算法的4种知识产权保护方法

文/ 黄璞虑  张婧怡  上海星瀚律师事务所

算法，是指解题方法的精确描述，是对被组织在一定数据结构中的数据进行的一串处理和操作，以解决一定问题的方法和过程。[1]近年来，算法的应用已经逐渐渗入我们的生活之中，例如我们手机中安装的美图软件、写字楼大厅中人脸识别的闸机系统，社交网站的好友推荐等等的背后都有算法在起作用。那么算法应当如何保护呢？

对算法进行知识产权保护，软件著作权、专利、商业秘密都可以作为选择路径。当算法依附于代码来发挥作用时，可以根据《计算机软件保护条例》受软件著作权保护。当算法通过技术方案表达时，可作为方法专利保护。2020年最新修订的《专利审查指南》，专门增加了包含算法特征的发明专利申请审查相关规定。当算法保密性要求高时，可以作为商业秘密保护。根据2020年9月12日起实施的最高人民法院《关于审理侵犯商业秘密民事案件适用法律若干问题的规定》，企业可以更多考虑通过商业秘密路径来保护算法。当算法体现在产品上，且产品满足专利的三性时，可采用产品专利方式加以保护。本文将结合实例，阐释算法的知识产权保护组合策略。

技术人员对算法进行“着手开发——形成雏形——优化完善——最终完成”的过程中，在研算法通常被作为技术秘密来进行保护。尤其是企业在研发算法的过程中，会采取严格管理相关设备、和员工签订保密协议等特定保密措施防止技术秘密外泄。

在算法完成之后，对算法的知识产权保护可以分层级进行。具体详见《算法保护方法分类组合图》。

01

软件著作权

●

算法用计算机软件作为表达方式时，可以用软件著作权登记的方式来保护整套或某一模块的软件代码。尤其是被技术人员所普遍知晓的一些公开算法的应用，建议采用软件著作权登记的方式进行保护。

例如，在汽车自动驾驶领域，汽车需要通过传感器识别物体并根据识别结果自动控制汽车的运行。在物体识别过程中可以选择使用快速排序算法。假设汽车前方20米有一条狗，汽车上的传感器接收到狗的距离、面积、形状、速度等相关数据，并将形状等主要特征数据与数据库中的数据进行对比，得到相对于某类对比物的近似度的分数值。得到结果：相对于“哺乳动物”分数值为99分，相对于“鸟禽”分数值为20分，相对于“树木”分数值为5分，相对于“房屋”分数值为0分，等等。对分数值进行排序，选取得分最高的10组。利用传感器接收到的该狗的细化特征信号数据进一步分别与“哺乳动物”类中的猫、狗、狼、老鼠等数据进行对比，最终选择分数最高的一项，完成识别。

在上述例子中，排序算法的选择与应用是服务于物体识别的，可以大幅提高识别速度。排序算法本身并不具有新颖性。但是，物体识别的软件程序作为具有独创性的作品，是可以申请软件著作权登记的。在进行著作权登记之后，可以防止他人抄袭软件代码，保护著作权人的知识产权、维护竞争优势。

软件著作权登记保护的是代码本身。可以采取一般交存方式：总代码行数如果不足三千行需要提供全部代码，但对于超过三千行的著作权登记只登记前三十页和后三十页，每页行数是五十行；也可以采取将机密部分用黑色宽斜线覆盖等例外交存方式。因此进行计算机软件著作权登记时，可以选择不公开某些关键代码，代码依然具有一定的保密性。《软件著作权登记证书》是对登记事项的初步证明，可以帮助持有者在诉讼中起到减轻举证责任的作用。根据国务院颁发的《鼓励软件产业和集成电路产业发展的若干政策》的有关规定，证书可以作为软件企业申请减免税收的证明。 

02

方法专利

●

基于已有算法而发展出的算法通常保密性较弱，可以采取申请方法发明专利的方式来进行算法的知识产权保护。

“旅行商问题”（TSP, Traveling Salesman Problem）是数学领域中的著名问题之一，是由物流配送领域的实际需求产生的。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市，路径的选择目标是要求得的路径路程为所有路径之中的最小值，即构成一条行程最短的Hamilton回路。

近年来，有很多解决TSP的较为有效的算法不断被推出，例如神经网络方法，模拟退火算法以及遗传算法等。以遗传算法举例，遗传算法由John Holland教授于20世纪70年代首次提出，是一种通过模拟自然进化过程搜索最优解的方法。该算法在求解较为复杂的组合优化问题时，相对一些常规的优化算法，通常能够较快地获得较好的优化结果。

《基于遗传算法的智能3D打印路径规划方法》（申请公布号：CN 110209363 A）是一项利用遗传算法解决3D打印路径规划问题的方法发明专利申请。该专利申请使用遗传算法完成整个轮廓的路径规划，使计算机能够智能的找到适合打印的路径，能够大大地提高打印的效率，成型的效果也明显好于传统的路径规划方法。

遗传算法已被专业领域技术人员广泛知晓并应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域，因此遗传算法本身并不是一项技术秘密。而基于遗传算法在3D打印这一领域的路径规划方法，并不完全等同于已有的遗传算法，具有获权可能性。该专利申请虽然公开了技术手段，但可以很好地保护自身的知识产权，且并不会造成专利权人因专利公开而丧失巨大科研优势的严重后果。此时，通过申请专利的方式“以公开换保护”是一项较优选择。所以，对于保密性要求较低且通过技术方案表达的算法，适合将其申请为方法发明专利。

03

商业秘密

●

对于一些自主研发的新算法通常要求较高的保密性，此时可以将算法作为商业秘密来进行知识产权保护。

以“装箱算法”（packing algorithm）为例。经典的装箱问题要求把一定数量的物品放入容量相同的一些箱子中,使得每个箱子中的物品大小之和不超过箱子容量并使所用的箱子数目最少。该问题研究的是寻找较好的布局方式,尽可能实现利益的最大化。装箱问题具有“非确定性多项式-难”（NP-HARD）性质，迄今为止，这类问题中没有一个找到有效算法。有猜想认为这类问题的大型实例不能用精确算法求解，只能寻求有效的近似算法，其理论和应用研究存在一定的挑战。

如果技术人员研发出了一种新的三维装箱算法，用于解决某技术问题的效果优于所有已有的近似算法。那么，如果该研发项目带有盈利目的，对该算法进行知识产权保护的最佳方式是作为商业秘密不对外公开，以此形成技术壁垒。

04

产品专利

●

从逻辑上讲，算法最终以硬件（半导体元件）实现。现实中，有些算法最终体现在产品上。当产品满足专利申请所要求的新颖性、创造性、实用性的时候，可以在选择或结合使用软件著作权登记、方法发明专利、商业秘密的知识产权保护方式之外，采用产品发明/实用新型专利方式对产品加以保护。

举例来说，计算光学是光学学科前沿发展方向之一。计算光学要求科研人员在物理光学、光学设计、数学、计算机图形图像学、算法等方面都有较深的造诣，对科研人员的交叉学科知识和科研水平要求较高，是具有一定门槛的研究方向，其中涉及的算法通常也有一定难度和新颖性。

以计算机图形图像学中的图像去噪问题为例。科研人员用多维随机过程，即用其概率分布函数和概率密度分布函数来描述噪声。通过计算机深度学习算法，进行噪声的去除校正。该算法作为软件的重要组成部分被加密于“壳”中，可作为商业秘密进行保护。而计算光学成像系统构成的最终产品可能是一台能够实现超分辨率成像的计算光学显微镜。当这套光学系统符合申请专利的要求时，可以将显微镜作为产品去申请发明或实用新型专利，从而实现对硬件系统的知识产权保护。

综上，如《算法保护方法分类组合图》所示，通过代码表达的算法受软件著作权保护，通过技术方案表达的算法可申请方法专利保护，针对保密性强的算法可通过技术秘密保护，能够在产品体现的算法可以申请产品专利。此外，根据需求，可以采用软件著作权与商业秘密、软件著作权与专利组合保护的方式。算法在现代社会的各个领域都起到了巨大的推动作用，已经越来越成为创新型企业的核心竞争力，企业针对不同的情形与需求，应当采取不同的知识产权算法保护策略。

注：

[1] 《英汉计算机辞典》，人民邮电出版社1984年版，第24页。

（本文为授权发布，仅代表作者观点，未经许可不得转载）

“星标”、“转发”、“在看”，给小编加鸡腿哦！

投稿请联系[e-mail]

近期热文