Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
06 2020 Elektronik 29 Mikroprozessoren und IP wirken aber möglicherweise können diese die für den Rechteinhaber erforderlichen Beweismittel nicht erbringen Wenn nach dem Urheberrecht zwei Elemente sehr ähnlich sind kann ein Gericht die Beweislast umkehren Der Plagiator muss dann nachweisen dass sein Werk unabhängig erstellt wurde Dies ist eine sehr faktenbezogene Analyse auf die sich ein Rechteinhaber nicht verlassen sollte Nach den Gesetzen zu Geschäftsgeheimnissen hat ein Rechteinhaber manchmal die Möglichkeit das Gericht zu ersuchen Beweise geheim zu halten oder eine unabhängige Partei wie einen Notar einzuschalten um Beweise mit den geheimen Informationen zu vergleichen ohne dass die vertraulichen Informationen Bestandteil der öffentlichen Aufzeichnungen des Gerichts werden Schutz des Modells vor Vervielfältigung Steht ein ML-System ohne vertragliche oder Nutzungseinschränkungen für die Öffentlichkeit zur Verfügung so eröffnen sich einzigartige Möglichkeiten zum Kopieren seiner Funktion Im Wesentlichen verfügt der Plagiator über einen Datensatz mit nicht klassifizierten Elementen und übermittelt jedes Element einzeln an das ML-System Jede Antwort wird als Klassifizierung des vom Plagiator eingegebenen Datensatzes sorgfältig aufgezeichnet Der so gewonnene klassifizierte Datensatz kann dann verwendet werden um ein Modell ähnlicher Qualität zu trainieren Bild 2 Es hat sich gezeigt dass dies auch dann effektiv funktioniert wenn der Datensatz Daten außerhalb der eigentlichen Anwendung des Modells enthält und die Architekturund Modellparameter von Ziel und Klon nicht übereinstimmen Nach dem Urheberoder Datenbankrecht ist unklar ob ein solches Vorgehen legal ist oder nicht Der Datensatz aus dem ursprünglichen ML-System wird nicht kopiert Nur die Ausgabe wird verwendet und das auch nur um einen anderen Datensatz zu klassifizieren Wenn die Datensatzklassifizierung für sich genommen kreativ ist kann der Plagiator das Urheberrecht verletzen indem er die ursprünglichen Bezeichnungen wiederverwendet Dies kann sogar dann zutreffen wenn nur die Bezeichnungen kopiert und zur Klassifizierung eines vollständig unabhängigen Datensatzes wiederverwendet werden Vor Gericht wurde dies aber noch nie geprüft Wasserzeichen beim Maschinellen Lernen Ein Aspekt des IP-Rechts besteht darin dass ein Rechteinhaber nachweisen muss dass seine Rechte verletzt wurden Der Nachweis dass ML-Modelle oder Trainingsdaten kopiert wurden kann außergewöhnlich schwierig sein insbesondere wenn die Daten Elemente der realen Welt betreffen Der Plagiator kann dann leicht argumentieren dass er lediglich dieselben oder sehr ähnliche Daten aus seiner ureigenen Quelle bzw vor Ort gesammelt hat Ohne eine Möglichkeit dieses Argument zu entkräften würde der Rechteinhaber ohne Schadenersatzansprüche dastehen Unter Wasserzeichen versteht man dass Informationen in den Inhalt eingebettet werden die bei normaler Beobachtung nicht sichtbar sind Der Begriff digitales Wasserzeichen wurde 1992 geprägt und wird seit Ende der neunziger Jahre von Rechteinhabern verwendet um illegale Kopien von Filmen und Liedern zu erkennen und möglicherweise aufzuspüren Die eingebetteten Informationen eines digitalen Wasserzeichens können die Quelle des Lecks oder das Netzwerk das die Gewerbliche Schutzund Urheberrechte Intellectual Property Right IPR Patent Urheberrecht Datenbankrecht Geschäftsgeheimnis Schutz technische Erfindung kreativer Ausdruck d h nicht nur harte Arbeit oder Investitionen erhebliche Investitionen in die Schaffung der Sammlung Informationen werden geheim gehalten z Bdurch Geheimhaltungsvereinbarung Gerichtsbarkeit weltweit weltweit Eigentümer und Verletzer der Rechte müssen in der EU ansässig sein weltweit geschütztes Objekt ML-Architektur nein aber siehe auch Software unwahrscheinlich für die zugrundeliegende Graphen es sei denn die Auswahl ist kreativ nein ja Trainingsund Versuchsaufbau nein aber siehe auch Software nein außer bei kreativer Klassifizierung oder bei kreativ von Hand ausgewählten Datensätzen nein ja Training-Parameter nein aber siehe auch Software unwahrscheinlich es sei denn die Auswahl ist kreativ nein ja Modell unwahrscheinlich unwahrscheinlich außer das Wasserzeichen die Klassifizierung die Parameteroder Architekturwahl sind kreativ unwahrscheinlich ja Software zum Implementieren der ML-Funktion ja als Teil eines trainierten Systems mit dem Modell und nur wenn sie auf Aufgaben in der realen Welt ausgerichtet ist ja aber die von der Software implementierten Funktionen sind vom Schutz ausgenommen nein ja Tabelle Die bekannten Schutzrechte bieten für Systeme mit ML-Applikationen nur bedingt Schutz Quelle NXP Semiconductors