데이터세트에 대한 배타적 보호

이상용

추천

검색

자료유형: 학술저널

저자정보: 이상용 (건국대학교)

저널정보: 대한변호사협회 인권과 정의 인권과 정의 제503호

발행연도: 2022.2

수록면: 107 - 133 (27page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

데이터 경제의 시대를 맞이하여 데이터의 생산과 유통을 장려하는 것이 국가적 과제가 되고 있다. 이를 뒷받침하기 위한 법제도의 분석에 있어서는 개별데이터와 그 집합물인 데이터세트를 구별할 필요가 있다. 양자는 인센티브 구조가 전혀 다르기 때문이다. 서비스 과정에서 자연스럽게 생산되기도 하는 개별데이터와 달리 양질의 데이터세트를 생산하기 위해서는 많은 비용과 노력이 필요하다. 오늘날 데이터 경제로의 전환을 이끌고 있는 빅데이터 분석이나 인공지능 학습 등 새로운 기술에서 의미를 갖는 것은 결국 데이터세트이다. 이 때문에 데이터세트의 생산과 유통을 증진하기 위한 제도적 방안이 요구되고 있다. 이러한 목적을 위하여 물권법, 지적재산권법, 부정경쟁방지법, 불법행위법, 계약법 등 기존의 법제도들의 활용이 검토될 수 있지만, 면밀한 분석 결과 이들은 위와 같은 목적을 이루기에 불충분한 것으로 드러났다. 어떤 제도는 요건의 충족은 쉽지만 충분한 보호를 제공하지 못하고, 다른 제도는 충분한 보호를 제공하지만 요건의 충족이 어렵기 때문이다. 이에 대한 해결책으로서 데이터세트에 대한 배타적 보호를 부여하는 방안이 논의되어 왔다. 입법정책적 목적을 위한 기능적 관점에서는 배타적으로 할당된 보호영역을 지닌 전통적 지배권만이 아니라 금지청구에 의하여 타인을 배제할 수 있는 사실상의 독점권도 넓은 의미의 배타적 권리에 포함시켜 분석하는 것이 합리적이다. 법철학적, 법경제학적, 법철학적 검토 결과는 데이터세트에 대한 배타적 권리의 정당성 근거와 함께 그러한 권리의 한계에 관한 근거도 제공한다. 즉 데이터세트에 있어서는 독점과 공유의 조화가 무엇보다 중요한 것이다. 데이터세트에 대한 권리는 생산자에게 귀속되는 것이 정당하다. 다만 생산자의 개념은 작성, 투자, 기획 등의 다양한 요소에 의하여 정의될 수 있으며, 다수 권리자의 존재로 인한 자원의 과소 활용 문제를 방지하고 거래비용의 증가를 막으려면 기획이나 투자 등의 요소에 중점을 두어 생산자를 정의함으로써 권리자의 수를 제한할 필요가 있다. 데이터세트에 대한 배타적 보호를 인정할 경우 그 구현 방안으로는 지배권 모델과 부정경쟁 모델이 있을 수 있다. 전자는 배타적으로 할당된 보호영역이 존재하여 법적 처분을 뒷받침하고 명확성을 제공해주는 장점이 있는 반면, 후자는 유연성과 공유 영역의 확보에 유리하다는 장점이 있다. 어느 하나가 우월하다고 단정할 수 없는 만큼 데이터세트의 적법한 보유자에게 자신이 처한 상황에 따라 선택의 여지를 주는 것이 합리적일 것이다. 지배권 모델을 구현하는 방안으로는 데이터베이스제작자의 권리를 데이터세트 보호의 목적에 맞게 수정하는 것이 합리적이다. 특히 비정형데이터로 구성된 데이터세트를 보호할 수 있도록 체계성과 검색가능성의 요건을 완화할 필요가 있다. 부정경쟁 모델을 구현하는 방안으로는, 비공지성의 요건을 제거함으로써 영업비밀의 법리를 수정하는 방안과, 침해행위의 태양을 구체화함으로써 성과물 무단사용의 법리를 보완하는 방안이 있을 수 있다. 개정 부정경쟁방지법상 데이터 부정사용 금지가 전자에 해당한다면, 데이터산업법상 데이터자산의 부정이용 금지는 후자에 가깝다고 볼 수 있다.

In the era of data economy, it has become a national task to encourage the production and distribution of data. In the analysis of the legal system to support this, it is necessary to distinguish between individual data and its aggregate dataset. This is because the incentive structures for each are completely different. Unlike individual data, which could be produced naturally during the service process, it requires a lot of cost and effort to produce high-quality datasets. In the end, it is the dataset that has meaning in new technologies such as big data analysis and artificial intelligence that are leading the transition to data economy today. For this reason, legislative measures are required to promote the production and distribution of datasets. For this purpose, the use of existing legal systems such as property law, intellectual property law, law of the prevention of unfair competition, torts, and the contract law could be reviewed. But a close analysis shows that they are insufficient to achieve the above purpose. This is because some schemes are easy to meet but not provide sufficient protection, while others provide sufficient protection but difficult to meet. As a solution to this, a method of granting exclusive protection to the dataset has been discussed. From a functional point of view for the purpose of legislative policy, it is reasonable to analyze not only the traditional property right with an exclusively allocated protection area, but also the de facto monopoly right which could exclude others by requesting an injunction. We can analyze both in a broad sense of exclusive right. The results of the philosophical, economic, and constitutional review provide a rationale for the justification of the exclusive right to the dataset, as well as the rationale for the limitation of that right. In other words, the harmony between monopoly and sharing is most important in dealing with datasets. It is justified that the right to the dataset belongs to the producer. However, the concept of producer can be defined by various factors such as scribing, investment, and planning. It is necessary to limit the number of right holders by defining producers by focusing on factors such as planning and investment. If the exclusive protection of the dataset is recognized, there may be property model and unfair competition model as implementation methods. The former has the advantage of providing clarity, while the latter has the advantage of providing for flexibility and securing public domain. Since it cannot be concluded that one is superior, it would be reasonable to give the legitimate holder of the dataset a choice according to their situation. As a way to implement the property model, it is reasonable to modify the existing database right to the purpose of protecting the dataset. In particular, it is necessary to relax the requirements of systematicity and searchability to protect datasets composed of unstructured data. As a way to implement the unfair competition model, we could revise the jurisprudence of trade secrets by removing the requirement of non-disclosure, or supplement the jurisprudence of misappropriation by specifying the aspect of infringement. The prohibition on illegal use of data under the revised Unfair Competition Prevention Act falls under the former, and the prohibition on the illegal use of data assets under the Data Industry Act can be seen as close to the latter.

#데이터 #데이터세트 #데이터베이스 제작자의 권리 #지배권 모델 #부정경쟁 모델 #한정제공데이터 #데이터 부정사용행위 #data #dataset #database #sui generis right #property model #unfair competition model

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이상용

소속기관 건국대학교

주요연구분야 사회과학 > 법학

논문수 1 이용수 13

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)