京公网安备 11010802034615号
经营许可证编号:京B2-20210330
知识产权:大数据时代的机遇与挑战
以史为鉴,可以知兴替。”如果说从浩瀚的历史中总结出可借鉴的得失之道只有部分伟人可以做到,那么大数据的应用则可以让历史经验这面镜子飞入寻常百姓家。投资人会为我的技术秘密出多少钱?谁拥有我需要的专利?什么样的商标价值更高?什么条件下知识产权诉讼胜诉率更高?在5月29日闭幕的中国国际大数据产业博览会(下称数博会)上,一组组成功的大数据应用实例向与会者展示了大数据从浩如烟海的信息中拎出“干货”、给使用者以指导借鉴的强大力量。如何保护大数据的知识产权也成为大家热议的话题。
大数据指明知识产权保护路径
“不同于互联网时代的数据储存和数据传输,大数据时代的大数据以数据的深度挖掘和数据的广泛应用为主要目的。这给知识产权保护带来了新的机遇。”在数博会的大数据与知识产权保护论坛上,中华商标协会会长兼秘书长马夫指出,通过大数据分析寻找侵权规律,追踪和定位问题源头,为相关政府部门和企业实现为不同侵权行为逐步升级的有效布控和打击,提供了可靠的路径;同时大数据不仅使知识产权检索更加便捷精准,而且还将在知识产权价值评估中得到广泛应用。
“从大数据统计结果来看,改革开放40年来,我国法院受理的知识产权案件的规模和结构,是与我国经济社会发展的趋势相吻合的。”论坛上,北京知识产权法院法官杨静结合数据,向与会嘉宾分享了我国知识产权保护的发展趋势。“深度数据挖掘对我们而言是重要的参考材料,大数据甚至比我们自己还了解我们。每次阅读大数据分析材料,都让我们能迅速直观地发现问题,促进工作不断改进。”杨静指出,数据分析显示,我国知识产权案件面临总量剧增、新类型层出不穷、涉外案件比例扩大等挑战。比对分析结果,北京知识产权法院有针对性地采取解决措施,如增加技术调查官,开展多元化纠纷解决,对新类型案件开展针对性研究,结合数据科学化、精细化确定侵权赔偿额等。“通过大数据分析,我们推行符合知识产权诉讼规律的裁判方式改革,探索确定真正体现知识产权价值的侵权损害赔偿额,提升司法审判效率,优化纠纷解决效果。”杨静对大数据在知识产权案件审判中的借鉴指导作用予以高度肯定。
“大数据的应用,不能只求大求广,一定要把大数据和具体的应用以及特定的行业结合起来才有价值。”北京知产宝网络科技发展有限公司首席执行官普翔表示,零散的庞大信息没有使用意义,只有将信息体系化、结构化,才是真正有作用、可以指导实践的大数据。“从数据到信息,从信息到知识,从知识到指挥行动,这是我们所追求的大数据应用。”他表示。
大数据呼唤知识产权保护“身份”
“如果我们只产生、应用大数据,不对其本身的知识产权加以保护的话,就相当于‘裸奔’了。”在讲解公司如何进行大数据运营时,普翔提出,大数据本身具有很强的创造性和实用性,这些特点与专利等知识产权有共通之处。
“大数据不仅仅是海量数据的集合,更重要的是对数据集合进行采集、存储、关联分析。”贵州省高级人民法院知识产权庭法官白帆指出,大数据实际上具有典型的无形财产的特征,形成大数据需要付出大量劳动,其结果具有很高价值,是典型的知识产权,应当依法受到保护。
然而,大数据本身不同于专利、商标、版权等知识产权的特点,其究竟应当以何种形式受到保护,仍是学界争议的问题。白帆指出,同样是大数据,抓取采集的数据汇集、机器分析的数据处理、以报告形式表达的分析结果等,虽是大数据形成的不同阶段,但由于手段的不同,其知识产权的权利特点也不尽相同,不能以着作权一概而论。
“数据权利有没有可能像欧盟一样作为一种特殊权利保护起来?这是立法者、法官、律师以及全社会都必须参与的问题。”贵州财经大学大数据法律与政策研究院院长刘云飞深入分析了多件大数据以商标、版权、商业秘密等知识产权“身份”作为诉讼标的的案例,指出当前无论是商标、版权还是商业秘密等保护方式,都不能完全适用于大数据的保护,应当抓紧完善立法,保护大数据的知识产权价值。
“大数据产业的发展正在给相关法律制度提出诸多挑战,我们必须从传统的数据观念很快地过度到规范的法律意识。”武汉大学知识产权与竞争法研究所所长宁立志认为,对大数据特别是海量的跨国流动的大数据进行产权界定非常困难,在传统民法中难以找到准确的对应法条,需要对民法中的基本概念进行调整。宁立志还指出,让大数据进入规范化的法律框架,不只是法律的任务,“法律、经济和管理应该共同作用,才能做好这个课题。”宁立志表示。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16