戰略。
欲將研究成果商業化時，販售排他性產品對於競爭非常重要。因此阻止其他公司製造仿冒品、類似品，甚至競爭品，或者防禦其他公司之侵權告訴，皆必須盡早制定對策，亦即必須掌握該技術領域的智財資訊，才能讓研發活動順利推展。
貳、各國政府公開之專利動向分析
一、英國國家專利藍圖分析報告
英國政府於2014年中，依續公告8大重要技術之專利藍圖分析報告[1]，認為專利資訊可提供創新活動高價值之分析觀點，因此該國智慧財產局資訊團隊，透過專利申請資訊分析出全球性專利藍圖，幫助其國內企業與民眾瞭解此8大重要技術專利資訊，並將分析結果納入資金挹注之考量基礎。
專利藍圖分析報告之資料，來源為2013年至2014年間全球專利資料庫中專利公開(Published)之資料，以及諮詢英國智財局各專業技術領域之專利審查員之結果。而專利藍圖分析報告之分析內容，包括專利涵蓋範圍、專利申請排名領先群、專利優先權期間、專利合作開發申請圖、專利技術分析等。
二、韓國R&D專利技術動向調查
韓國R&D專利技術動向調查制度自2005年開始，每年度由與研究發展相關的各部會針對其提出之研發工作，提供研發計畫執行階段中，所研發之技術是否已有先前技術，或是與研發技術類似之專利發展情況等資訊，即以該研發領域之技術不被其它國家競爭對手搶先獲得專利權的目標作為研究人員之研究方向。
而專利技術動向調查之研發課題則由韓國專利廳下韓國智慧財產策略院主管之「e專利國[2]」負責調查，提供專利分析結果的綜合報告，提供各部會與各領域別的專利動向、方向與及各種分析報告，內容包含有政府R&D專利技術動向調查報告、國家專利策略藍圖報告、以及專利分析與相關生產報告等。並根據以上報告提供技術領域別研發計畫方向、挑選出將來商業化運用價值較高之專利。
參、代結論
專利動向分析的資訊為一種判斷的依據，儘管由分析報告所顯示的技術範圍中，判斷要進行哪一種研究時，需要的是研究者的經驗與知識，但專利動向分析有助於篩選出可行的研究範圍，尤其在投入國家資源補助科研計畫時，資源更應有效應用於可行的技術領域，而非早已佈滿專利地雷處。
目前產業研發過程缺乏完善專利布局分析。實際生產產品之企業為避免侵權故意，常忽略申請前檢索工作；雖研究前或研究中調查之專利動向分析，並不能保證研究成果的可專利性，然而該工作對於國家、企業之研究發展實屬必要。透過如英國國家專利藍圖分析報告、韓國R&D專利技術動向調查，由國家公開技術領域共通性專利分析報告，對於企業後續進行技術專利布局，或者研究機構擬定研究發展方向，皆會有莫大的助益，並節省相當的時間與人力成本，值得我國參考。
[1] UK Intellectual Property Office, Eight great technologies: the patent landscapes (2014), https://www.gov.uk/government/publications/eight-great-technologies-the-patent-landscapes (last visited: 2014/10/01）
[2] 韓國e專利國網頁， http://www.patentmap.or.kr/patentmap/front/common.do?method=main（最後瀏覽日：2014/10/01）。
生技公司 Cell Therapeutics Inc.(http://www.cticseattle.com/) 於週ㄧ (04.10.2006) 表示該公司已取得新的抗腫瘤藥物專利。 該件由美國專利暨商標局 (U.S. Patent and Trademark Office) 核准，並且為 Cell Therapeutic 之歐洲子公司所擁有之專利涵蓋了目前正進行臨床前測試的治療劑－ CT-45099 ，以及其類似物，該治療劑屬於小分子的抗細胞骨架蛋白 (Tubulin) 藥劑。細胞骨架蛋白細形成微管 (Microtubule) 的主要成份，而 CT-45099 以及其類似物可藉由阻斷細胞骨架蛋白達到抵抗腫瘤的目的。 根據該公司表示，相較於其他腫瘤治療藥劑，如 TaxolR 以及 TaxotereR ，於細胞分裂時穩定細胞骨架蛋白並且防止其分解，以殺死腫瘤細胞； CT-45099 係於細胞分裂時阻斷細胞骨架蛋白的組裝，並且使細胞骨架蛋白處於不穩定的狀態，以殺死細胞。此外，該治療劑可被使用於治療結腸、肺、胃以及前列腺之腫瘤細胞株。 Cell Therapeutics 也表示，該新型抗細胞骨架治療劑並不容係受到多重抗藥性 (Multi-drug resistance, MDR) 的影響，而多重抗藥性是腫瘤細胞對標準化學療法所發展出的最常見抵抗方式之ㄧ。 Cell Therapeutics 所擁有的該專利預計在 2022 年 4 月到期。
模型內記憶化即構成重製--德國慕尼黑地方法院 判決Suno敗訴對AI訓練合理使用之衝擊模型內記憶化即構成重製--德國慕尼黑地方法院 判決Suno敗訴對AI訓練合理使用之衝擊 資訊工業策進會科技法律研究所 2026年08月24日 前言 生成式人工智慧以受著作權保護之作品為訓練資料，其行為是否構成著作權侵害、又能否主張合理使用或文字與資料探勘之限制，是人工智慧快速應用以後在著作權領域最主要的核心爭議。德國慕尼黑第一地方法院於2026年7月31日就 GEMA 控告 Suno 案作成終局判決[1]，首度就生成式音樂AI的「模型內記憶化」特點給予著作權定性，並明確指出引據主張文字與資料探勘限制之適用界線。 壹、事件摘要 德國慕尼黑第一地方法院（Landgericht München I，LG München I）於2026年7月31日就德國著作權集體管理團體「音樂表演權與機械性重製權協會」（Gesellschaft für musikalische Aufführungs- und mechanische Vervielfältigungsrechte，下稱 GEMA）訴美國 AI 音樂生成器業者（被告即 Suno）案（案號42 O 763/25）作成終局判決，認定被告將受著作權保護之音樂著作「記憶化」（Memorisierung）於其模型中，構成德國著作權法（Urheberrechtsgesetz，UrhG）第16條第1項之重製，並侵害權利人之「公開再現（öffentliche Wiedergabe）」利用權[2](相當於我國著作權法上提供或傳達著作內容，包括使公眾得於其各自選定之時間或地點，以上述方法接收著作內容的公開傳輸)。 本案系爭標的為六首德語經典流行音樂：「Atemlos durch die Nacht」、「Daddy Cool」、「Rasputin」、「Big in Japan」、「Forever Young」，以及「Mambo No. 5」之副歌。原告主張，使用者僅需輸入原曲歌詞、風格或標題等簡單提示，被告之音樂生成器即會輸出與原曲高度近似之音樂[3]。法院判決被告不得以系爭音樂著作訓練模型、於模型中儲存系爭著作、在德國境內提供以系爭著作訓練之模型，以及製作侵害系爭著作之著作物[4]。本判決尚未確定，被告得提起上訴[5]。 貳、重點說明 一、模型內「記憶化」構成重製 法院認為 AI訓練依時間先後區分為三階段：抽取訓練素材並轉入機器可讀格式，即訓練資料之製作；資料之分析及以後設資訊加以增益，即模型之訓練；其後藉提示與輸出對已訓練模型之利用。整體流程依訓練性質可區分為--「僅為轉入數位格式或為分析目的而作之重製」與「留存於模型中之重製」[6]。本件關鍵在於第二階段：系爭音樂著作以可再現之方式含於模型中，其記憶化即構成著作權上相關之重製[7]。 （一）模型記憶化之概念 法院認定系爭音樂著作含於模型中，得作為輸出而被抽取，此即「記憶化」；其係指模型於訓練時，非特定之參數不僅自訓練資料集抽取資訊，且於訓練後所特定化之參數中，可見對訓練資料之完整承接（Übernahme，意指納入其中）[8]。所謂「完整」指承接超出單純資訊（如模式與相關性）之部分，非指承接之數量須完整或精確，而係至少部分地承接其內容[9]。模型自訓練資料習得統計規律，本身不受著作權法非難，然若所承接者已是著作的內容而非關於著作的資訊，性質不再只是「分析」而是「留存」 [10]。而且，被告之模型格外易受影響，特別擅長把與該提示相符之受著作權保護曲目，以極貼近原曲之方式生成為輸出[11]。換言之，使用者毋須指名要哪一首歌，只要在語音節奏上仿寫得夠像，模型即可能把原曲於輸出中再現。 法院指出記憶化判定標準因模型類型而異，有的研究要求原作與輸出內容同一，有的以部分一致為已足；就生成圖像或音訊之模型，訓練時僅抽取經選取之基礎特徵，細節資訊則被有意捨棄，故要求百分之百精確一致並不實際亦非必要。而且，模型因訓練時採「量化」（Quantisierung）而有意捨棄細節資訊，因此難以想像有一訓練資料被百分之百精確相符的記憶化，不過法院指出這些被捨棄的本就是人類感官難以掌握之細節，所以記憶化之認定應兼採「檢視旋律、節奏、和聲、識別度與風格相似值之自動檢核」及「人為評價」[12]。而記憶化的原因來自於模型自含有著作各種變體之訓練資料學習後，特定後設資料（如標題、類型或歌詞）與著作音樂特性（調性、節奏等）間之統計關聯被強化，造成使用者於提示中使用此等後設資料時，AI以所學得之統計機率導出「音樂特性大致相似」之輸出[13]。至於證明方法，法院認為訓練資料為已知時，得逕以訓練資料與輸出之比對認定；訓練資料不明時，則得借助「熵」（Entropy）與「困惑度」（Perplexity）等參數，探究模型再現一輸出之確定性[14]。 （二）記憶化之事實認定 法院以系爭著作為訓練資料一事並無爭執，而且系爭著作可藉「原歌詞、音樂風格及著作標題」之提示，明顯可辨識地再現於所提出之輸出中，認定本件記憶化已得逕以系爭音樂著作與輸出之比對認定[15] 。法院就被告之抗辯，逐一駁斥： 1. 系爭提示為簡單、開放結果之提示，輸出並非藉操控性提示所誘發：雖然被告主張原告以歷時數月、上千次、高度脈絡化之提示故意誘發記憶化，但法院認為原告固曾為3,779次提示，惟其中僅338次涉及系爭六曲；且同一提示之反覆輸入並未將輸出導向特定方向，此有別於「以評價性或暗示性指定改變脈絡」之誘發性提示[16]。 2. 系爭輸出不應歸類為偶然：鑑於所生成音樂之複雜性、長度及其與訓練資料之廣泛相符，已可排除係偶然出現的相似[17]。 3. 原告每曲僅提出一則輸出並無妨害：因為記憶化之存在，與「以不變提示是否生成同一輸出」無關[18]。 4. 無關訓練資料全部存儲可能性：雖然被告主張其模型儲存空間於數學上不足以精確儲存全部訓練資料，但法院認為重要的僅為系爭六曲是否可辨識地被記憶化[19]。 （三）記憶化含攝於著作權法之重製概念 法院就被告聲請鑑定「系爭著作是否於模型中儲存或記憶化」予以駁回，認為「權重與參數之區分於何範圍構成重製」係法律問題、非鑑定所能及[20]。法院基於下述理由認為記憶化已構成著作權法之重製： 1. 重製含「直接或間接」、「暫時或永久」及「以任何方法及任何形式」，不僅為與原件同一原樣之重製，亦包括以變更形式對著作之固著，例如類比著作之數位化、以 MP3 等壓縮檔格式之儲存，或以縮小版本之儲存[21]。 2. 因為記憶化是透過模型特定化參數中之資料，而該等參數本身又具體存於伺服器上，所以系爭著作之著作權重製要件「具體固著」。至於採何等技術固著並非決定性，模型若因訓練所導出之統計資訊而具「生成可辨識地再現該音樂著作之統計上可能詞元序列（Tokenfolgen）」之能力，即為已足[22]。 3. 固著於模型中之著作，得藉音樂生成器、一具螢幕之終端裝置及簡單、開放結果之提示，讓一般使用者以其可及之技術輔助接觸，感知並不困難。而且，重製不以可反覆之再現為前提，故認為被告要求評估的「特定輸出之機率與可反覆性」，頂多涉「是否存有記憶化」之事實問題，而非「法律意義之重製是否存在」[23]。 二、模型內重製不能主張文字與資料探勘 （一）文字與資料探勘之定義與目的拘束 法院認為「文字與資料探勘」（Text and Data Mining，TDM）係指對數位著作之自動化分析，以自其中取得特別是關於模式、趨勢與相關性之資訊[24]。而自動化分析本身並非著作權上相關之行為，蓋著作中所含非創作性之資訊本身不受保護。但因為文字與資料探勘有時須有可能侵及利用權之準備措施而涉及重製，故 TDM 的核心思想在於此等重製僅為其後分析目的而作，不損及著作人之利用利益，故人工智慧訓練為準備訓練語料之重製行為，為 TDM 所涵蓋[25]；惟本案所爭執者，並非此等準備階段之重製，而是訓練後留存於模型內、並得於輸出中再現之重製[26]。 （二）記憶化逾越文字與資料探勘 法院認定系爭著作於模型中之重製並非文字與資料探勘，因為文字與資料探勘旨在抽取單純資訊，將此等資訊轉入模型參數。惟系爭著作之記憶化讓作為訓練資料之音樂著作不僅被分析，而且被承接入模型參數，並損及著作人之利用利益。因此，藉由模型記憶化所生之重製，並非「不觸及利用利益」之第一階段（製作訓練資料），文字與資料探勘限制於此不成立[27]。 （三）不得類推、無合法接觸 法院進一步排除歐盟數位單一市場著作權指令第4條[28]之類推適用，因為該條所規範的是「僅抽取單純資訊、著作本身未被重製」之情形，反之於模型內重製則使著作利用受持續損害；若類推適用，權利人將陷於無保護狀態，明顯有違該指令前言認限制對權利人所生損害僅屬「極微」之考量[29]。因此，法院進一步認為若依技術現狀無從防止訓練資料之記憶化，則以受保護資料訓練模型，即不能適用文字與資料探勘限制[30]。另外，法院亦認為本件被告係破解 Rolling Cipher 保護裝置、以串流側錄（Stream-Ripping）自 YouTube 下載系爭著作；Rolling Cipher 係為阻止下載而設，被告欠缺合法接觸，不能主張德國著作權法第44b條第2項「合法接觸」之規定[31]。 三、模型提供與生成記憶內容構成公開再現的侵害 法院認定藉模型之提供、生成音樂之應用及系爭輸出，造成權利人所享之公開再現權利受侵害[32]。 （一）公開再現之判斷標準與認定 法院指出公開再現之保護範圍，判斷標準在於著作之原創要素於另一標的中可辨識，亦即受保護著作中足以反映著作人人格之創作抉擇，是否可辨識地被承接於被指摘之標的。縱使所涉僅為著作之一小部分，只要該部分本身表達著作人自己之精神創作，即構成侵害[33]。其判斷只須以一般平均音樂聽者之聽覺理解為準[34]。 經比對譜例與聽覺印象，法院認定輸出廣泛承接六曲之旋律、作曲與編曲，各輸出均未與原曲保持充分距離。例如「Big in Japan」創意在於旋律自主歌經前副歌至副歌之三段式遞升，表達蓄積而終告釋放，同時和弦速度加快而傳遞急迫印象；AI輸出重演此整體情況，聽者因而體驗到相同之音樂起伏與情感效果[35]。 （二）被告直接為再現行為並應歸責 法院認為「再現行為」（Handlung der Wiedergabe）應不問技術手段，廣義涵蓋受保護著作之一切傳輸，故認定被告藉模型之提供及生成音樂之應用，經由使用者介面使系爭著作可被存取，模型並儲存於德國境內之邊緣伺服器，故其侵害公開再現之利用權[36]。而且只要有被存取之可能即構成，著作實際是否被存取並非所問[37]。 而且法院認被告應歸類為正犯，蓋其對藉內容輸出所為重製具行為支配（Tatherrschaft）。被告基於訓練決定輸出內容，於再現中扮演核心角色，並決定模型運作方式、訓練資料選取與訓練鋪陳，係自身為公眾開啟著作享用，非僅只是中介角色。且此等內容藉簡單提示即被再現，決定輸出具體內容的不是提示而是被告所運作之模型，被告未將行為支配給予使用者。是以，被告之模型並非僅提供「錄製私人重製所需之器械」，亦不能與不負內容責任之販售平台相比擬[38]。 基於上述理由，法院未採被告主張援引歐盟數位服務法第6條[39]的責任限制，認為該條僅限制「儲存使用者所提供資訊之中介服務」之責任，就服務提供者自身之內容並不適用。本件被告非僅提供技術中立之基礎設施，而係提供模型並製作系爭輸出，其前之提示簡單且未於內容上指定或誘發，故各輸出為被告自身之資訊，就此其扮演主動角色，而非被動中介之外來資訊[40]。 四、合理使用抗辯不成立 針對被告在美國境內之訓練行為，法院依美國著作權法（17 U.S.C.）審酌是否構成合理使用（Fair Use），認為四項因素綜合觀之均不利於被告[41]： （一）利用之目的與性質 本件被告之應用並未生成新音樂著作，而係生成與訓練所用系爭著作實質相似之錄音，音樂著作並未被轉化[42]。被告之利用亦為商業性利用，其重製與原作追求相同的目的[43]。法院並將被告規避 Rolling Cipher、以串流側錄取得訓練資料一節，評價為惡意而顯著不利於被告[44]。 （二）著作之性質 系爭音樂著作為涉著作權核心之創意著作，被告所製作之音樂非僅承接概念，而係承接系爭曲之創意要素，故非如逆向工程般僅為研究功能而重製[45]。 （三）所利用之質量 被告為訓練其模型而對系爭音樂著作為廣泛重製，且未闡明其何以必須依賴此等廣泛重製。法院指出於大量重製之情形，關鍵在於所重製之著作係向公眾提供，抑或僅參與技術上不可見之後端程序；本件與 Google Books 案顯著不同，該案被告並未將重製向公眾提供[46]。 （四）對潛在市場或價值之影響 法院認為訓練所生之輸出構成取代原作之替代物，在「使用者直接消費之娛樂音樂」市場與原作競爭[47]。被告抗辯系爭輸出係在同一提示反覆輸入多次之後才出現，故不足以認定市場影響；而且第四項因素不僅看具體侵害行為之影響，還要看此類利用行為一般而言是否可能對原作市場產生顯著負面效果。本件原告就各曲分別輸入4至176則相同提示始取得系爭輸出，惟被告之音樂生成器於2024年單一月份即錄得220萬名訪客，以此流行程度計，縱使平均每4次或每176次輸入才得到一個與原作實質相似之音樂，累積於市場上之替代效果仍屬顯著[48]。 法院特別強調本件輸入僅含歌詞之提示後生成實質相似輸出，與美國 Bartz、Kadrey 兩案顯著不同，該兩案中訓練資料未實質於輸出中讓使用者可觸及，未因生成實質相似輸出而明顯可看到對市場的影響[49]。權衡一切因素，法院認被告之具體利用不為合理使用所涵蓋，且並非所有模型均記憶化其訓練資料，故於本案件否定合理使用既不妨礙進步或競爭，亦不牴觸模型之發展公益[50]。 參、事件評析 本案立於歐盟資訊社會著作權指令與數位單一市場著作權指令所建構之重製權與文字與資料探勘體系，其「公開再現」與我國由公開播送、公開演出、公開傳輸等權能概念亦並不全等同，而其本身能否維持猶待上訴審檢驗，亦有待後續觀察。但本案的重點在於，把過去類似爭議的爭訟焦點由「訓練是否構成重製」展開為「模型是否留存並於輸出中再現受保護著作」，並進一步加重AI開發與服務提供者被歸責可能性，本文認為可歸納其重點如下： 一、法院未全面否定訓練之資料取用可主張合理使用，但前提須為合法取得 本判決雖判被告不得援引合理使用，惟其論證重心並不在「以受保護著作訓練模型」這件事本身。法院明白表示訓練一個能生成新音樂作品的模型，一般而言確實可能是具轉化性、追求更進一步目的而為合理使用所涵蓋之利用。本案之所以認定不同，是被告之應用並未生成新的音樂作品，而係以系爭輸出生成與訓練所用著作實質相似之錄音，音樂著作因而未受轉化。法院於綜合權衡時亦明言，並非所有模型都會記憶其訓練資料，於本案否定合理使用既不妨礙進步與競爭，也不牴觸公共利益，蓋須取得授權不等於不能訓練。因此，本判決所否定的是「訓練後留存於模型、並得於輸出中再現」，而非概括否定 AI 訓練之資料取得有主張合理使用之餘地。但法院對被告規避 Rolling Cipher、以串流側錄取得訓練資料一節評價為惡意，顯示取得手段是否合法，從目前國際上的司法案例看來，仍是決定是否能主張合理使用的重要環節。 二、能否主張合理使用或文字與資料探勘，取決於一般提示下是否再現實質近似內容 法院認定本案與美國 Bartz、Kadrey 二案顯著不同，關鍵在於本案訓練資料實質地在使用者僅輸入歌詞、未作任何音樂上要求之簡單且結果開放之提示下，即可生成與原曲實質相似之輸出。而文字與資料探勘之審酌，法院並不否認為準備訓練語料所為之第一階段重製落入德國著作權法第44b條範圍，真正逾越限制者是第二階段留存於模型內之記憶化。是以，若訓練所得之模型不會在一般、未經特別設計引導之提示下再現實質近似之內容，主張文字與資料探勘限制或合理使用仍有空間。而且必須注意的是，倘依技術現狀無從防止訓練資料之記憶化，法院認為將受保護資料訓練模型即不為該限制所涵蓋，則「能否防止記憶化」就是AI開發與服務業者重要的技術降險研發重點。 三、AI記憶化的輸出由模型提供者承擔侵權責任 本判決外溢效果最大者為責任歸屬，法院認定AI記憶化的輸出產生的再現行為，是源自於被告以模型與使用者介面，開啟讓公眾對已記憶化著作可存取。就輸出所生之重製，被告因對模型架構、訓練資料選取與訓練設計負責而具行為支配，應歸類為正犯；僅輸入提示觸發生成之使用者，不被視為重製行為人。顯見有關AI責任的認定，法院著重於誰對於結果具有實質主導的控制能力，AI 服務提供者將來可能更難以主張模型只是提供「工具」、由使用者決定產出，也不能主張自己是中立平台而把使用責任歸予使用者。 本案法院判決提出的模型記憶化(留存受保護著作)構成重製的觀點，其重點在於一定程度緩解權利人的內容再現舉證困難，並透過受訓練資料與特徵近似的生成結果判斷記憶化的存在，進一步認定存在重製結果，而且該重製欠缺轉化性、具商業目的、結果對權利人市場造成明顯負面影響。我國對於AI 訓練是否合法的認定，仰賴著作權法第65條合理使用之一般條款判斷，雖須個案、事後之權衡，但從本案法院見解可見，避免AI的記憶與所記憶內容的出現是關鍵點，如技術上可能，業者須溯源在訓練過程採取去記憶化的事前避險措施，以避免成為記憶內容之提供者而須自行承責。 本文著作權屬財團法人資訊工業策進會科技法律研究所所有，如需引用或轉載，請註明出處。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1]LG München I, Endurteil vom 31.07.2026, Az. 42 O 763/25。 [2]Id., Rn. 239, 262, 317, 375. [3]Id., Rn. 4, 26. [4]Id., Urteilstenor Nr. 1 a) aa), a) bb), b), c). 原告依德國著作權法第19a條公開提供權所為之聲明則遭駁回，法院認一次調取至多需輸入176個相同提示，該調取非於使用者所選定之時間發生；其餘之訴亦經駁回。Rn. 315, 316, 554. [5]Landgericht München I, Pressemitteilung vom 31.07.2026, https://www.justiz.bayern.de/gerichte-und-behoerden/landgericht/muenchen-1/presse/2026/16.php (last visited Aug. 21, 2026). [6]LG München I, supra note 1, Rn. 240. [7]Id., Rn. 241. [8]Id., Rn. 243. [9]Id. [10]Id., Rn. 240, 243, 283, 294. [11]Id., Rn. 244. [12]Id., Rn. 245. [13]Id., Rn. 246. [14]Id., Rn. 247. [15]Id., Rn. 249. [16]Id., Rn. 250-253. [17]Id., Rn. 258. [18]Id., Rn. 259. [19]Id., Rn. 260. [20]Id., Rn. 261. [21]Id., Rn. 263, 264. [22]Id., Rn. 268-270. [23]Id., Rn. 276-279. [24]Id., Rn. 283. [25]Id., Rn. 284, 285. [26]Id., Rn. 289, 293. [27]Id., Rn. 294, 295. [28]Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market and amending Directives 96/9/EC and 2001/29/EC, art. 4, 2019 O.J. (L 130) 92. [29]LG München I, supra note 1, Rn. 299. [30]Id., Rn. 304. [31]Id., Rn. 13, 308, 310. [32]Id., Rn. 317. [33]Id., Rn. 321. [34]Id., Rn. 323. [35]Id., Rn. 197, 349. [36]Id., Rn. 373, 374. [37]Id., Rn. 375, 376. [38]Id., Rn. 399-401. [39]Regulation (EU) 2022/2065 of the European Parliament and of the Council of 19 October 2022 on a Single Market For Digital Services and amending Directive 2000/31/EC (Digital Services Act), art. 6, 2022 O.J. (L 277) 1. [40]LG München I, supra note 1, Rn. 408, 409. [41]Id., Rn. 447-449. [42]Id., Rn. 484-486, 493, 494. [43]Id., Rn. 498-500. [44]Id., Rn. 504-510. [45]Id., Rn. 511, 512. [46]Id., Rn. 514-518. [47]Id., Rn. 519-523. [48]Id., Rn. 27, 492, 527. [49]Id., Rn. 480, 526. [50]Id., Rn. 530, 531.
從間諜軟體談起 簡介「歐洲共同資料空間」簡介「歐洲共同資料空間」 資訊工業策進會科技法律研究所 2022年09月30日 壹、前言 歐盟為促進數位經濟的發展，於2015年5月發布「數位單一市場(Digital Single Market)」政策，並指出資料(data)對於發展數位經濟的重要性 [1]。經過了5年的規劃，歐盟於2020年2月發布了「歐洲資料戰略(European Data Strategy)」，勾勒出建立歐洲「單一資料市場(single data market)」的具體措施與進程。 歐盟執委會(European Commission)在「歐洲資料戰略」中指出，為確保歐洲數位經濟的競爭力，應採取相關措施創造一個有吸引力的市場環境，其目標就是建立「歐洲共同資料空間 (Common European data space)」[2] 。本文以下將介紹「歐洲共同資料空間」的發展背景與現況。 資料來源：作者自繪 圖一 「歐洲共同資料空間」的政策發展脈絡 貳、「歐洲共同資料空間」的發展背景 一、源起 歐盟期待能建立一個真正單獨且對全世界開放的資料市場，各類資料能安全地存放其中，企業可輕易地近用高品質的產業資料，以加速企業的成長並創造更高的經濟價值[3]。在此資料空間中，資料的使用需要符合歐盟的法規，且所有資料驅動(data-driven)之服務和產品應符合歐洲「數位單一市場」的規範。因此，歐盟陸續制定相關法律和標準，建設相關基礎設施，期望能促進更多的資料在歐盟境內儲存和處理[4] 。歐盟執委會初期以「歐洲開放科學雲(European Open Science Cloud, EOSC)」的經驗為基礎[5] ，聚焦9個重點產業領域發展資料空間，其介紹如下表： 表一：「歐洲共同資料空間」9個重點產業領域 產業/領域 發展資料空間的目標 1 工業/製造業資料空間 挖掘「非個人資料」的潛在價值，以強化歐盟工業的競爭力，預計在2027年可以創造1.5兆歐元的產值 2 綠色協議(Green Deal)資料空間 支持氣候變遷、循環經濟、零污染、生物多樣性等行動 3 交通移動(Mobility)資料空間 強化運輸和交通移動資料庫的近用、整合、共享，確保歐盟的智慧運輸系統在全球的領先地位。 4 健康資料空間[6] 提升疾病預防、檢測、治療的發展，促進實證醫學發展的加速 5 金融資料空間 提升金融領域的資料共享、創新、市場透明度、永續金融 6 能源資料空間 透過安全和可信任的方式進行跨部門的資料共享，提升資料的可利用性，促進低碳的落實 7 農業資料空間 透過對農業生產等資料的分析，提升農業部門的競爭力。 8 公行(Public administrations)資料空間 提高政府支出的透明性和問責，強化政府科技、法遵科技、法律科技的應用 9 技能(Skills) 資料空間 降低教育培訓體系和勞動市場需求的落差 資料來源：整理自歐盟執委會2022年2月發布的工作報告 二、設計原則 歐盟執委會原訂於2020年第4季提出「歐洲共同資料空間」的具體規劃，但進度有所延遲。2021年3月歐盟理事會（European Council）認為需要加速建立共同資料空間，並請歐盟執委會說明各產業領域資料空間的進展及未來需要採取的必要措施。[7] 根據歐盟執委會2022年2月出版的工作報告指出，所謂的資料空間可以定義為相互信任夥伴間的一種資料關係，參與夥伴在儲存和共享資料時必須適用相同的標準和規則[8]。此外，在資料空間中，資料並非中心化儲存，而是儲存在其來源處，只有在必要時才會透過語義互操作性（semantic interoperability）共享資料[9]。而「歐洲共同資料空間」將根據以下的原則進行設計[10]： 1.資料控制（Data control） 資料空間可以促進資料工具的開發，以彙集、近用、使用、共享各種類型的資料。資料持有者可使用這些資料工具，簡化資料上傳的流程、授予或撤銷其資料授權、更改資料近用權限等。 2.治理（Governance） 建立適當的治理結構，確保以公平、透明、符合比例、非歧視的方式，近用、共享、使用資料，此治理結構應遵守歐盟現有的相關規範，如《非個人資料自由流通框架（Framework for the Free Flow of Non-Personal Data in the European Union）》、《歐盟一般個人資料保護規則（GDPR）》、等。 3.尊重歐洲的規範和價值觀（Respect of EU rules and values） 資料空間應遵守相關的歐盟法律框架，如GDPR、網路安全、基本權利、環境保護、競爭法、歐盟關於提供資料服務相關的規則等；此外，應採取適當的技術和法律措施，防止未經授權的資料近用。 4.技術基礎設施（Technical data infrastructure） 鼓勵資料空間之參與者使用共通的技術基礎設施，並整合網路安全的設計原則，建構能確保資料彙集、近用、共享、處理、使用之安全和隱私保護的基礎設施。 5.互連接性及互操作性（Interconnection and interoperability） 為避免資料碎片化(fragmentation)、整合成本過高、產生資料孤島等問題，「歐洲共同資料空間」參考國際標準、歐洲空間資料基礎設施(INSPIRE[11]) 、FAIR原則[12]，強化資料空間的互操作性，並透過歐盟運算基礎設施[13]共享和近用資料，以達到相互連接和互相操作。 6.開放性（Openness） 只要願意遵守歐盟規範、尊重歐洲價值觀的使用者都可以利用「歐洲共同資料空間」。開放性將有助於創造不同產品和不同服務提供商間的競爭，避免因產品或服務製造商的特定協定(protocols)產生鎖定效應（lock-in）。 三、近期整體發展 首先，歐盟執委會強調，由於「歐洲共同資料空間」涉及各產業領域，每個產業領域都有其特性；即便是同一產業中，所涉及之利害關係人多元，其資料需求也會不同。因此，為避免對特定產業領域正在發展之資料共享解決方案產生影響，歐盟將著重於建立各產業共通的技術基礎設施和資料治理框架[14]。根據2022年5月歐盟正式發布的《資料治理法(Data Governance Act) 》，第六章中規定未來將成立「歐洲資料創新委員會(European Data Innovation Board, EDIB)」；依據該法第30條的規定，EDIB的任務之一是制定促進「歐洲共同資料空間」的指引，內容包含建立跨產業領域資料共享的標準、強化互操作性等[15]。 其次，根據歐盟執委會2022年8月出版的調查報告指出，截至2022年上半年為止，歐盟關於資料空間徵案的結果，主題不僅有最初規劃的9個產業領域[16]，還擴及智慧城市、文化資產、媒體、財政、語言、旅遊、公部門採購與安全執法等產業領域[17]。此外，與這些產業領域相關的公部門開放資料集部分已經編目並放在歐盟data.europa.eu[18]的網站上，譬如該網站上目前有48,000筆關於交通運輸的資料集，未來可能對於「交通移動」領域資料空間的建立有幫助[19]。 再者，歐盟執委會為了瞭解歐洲目前所有資料空間的發展現況，以國際資料空間協會（International Data Spaces Association, IDSA）的「國際資料空間雷達(International Data Space Radar)」、歐洲非營利組織所倡議的「歐洲雲和資料基礎架構專案(Gaia-X)」、「歐洲工業數位化開放平臺（Open DEI）」為調查對象。根據研究結果，這3個組織目前共有151個和資料空間有關的計畫或措施，但其中僅只有21個使用了開放資料，且僅19個計畫有公部門參與其中[20]。歐盟執委會認為開放資料社群和各國公部門長期以來，在推動開放資料與建立開放資料標準已經累積一定的經驗，未來可以對「歐洲共同資料空間」提供更多的建議[21]。 最後，歐盟執委會將「歐洲共同資料空間」的利害關係人區分為四大類別，包含核心參與者、中介者、軟體/服務提供商、治理機構，並選定相關人士進行訪談，以聚焦「歐洲共同資料空間」未來的推動方向。根據訪談結果，所有受訪者皆指出目前「歐洲共同資料空間」發展的一個重大問題，亦即缺乏完整的資料集目錄。因此，受訪者建議未來「歐洲共同資料空間」的重點可放在發展資料集目錄[22]。 參、結論 從上述的整理可以發現，歐盟相當有系統性地推動「歐洲共同資料空間」，期待透過不同產業領域資料空間的互相連接，強化資料近用和互操作性，在促進資料共享和使用的同時，亦充分保護個人與企業的資料權利[23]。雖然歐洲各產業領域的資料空間仍在持續發展，但歐盟對於發展資料經濟的政策規劃，不管在基礎設施的建設、標準化的制定、法制面的配套，都值得我國持續關注。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1] A Digital Single Market Strategy for Europe, at 14-15, COM (2015) 192 final (May. 6, 2015). [2] A European strategy for data, at 4, COM (2020) 66 final (Feb. 19, 2020). [3] id. at 4-5. [4] id.. [5] 關於「歐洲開放科學雲」的介紹可參考蔡立亭 ，〈論臺灣科研資料治理機制推行之模型－以歐洲開放科技雲為例〉，《科技法律透析》，第33卷第5期，頁21，（2021）。 [6] 關於「歐洲健康資料空間」近期的發展可參考施雅薰，〈歐盟執委會發布「歐洲健康資料空間」規則提案，旨在克服健康資料利用之障礙〉，資訊工業策進會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?no=67&tp=1&d=8858（最後瀏覽日：2022/09/27）。 [7] European Commission, Commission Staff Working Document on Common European Data Spaces 1（2022）。 [8] European Commission, data.europa.eu and the European Common Data Spaces 6（2022）。 [9] id. at 2. [10] European Commission, supra note7, at 3-4. [11] 關於「歐洲空間資料基礎設施」的介紹請參考INSPIRE KNOWLEDGE BASE，https://inspire.ec.europa.eu/(last visited Sep. 26, 2022). [12] Fair原則是可查找(Findable)、可近用(Accessible)、可相互操作(Interoperable)、可再使用(Re-usable) 的英文縮寫，相關介紹可參考GO FAIR，https://www.go-fair.org/fair-principles/(last visited Sep. 26, 2022). [13] 如歐洲雲服務或歐洲高效能運算(HPC)。 [14] European Commission, supra note7, at 4-5. [15] id. at 29-30. [16] 關於這9個產業領域2021-2023年間的規劃進度可參考European Commission, supra note 7, at 41-42. [17] European Commission, supra note 8, at 7. [18] 該網站設立於2021年4月，是整合European Data Portal及EU Open Data Portal兩個網站而成立。 [19] European Commission, supra note 8, at 8. [20] id. at 13. [21] id. at 5. [22] id. at 18. [23] European Commission, supra note 7,. at 2.