딥러닝 관련 발명의 특허법상 보호 방안에 대한 연구

전용철

doi:10.31839/DALR.2020.02.86.347

추천

검색

질문

자료유형: 학술저널

저자정보: 전용철 (마이스타24특허법률사무소)

저널정보: 동아대학교 법학연구소 동아법학 東亞法學第86號

발행연도: 2020.2

수록면: 347 - 378 (32page)

DOI: 10.31839/DALR.2020.02.86.347

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

딥러닝 기술은 컴퓨터가 사물 등을 구분하기 위한 개념을 가지기 위해 ‘학습’을 수행하며, ‘학습’을 수행하기 위한 학습 모델이 가지는 구조가 깊은 것을 특징으로 한다. 딥러닝 기술은 인간이 개념을 받아들이기 위한 신경적 구조와 활동을 컴퓨터 기술에 접목한 신경망 기술을 기반으로 한다. 최근 그래픽 카드 등 하드웨어의 연산처리 능력이 높아지고 신경망 기술의 이론적 뒷받침이 이루어지면서 딥러닝 기술의 성과가 두드러지게 나타나게 되었다.
본 논문에서는 딥러닝 기술이 가지는 특성을 파악하기 위해 딥러닝 기술에 관한 변천과 주요 딥러닝 기술에 대한 내용 및 이와 관련된 특허권들의 청구범위를 살펴보았다. 또한, 본 논문에서는 딥러닝 기술이 가지는 특성을 감안하여 딥러닝 모델 구조가 변경된 경우와 기존 딥러닝 모델이 특유 목적에 맞게 접목된 경우로 구분하여 딥러닝 관련 발명의 특허 등록 가능성 확보 방안을 검토하였으며, 특허 등록 후 침해 주장 시 입증 용이성을 확보하기 위한 실무적 방안에 대해 검토하였다.
딥러닝 기술과 관련한 발명의 경우 발명의 성립성과 진보성 요건 등 특허성 요건을 판단함에 있어서 컴퓨터 관련 발명의 일종으로 취급될 수 있다. 최근 컴퓨터 관련 발명의 특허 적격성 판단과 관련하여 미국에서의 Alice 판결 등 주요 판례가 주목받고 있고 이에 따라 미국과 우리나라에서의 심사기준에도 변동이 있어 본 논문에서는 컴퓨터 관련 발명의 특허 적격성 판단에 대한 미국 판례의 변천을 살펴본 후 우리나라의 특허법 규정 및 2019년 3월 개정된 특허청의 특허․실용신안 심사기준을 검토하였다.

Deep learning is a technology to perform “learning” so that computers can adopt concepts to distinguish objects and the like. Deep-learning technology is characterized in that the structures of learning models for performing “learning” are “deep”. Deep-learning technology is based on neural-network technology in which neural structures and activities that enable human beings to accommodate concepts are grafted onto the computer technology. Recently, neural network technology has been underpinned by theory owning to the increased operational processing capacity of hardware units such as graphics cards, and remarkable performance of deep-learning technology has been exhibited.
In order to understand the properties of deep-learning technology, changes in deep-learning technology, major aspects of deep-learning technology, and the claims of patented inventions relating to deep-learning technology are reviewed in this paper. Also, considering the properties of deep-learning technology, cases are divided into cases where deep-learning model structures are changed and cases where conventional deep-learning models are grafted onto deep-learning technology so as to comply with specific objectives. On this basis, how to secure the patentability of deep-learning-related inventions is reviewed in this paper, and how to easily demonstrate patent infringement after the deep-learning-related inventions are patented is also reviewed in practical terms.
In the case of deep-learning-related inventions, they may be handled as a kind of computer-related inventions when the patentability requirements thereof are determined in terms of whether the subject matters thereof establishes inventions and they meet inventiveness requirements, etc.. Recently, with respect to the patent eligibility determination of computer-related inventions, important precedents including the Alice Corp. judgment in the United States have drawn attention, and examination guidelines in the United States and Korea have changed accordingly. In this regard, in this paper I review changes in US precedents on patent eligibility determination of computer-related inventions, and then review the Korean Patent Act and patent and utility model examination guidelines, which were revised in March 2019 by the Korean Intellectual Property Office.

#딥러닝 #발명의 성립성 #특허 적격성 #소프트웨어 관련 발명컴퓨터 관련 발명 #Alice 판결 #Deep learning #eligible subject matter as an invention #patent eligibility #software-related inventions #computer-related inventions #Alice Case

참고문헌 (20)

참고문헌 신청

강기봉 / 2018 / 미국 특허법상 소프트웨어 발명의 특허대상적격성 / 지식재산연구 13(1):53~90

김원준 / 2016 / 소프트웨어 특허의 현황과 미국 소프트웨어 판례 동향 / 법학논총 36(3):491~522

나동규 / 2014 / 미국 소프트웨어 특허의 인정범위-Alice Corporation v. CLS Bank International 판결을 중심으로- / 홍익법학 15(4):805~827

이상미 / 2017 / 차세대 인공지능의 특허대상 범위에 대한 도전 - 미국의 법리를 중심으로 - / 산업재산권 (52):115~153

이응돈 / 2018 / 소프트웨어 발명의 특허적격성 판단 및 특허출원 전략에 관한 연구

이 논문과 연관된 판례 (7)

대법원 2008. 12. 24. 선고 2007후265 판결

[1] 특허거절결정과 거절이유통지 등에 관하여 규정하고 있는 구 특허법(2006. 3. 3. 법률 제7871호로 개정되기 전의 것) 제62조, 구 특허법(2007. 1. 3. 법률 제8197호로 개정되기 전의 것) 제63조 및 제170조 제2항에 의하면, 특허거절결정에 대한 심판에서
자세히 보기
특허법원 2006. 12. 21. 선고 2005허11094 판결

[1] 출원발명이 자연법칙을 이용한 것인지 여부는 청구항 전체로서 판단하여야 하므로, 청구항에 기재된 발명의 일부에 자연법칙을 이용하고 있는 부분이 있더라도 청구항 전체로서 자연법칙을 이용하고 있지 않다고 판단될 때에는 특허법상의 발명에 해당하지 않는다.
자세히 보기
특허법원 2006. 12. 14. 선고 2006허1742 판결

특허법 제2조 제1호는 자연법칙을 이용한 기술적 사상의 창작으로서 고도한 것을 `발명’으로 정의하고 있으므로, 출원발명이 자연법칙을 이용한 것이 아니라 인위적인 결정, 약속, 인간의 정신활동에 해당하는 때에는 특허법 제29조 제1항 본문의 `산업상 이용할 수 있는 발명’의 요건을 충족하지 못함을 이유로
자세히 보기
대법원 2003. 5. 16. 선고 2001후3149 판결

[1] 특허법 제2조 제1호는 자연법칙을 이용한 기술적 사상의 창작으로서 고도한 것을 ``발명``으로 정의하고 있고, 위 특허법 제2조 제1호가 훈시적인 규정에 해당한다고 볼 아무런 근거가 없으므로, 자연법칙을 이용하지 않은 것을 특허출원하였을 때에는 특허법 제29조 제1항 본문의
자세히 보기
특허법원 2007. 6. 27. 선고 2006허8910 판결

[1] 특허를 받기 위하여는 먼저 `산업상 이용할 수 있는 발명’이어야 하고, 여기서 `발명’이란 `자연법칙을 이용한 기술적 사상의 창작으로 고도한 것’을 말하므로, 청구항에 기재된 발명이 자연법칙 그 자체나 인간의 정신활동, 논리법칙, 경제법칙을 그대로 이용하고 있는 경우에는 발명에 해당하지 아니하고, 자연법칙 이용 여부는 청구항 전체로서
자세히 보기
대법원 2010. 12. 23. 선고 2009후436 판결

자세히 보기
특허법원 2001. 9. 21. 선고 2000허5438 판결

[1] 특허법상 특허를 받기 위하여는 먼저 `산업상 이용할 수 있는 발명`이어야 하고( 제29조 제1항 본문), 특허법상 `발명`이라고 함은 `자연법칙을 이용한 기술적 사상의 창작으로 고도한 것`을 말하므로( 제2조 제1호) 청구항에 기재된 발명이 자연법칙 이외의 법칙, 인위적인 결정 또는 약속, 수학공식
자세히 보기

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

전용철

소속기관 마이스타24특허법률사무소

주요연구분야 사회과학 > 법학 공학 > 전기전자공학 > 정보통신공학

논문수 5 이용수 752

이 논문과 함께 이용한 논문

가변정밀도 인공지능 학습용 NPU 시뮬레이터 구현

김태현 , 김희수 , 이혁재 외 1명 대한전자공학회 학술대회 2021 .06

An Accurate Weight Binarization Scheme for CNN Object Detectors with Two Scaling Factors

Xuan T , uong Nguyen , Tuan Nghia Nguyen 외 2명 IEIE Transactions on Smart Processing & Computing 2020 .12

도플러 레이다 및 음성 센서를 활용한 CNN 기반 HMI 시스템 설계 및 구현

오승현 , 배찬희 , 김세령 외 2명 전기전자학회논문지 2020 .09

GPU 부하 상황에서 DNN 추론 시 은닉 계층별 수행시간 분석

유용환 , 정혁진 , 문수묵 정보과학회 컴퓨팅의 실제 논문지 2020 .10

정교한 클럭 게이팅을 이용한 저전력 재구성 가능한 DSP 설계

정찬민 , 이영근 , 정기석 전자공학회논문지-SD 2008 .02

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-360-000432249

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차