以下示例應與美國專利商標局關于主題適格的指南結合使用，該指南已納入《專利審查操作指南》(MPEP)2106[1]，并在《2024 年專利主題適格更新指南，包括人工智能方面》中進行了討論。下面的示例是虛擬的，僅用于解釋如何使用MPEP 2106進行的權利要求分析，以及解釋如下要點表中指出的特定議題。這些示例應根據下文所述的事實模式進行解釋，因為其他事實模式可能會產生不同的適格結果。接受審查的權利要求并不一定要照搬示例權利要求才能主題適格。所有權利要求都將根據其最寬泛合理解釋進行適格分析。
請注意，此處提供的示例從第47號開始連續編號，因為之前發布了46個示例[2]。這些示例的附錄1包含了美國專利商標局所有49個適格示例的綜合索引。
這些示例僅用于說明專利主題適格分析。最終必須對所有權利要求進行分析，以確定其是否符合可專利性的每一項要求[3]。下文提供的分析不涉及101條規定的主題適格以外的其他考慮因素。
示例47.異常檢測
本示例說明了如何對權利要求進行適格分析，這些權利要求記載了具體的人工智能限定，特別是使用人工神經網絡識別或檢測異常情況。權利要求 1適格，因為它屬于一種法定類別，并且沒有記載任何司法排除對象。權利要求 2不適格，因為它記載了一種司法排除對象(抽象想法)，而且權利要求作為一個整體沒有將排除對象融入到實際應用之中(因此是針對抽象想法)，而且權利要求沒有提供明顯超過排除對象的內容(沒有提供發明構思)。權利要求 3適格，因為它雖然記載了一種司法排除對象(抽象想法)，但權利要求作為一個整體通過提高網絡安全性將排除對象融入到實際應用中。
背景技術
本發明旨在使用人工神經網絡(ANN)來識別或檢測異常情況。與傳統的異常檢測方法相比，使用經過專門訓練的人工神經網絡來檢測異常現象實現了許多改進，包括更準確地檢測異常現象。該應用程序還提供了訓練ANN的方法，從而縮短了訓練時間，并提供了更準確的異常檢測模型。
ANN是一種機器學習模型，用于執行各種復雜任務，包括圖像識別、語音識別、模式識別和異常檢測。ANN是一種受生物啟發的算法，可從訓練數據中學習。可通過軟件、硬件或軟硬件結合來實現ANN。示例性ANN的結構有一系列層，每個層包括一個或多個神經元，排列在一個或多個神經元陣列中。在一個示例性實施例中，神經元可包括寄存器、微處理器和至少一個輸入。每個神經元根據激活函數產生輸出或激活，激活函數使用前一層的輸出和一組權重作為輸入。神經元陣列中的每個神經元可通過突觸電路連接到另一個神經元。突觸電路可包括用于存儲突觸權重的存儲器。示例性ANN可以是具有輸入層、輸出層和多個全連接隱藏層的深度神經網絡。ANN在異常檢測中特別有用，因為它們可以有效地提取線性和非線性關系中的特征。在某些實施例中，ANN可由專用集成電路 (ASIC) 實現。ASIC可針對特定的人工智能應用進行專門定制，與傳統的CPU相比，具有更強的計算能力并能降低電能功耗。
在某些實施例中，訓練數據是通過計算機接收連續數據，并利用計算機將連續數據離散化來生成的。在某些實施例中，連續數據可以通過網絡遠程接收。連續數據可以是歷史數據，神經網絡可以利用這些數據學習模式，以識別或檢測潛在的異常情況。連續數據是被測量的數據，可以有任意可能值。使用離散數據而非連續數據來訓練機器學習模型可能更具優勢。離散數據可以計數，且數值的量是有限的。任何類型的離散化方法都可用于將連續數據轉換為離散數據，包括二值化、聚類以及數值離散化。然后使用任何已知的訓練技術對ANN進行訓練，生成一個訓練好的神經網絡，用于檢測異常情況。訓練好的ANN會監控輸入的數據集，以檢測異常情況。如果訓練好的ANN檢測到一個或多個異常點，它還會分析檢測到的異常點，生成異常數據，這些數據可以輸出給用戶和/或用于重新訓練ANN。例如，異常數據可以解釋異常類型或異常原因。
傳統的反向傳播算法和傳統的梯度下降算法可用于訓練神經網絡。梯度下降算法是一種優化算法，用于使可變實值多元函數最小化。梯度下降算法首先初始化參數值，然后進行梯度下降計算，利用數學計算迭代調整參數值，使其損失函數最小化，從而優化神經網絡。反向傳播是計算導數的數學過程，而梯度下降則是利用計算出的導數調整模型參數，使損失函數最小化的過程。反向傳播是一種利用梯度下降對ANN進行監督學習的數學計算方法。只要給定一種ANN和誤差函數，就能用反向傳播計算出相對于神經網絡權重的誤差函數梯度。
異常檢測是一項重要任務，對任何行業都有影響，因為它可以識別偏離預期數據或通常模式的異常數據。例如，入侵檢測系統可以使用所公開的異常檢測方法來改進對惡意網絡數據包的檢測。異常檢測的難點在于系統必須確定正常數據和異常數據之間的界限，并準確地將數據分類為正常數據或異常數據。在接近臨界和基于特定應用領域的情況下，正常數據和異常數據之間的界限可能很難確定。例如，在網絡安全或醫學領域，微小的變化可能會引發異常識別;而在敏感度較低的應用領域，相對較大的偏差可能會被視為正常。此外，惡意行為者可能會試圖將異常情況偽裝成正常活動。與使用傳統方法進行異常檢測相比，本應用提供了使用訓練好的ANN進行快速、準確地識別異常的解決方案。
在某些實施例中，ANN可以檢測網絡中的異常情況，異常情況表明存在潛在的網絡入侵或惡意攻擊。如果ANN檢測到網絡流量中的一個或多個異常，ANN還可以確定檢測到的異常是否與惡意數據包有關。如果檢測到的異常與惡意數據包有關，則ANN可使網絡設備丟棄惡意數據包，并阻止來自惡意數據包發送方的未來流量。通過自動檢測網絡入侵或其他惡意攻擊，本發明可以自動地、積極地修復網絡攻擊，從而增強網絡安全性。在某些實施例中，系統可使用各種檢測技術來檢測潛在惡意網絡數據包和潛在惡意網絡數據包的來源，并可提醒網絡管理員注意潛在問題。系統可通過追蹤操作或使用軟件工具檢測潛在惡意網絡數據包的來源。所披露的系統可檢測網絡入侵并采取補救措施，包括自動丟棄可疑數據包和阻止來自可疑源地址的流量，而無需向網絡管理員發出警報。與傳統的網絡修復解決方案不同，所披露的方法和系統能夠識別惡意網絡數據包并采取修復措施，包括實時丟棄可疑數據包和阻止來自可疑源地址的流量。所披露的系統可根據ANN實時識別的異常情況自動丟棄可疑數據包并阻止來自可疑源地址的流量，從而避免了等待網絡管理員對網絡入侵做出反應所帶來的延遲，提高了網絡安全性。
權利要求
[權利要求 1] 一種用于人工神經網絡 (ANN) 的專用集成電路 (ASIC)，該 ASIC 包含：
以陣列形式組織的多個神經元，其中每個神經元包括寄存器、微處理器和至少一個輸入;以及多個突觸電路，每個突觸電路包括用于存儲突觸權重的存儲器，其中每個神經元通過多個突觸電路之一與至少一個其他神經元連接。
[權利要求 2] 一種使用人工神經網絡(ANN)的方法，包括：
(a) 在計算機上接收連續的訓練數據;
(b) 通過計算機將連續訓練數據離散化，以生成輸入數據;
(c) 計算機根據輸入數據和選定的訓練算法訓練 ANN，以生成訓練好的 ANN，其中選定的訓練算法包括反向傳播算法和梯度下降算法;
(d) 使用訓練好的ANN檢測數據集中的一個或多個異常點;
(e) 使用訓練好的ANN分析一個或多個檢測到的異常，以生成異常數據;
(f) 從訓練好的ANN輸出異常數據。
[權利要求3] 一種使用人工神經網絡(ANN)檢測惡意網絡數據包的方法，包括：
(a) 由計算機訓練，ANN基于輸入數據和選定的訓練算法，以生成訓練好的ANN，其中選定的訓練算法包括反向傳播算法和梯度下降算法;
(b) 使用訓練好的ANN檢測網絡流量中的一個或多個異常點;
(c) 確定至少一個檢測到的異常與一個或多個惡意網絡數據包有關;
(d) 實時檢測與一個或多個惡意網絡數據包相關聯的源地址;
(e) 實時丟棄一個或多個惡意網絡數據包;
(f) 阻止來自源地址的未來流量。
分析
權利要求1適格。
權利要求的解釋：根據最寬泛合理解釋，權利要求的術語被推定為具有與本領域普通技術人員對說明書的解釋一致的常規含義。參見《專利審查操作指南》(MPEP)2111.
該權利要求記載了一種用于人工神經網絡(ANN)的專用集成電路(ASIC)。雖然背景資料解釋說 “人工神經網絡可以通過軟件、硬件或軟件與硬件的組合來實現”，但對權利要求中的人工神經網絡最寬泛合理解釋是需要硬件的，因為權利要求中的ASIC是一種實體電路。
步驟1：適格分析的這一部分評估權利要求是否屬于任何法定類別[4]。參見 MPEP 2106.03.該權利要求記載了一個實現ANN的ASIC。該權利要求關于實體電路，它是一種機器和/或制造物，屬于法定發明類別之一。(步驟1：是)。
步驟2A的分支一：這部分的適格分析評估權利要求是否記載了司法排除對象。正如 MPEP 2106.04 第II小節所解釋的，當司法排除對象在權利要求中被“闡釋”或者“描述”時，該權利要求“記載”了司法排除對象。在該權利要求中沒有記載司法排除對象。該權利要求記載了多個神經元，這些神經元是由寄存器和微處理器組成的硬件組件，以及多個突觸電路，它們共同構成了一個 ANN。該權利要求未涉及任何抽象想法，如數學概念、思維過程，或組織人類活動的方法，如基本經濟概念或人際交往管理[5]。參見 MPEP 2106.04(a)(2)。雖然ANN可以使用數學進行訓練，但權利要求中并沒有記載數學概念。由于該權利要求沒有記載司法排除對象(步驟2A的分支一：否)，因此它與司法排除對象無關(步驟2A：否)。權利要求適格。
權利要求2不合格。
權利要求的解釋：根據最寬泛合理解釋，權利要求的術語被推定為具有與本領域普通技術人員對說明書的解釋一致的常規含義。參見《專利審查操作指南》(MPEP)2111.
步驟(a)和(b)記載了接收連續訓練數據并將其離散化，以生成輸入數據。術語“連續數據”被認為具有其常規含義，即任何被測量的數據，可以具有任意數量的可能值。離散數據的常規含義，正如背景材料第三段所支持的，是指可以計數、數值數量有限、更適合用作訓練數據的數據。
權利要求沒有對如何接收連續數據做出任何限定，但背景材料支持“接收”的常規含義，即包括通過網絡遠程接收數據。該權利要求也沒有限定“離散化 ”的常規含義，正如背景技術中解釋的那樣，離散化包括任何已知的離散化方法，包括二值化和聚類、以及數值離散化，例如對連續數據值進行四舍五入或執行其他可以用思維進行的基本數學計算(見背景技術第三段)。步驟(c)記載了使用選定算法訓練ANN。訓練算法是反向傳播算法和梯度下降算法。如果根據背景技術給出的最寬泛合理解釋，反向傳播算法和梯度下降算法都是數學計算。這些術語的常規含義是優化算法，通過一系列數學計算來計算神經網絡參數。背景技術第四段支持這一常規含義，指出“梯度下降算法首先初始化參數值，然后進行梯度下降計算，利用數學計算迭代調整參數值，使其損失函數最小化”。背景技術還指出，“反向傳播是使用梯度下降法對ANN進行監督學習的一種數學計算方法”。
步驟(a)、(b)和(c)均由計算機執行。所提及的計算機具有較高的通用性，即作為執行通用計算機功能的通用計算機。
步驟(d)記載了使用訓練好的ANN檢測數據集中的一個或多個異常點。該權利要求沒有提供關于訓練好的ANN如何運行或如何進行檢測的任何細節，“檢測”的常規含義包括智力觀察或評估，例如，計算機程序員對數據集異常的智力識別。
步驟(e)包括使用訓練好的人工神經網絡分析一個或多個檢測到的異常，以生成異常數據。分析步驟既包括確定已檢測到異常，也可進一步包括提示異常的類型或原因。“分析”的常規含義包括評估信息，在本權利要求中僅限于評估檢測到的異常，以便由訓練好的ANN生成異常數據。該權利要求并不限定分析(評估)的執行方式，而且檢測到的異常點本身并不限定分析的方式。如背景技術的說明所述，“異常數據可以解釋異常類型或異常原因”。“該權利要求沒有包括任何解釋對檢測到的異常進行分析的額外細節。
關于步驟(f)，輸出異常數據的步驟僅要求使用訓練好的ANN進行通用輸出。權利要求并沒有對數據輸出的方式施加任何限定，也沒有要求使用任何特定的組件來輸出異常數據。
根據權利要求中詞語的本意，對權利要求 2 的最寬泛合理解釋是一種方法，該方法在計算機上接收連續訓練數據，使用計算機使得連續訓練數據離散化以生成輸入數據，使用輸入數據和選定的反向傳播算法和梯度下降算法訓練 ANN，使用訓練好的ANN檢測和分析數據集中的異常，并從訓練好的ANN輸出異常數據。所聲稱的離散化、檢測和分析步驟包括智力選擇或評估;所聲稱的離散化和使用反向傳播算法及梯度下降算法進行的訓練，包括執行數學計算。
步驟1：這部分適格分析評估權利要求是否屬于任何法定類別。參見 MPEP 2106.03.該權利要求記載了至少一個步驟或行為，包括接收連續的訓練數據。因此，該權利要求涉及一種方法，而方法是發明的法定類別之一。(步驟1：是)。
步驟2A分支一：這部分的適格分析評估權利要求是否記載了司法排除對象。正如MPEP 2106.04第II小節所解釋的，當司法排除對象在權利要求中被“闡釋”或“描述”時，權利要求就“記載”了司法排除對象。
如上所述，對步驟(b)、(d)和(e)最寬泛合理解釋是，這些步驟屬于抽象想法中的思維過程類別，因為它們涵蓋了人類頭腦中的概念，包括觀察、評價、判斷和鑒定。參見MPEP 2106.04(a)(2)第III小節。
具體地說，步驟(b)記載了對連續訓練數據進行離散化處理以生成輸入數據的過程，這些過程包括對連續數據進行舍入、二值化或聚類，這些過程可能實際上是在人類頭腦中通過觀察、評估、判斷和鑒定進行的。例如，所聲稱的連續數據離散化包括觀察連續數據和執行評估，例如對連續數據進行四舍五入。步驟 (d) 提及使用訓練好的ANN檢測數據集中的一個或多個異常點。根據說明書最寬泛合理解釋，“檢測”包括在頭腦中實際進行的智力觀察或評估。例如，所聲稱的檢測數據集中的異常包括觀察數據集中的數據，并通過比較異常數據和非異常數據進行評估。步驟(e)包括使用訓練好的ANN分析一個或多個檢測到的異常，以生成異常數據。步驟(e)包括執行評估、判斷和鑒定，以對檢測到的異常情況做出判斷。根據說明書最寬泛合理解釋，“分析”包括通過觀察、評估、判斷和鑒定在人類頭腦中實際執行的思維過程。參見MPEP 2106.04(a)(2)第III小節。
如上所述，對步驟(b)中離散化的最寬泛合理解釋也包括可以在頭腦中進行的數學概念(如數值的四舍五入)。步驟(c)需要具體的數學計算(反向傳播算法和梯度下降算法)來執行ANN的訓練，因此包含數學概念。
“除非一項權利要求明確地記載了不同的排除情況，如自然規律和抽象想法，否則應注意不要將權利要求解析為多種排除情況，尤其是包含抽象想法的權利要求。”MPEP 2106.04第II.B小節。然而，如果可能的話，審查員應將這些限定合在一起作為一種的抽象想法來考慮，而不是作為多種單獨的抽象想法來單獨分析。“例如，在一項權利要求中包含了一系列步驟，這些步驟既記載了思維步驟，也記載了數學計算，審查員應在步驟 2A 的分支一中，將該權利要求確定為同時記載了思維過程和數學概念，以便在審查記錄中清楚地進行分析。” MPEP 2106.04第II.B小節。然而在此情況下，最高法院對此類權利要求的處理方式與記載單一司法排除對象的權利要求相同。出處同上。(在 Bilski 訴 Kappos 案中論述，561 U.S. 593 (2010))。在本案中，步驟(b)、(d)和(e)屬于抽象想法中的思維過程類別，步驟(b)和(c)屬于抽象想法中的數學概念類別。(b)-(e)的限定被一并視為單一的抽象想法而作進一步分析。(步驟 2A的分支一：是)。
步驟 2A分支二：這部分的適格分析評估的是權利要求作為一個整體是否將所記載的司法排除對象融入到排除對象的實際應用中，或者權利要求是否“針對”司法排除對象。這一評估是通過以下方式進行的：(1)確定權利要求中除了司法排除對象之外是否還記載了任何附加元素;(2)對這些附加元素進行單獨評估和組合評估，以確定權利要求作為一個整體是否將排除對象融入[6]到實際應用中。參見MPEP 2106.04(d)。該權利要求記載了以下附加元素：“(a) 在計算機上接收連續的訓練數據”，在限定(d)和(e)中“使用訓練好的 ANN”，以及“(f) 從訓練好的ANN輸出異常數據”。權利要求還提到步驟(b)和(c)由計算機執行。
“(a)在計算機上接收連續的訓練數據”和“(f)從訓練好的ANN輸出異常數據”這兩項限定僅僅是數據收集和輸出的高度概括，因此是解決方案之外的次要行為[7]。見 MPEP 2106.05(g)(“限定是否重要”)。此外，所有使用所記載的司法排除對象，都需要這種數據收集和輸出，因此，這些限定并沒有對權利要求施加任何有意義的限定。這些限定只是必要的數據收集和輸出。參見 MPEP 2106.05.
此外，(a)、(b)和(c)的限定是由計算機執行的。計算機以高度概括的形式記載。在限定(a)中，計算機被用作執行接收數據的通用計算功能工具。參見 MPEP 2106.05(f)。在 (b)和(c)的限定中，計算機被用來執行一種抽象想法，如上步驟 2A的分支一中所述，因此，它只不過是對使用通用計算機應用排除對象的指示。參見MPEP 2106.05(f)。
在(d)和(e)的限定中記載了“使用訓練好的ANN”，這只不過是指示在通用計算機上實現一種抽象想法。參見 MPEP 2106.05(f)。MPEP 2106.05(f)提供了以下考慮因素，用于確定一項權利要求是否僅僅是以“應用它”(或等同于“應用它”)的措辭記載了司法排除對象，例如僅僅是指示在計算機上實現抽象想法：(1) 權利要求是否僅僅記載了解決的想法或者后果，即權利要求沒有記載如何實現問題解決方案的細節;(2) 權利要求是否僅僅將計算機或其他機器作為執行現有程序的工具;(3)司法排除對象應用的特殊性或者普遍性。
司法排除對象“使用訓練好的ANN檢測數據集中的一個或多個異常點”和“使用訓練好的ANN分析一個或多個檢測到的異常點以生成異常數據”，運用了“使用訓練好的ANN”。訓練好的ANN被泛泛地用于對抽象想法的應用，而沒有對訓練好的ANN如何發揮作用作出任何限定。相反，這些限定只記載了“檢測一個或多個異常點”和“分析一個或多個檢測到的異常點”的結果，并沒有包括如何完成“檢測”和“分析”的任何細節。參見MPEP 2106.05(f)。
在(d)和(e)的限定中對“使用訓練好的ANN”的記載，也僅僅表明了運用司法排除對象的使用領域或技術環境。雖然“使用訓練好的ANN”這一附加元素，對于所確定的司法排除對象“使用訓練好的ANN檢測數據集中的一個或多個異常點”和“使用訓練好的ANN分析一個或多個檢測到的異常點以生成異常數據”產生限定，但這種限定形式僅僅是將抽象想法的使用限定在特定的技術環境(神經網絡)中，因此未能為權利要求添加發明構思。參見MPEP 2106.05(h)。
即使綜合來看，這些附加元素也沒有將所記載的司法排除對象融入實際應用中(步驟2A分支二：否)，因此權利要求是針對司法排除對象的。(步驟2A：是)。
步驟2B：這部分的適格分析評估的是，權利要求作為一個整體是否明顯超過所記載的排除對象，即是否有任何附加元素或附加元素的組合為權利要求添加發明構思。參見 MPEP 2106.05.
正如對步驟2A分支二所解釋的那樣，有四個附加元素。在(d)和(e)的限定中，“使用訓練好的ANN”這一附加元素最多不過是指示“應用”抽象想法，不能提供發明構思。參見MPEP 2106.05(f)。
在步驟2A分支二中，附加元素(a)和(f)都被認定為解決方案之外的次要行為，因為它們被認定為必要的數據收集和輸出，并非重要的限定。然而，在步驟 2A分支二中得出的附加元素是解決方案之外的次要行為，這一結論還應在步驟2B中重新評估。見MPEP 2106.05.I.A小節。在步驟2B中，對于解決方案之外的次要行為的評估，要考慮到該解決方案之外的行為是否為該領域中熟知、常規而普遍的。參見MPEP 2106.05(g)。
如上步驟 2A分支二所述，“(a)接收連續的訓練數據”和“(g)從訓練好的ANN輸出異常數據”的記載具有高度的概括性。這些內容相當于通過網絡接收或傳輸數據，是熟知、常規而普遍的行為。參見MPEP 2106.05(d)第II小節。
正如上述步驟2A分支二所討論的，對計算機執行(a)、(b)和(c) 限定的記載不過是簡單指示使用通用計算機組件應用排除對象。
即使綜合考慮，這些附加元素也僅僅是指示在計算機上實現抽象想法或其他排除對象，以及解決方案之外的次要行為，并沒有提供發明構思。(步驟2B：否)。
權利要求3適格。
權利要求的解釋：根據最寬泛合理解釋，權利要求的術語被推定為具有與本領域普通技術人員對說明書的解釋一致的常規含義。參見《專利審查操作指南》(MPEP)2111.
步驟(a)記載了“……訓練，ANN基于輸入數據……以生成訓練好的 ANN。”權利要求中記載了使用反向傳播算法和梯度下降算法進行訓練。當以最寬泛合理解釋的角度來看公開的內容，反向傳播算法和梯度下降算法都是數學計算。這些術語的通常含義是通過一系列數學計算來計算神經網絡參數的優化算法。背景技術第四段中支持了這一通常含義(“梯度下降算法首先初始化參數值，然后進行梯度下降計算，利用數學計算迭代調整參數值，使其損失函數最小化”)。限定(a)也記載了是由計算機執行的。所記載的計算機具有高度通用性。
步驟(b)提到“使用訓練好的ANN檢測網絡流量中的一個或多個異常點”。該權利要求沒有提供關于訓練好的ANN如何運行或如何進行檢測的任何細節，而“檢測”的常規含義包括智力觀察或評估(例如，計算機程序員對數據集中異常的智力識別)。
步驟(c)提到 “確定至少一個檢測到的異常與一個或多個惡意網絡數據包有關”。根據最寬泛合理解釋，這一步只要求將檢測到的異常與惡意網絡數據包相關聯。這一步并不要求使用任何特定的程序或組件將檢測到的異常與一個或多個惡意網絡數據包關聯起來。
步驟(d)進一步提到 “實時檢測與一個或多個惡意網絡數據包相關聯的源地址”。對 “實時檢測與一個或多個惡意網絡數據包相關聯的源地址”最寬泛的合理解釋是，檢測是一種高度概括描述的計算機功能。具體而言，背景技術第六段指出，計算機可以通過追蹤操作或使用軟件工具來執行檢測。
步驟(e)和(f)進一步說明了為補救或防止網絡入侵而執行的補救操作。所要求的(e)步驟，自動丟棄一個或多個惡意軟件。(f)步驟阻止來自源地址的未來流量，提供了具體的計算機解決方案，該方案利用ANN的輸出為檢測到的異常情況提供安全解決方案。如背景技術第六 段所述，該系統可“自動”丟棄惡意網絡數據包并阻止未來流量，而無需網絡管理員采取任何行為。相反，ANN可以判斷網絡數據包是否可能是惡意的，并采取行動丟棄惡意網絡數據包和阻止未來的流量。
步驟1：這部分的適格分析評估權利要求是否屬于任何法定類別。參見MPEP 2106.03.該權利要求記載了一系列步驟，因此是一種方法。參見 MPEP 2106.03(步驟 1：是)。
步驟2A分支一：這部分適格分析評估了權利要求是否記載了司法排除對象。正如 MPEP 2106.04 第 II 小節所解釋的，當司法排除對象在權利要求中被“闡釋”或“描述”時，權利要求即“記載”了司法排除對象。
步驟(a)規定使用特定的數學計算(反向傳播算法和梯度下降算法)來執行ANN的訓練，因此包含了數學概念。
如上所述，對步驟(b)和(c)的最寬泛合理解釋是，它們屬于抽象想法中的思維過程類別，因為它們涵蓋了人類思維中運行的概念，包括觀察、評估、判斷和鑒定。參見MPEP 2106.04(a)(2)第III小節。
具體來說，“檢測網絡流量中的一個或多個異常點”是一個思維過程，因為所要求的檢測是由人觀察網絡流量數據并使用“評估、判斷和鑒定”來檢測是否出現異常點，從而使在人的思維中實際運行的過程。“確定至少一個檢測到的異常情況與一個或多個惡意網絡數據包相關聯”只要求將檢測到的異常情況與上述惡意網絡數據包相關聯。該權利要求記載的限定屬于抽象想法中的思維過程類別。
“除非清楚地表明權利要求中包含了不同的排除對象，如自然規律和抽象想法，否則應注意不要將權利要求解析為多個排除對象，特別是在涉及抽象想法的權利要求中。”MPEP 2106.04.第 II.B 小節(在Bilski 訴 Kappos 案中論述，561 U.S. 593 (2010))。此處，步驟 (a) 記載了一個數學概念，步驟 (b) 和 (c) 記載了思維過程;因此，權利要求 3 記載了多種抽象想法。正如上文關于權利要求 2 的討論一樣，在本案中，適合將這些限定作為一種單一的抽象想法來考慮，而不是作為多個單獨的抽象想法來單獨分析。在(d)-(f)的限定中沒有記載思維過程，因為它們無法在人腦中實際執行。也就是說，人腦不具備檢測與惡意網絡數據包相關的源地址、實時丟棄惡意網絡數據包并阻止未來流量的能力。參見MPEP 2106.04(a)(2)第III.A小節(在SRI Int'l, Inc.訴Cisco Systems, Inc., 案例中討論，930 F.3d 1295. 1303 (Fed. Cir. 2019))。由于步驟(a)和步驟(b)-(c)屬于抽象想法的不同類別(即分別屬于數學概念和思維過程)，這些限定被視為單一的抽象想法進行進一步分析。(步驟 2A分支一：是)。
步驟2A分支二：這部分的適格分析評估的是權利要求作為一個整體是否將所記載的司法排除對象融入排除對象的實際應用中。這一評估是通過以下方式進行的：(1)確定權利要求中除了司法排除對象之外是否還記載了任何附加元素;(2)對這些附加元素進行單獨和組合評估，以確定權利要求作為一個整體是否將排除對象融入實際應用中。參見 MPEP 2106.04(d)。
確定與實際應用相結合的一種方法是，當權利要求的發明改進了計算機的功能或改進了另一項技術或技術領域時。要評估對計算機或技術領域的改進，說明書必須闡明對技術的改進，而權利要求本身必須反映所披露的改進。參見 MPEP 2106.04(d)(1) 和 2106.05(a)。
權利要求記載了“(d) 檢測與一個或多個惡意網絡數據包相關聯的源地址”、“(e) 丟棄一個或多個惡意網絡數據包”和“(f) 阻止來自源地址的未來流量”等附加元素。權利要求還記載了(a)由計算機執行。
在限定(a)中，計算機被用來執行一種抽象想法，如上述步驟 2A分支一中所討論的，因此它只不過是指示使用通用計算機應用排除對象。參見 MPEP 2106.05(f)。在限定(b)中，使用訓練好的ANN并沒有將限定(b)中的抽象想法融入實際應用中，原因與上述在權利要求 2 的限定(d)中解釋的類似。此外，對“網絡流量”的記載將限定(b)中記載的抽象想法與特定的使用領域泛泛地聯系起來。參見MPEP 2106.05(h)。
在考慮權利要求作為一個整體是否包含對計算機或技術領域的改進時，需要對說明書和權利要求進行評估，以確保說明書中提供了對所聲稱改進的技術解釋，且權利要求反映了所稱改進。參見 MPEP 2106.04(d)(1)。根據背景技術部分，現有系統使用各種檢測技術來檢測潛在的惡意網絡數據包，并可提醒網絡管理員注意潛在的問題。所披露的系統可檢測網絡入侵并采取實時補救措施，包括丟棄可疑數據包和阻止來自可疑源地址的流量。背景技術部分進一步解釋說，所披露的系統通過實時行動來主動防止網絡入侵，從而增強了安全性。
所要求保護的發明反映了網絡入侵檢測技術領域的這一改進。步驟(d)-(f)表達了提升的網絡安全，利用檢測到的信息，通過檢測與潛在惡意數據包相關的源地址，主動采取措施補救危險，從而增強安全性。具體來說，權利要求在步驟(d)中反映了改進，在步驟(e)中丟棄潛在惡意數據包，在步驟(f)中阻止來自源地址的未來流量。這些步驟反映了背景技術中描述的改進。因此，權利要求作為一個整體將司法排除對象融入實際應用中，權利要求并不針對司法排除對象。
當綜合考慮步驟(d)-(f)中的附加元素時，由于權利要求改善了計算機或技術領域的功能，因此將抽象想法融入實際應用。參見MPEP 2106.04(d)(1)和2106.05(a)。要求保護的發明反映了網絡入侵檢測技術領域的這種改進。因此，該權利要求作為一個整體將司法排除對象融入實際應用(步驟2A分支二：是)，所以該權利要求并非針對司法排除對象。(步驟2A：否)。該權利要求適格。
注釋：
* 本文翻譯自《July 2024 Subject Matter Eligibility Examples》，來源美國專利商標局官網，https://www.uspto.gov/patents/laws/examination-policy/subject-matter-eligibility。
[1]“2106”是《美國專利審查操作指南》(MPEP)第21章(2100)“可專利性”下轄的一級小節編號，由3-4位數字組成;由于“2106”的實際含義是第21章第06節，而非從“1”開始的連續序列編號，因此不譯作“第2106節”。二級小節是在一級小節后用“.”連接兩位數字，如2106.04;三級小節再添加一個字母，如2106.04(a);四級小節進一步添加一位帶括號的數字，如2106.04(a)(1)。每章節內的具體行文如需細分，則統一用羅馬數字和大寫字母構成的二級編號體系區分定位。以下腳注均為譯者撰寫。
[2]客體判斷示例1-46已于2014.12.16至2019.10.17期間在美國專利商標局官網陸續頒布。具體訪問網址https://www.uspto.gov/patents/laws/examination-policy/subject-matter-eligibility
[3]“可專利性”除101條的專利適格外，主要還包括102條的新穎性，103條的非顯而易見性和112條的清楚、支持及能夠實現。
[4]法定類別是指美國法典第35編(即專利法)101條中明文允許的四種發明主題：方法，機器，制造物和組合物。
[5]在MPEP 2106.04(a)(2)中定義了抽象想法(abstract idea)包括數學概念(mathematical concept)、思維過程(mental process)和組織人類活動的方法，其中組織人類活動的方法又進一步包括基本經濟概念、人際交往管理等。
[6]原文表述為integrate…into，意思是權利要求中的“司法排除對象”(judicial exception)(如抽象想法)和“附加元素”(additional elements)緊密結合，一體化地產生實際應用，因此譯為“融入”。
[7]原文表述為insignificant extra-solution activity，是MPEP中自定義的一個術語，表示與發明構思相關度較低的技術特征。
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：中國政府網、百度百科、搜狗百科、360百科、最高人民法院、知乎、市場監督總局 、國家知識產權局、國家商標局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
