영업비밀 침해소송에서 입증책임 완화를 위한 추정규정의 도입검토: 최근의 중국과 일본 사례를 중심으로

민사소송에서는 피고의 손해배상책임을 청구하는 원고가 입증책임을 부담하는 것이 통설과 판례의입장이다. 그러나, 최근 의료과오소송, 공해소송, 제조물책임소송 등 현대형 소송에서는 증거의 구조적편재, 입증에 고도의 전문성 요구 등으로 원고가 인과관계의 전(全) 과정에서 입증책임을 부담하는 것이 현실적으로 어려운 것이 사실이다. 이러한 문제를 해결하기 위해 원고가 간접사실을 입증하면, 주요사실에 대해 추정의 효과를 부여함으로써 원고의 입증책임을 완화하는 경향이 나타나고 있다. 영업비밀 침해소송에서도 영업비밀 침해관련 증거의 구조적 편재 등으로 원고가 피고의 영업비밀 침해행위를 증명하는 과정에서 어려움이 존재하고 있다. 2022년 실시된 「기업의 영업비밀 기술보호 실태조사」에 따르면, 설문참여자의 약 61%가 ‘유출 피해사실 증거수집의 어려움’을 가장 큰 애로사항이라고 뽑았다. 동(同) 논문은 중국과 일본의 사례를 분석하여, 영업비밀 침해소송에 추정규정을 도입하는 것이 타당한지 그 필요성을 살펴보고, 우리나라 제도에 적합한 입법방향을 도출하였다.

결합발명 진보성 판단의 인용문헌 자동 추천 딥러닝 모델에 관한 연구: BERT-for-patents 및 대조학습 기법을 중심으로

세계 각국의 특허법은 선행기술과 동일하거나 용이하게 발명할 수 있는 발명에 대해서 신규성과 진보성을 규정해 등록받을 수 없도록 하고 있으며, 이를 판단하기 위해 선행기술조사가 수행된다. 특히 진보성은 용이성을 기준으로 판단한다는 점, 판단 과정에 복수의 선행문헌을 이용할 수 있는 점 등의 이유로 판단하기 어렵다. 만약 인공지능 모델로 진보성 판단의 선행문헌을 일차적으로 필터링할 수 있다면, 선행기술조사의 효율화와 신속화를 도모할 수 있을 것이다. 본 연구는 이러한 필요성을 고려하여출원발명의 구성요소 중 일부와 대응되는 인용문헌이 주어져 있을 때, 나머지 구성요소와 대응되는 인용문헌을 자동으로 추천해 주는 딥러닝 모델을 제안하였다. 연구는 진보성으로 거절된 USPTO 특허데이터를 전처리한 뒤, BERT를 기반으로 구현한 6개 모델을 학습시켜 최고 성능을 비교하는 방식으로진행되었다. 연구 결과 BERT-for-patents 기반 대조학습 기법으로 학습시킨 모델 TRP-Pat의 성능이 월등하게 높았다. 이러한 결과는 선행기술조사의 신속화와 효율화에 기여할 수 있을 것으로 생각되며, 본 연구에서는 모델 TRP-Pat를 선행기술조사에 사용하는 예시를 제시하였다.