日本名古屋地方法院強調刑事手段對於營業秘密保護的必要性
日本名古屋地方法院(下稱法院)在2022年3月18日，對於被控訴違反《不正競爭防止法》的「愛知製鋼」前董事本蔵義信(下稱本蔵)等，宣判無罪。被告本蔵致力研發磁阻抗( Magnetic Impedance, MI)感測器，嗣後對於提高感測器性能及開拓市場等方向，與「愛知製鋼」意見分歧。故於2014年離職另成立マグネデザイン公司，翌年研究發現Giga Spin Rotation (GSR)原理，能製造更小且性能更高的感測器，並取得多項專利。
在2017年，原告「愛知製鋼」以被告本蔵等在2013年的會議中洩露營業秘密等為理由，提起告訴。經過兩次搜查，檢調發現相關會議筆記及白板照片等證據，故向法院提起公訴。法院指出在刑事程序，同樣適用民事上營業秘密法定構成要件，然而本案涉及的技術資訊，屬於工程上一般性、抽象性資訊，不符合秘密性要件。此外，法院認為原告「愛知製鋼」除未落實機密分級，在書面資料上標示「機密」外；且在保密期限屆滿後，亦未與生產商再簽署保密契約，難認為已採取合理保密措施，故不能認定被告本蔵等洩漏營業秘密。
雖然日本經濟產業省已明確指出刑事罰係針對違法性高的行為，且法院對於刑事訴訟的舉證程度，要求必須達到無合理懷疑。同時社會亦有輿論認為調查人員應慎重判斷，避免因不當提起訴訟，造成科學技術發展的負面影響。但在本案中，法院則強調營業秘密對於企業經濟活動的重要性極高，為避免因營業秘密侵害行為，致損害企業競爭力，故採取刑事保護的必要性，越發提高。綜上所述，若企業欲透過刑事罰，保護營業秘密，須採取更嚴謹的管理措施，始能確保藉由刑事訴訟程序，主張權利救濟。
本文同步刊登於TIPS網站（https://www.tips.org.tw）
- 中日新聞，〈愛知製鋼裁判 何が「営業秘密」なのか〉，2022/03/24
- 讀賣新聞，〈事件５年 漏えい無罪、愛知製鋼元専務ら「安心した」〉，2022/03/19
- dmenuニュース，〈トヨタ系｢スパイ容疑｣事件､無罪確定が示す教訓 愛知製鋼の無茶な｢元社員告訴｣はなぜ起きた?〉，2022/04/06
- 名古屋地方裁判所，令和4年3月18日判決，平成29年(わ) 第427号
- 松田正久，日本のが科学技術発展阻害の例を秘密漏洩裁判に見る—愛知製鋼による告訴事件で無罪判決，日本の科学者，57卷7号，頁48-50（2022）
- 〈不正競争防止法の概要〉，経済産業省 知的財産政策室
- 〈裁判手続 刑事事件Q&A〉，裁判所
梁景濠
副法律研究員 編譯整理
中日新聞，〈愛知製鋼裁判 何が「営業秘密」なのか〉，2022/03/24，https://www.chunichi.co.jp/article/439908?rct=editorial（最後瀏覽日：2022/09/25）。
讀賣新聞，〈事件５年 漏えい無罪、愛知製鋼元専務ら「安心した」〉，2022/03/19，https://www.yomiuri.co.jp/local/aichi/news/20220318-OYTNT50176/（最後瀏覽日：2022/09/25）。
dmenuニュース，〈トヨタ系｢スパイ容疑｣事件､無罪確定が示す教訓 愛知製鋼の無茶な｢元社員告訴｣はなぜ起きた?〉，2022/04/06，https://topics.smt.docomo.ne.jp/article/toyokeizai/business/toyokeizai-579717?page=1（最後瀏覽日：2022/09/25）。
名古屋地方裁判所，令和4年3月18日判決，平成29年(わ) 第427号，https://www.courts.go.jp/app/files/hanrei_jp/195/091195_hanrei.pdf（最後瀏覽日：2022/09/25）。
松田正久，日本のが科学技術発展阻害の例を秘密漏洩裁判に見る—愛知製鋼による告訴事件で無罪判決，日本の科学者，57卷7号，頁48-50（2022），http://h-supporters.net/journal_of_japanese_scientists_2022_07.pdf（最後瀏覽日：2022/09/25）。
〈不正競争防止法の概要〉，経済産業省 知的財産政策室，https://www.jpo.go.jp/news/shinchaku/event/seminer/document/chizai_setumeikai_jitsumu/30_text.pdf（最後瀏覽日：2022/10/12）
〈裁判手続 刑事事件Q&A〉，裁判所，https://www.courts.go.jp/saiban/qa/qa_keizi/index.html（最後瀏覽日：2022/10/12）
FCC經過討論與投票，正式發佈命令將電力線寬頻上網服務分類為跨州資訊服務（interstate information service），而非電信服務，其他寬頻上網科技包括DSL、有線電纜線數據機寬頻上網亦被FCC分類為資訊服務。 過去幾年來，FCC一直大力支持電力線寬頻上網服務，期望電力線寬頻上網服務可以進入寬頻服務市場，與DSL和有線電視纜線數據機寬頻上網服務競爭，以增加寬頻服務市場之競爭，提高美國之寬頻普及率。而就此次所發佈之命令，FCC認為，將電力線寬頻上網分類為資訊服務將可使電力線寬頻上網服務受到較低的管制，有助於達成隨時隨地提供所有美國民眾寬頻接取之目標。其次，FCC在數位匯流時代之管制乃是期望能對於各種不同技術之寬頻接取平台給予一致的管制措施，並且對於相同之服務採取相同的管制方式。基於上述原因，FCC此次將電力線寬頻上網分類為資訊服務並不讓人感到意外。 FCC主席Kevin J. Martin進一步在其聲明中表示，雖然目前電力線寬頻上網人口並不多，然在2005年其成長率卻將近200％，顯見電力線寬頻上網服務之市場潛力不容忽視，將可幫助達成美國總統定下於2007年底前隨時隨地提供全國民眾寬頻網路接取之目標。
美民主黨提案開放網路賭博美眾議院金融服務委員會主席Barney Frank於4月26日提案撤銷國會去年備受爭議的禁止網路賭博法案，取而代之制定聯邦層級規範架構的「網路賭博規範與執行法案」(Internet Gambling Regulation and Enforcement Act )，以核准賭博公司線上收取美國國民賭金，並對未成年人、強迫性賭博、洗錢與詐欺等須採取保護措施。 布希總統去年十月所簽署通過的法律，要求銀行與信用卡公司拒絕付款給美國司法管轄權外約2300家的賭博網站，造成賭博業的空前危機。Frank在個人網站批評，〝此法律是對美國人身自由的不當的干預〞。壓力不止於此，WTO也稍早議決美國的此限制不合法，因為某些國內的活動如賽馬，排除外國的公司而形成差別的對待。 Frank 所提的新法案將禁止發執照給任何涉嫌違反賭博、洗錢與詐欺或其他金融法等罪行者，且執照的審理與取得將透過財政部防制洗錢法的協助。而未來消費者上網站必須提供姓名、地址、出生日期與相關身分證明號碼，以和線上支付系統作資料核對。 投資公司Friedman Billings Ramsay認為美國國庫預計五年可增加兩億美金的賭博稅收。
日本政府研擬修正「能源使用合理化法」以提升能源效率日本經濟產業省於3月13日將「能源使用合理化法(エネルギーの使用の合理化に関する法律，簡稱節能法)」修正草案送交國會審議，節能法對於日本之能源供需之穩定具有重大貢獻，也是永續發展之必要法制，由於近年來民生及產業部門之能源消耗持續增加，提升該部門之能源使用效率成為當務之急。 本次修正草案主要內容如下：在因應民生用電尖峰時刻之電力需求上，除了原本之節能政策外，強化電池及能源管理系統(含建築及家庭能源管理系統：Building Energy. Manager System＆Home Energy Management System, 簡稱BEMS、HEMS)之運用、自主發電設備之建構、蓄熱式與天然氣式空調及建築節能改造，以減少尖峰時期之用電需求；在建築材料節能要求上，制定各種建築材料之節能標準，使新建築達成低能源消耗之節能標準；並擴大Top Runner制度(凡適用品項欲上市之新產品均須優於現行市面上所有能源產品之耗能標準)之機器設備適用對象。 由於日本於福島核災後面臨供電吃緊之情況，提升能源效率並節約能源消耗成為當務之急，新修正草案課予建築材料之節能義務標準，希望藉由該草案之通過實行，有效抑制電能消耗。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。