- 聯邦記事 - 2024 Guidance Update on Patent Subject Matter Eligibility, Including on Artificial Intelligence（https://www.federalregister.gov/documents/2024/07/17/2024-15377/2024-guidance-update-on-patent-subject-matter-eligibility-including-on-artificial-intelligence），PDF檔比較好讀：https://www.govinfo.gov/content/pkg/FR-2024-07-17/pdf/2024-15377.pdf
USPTO發布（July 16, 2024發布；July 17, 2024生效）專利適格性審查指南更新版，特別是針對AI相關發明的專利適格性，並提出三個範例（https://www.uspto.gov/sites/default/files/documents/2024-AI-SMEUpdateExamples47-49.pdf），在此列舉Example 47：
Example 47. Anomaly Detection（異常偵測，如偵測網路入侵與惡意攻擊）
發明關於使用人工神經網路（ANN）識別或是偵測異常狀況。ANN是一種機器學習模型，如深度神經網路，包括輸入層（input layer）、輸出層（output layer）與全連接層（fully-connected layer），可用於影像識別、語音識別、圖案識別與異常偵測。ANN包括有多層神經元（neuron）陣列組成，神經元陣列中的每個神經元通過突觸電路（synaptic circuit）連接其他神經元，突觸電路設有記憶體儲存電路的權值。每個神經元具有一個暫存器（register）、微處理器與至少一個輸入。每個神經元產生一個動作，使用前一層的輸出直，並以一組權值（weight）作為輸入。
ANN能有效取得線性或非線性關係中的特徵，並可由ASIC實現，可以客製化為特定人中智慧應用，對於異常偵測特別有用。
在訓練ANN模型時，由取得的連續數據作為訓練集（training data），以電腦技術離散化（discretize），運用神經網路學習離散數據中的樣式（pattern），有利於建立機器學習模型，而可以識別出可能的異常情況。
Claims:
[Claim 1] An application specific integrated circuit (ASIC) for an artificial neural network
(ANN), the ASIC comprising:
a plurality of neurons organized in an array, wherein each neuron comprises a register, a
microprocessor, and at least one input; and
a plurality of synaptic circuits, each synaptic circuit including a memory for storing a
synaptic weight, wherein each neuron is connected to at least one other neuron via one of the plurality of synaptic circuits.
[Claim 1]界定一個用在人工神經網路的特殊應用積體電路（ASIC），包括多個陣列式神經元，每個神經元包括暫存器、微處理器與至少一個輸入；多個突觸電路，每個電路包括記憶體，用以儲存突觸權值，每個神經元通過突觸電路連接其他神經元。
TWO-STEP分析：
step 1: YES
本發明以ASIC實現ANN，這是一個具體的電路，屬於35U.S.C.101定義的機器或是製品（machine and/or manufacture）。
step 2A, prong one: NO
評估請求項是否描述司法例外？
請求項描述了神經元，這是一種硬體元件，包括了暫存器、微處理器與突觸電路，因此並沒有描述抽象概念，如數學概念、人的互動管理，即便ANN的訓練使用了數學方法，但請求項並沒有描述數學概念。因此請求項並沒有描述司法例外。
step 2A, prong two: NO
Claim 1符合專利適格性規定。
[Claim 2] A method of using an artificial neural network (ANN) comprising:
(a) receiving, at a computer, continuous training data;
(b) discretizing, by the computer, the continuous training data to generate input data;
(c) training, by the computer, the ANN based on the input data and a selected training
algorithm to generate a trained ANN, wherein the selected training algorithm includes a
backpropagation algorithm and a gradient descent algorithm;
(d) detecting one or more anomalies in a data set using the trained ANN;
(e) analyzing the one or more detected anomalies using the trained ANN to generate anomaly data; and
(f) outputting the anomaly data from the trained ANN.
[Claim 2]界定使用人工神經網路的方法，步驟包括接收連續訓練數據、離散化連續數據產生輸入數據、基於輸入資料與訓練演算法（反向傳播演算法、梯度下降演算法）訓練ANN、使用訓練的ANN偵測數據中的異常情況、使用訓練的ANN分析異常情況已產生異常數據，以及輸出ANN得出的異常數據。
TWO-STEP分析：
其中步驟描述連續數據、離散數據，以字面意思並以最廣且合理（BRI）的原則解釋每個步驟，其中由電腦接收連續訓練集、使用電腦離散化數據、訓練ANN、演算法、偵測與分析異常數據等，為執行數學演算的發明。
step 1: YES
請求項屬於35U.S.C.101規定的流程（process）。
step 2A, prong one: YES
請求項描述了司法例外，其中描述的步驟包括離散化、訓練、演算法，屬於數學概念，因此Claim 2屬於抽象概念。
step 2A, prong two: NO
判斷請求項是否整體上整合了司法例外為具體應用？
判斷請求項並未超出僅以一般電腦實現抽象概念。並且，即便其中有一些額外元件（additional elements），但未整合司法例外為具體應用。
step 2B: NO
根據以上分析，請求項並未超出僅是以一般目的電腦執行的指令。而其中額外元件僅是實現抽象概念的指令，屬於微不足道的額外方案的活動（insignificant extra-solution activity），並沒有提供創告概念（inventive concept）。
Claim 2不符合專利適格性規定。
[Claim 3] A method of using an artificial neural network (ANN) to detect malicious network packets comprising:
(a) training, by a computer, the ANN based on input data and a selected training algorithm to generate a trained ANN, wherein the selected training algorithm includes a
backpropagation algorithm and a gradient descent algorithm;
(b) detecting one or more anomalies in network traffic using the trained ANN;
(c) determining at least one detected anomaly is associated with one or more malicious
network packets;
(d) detecting a source address associated with the one or more malicious network packets in real time;
(e) dropping the one or more malicious network packets in real time; and
(f) blocking future traffic from the source address.
[Claim 3]界定使用人工神經網路偵測惡意網路封包的方法，步驟包括基於輸入數據與選擇的訓練演算法訓練ANN、用訓練得到的ANN偵測異常情況、判斷連結惡意網路封包的異常情況、偵測惡意網路封包的來源位址、即時丟棄惡意網路封包，以及阻斷從來源位址來的流量。
TWO-STEP分析：
step 1: YES
請求項屬於35U.S.C.101規定的流程（process）。
step 2A, prong one: YES
請求項描述的發明可偵測網路流量中的異常數據，這是一種人類心智流程（mental process），因為這些步驟可以運作在人類心智中。然而，這個判斷步驟是要針對每個步驟進行分析。
上述Claim 3中的step(a)描述了數學概念；step(b)(c)描述人類心智流程，屬於抽象概念。但是step(d)-(f)沒有描述心智流程，因為這幾個步驟並不能由人類心智所執行（"cannot be practically performed in the human mind"），因為不能憑著人的心智偵測連結惡意封包的來源位址，或是即時丟棄惡意封包，以及阻斷流量等動作。
然而，Claim 3中有部分步驟屬於抽象概念，因此整個Claim 3來看屬於抽象概念。
step 2A, prong two: YES
評估請求項是否整體上整合了司法例外為具體應用？步驟有二，第一，識別其中超越司法例外的額外元件，第二，評估額外元件個別或其組合是否整體上整合司法例外為具體應用。
就Claim 3整體而言，其中偵測惡意網路封包的技術，並可以通報潛在問題（其中特別參考了說明書相關領域的背景技術），這反映改良網路技術的發明，因此並非涉及司法例外。
Claim 3符合專利適格性規定。
my two cents:
最近超忙，各方面，但這個blog還是要守住!!! 月底趕進度中!!!
Ron
沒有留言:
張貼留言