人工智慧(AI)在目前的智慧財產權(IPR)執法中可以發揮什麼樣的作用?
2022年3月2日，EUIPO的IP侵權研究機構the Observatory發表一份題目為「人工智慧對著作權與設計的侵權及執法影響(Study on The Impact of Artificial Intelligence on the Infringement and Enforcement of Copyright and Designs)」的研究(下稱本研究)，分析AI技術對著作權與設計的侵權及執法影響。

本研究以「兩面刃」比喻某特定技術(如AI)既可被用來侵犯IPR，亦可被用來保護及執行IPR，藉以分析AI帶給人類的衝擊，並精心設計兩個故事情節，共包含20種虛構情境。一方面，呈現AI技術被用於侵犯著作權與設計等權利的現有或潛在濫用情形，另一方面，也探討AI幫助權利人或執法機關在執行上述權利時的可能運用。其中有10種情境是關於AI在實體商品的侵權及執法的潛在運用，另外10種情境是關於AI在數位內容的侵權及執法的潛在運用。
 

AI正在不斷演進的數位時代中持續發展壯大。本研究旨在分享執行IPR及利用AI技術執法時的一些最佳運用案例。本文特別摘譯了本研究第5.1章關於AI技術在實體商品侵權及執法的可能運用。

研究總結

AI從1940年晚期、1950年早期發展迄今，已歷經許多不同階段，但對於AI的精確定義則尚未有一致的共識，一般普遍認為AI是電腦科技的一個次領域，專注於發展可以取代人類智慧的電腦系統，以執行在一般情況下需要人類智慧才能執行的任務。

AI有許多能力(capacities)，從感測(sensing)、推理(reasoning)、行動(acting)，至評估(assessing)，甚至預測(forecasting)的能力。

AI也有許多次領域，包括機器學習(machine learning)、自然語言處理(natural language processing)、電腦視覺(computer vision)、電腦語音(computer speech)及專家系統(expert systems)。而量子運算(quantum computing)，雖然未必與AI直接相關，主要係被用於加強AI應用的能力，而可解釋AI(explainable AI)，則涵蓋一連串讓用戶了解與信任ML演算法所產生結果的過程及方法。

本研究從以下四個角度，總結AI對著作權與設計的侵權及執法的影響：
機會(opportunities)：AI可以提升執法效率
驅動力(drivers)：AI用於犯罪的情形猖獗
限制(limitations)：AI工具的侷限性
倫理疑慮(concerns)：AI可能侵犯基本人權

機會：AI可以提升執法效率

AI在著作權與設計的侵權偵測及執行的效率提升上有許多機會，因為AI可以用於執行許多不同的功能，從感測、推理、行動，至評估，甚至預測。目前，AI發展的主要領域在機器學習、自然語言處理、電腦視覺、電腦語音、專家系統。而可解釋的AI是目前受到專家及政策制定者高度注意的一個領域，其他AI可以強化的領域，包括量子運算、區塊鏈、3D列印、生成設計、雲端服務及機器人，也深具發展潛能。

AI可以用於風險辨識及排定優先順序，亦可立即發現網路上的惡意軟體、導引風險事件的處置及提早發現入侵者。例如機器學習，目前已成為很重要的AI次領域，常被用在執法工具的開發，包括分析大量資訊以偵測威脅、辨識社交工程機器人(social engineering bots)、掃描圖像以偵測非法網頁或內容、改善自動內容辨識(automatic content recognition, ACR)工具及協助尋找侵權圖案。

自然語言處理可以被用於分析及阻擋如網路釣魚等攻擊，辨別詐騙行為及創造相關性分析以快速辨識侵權。在侵權執法上，電腦語音及電腦視覺也成功地受到運用，包括辨識圖案以預測未來的侵權、偵測侵權商品的行銷、及分析仿冒商標(logo)或其他圖像。量子運算，則可被用於增進AI工具處理較大量資料的能力，例如，AI與量子運算的結合可以被海關及執法機關運用在大型資料庫的圖形辨識及相似性的辨識。專家系統，則可被執法機關使用於策略的決定，如應採用何種策略來保護系統免於出現特定資安漏洞，包括與著作權及設計侵權相關的系統。

最後，要記住，在AI演算法及其應用的背後永遠都有人類。可解釋的AI，雖然無法解決所有的爭議，但可以讓執法當局更願意使用AI創新工具進行分析與預測，同時符合公平、可歸責性及透明的先決條件。無論如何，執法機關及司法單位在AI的使用上，應恪守嚴格的規範及透過內建的人類控制接受人類的監督。

驅動力：AI用於犯罪的情形猖獗

在侵權方面，為了對抗網路安全措施及規避偵測，騙徒及犯罪集團所使用的技術，可能與執法機關是一樣的。這就是俗稱的「AI/網路安全的難題(AI/cybersecurity conundrum)」，即隨著AI技術成熟並被用於網路安全，其所帶來的潛在不利也跟著上升。

對抗性機器學習(adversarial machine learning)可幫助既有網路安全措施的發現及攻克，且AI可以被訓練來突破防禦並發展動態的惡意軟體以規避偵測。釣魚、駭客及暴力攻擊(brute-force attack)，未必與AI有關，但AI技術可以明顯地讓此類攻擊更有效率，譬如AI支援的密碼猜測及破解驗證碼(CAPTCHA)。AI賦能的惡意軟體可被運用於在良性應用中隱藏惡意程式碼，這是一種由特定行動或在特定時間啟動的攻擊，可以在沒有懷疑的情況下極大化惡意攻擊所帶來的衝擊。

自然語言處理工具可被用於產生深偽(deepfake)音樂影片，以生成設計為基礎的工具可以幫助侵權複製品的製作，此外，圖案辨識、電腦視覺及/或機器學習，可以偵測、刪除或複製反仿冒技術如數位浮水印等圖案。

限制：AI工具的侷限性

AI作為工具，仍面臨諸多限制，特別是：對大量且高品質訓練資料的依賴；無法處理「長尾(long tail)」問題；有限的多功能性；有賴於特定的應用情境；及AI發展者固有的偏見。

更強的機器學習演算法可以學習輸入及輸出資料之間複雜的非線性關係，但是這樣做需要大量的高品質資料，機器需要藉由感知(perceptual)及認知(cognitive)學習，以更正確地瞭解這個世界，透過強化學習(reinforcement learning)模擬真實世界的情境以覺察資訊，並將已覺察的資訊透過注意、記憶及理解轉化為抽象知識，這些都必須透過演算法的交叉、整合與優化來達成。未來的發展重點將是改善AI的創作能力、一般性用途及對世界上物體的認識。運算能力的可近性在目前仍是一個限制：量子運算仍未普及。

最後，雖然創新科技在執法的運用正在提升，然根據本研究的訪談，在著作權及設計的執法上，實際使用仍是有限的。很清楚地，AI可以幫助企業、IT專家及執法機關，進行辨識及減緩風險與威脅、預測攻擊向量、阻擋與移除侵權網站及嘗試「縮小攻擊面，而非一直追逐惡意活動(“shrink the attack surface instead of chasing after malicious activity”)」。本研究的專家們強調，隨著AI工具被用於侵權，也被用於執法的情形增加，提升執法及海關人員的科技發展意識及加強長期訓練是迫切需要的。

倫理疑慮：AI可能侵犯基本人權

隨著AI及相關技術被用於重要領域的決策及預測，包括著作權及設計侵權的犯罪打擊，AI有可能會對基本人權造成深遠的衝擊。

AI演算法係由環繞人們日常生活的科技所蒐集及處理的資料所驅動，因此，當執法機關蒐集資料時，必須全面考慮到對個人隱私權及資料保護等基本人權的尊重。AI所導致的廣泛大規模監控未來增加的可能性大增。國際上，針對AI對基本人權的衝擊及AI所引起的倫理疑慮，正熱烈辯論中。 

然而，本研究的專家強調，AI在司法體系的使用也提供了一些機會，來思考如何有效地使用AI技術，而不致侵害個人隱私及影響基本權。可解釋的AI，可以確保當局有能力向法院說明，以釐清演算法如何運作及模型所使用的資料集等問題。

總體而言，目前已有大量資金投入AI及機器學習技術研發，此趨勢預計未來數年將會持續，這些AI工具及技術的取得及利用，不論是合法或違法，也預計將會增加。許多AI相關工具及技術在目前已用於著作權與設計侵權及執法，且未來亦會如此。很明確的是，所有利害關係人，包括決策者、IP保護實體、企業及執法機關，均迫切需要對AI領域有更好的瞭解、提升AI意識及強化相關能力。

人工智慧(AI)對著作權與設計的侵權及執法影響
(本研究第5.1章)

本章透過EUPIPO的研究團隊精心製作的虛構故事情節，呈現AI技術與工具如何被犯罪集團利用作為武器侵犯著作權及設計，而執法機關可能使用那些技術偵測犯罪並加以反制，以降低侵權行為造成權利人的損失。

一、 故事主角

主角1：MarcVit公司(下稱M公司)，一家著名的歐洲服飾、配件及化妝品公司。
主角2：OMD，意圖侵犯著作權及設計權的犯罪集團。

二、 故事概要

M公司開發一條新的Artsters服飾線(下稱A服飾線)，以原創的藝術形式呈現前所未見的設計，用於襯衫及服裝，銷售對象是年輕族群及潮人(hipsters)，透過實體店與該公司網站的網路商店或商務平台進行零售。

一個狡猾的犯罪集團OMD，獲悉M公司計畫推出新的服飾生產線，意圖製造及銷售A服飾線的山寨版。

三、 10個虛構的故事情境：

【故事情境1】竊取開發中受著作權保護的創作及設計(5.1.1)

OMD自M公司內部員工獲悉該公司計畫在6個月內推出新的A服飾線，意圖以AI科技竊取該公司仍在開發中且有著作權保護的藝術作品，及創新的襯衫與服裝設計，更重要的是，偷竊的時間點是在M公司尚未能將新服飾公開給消費者之前。

為了達成這個目的，OMD公司用AI執行偵查技術(reconnaissance)，鎖定被認定是該公司最容易上當，且職務重要的員工，如M公司執行長(CEO)的助理。OMD利用AI技術優化魚叉式網路釣魚攻擊(a spear fishing attempt)，獲得執行長的電子郵件帳號及密碼，OMD一旦可以登入執行長的電子郵件信箱收發郵件，就冒充執行長名義寄送郵件給M公司的設計團隊主管，進而取得該新服飾線的設計圖樣。

OMD也使用另一種犯罪手法，即從「犯罪即服務(Crime-as-a-Service)」集團取得以AI為基礎的軟體，這個軟體可以產出與某人聲音幾乎一模一樣的深偽(deepfake)版本，利用這個軟體，OMD產出執行長聲音的深偽版本，留言給M公司設計團隊主管，要求將新服飾線的設計圖以電子郵件寄到犯罪集團OMD可以掌控的電子信箱，OMD再把偷來的設計圖儲存在加密硬碟。

M公司相當擔心，歹徒可能在新服飾線公開之前，偷竊其原創作品及新的服飾設計，因此，M公司想辦法與執法機關合作，利用AI技術作為執法工具，防止新服裝線被提早公開曝光。

雖然OMD偷竊得逞了，但是，執法機關對該案件進行調查，且發出搜索票扣押該加密硬碟，執法機關利用AI技術破解該加密硬碟，取回含有M公司被盜的設計圖檔案。

◆AI的應用
 

用於侵權的AI工具
「偵查(reconnaissance)」是AI支援的機器學習(ML)技術，從社交媒體的個人檔案資料學習，分析M公司CEO助理的溝通風格，用AI工具蒐集這些資料，提供犯罪集團OMD，OMD將ML技術武器化，創造一個受M公司信任之人的分身。
AI技術可以做為犯罪武器，進行網路釣魚、駭客攻擊及暴力攻擊。例如，採用自然語言處理(NLP)技術，可以被用於創造包括多個連貫段落的文字訊息，這種自然語言處理產生的文字訊息，可以被用於製作基於現有資訊的假電子郵件及簡訊，這些假訊息的根據，可能來自開放資源取得的資料，或是監視執行長或其助理電子郵件所蒐集到的訊息。
即使網路釣魚的攻擊失敗，但是，AI支援的駭客攻擊、AI支援的反覆猜測密碼 (password guessing)及AI支援的驗證碼 (CAPTCHA，全自動公開化圖靈測驗人機辨識)破解技術，都可以輕易地被用於預測正確的密碼，讓OMD可以進入執行長的電子郵件帳號，這些AI技術也可以武器化，用於預測更新後的密碼。
AI的生成對抗網路(GANs)技術，可以產生某人聲音的深度偽造(deepfakes)版本，如本故事情節中執行長的聲音。
OMD可以利用機器學習演算法及電腦語音合成(computer speech)，模仿執行長的聲音，誤導M公司的設計團隊。特別是，深度神經網路(deep neural networks)可以用於辨識語音的模式。

用於執法的AI工具
執法機關可以把機器學習，特別是監督式學習(supervised learning)，轉換成執法機關破解OMD加密技術(encryption)的一種功能性應用。此外，深度學習演算法，特別是卷積神經網路(convolution neural network, CNN)，可被用於分類加密方法，及解決機器學習的一些侷限，如執行正確的密碼分析能力。
此外，利用AI技術，可以幫助M公司強化他們的網路安全，藉由機器學習，迅速分析幾百萬件攻擊事件及辨識不同種類的威脅，例如，NLP賦能的過濾器(NLP-enabled filters)可以分類、分析電子郵件，以阻斷釣魚攻擊，且相關資訊可以提供給執法機關幫助調查。
M公司可以運用AI機器人(AI bots)來進行網路自動瀏覽(crawl)，辨識或偵測正在以M公司為目標的社交工程攻擊，這些AI機器人是用自然語言處理及機器學習工具編制的自學軟體應用。在進行有針對性的調查時，專業的執法部門可以運用相同的工具及方法。

【故事情境2】設計註冊詐欺(5.1.2)，分為設計註冊申請案本身的詐欺，及註冊費發票的詐欺
 

■【故事情境2.1】：設計註冊申請案本身的詐欺(5.1.2.1)
 

M公司本來要對新服飾線的原創設計進行註冊，但OMD偷走了M公司的原創設計後，企圖以詐欺的手段向國家智慧財產局(以下稱智慧局)申請註冊。
OMD想利用AI技術陷智慧局於錯誤，進而相信M公司的原創設計是出源自OMD的創意。
然而，智慧局則計畫以自建的AI技術，辨識並阻止註冊設計的騙局。

◆AI的應用
用於侵權的AI工具
OMD利用生成對抗網路(GANs)及電腦視覺工具(computer vision tools)作為武器，產生一份假的註冊申請，複製非常像M公司或其他申請人所提交的申請文件，陷智慧局於錯誤。特別是，自然語言處理工具可以複製原始申請案的文字，生成模型(generative modelling)在機器學習中屬一種非監督式學習(unsupervised learning)，可以自動從輸入的資料中擷取規律性或模式，產生以原始資料為基礎的新案例。
用於執法的AI工具
智慧局可以用機器學習創造一個系統，用以偵測是否有人正嘗試要對先前已註冊的設計進行重複註冊，生成對抗網路可以被訓練，用於判斷多個原始設計中的一部或多部是否被組合而產生虛偽的「新」設計。
智慧局可以用AI支援的區塊鏈來保護註冊系統的資訊，避免弱點被攻擊。事實上，區塊鏈的密碼學(cryptography)及不可竄改性(immutability)可以提供額外的安全保護層。
通常，負責設計註冊的智慧局可以用深度學習及卷積神經網路來分析及辨識視覺圖像(visual imagery)，以審視形狀及圖案是否有相似之處，這個模型經過優化後即使從不同角度拍攝的圖像，也可以辨識出是否構成侵權。

【故事情境2.2】：註冊費發票的詐欺(5.1.2.2)
 

M公司在智慧局註冊其A服飾線的襯衫及服飾的原創設計，當M公司設計註冊到期，要申請延長註冊，必須向智慧局繳納新一期註冊年費。OMD知道此事，於是寄送看起來是歐盟智慧財產局(EUIPO)寄出的發票，並指定的付費帳號，是OMD公司所掌控的帳號，該筆註冊費收受者實際為OMD，不是智慧局。

智慧局早已得知此類設計註冊費詐騙手法，爰利用AI技術事先查知M公司是被犯罪集團OMD鎖定的設計註冊人，於是警告M公司關於OMD的詐騙手法，並向設計註冊權利人重申繳納註冊費的正確帳號，M公司也將相關詐騙資訊，通知執法機關。

◆AI的應用
用於侵權的AI工具
OMD利用具有圖案辨識能力及電腦視覺工具的機器學習技術，製作一張假的延長設計註冊年費的發票，與智慧局發出的原版發票完全一模一樣。
OMD利用自然語言處理，創造與真實發票或其他官方文件相像的文字。
用於執法的AI工具
NLP賦能的過濾器，可以分類並分析M公司所收到的電子郵件，阻擋釣魚攻擊。M公司可以與智慧局分享該資訊，增加其安全機制，並與執法機關分享情報，以幫助對組織犯罪集團的調查。

【故事情境3】侵權商品的大量生產(5.1.3)
 

M公司計畫大量生產A服飾線，以便在6個月內進行大規模鋪貨，M公司擔心侵權者在他們鋪貨之前，大量生產該新服飾商品的侵權版。

OMD想要利用AI技術，包括AI支援的機器人，極大化進行侵權商品之非法生產。

M公司已提醒執法機關注意，執法機關計畫使用AI技術阻止犯罪集團大量製造該新服飾線侵權版商品。

◆AI的應用
用於侵權的AI工具
生成設計工具可以武器化，用於高效率地大量生產侵權商品。
AI技術在機器人的應用可以優化侵權商品的大量製造及供應鏈的流程。
OMD可以利用圖像風格遷移(neural-style transfer)技術，創造更多複製M公司原創設計的設計。
*註：圖像風格遷移，透過輸入普通圖片，在神經網絡的運算之後，可以模仿創造出具有大師風格的藝術作品。通常要實現圖像風格遷移，最常使用的是卷積神經網路。

用於執法的AI工具
利用深度學習及卷積神經網路發展的平台，分析及識別視覺圖像，以審視形狀及圖案的相似之處，這種模型可以辨別是否侵權，即便OMD提交的是為了規避被較落伍的AI工具發現，而從不同角度拍攝的圖像。
M公司也可利用AI支援的區塊鏈，來保護由權利人共同維護的共用資料庫裡的註冊設計。AI支援的區塊鏈可用於提供一個可靠的工具，儲存與執法機關共享的資訊，以幫助對OMD的調查行動。
採用機器學習工具，可以快速處理及分類資料，以便與侵權執法機關分享調查資訊。
 

【故事情境4】侵權商品的進口(5.1.4)
 

OMD意圖在全球販售M公司新的A服飾線商品的侵權版，為此，OMD必須避開其商品出口目的地的各國海關查緝。OMD希望利用AI技術幫助其規避海關檢查，以免商品遭到扣押。OMD希望AI可以幫忙…..

在不同國家成立空殼公司，為了讓海關官員無法知道侵權商品進口行為的背後主謀是OMD
找到侵權商品最不會被海關扣押的貨物進口港
找到侵權商品隱藏在貨櫃裡的最佳方法
找到從入口港將貨物運送到非法工廠的最佳交易路徑
海關官員則希望利用AI技術，找出進口侵權商品的空殼公司背後的真實負責人，並將其身分公開，同時，希望利用AI軟體，偵測藏在貨櫃內的侵權商品。

◆AI的應用
用於侵權的AI工具
OMD可利用機器學習創建一個系統，以找出非法工廠與進口港之間最快速的路徑、選擇合適港口及幫助在貨櫃內藏匿侵權商品，降低被海關官員偵測到的風險。這個系統可以隨時更新。
OMD可以利用專家系統(Expert system)來優化其供應鏈的決策過程。
OMD可以利用對抗性機器學習(adversarial machine learning)躲避海關檢查。具體而言，OMD可以執行這項以AI為基礎的技術，改變交易的路徑及優化侵權商品的隱匿。對抗性機器學習是一項可以欺騙ML模型的技術，讓偵測組織型犯罪集團非法活動的ML模型誤判，例如，OMD可以用對抗性機器學習技術提供錯誤的輸入數據，或「假標記(false flags)」，讓海關官員使用的模型無法正常運作，以致產生錯誤的資訊。
為了有效使用對抗性機器學習，OMD必須對海關官員如何使用AI來偵測侵權有充分的瞭解。假如執法人員或海關官員使用某個ML模型，OMD可以用ML模型萃取攻擊(ML model extraction attack)取得它的功能資訊。這種「逆向工程(reverse engineering)」的策略，可以被用於辨識或甚至可能複製一個相同的神經網路。

用於執法的AI工具
海關官員可以用ML圖案辨別工具來辨認與進口侵權商品相關的風險指標。
在更複雜的案例，海關或執法人員可以使用AI結合量子計算(quantum computing)，來辨認大型資料集中的圖案，並找到它們的相似處，如找出貨物的特徵以預測該貨物是不是侵權商品。量子運算的強大處理能力讓區域規模或全球規模的大型資料分析成為可能。
專家系統(Expert System)模擬人類專家的決策過程，可以用來決定在特定情境下最適當的策略或弱點。

【故事情境5】侵權商品在侵權人控制的實體商店銷售(5.1.5)
 

M公司用AI產生的特殊視覺防偽技術，為其新服飾線製作標籤，讓顧客得以用M公司的APP進行掃描，以確認他們在商店所購買的服飾是真品，M公司定期修改這個視覺防偽技術，讓複製更困難。

OMD則希望用AI技術，複製M公司這項視覺防偽技術，並追蹤其定期修改，以在OMD掌控的商店成功地銷售侵權品。

M公司與執法機關分享關於這項AI產生的視覺防偽技術，希望政府機關可以在調查侵權商店時，用AI來查出OMD的侵權品。

◆AI的應用
用於侵權的AI工具
OMD可以用圖案辨認、電腦視覺和/或機器學習來發現或複製這個視覺防偽技術上的圖案。

用於執法的AI工具
M公司可以採用AI支援的區塊鏈技術，創造並獲得一個標籤、條碼或圖形，讓客戶得以確認產品真偽，M公司並將上述技術與調查本案的執法機關分享。在經由政府調查機關獨立確認之後，可提供給檢察機關於法庭上提出，成為重要佐證。
機器學習可用於創造受到保護的視覺身分(visual identity)。利用電腦視覺工具，執法機關可以辨識出OMD的侵權品。

【故事情境6】侵權商品在第三方控制的實體商店銷售(5.1.6)
 

M公司嚴格管控其新的服飾線商品在第三方商店的批發價格，在不同的國家，批發價格也有所差異。

OMD為了要以稍低於M公司批發價的價格，銷售M公司新服飾線的侵權品，使用AI技術追蹤M公司批發價定價的變化，以及在不同國家的價位。

為了反擊，M公司將機敏性定價資料與執法機關分享，讓政府機關可以用其AI技術開發價格比較工具，來找出利用價差進行侵權的服飾商品。

◆AI的應用
用於侵權的AI工具
OMD可以利用機器學習及自然語言處理，分析A服飾在不同國家的價格差異，並追蹤其變化，最終調整其銷售策略。

用於執法的AI工具
執法機關利用機器學習創設自己的平台，作為一個比價工具。
執法機關使用深度學習工具，獲得對各種侵權類型的了解，以偵測及預防犯罪。
發展專家系統，創設一個介面，以利用所產出的資料分析侵權的類型，並決定對未來犯罪活動的預防對策。

【故事情境7】商業包裝外觀(Trade dress)的侵權(5.1.7)
 

伴隨新的服飾線，M公司另外推出一條A化妝品線，包含化妝品容器的形狀及顏色，雖未具功能性，但有獨特性、具識別性且難以複製。

OMD試圖利用AI技術來模仿M公司該化妝品容器的特殊形狀及顏色，並在實體及網路商店銷售。

M公司提供該化妝品容器之特殊顏色的組成資料予執法機關，讓其可以用自己的AI工具，區別原創的色彩與OMD贗品的差異。

◆AI的應用
用於侵權的AI工具
OMD可以用電腦視覺技術，分辨並複製新的A化妝品容器的特殊形狀及顏色。
AI技術在機器人的應用可以改善製造流程，讓OMD得以更快速且便捷地製造侵權商品。

用於執法的AI工具
執法機關可以使用電腦視覺技術來辨別新的A化妝品線的特殊顏色及形狀，並分辨OMD的侵權商品與M公司商品的包裝外觀差異。
以深度學習為基礎的光學字元辨識(OCR)工具，可以辨識並區分網路銷售的化妝品的侵權複製品，與真品的差異。
由AI自動化的網路爬蟲(web crawlers)，可以找到OMD用於行銷侵權商品的資料類型(例如：網域名稱、仿冒品網站的內容、相似名稱的網站及商品或Javascript程式語言)。網路爬蟲的目標是要了解網站內容。執法機關可以將機器學習技術用於辨識網站上相關的特殊資料類型，包括隨著時間演進網站上資料結構的改變。
最後，執法機關可以利用自然語言處理來分析使用者行為，及其分享的內容，找出騙徒。

【故事情境8】由侵權者控制的網路商店的行銷(5.1.8)
 

M公司透過自建的零售網站及經由商務平台，在網路上行銷及出售其新服飾。

OMD利用AI技術瀏覽M公司新的A服飾線各項襯衫及服裝的網路清單，找出最受歡迎的服裝款式，並用此資訊在OMD控制的電子商店銷售這款服裝的侵權版。OMD將此資訊儲存於加密硬碟及伺服器。

執法機關利用AI，系統性地辨識、沒入、及移除儲存OMD所有資料的伺服器。執法機關也運用AI技術，破解OMD在硬碟及伺服器上使用的加密技術。

◆AI的應用
用於侵權的AI工具
利用機器學習、電腦視覺及語音技術的網路爬蟲，可以被OMD武器化，用來監視網站，並辨識最受歡迎的A服飾線的服裝設計。

用於執法的AI工具
執法機關可利用機器學習技術，自動化網路爬蟲以找出OMD使用的資料類型(例如：網域名稱、仿冒品網站的內容、相似名稱的網站及商品或Javascript程式語言) 。
以深度學習為基礎的光學字元辨識(OCR)工具，可以用於識別並區分OMD網路上銷售的新服飾的侵權版，與真品的差異。
電腦視覺技術，可以用於追蹤侵權商品的行銷，特別是自然語言處理的文字辨識技術，可以分辨字體與原創設計的相似之處。
自然語言處理可以用於分析使用者行為及其分享的內容。
機器學習可用於破解OMD所使用的加密技術。深度學習演算法，特別是卷積神經網路，可用於分類加密方法及解決機器學習的限制，如執行正確的密碼分析能力。
自然語言處理的機器翻譯也可以協助網站翻譯，分辨其他語言的侵權內容。

【故事情境9】第三方網路市集(表網，surface web)的行銷(5.1.9)
 

M公司透過熱門的第三方商務平台，在網路上行銷及出售其A服飾。

OMD利用AI技術瀏覽M公司A服飾線各項襯衫及服裝的網路清單，辨識最受歡迎的服裝款式，並用此資訊在第三方商務平台銷售這款服裝的侵權版。

國家產品安全主管機關及其他執法機關，購買及使用第三方的AI賦能產品，進行：
(1) 辨識第三方賣家，如企圖販售侵權商品的OMD犯罪集團成員
(2) 移除侵權商品的清單

這樣，主管機關找到侵犯M公司著作權及設計的OMD成員。

◆AI的應用
用於侵權的AI工具
機器學習、電腦視覺及自然語言處理，均可被OMD用作武器來監視網站，並找出最受歡迎的設計，之後在網路上銷售侵權商品。
OMD也可以利用AI結合虛擬實境(VR)/擴增實境(AR)，發展一個網路客群輪廓(persona)，在社交媒體的網路市場行銷侵權商品。如此，在推出不同行銷活動時，OMD成員可以隱匿其身分。

用於執法的AI工具
執法機關可利用機器學習自動化網路爬蟲，辨識OMD所使用的資料類型(例如：網域名稱、仿冒品網站的內容、相似名稱的網站及商品或Javascript程式語言) 。
執法機關可以用AI來做概率猜測(probabilistic guessing)，例如，預測一段文字的下一個字，或從曾看過的網頁文字辨認可疑的訊息。
M公司可利用以深度學習為基礎的光學字元辨識(OCR)工具，與執法機關合作調查案件。
自然語言處理可以分析使用者行為及其分享的內容。
電腦視覺技術，可以用於追蹤侵權商品的行銷，自然語言處理的文字辨識技術，可以分辨字體與原創的相似之處。一旦建立侵權商品清單，執法機關可以申請命令強迫第三方商務平台下架清單上的侵權商品。

【故事情境10】第三方網路市集(暗網，dark web)的行銷(5.1.10)
 

OMD用AI技術在暗網的第三方市集，銷售M公司最受歡迎A服裝款式的侵權版，暗網交易僅接受以加密貨幣作為支付工具。

執法機關雇用電腦取證專家，或自家對加密貨幣有專業知識的「網路巡邏隊(cyber patrol)」，來分析OMD的加密貨幣交易及辨識OMD犯罪集團成員。

執法機關使用AI工具找出在暗網的不同平台銷售侵權服飾的OMD附屬賣家們的相似處，如果可以，在跨越暗網及表網的平台上，追蹤這些侵權賣家的動態。

◆AI的應用
用於侵權的AI工具
機器學習、電腦視覺及自然語言處理，均可被OMD用作武器來監視網站，並辨識最受歡迎的設計，之後複製該設計並在暗網上公開銷售侵權商品。

用於執法的AI工具
「網路巡邏隊」可充分利用先進科技包括AI工具，參與調查。在許多歐盟國家，以及非歐盟國家，專業的執法小組或「網路巡邏隊」均有受訓練，會利用網際網路或暗網，執行對嚴重犯罪的調查。這些調查小組也會執行仿冒商品及盜版案例的調查。
執法機關可利用機器學習自動化網路爬蟲，辨識OMD所使用的資料類型(例如：網域名稱、仿冒品網站的內容、相似名稱的網站及商品或Javascript程式語言) 。
執法機關可以用AI來做概率猜測，例如，預測一段文字的下一個字，或從曾看過的網頁文字辨認可疑的訊息。
「網路巡邏隊」可利用以深度學習為基礎的光學字元辨識(OCR)工具來調查案件。
自然語言處理可以在網路上尋找特定資訊。探索式分析(數學分析)可以找出資料集的相關性。這種AI賦能的工具也可以用於辨識在暗網上相類似的網域/賣家。
以機器學習為基礎的先進分析技術，可以被執法機關使用在確認加密貨幣地址所有人的身分，特別是，監督式機器學習可以辨識加密貨幣群聚(cluster)，並指定一個類別給它，以幫助辨識控制的實體。
AI可以利用圖形分析「追蹤金流(follow the money)」，偵測在區塊鏈上地址之間的相關性。