論專利公開前機密管理之重要性
美國德州第一上訴法院於2023年8月的一項裁決強調了以下重點—即便企業的智慧財產權戰略是圍繞在專利申請而建立的，仍應證明其有在專利公開前採取到位的營業秘密保護政策。
在FMC Technologies, Inc. v. Richard Murphy and Dril-Quip, Inc.一案中，FMC是一家石油與天然氣公司，而Murphy是其前首席工程師，可接觸FMC公司重要研發技術。兩者的關係於2018年惡化，同年12月FMC公司提出了ITW系統（orientation-free subsea tree system）的專利申請，Murphy則於隔年5月收到Dril-Quip公司的錄用通知。離職時Murphy有簽署一份協議，承認其有義務為FMC公司持有的專屬資訊保密，並已將所有與工作相關的資訊歸還。
Murphy於Dril-Quip公司被任命負責開發與ITW系統幾乎相同的競爭產品。2020年5月，Dril-Quip公司於海上技術會議發布其下一代海底採油系統（VXTe Subsea Tree）的相關內容，並宣布將商業化生產。據此，FMC公司控訴Murphy使用其花費了多年時間和數百萬美元開發的營業秘密資訊。Dril-Quip公司則辯稱FMC公司所謂的營業秘密可輕易透過一般管道查明，且其未採取合理的努力來防止營業秘密外洩。
在判斷FMC公司是否有採取合理保密措施時，德州第一上訴法院針對其於專利尚未公開及等待核准審定期間是否有採取合理的努力進行審查，並發現下列情形：
1. FMC公司並未根據有存取該機密資訊需求的人設定權限，反而將其工程資料庫開放給所有公司內部的工程師，讓他們都可以遠端存取相關資料。
2. FMC公司並未禁止員工將公司的機密文件複製到外部伺服器上。
據此，德州第一上訴法院認定FMC公司於專利公開前未妥善保護其營業秘密，並認為被告Murphy未不當使用其營業秘密。最終，德州第一上訴法院判被告Murphy勝訴。
由上述裁決可以發現，企業在專利公開前仍應採取營業秘密保護政策，包括：(1)對機密資訊存取的權限控管、(2)規範對機密資訊的使用程序、規定等，以避免在訴訟中失利。關於前述之管理措施，可以參考資策會科法所創意智財中心發布的《營業秘密保護管理規範》，以了解如何降低自身營業秘密外洩之風險，並提升競爭優勢。
本文同步刊登於TIPS網站（https://www.tips.org.tw）
葉承偉
副法律研究員 編譯整理
Maia Biermann, US Appellate Court’s Ruling Over Design Drawings Sends a Strong Message to Trade Secret Owners (Aug. 18, 2023), https://www.iam-media.com/article/us-appellate-courts-ruling-over-design-drawings-sends-strong-message-trade-secret-owners(last visited Sep. 13, 2023).
財團法人資訊工業策進會科技法律研究所，《營業秘密保護管理規範》，https://stli.iii.org.tw/publish-detail.aspx?no=72&d=7212（最後瀏覽日：2023/09/13）。
2016年1月， 隸屬英國商業、創新和技術部 (Department for Business, Innovation and Skills，BIS)的科學辦公室(Government Office for Science)發布「分佈式分類帳技術：區塊鏈以外(Distributed Ledger Technology：beyond block chain)」研究報告。本篇報告由產官學界合作完成，主要在評估分佈式分類帳技術可以運用在哪一些公私領域，並決定政府以及私人應該採取哪些行動以促進分佈式分類帳技術可被有益運用，並避免可能帶來的傷害。 該份研究報告認為，分佈式分類帳技術可在多個領域協助政府機構，包含徵稅、提供福利、發行護照、土地登記、確保商品供應鏈並且確保政府記錄與服務的完整性。相較於其他網路系統，分佈式分類帳技術較不易受駭客攻擊，而且由於每個参與者都有一份帳簿副本，如果有惡意竄改的狀況，也可以輕易被發現，但這不表示分佈式分類帳技術就不會被駭客攻擊。 數位五國(Digital 5，D5)之一的愛沙尼亞，已多年實驗運用分佈式分類帳技術於公領域服務多年。愛沙尼亞政府透過私人公司運用分佈式分類帳技術建制「免金鑰簽名設施(Keyless Signature Infrastructure，KSI)」，KSI允許愛沙尼亞公民驗證其在政府資料庫資訊的完整性，並避免內部人透過政府網路從事非法活動。KSI確保公民資訊安全以及準確，因而可協助愛沙尼亞政府提供數位化的公司登記以及稅務服務，減少政府以及社會大眾的行政作業負擔。 除此之外，分佈式分類帳技術也有助於確保商品以及智慧財產權的所有以及出處。例如Everledger此一系統可用於確保鑽石的身分，從礦產、切割到銷售，可減少並避免欺詐以及「血鑽石」進入市場。 簡而言之，分佈式分類帳技術提供政府可減少詐欺、腐敗、錯誤以及紙上作業成本的框架，並透過資訊分享、公開透明以及信任，具有可重新定義政府與公民關係的潛力。對於私領域而言也具有同樣可能性，報告特別提出可透過分佈式分類帳技術發展「智慧契約」，可增加信任度並提高效率。據此，本報告針對政府部門提出八大建議： (1) 應成立專責部門，並與產業、學界緊密合作，並應考慮成立臨時性的專家諮詢團隊。 (2) 英國的研究社群應該要投入研究確保分佈式分類帳技術具備可即性、安全性以及內容準確性。 (3) 政府應支持為地方政府成立分佈式分類帳技術實地教學者，匯聚所有測試技術以及其運用的所需元素。 (4) 政府需要思考如何為分佈式分類帳技術建立妥適的法制框架。法規需要配合新科技應用技術的發展而進步。 (5) 政府應該與產學合作確保相關標準可以符合分佈式分類帳技術及其內容完整性、安全性以及隱私的需求。 (6) 政府應與產學合作確保最有效率以及最可用的身分認證網路協議可為個人及組織所使用，這項工作應與國際標準的發展與執行緊密連結。 (7) 政府應對分佈式分類帳技術進行試驗，以評估該項技術在公領域的可行性。 (8) 建議成立跨部門的利益群體，結合分析以及政策群體，以生成並發展潛在使用案例，並且在公民服務中提供具備知識的專家人員。 除了八大建議，管理與法制上，本報告指出分佈式分類帳技術具有兩種管理規範：法律規範以及技術規範。法律規範是「外部」規範，法律規範可能會被違反，緊接著面臨違法處罰的問題。技術規範是「內部」規範，假如違反技術規範，「錯誤(error)」產生無法運作，因此「規範」本身就可以確保會被遵循。換句話說，技術規範可以節省法律規範的執法成本。另外一方面，分佈式分類帳技術為去中心化技術，如果要以法制管理，也只能在参與者身上施加法律義務，例如Bitcoin，只能對於提供Bitcoin交易服務的平台施加法律義務。美國紐約州金融服務部所發行的比特幣交易執照BitLicnese即為一例。因此，基於去中心化的特性，報告建議政府單位應該要儘量参與技術標準的制定，並且配合技術標準制定相關法律，法律規範與技術規範兩者應該要交互影響。
人工智慧專利加速審查計畫人工智慧專利加速審查計畫（Accelerated Initiative for Artificial Intelligence，又稱AI2）是新加坡智慧財產局（Intellectual Property Office of Singapore, IPOS）於2019年4月宣布之計畫，目的在於加快與人工智慧相關的專利申請程序。該計畫自2019年4月26日開始實施兩年，每年有50位名額。專利申請權人申請適用該計畫並申請專利者，最快可在6個月內審核通過並授證。 適用AI2計畫之技術主體需與AI發明領域密切有關，該申請案之AI功能包含自然語言學習（Natural Language Processing）、影像辨識、聲音辨識、自動化系統（Autonomous Systems）、機器人、預測分析（Predictive Analytics）等；並須應用在生命科學、醫學、農業、資通訊、交通等領域。 AI2與新加坡智財局2018年實施的「金融科技專利優速計畫」（FinTech Fast Track Initiative, FTFT）類似，FTFT旨在加速金融科技領域之專利申請及審查時效。除了技術主體不同，兩者在申請和審查程序上大致類似：不需支付額外的申請與審查費用、該項專利之首件申請案需於新加坡智財局提出、專利請求項（claims）最多為20項、該項專利之「請求專利核准」與「請求專利檢索審查」文件需於同一日提交、專利申請權人收到實質審查意見書需兩個月內回覆等。 人工智慧是新加坡轉型為數位經濟國家的關鍵，隨著全球AI專利申請活躍，新加坡智財局支持將AI產品更快地推向市場，並期望有利新加坡爭取更多新創企業及投資。
加拿大因應數位變革修訂新隱私法加拿大政府於2026年6月15日提出C-36號法案，旨在訂定《保護隱私與消費者資料法》（Protection Privacy and Consumer Data Act, PPCDA）。該法案將更改已有25年歷史之《個人資料保護與電子文件法》（Personal Information Protection and Electronic Documents Act，下稱電子文件法），以PPCDA取代電子文件法中關於隱私保護之規範，以更全面、完整之法律框架保障個人隱私權利。目前PPCDA僅為草案，現仍在一讀階段。 壹、事件摘要 加拿大現行私部門之隱私法規已執行25年，然而隨著AI普及、深偽技術之出現、演算法自動化決策及網路對兒童資料之蒐集等數位新興隱私問題，加拿大政府認為有必要調整其現行隱私規範，以確保私部門之隱私規範能因應數位時代下之隱私風險。為此，加拿大創新、科學及經濟發展部（Innovation, Science and Economic Development Canada, 下稱ISED）之AI與數位創新部部長（Minister of Artificial Intelligence and Digital Innovation）代表政府向眾議院提出C-36法案，透過制定PPCDA，更新並現代化加拿大私部門之隱私法規以因應數位時代。 加拿大政府2026年6月初發布國家AI策略—全民AI（Canada’s National Artificial Intelligence Strategy: AI for All，下稱加拿大AI國家戰略）。加拿大國家AI戰略中提出隱私規範於AI時代下之重要性，要求更新加拿大之個資及隱私保護規定，透過隱私保護法規之訂定，確保公民及兒童皆能於數位時代下受到保護。C-36號法案係於加拿大AI國家戰略發布後旋即提出，以該戰略為基礎落實數位信任與推動隱私安全。 貳、重點說明 PPCDA之立法目的是為了應對大量仰賴個資分析、流通及交換之數位時代而建立之個人資料保護規則，同時該法亦將個人資料隱私權定調為個人基本權利。此外，法案制定相關規定兼顧組織需求，始組織得於合理且適當情形下蒐集、利用或揭露個人資料。落實加拿大AI國家政策之創新精神，並同時建立不阻礙創新之私部門隱私保護網。法案之重點說明如下： 一、加強數位時代下之個人資料自主權利 法案為落實隱私為基本權利之立法目的，提升資料當事人對資料之控制權及透明度，使資料當事人於數位時代下更能夠有效控制其個人資料之利用並保障其權利，確保資料當事人之個資被負責任、透明且適當利用。 （一）同意請求須明確 組織若欲利用當事人個資，原則上必須取得當事人之同意方得利用，並且於尋求當事人同意時必須將其蒐集、利用及揭露當事人個資之目的、方式、處理後合理可預見之後果、所欲蒐用之資料類型及可能揭露之第三方等事項告知當事人。在同意要件上，法案要求組織於蒐集當事人個資時，必須以通俗易懂之文字向當事人說明前述事項，並且在確保當事人充分之知情之情形下取得其明示同意。 （二）自動化決策系統（Automated Decision System）之透明度要求 組織若欲使用自動化決策系統對當事人做出涉及法律或類似重大影響（significant effect）之預測、建議或決策時，必須應當事人請求，向其提供該決策之說明。該說明應包含自動化決策系統做出決策所利用之個人資料類型、來源，以及做出該當決策之主要原因。 （三）刪除權 在特定情形下，資料當事人得要求組織刪除或銷毀已被組織蒐集之個人資料。特定情形包含：個資之蒐集、處理及利用違反本法、當事人撤回其對該當個資蒐集、處理或利用之部分或全部同意或該個資之蒐用目的已喪失。 （四）資料可攜權（Data Mobility） 於特定之資料移轉框架下（如電信資料移轉），當事人有權要求組織將其個人資料，於不同組織及服務提供者間安全移轉。 （五）提高對兒童個資之保護 鑒於數位時代下未成年人較以往更容易陷於個資外洩所造成之衍生風險，該法案將未成年人之個資列為敏感資料（Sensitive Information），對未成年人個資建立更嚴格之規範。例如，在蒐集、利用未成年人個資前，必須明確取得其父母或監護人（guardian or tutor）之同意，並排除默示同意之適用。此外，若組織收到兒童個資之刪除請求，組織具有刪除義務，並無例外適用。 二、促進創新 （一）負責任之資料利用及降低隱私風險 法案要求組織需建立隱私管理計畫（Privacy Management Program），明確列出合規之政策及程序，包含個資保護政策、投訴處理方式及員工培訓等，確保在資料利用及創新過程中不侵害當事人隱私。 （二）明定資料去識別化 法案中明確區分去識別化（de-identify）及匿名化（anonymize）之界線。組織得於未取得當事人同意之前提下，以研究、開發及創新（Research and Development）目的，於內部安全利用去識別化之個人資料。 （三）共同監管制度 法案中明定共同監管（Co-regulation）框架規範，允許產業工會或民間組織自行制訂符合該行業別之行為準則，並遵循認證制度，在提報委員會核准。 三、保護加拿大數位主權 就個資之跨境傳輸而言，PPDCA草案 要求組織對個人資料應設適當安全措施。例如，組織於傳輸或揭露個人資料至加拿大境外前，應依規定進行隱私影響評估，並且實施相應措施以降低隱私影響評估結果之風險。 四、執法監督 加拿大政府將以新成立之數位安全與資料保護委員會（Digital Safety and Data Protection Commission of Canada）作為PPCDA之主管機關，該委員會亦將負責《數位安全法》（Digital Safety Act）之制定。兩部法案皆為數位時代下之重要法案，透過委員會統籌，使跨領域之隱私及數位安全之複雜議題能相互調和，在法律適用上取得更大之一致性。 參、事件評析 AI發展快速，為因應新技術對個人資料保護帶來之衝擊，各國皆陸續開始針對隱私相關規定進行不同程度之修訂。加拿大PPCDA草案係於數位時代下，同時兼顧資料創新及個人隱私權利保障之立法範例。其中，在資料運用上其明確區分去識別化及匿名化之差異，並制定了較為彈性之資料應用規定。法案明文，組織得不需取得當事人同意，即以研究開發及創新為目的，於內部利用「去識別化」之個人資料。該立法將為AI技術之模型訓練及資料分析，提供高度彈性及應用空間，平衡了傳統個資法當事人同意為前提及目的限制對科技發展造成之阻礙。 此外，面對數位時代下可能產生之個資風險，該法案亦有所回應。其明確規定自動化決策系統之透明度義務，並賦予當事人要求解釋之權利，強化當事人對其資料之自主；對於未成年人於數位時代下之個資風險，亦透過將未成年人個資視為敏感資料之機制，使未成年人得受到更嚴謹之保護；針對新創產業之發展，法案透過合規比例原則之規定，給予組織依據其量能調整隱私管理計畫之空間，避免對中小企業造成過多負擔而阻礙創新。 我國個人資料保護委員會籌備處於民國114年針對個人資料保護法進行修訂，惟該次修法主要係針對個人資料保護委員會成立所為之組織任務調整，仍未就法律實質規範進行修定。 關於個人資料自主權利，現行個資法在當事人同意請求權，雖有類似規定，但當事人同意之規定上並未包含確保當事人自主性之要件，在同意條款之書面文字規範上也無特定要求。另就刪除權而言，依據現行個資法，當事人無法單純透過撤回同意，要求資料控制者將其資料刪除。除此之外，自動化決策、資料可攜權、及兒少個資保護之強化等數位時代下之個資保護議題，我國現行個資法中並未有相關規範。為因應數位變遷所為之立法改變，建議我國可參考加拿大之修法方向，強化資料當事人對其個資之自主權及對未成年之保護，以因應數位時代下之個資風險。 為有利於產業創新同時能確保個資安全之規範，加拿大此次修法賦予產業建立符合需求之共同監管制度、加強個資跨境傳輸之事前評估等，尤其在假名化制度上之變革更是為資料創新運用增加彈性。反觀我國個資法，於近兩年之修法上僅就資料去識別化有部分修訂，將原規定之「無從識別特定當事人」定義修正為「運用當時技術方式無從識別當事人」，此種較為相對性之標準，但仍未解決實務上假名化與匿名化之管理及應用差異。且於應用上，仍是以傳統之學術研究、統計目的為限，新興科技研發仍會受制於傳統個人資料保護規定。為能促進個資運用及產業發展間之平衡，加拿大之作法得做為未來修法上之參考，透過制度、機制之建立，更彈性地運用個人資料。 整體而言，從加拿大此次對隱私法規之修訂，可見隱私保障與產業創新之調和。我國未來於個資法修法研擬時，亦能參考加拿大之平衡路線，於保障國人個人資料權利之同時，提供新興科技產業發展之合規空間，創造兼具安全及彈性之個資保護環境。 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://keid.nat.gov.tw/tips/）
美國國家標準與技術研究院公布人工智慧風險管理框架（AI RMF 1.0）美國國家標準與技術研究院（National Institute of Standards and Technology, NIST）於2023年1月26日公布「人工智慧風險管理框架1.0」（Artificial Intelligence Risk Management Framework, AI RMF 1.0），該自願性框架提供相關資源，以協助組織與個人管理人工智慧風險，並促進可信賴的人工智慧（Trustworthy AI）之設計、開發與使用。NIST曾於2021年7月29日提出「人工智慧風險管理框架」草案進行公眾徵詢，獲得業界之建議包含框架應有明確之衡量方法以及數值指標、人工智慧系統設計時應先思考整體系統之假設於真實世界中運作時，是否會產生公平性或誤差的問題等。本框架將隨著各界使用後的意見回饋持續更新，期待各產業發展出適合自己的使用方式。 本框架首先說明人工智慧技術的風險與其他科技的差異，定義人工智慧與可信賴的人工智慧，並指出設計該自願性框架的目的。再來，其分析人工智慧風險管理的困難，並用人工智慧的生命週期定義出風險管理相關人員（AI actors）。本框架提供七種評估人工智慧系統之信賴度的特徵，包含有效且可靠（valid and reliable）：有客觀證據證明人工智慧系統的有效性與系統穩定度；安全性（safe）：包含生命、健康、財產、環境安全，且應依照安全風險種類決定管理上的優先次序；資安與韌性（secure and resilient）；可歸責與資訊透明度（accountable and transparent）；可解釋性與可詮譯性（explainable and interpretable）；隱私保護（privacy-enhanced）；公平性—有害偏見管理（fair – with harmful bias managed）。 本框架亦提出人工智慧風險管理框架核心（AI RMF Core）概念，包含四項主要功能：治理、映射（mapping）、量測與管理。其中，治理功能為一切的基礎，負責孕育風險管理文化。各項功能皆有具體項目與子項目，並對應特定行動和結果產出。NIST同時公布「人工智慧風險管理框架教戰手冊」（AI RMF Playbook），提供實際做法之建議，並鼓勵業界分享其具體成果供他人參考。