Loading...

법적리스크

2 Contents
최신순

저작권 소송에서 오픈소스의 지위와 쟁점

소프트웨어 저작권 소송에서 오픈소스는 매우 독특하고 중요한 위치를 차지합니다. 실제 2007년의 한 판례를 살펴보면, 신청인 회사가 자사 소프트웨어를 복제한 피고를 상대로 소송을 제기했으나 법원은 저작권 침해를 인정하지 않았습니다. 그 이유는 소스코드 비교 과정에서 오픈소스와 같이 누구나 사용할 수 있는 공통적인 부분을 적절히 여과하지 않았기 때문입니다. 즉, 전체적인 유사도가 높더라도 보호받아야 할 핵심 코드를 따로 분리하여 비교하지 않는다면 법적으로 침해를 인정받기 어렵다는 점을 시사합니다. 저작권 침해 여부를 판단하는 과정은 크게 세 단계의 엄격한 절차를 거칩니다. 첫째는 해당 프로그램이 법적으로 보호받을 가치가 있는 저작물인지 확인하는 저작물성 확인 단계이고, 둘째는 피고가 원고의 코드를 실제로 베꼈는지 확인하는 의거성 단계입니다. 마지막 셋째 단계는 베낀 정도가 법적 처벌을 받을 만큼 실질적 유사성을 갖는지를 따지는 실질적 유사성 판단 단계입니다. 이 과정에서 가장 핵심적인 사실은 단순히 코드를 베꼈다는 행위만으로 침해가 성립하는 것이 아니라, 법적 기준을 충족하는 '양'과 '질'이 담보되어야 한다는 점입니다. 실질적 유사성을 판단할 때 거치는 핵심 절차는 '여과(Filtration)' 과정입니다. 이는 전체 소스코드에서 저작권 보호 대상이 아닌 부분들을 여과하는 작업으로, 오픈소스나 자동 생성 코드, 표준적인 알고리즘, 주석 등이 여기에 해당합니다. 전 세계적으로 활용되는 판단 모델에서도 이러한 여과 과정을 거친 후 남은 '핵심 표현'만을 가지고 비교할 것을 강조하고 있습니다. 만약 이 과정이 부실하게 이루어지면 오픈소스까지 원고의 독창적인 창작물로 오인되어 판결의 공정성을 해칠 위험이 발생하게 됩니다. 재판 실무에서는 유사한 정도를 수치화한 '정량적 유사도'를 중요한 참고 자료로 활용합니다. 하지만 정량적 유사도가 높다고 해서 반드시 저작권 침해인 것은 아닙니다. 정량적 유사도는 질적인 가치를 숫자로 치환한 것일 뿐, 법적인 실질적 유사성과는 차이가 있기 때문입니다. 또한 정량적 유사도를 산출하는 방식에 따라 결과값이 천차만별로 달라질 수 있다는 점도 유의해야 합니다. 라인 단위로 계산하느냐, 모듈 단위로 분석하느냐에 따라 동일한 대상이라도 전혀 다른 수치가 도출될 수 있어 법률 전문가의 전략적인 대응이 필요합니다. 최근 오픈소스 사용이 보편화되면서 저작권 소송에서의 입증은 더욱 복잡해지고 있습니다. 오픈소스를 대거 활용한 프로그램의 경우, 이를 모두 여과하고 나면 프로그램의 유기적인 구조만 남게 되어 저작물성을 인정하기 모호해지는 정책적 고민도 존재합니다. 따라서 개발 단계에서부터 어떤 오픈소스를 사용했는지 명확한 오픈소스 사용 명세서(SBOM)를 관리하는 것이 무엇보다 중요합니다. 철저한 기록 관리가 뒷받침되지 않는다면, 소송 과정에서 자신의 권리를 제대로 보호받지 못하거나 상대방의 면피 수단으로 악용될 소지가 있습니다.

저작권 소송에서 오픈소스의 지위와 쟁점
한국전자통신연구원오픈소스 테크데이
  • 공학·기술

[EOST2023] Generative AI로 촉발된 오픈소스 라이선스 이슈

오픈소스는 현대 소프트웨어 개발의 핵심적인 패러다임으로 자리 잡았습니다. 리눅스에서 시작된 오픈소스의 흐름은 모바일과 클라우드를 거쳐 현재 인공지능 시대를 점령하고 있습니다. 블록체인, IoT, 6G 네트워크 등 최신 ICT 기술 대부분이 오픈소스를 기반으로 발전하고 있으며, 이는 개발의 효율성을 극대화하는 장점을 제공합니다. 그러나 오픈소스는 단순히 무료로 코드를 사용하는 것이 아니라, 라이선스에 명시된 의무 사항을 준수해야 하는 법적 구속력을 가집니다. 이를 위반할 경우 심각한 소송으로 이어질 수 있기에 컴플라이언스의 중요성이 날로 커지고 있습니다. 특히 생성형 AI의 등장은 이러한 오픈소스 환경에 새로운 법적 도전 과제를 던지고 있습니다. 생성형 AI는 방대한 데이터를 학습하여 새로운 결과물을 창조해내는 특성을 가지고 있습니다. 이 과정에서 학습 데이터의 품질과 양이 생성물의 성능을 좌우하게 되는데, 여기서 저작권 문제가 발생합니다. AI 모델의 알고리즘 자체는 소스코드 라이선스의 영역이지만, 학습에 사용되는 데이터와 그 결과물은 저작권법의 보호를 받는 저작물인 경우가 많기 때문입니다. 기존의 오픈소스 라이선스 체계가 소스코드의 복제와 배포를 중심으로 설계되었다면, 생성형 AI 시대에는 학습 데이터의 출처와 사용 권한, 그리고 생성된 결과물의 저작권 귀속 문제까지 복합적으로 고려해야 합니다. 이는 개발자와 기업 모두에게 기존보다 훨씬 정교하고 확장된 법적 검토를 요구하는 변화라고 할 수 있습니다. 실제 사례로 스테이빌리티 AI와 게티 이미지 간의 소송을 들 수 있습니다. 게티 이미지는 스테이빌리티 AI가 자사의 저작권 있는 이미지 1,200만 개를 무단으로 학습에 사용했으며, 생성된 결과물에서 자사의 상표가 왜곡되어 노출됨으로써 브랜드 가치가 훼손되었다고 주장했습니다. 특히 학습에 사용된 데이터셋의 메타데이터는 자유롭게 이용할 수 있더라도, 개별 이미지에 대한 저작권은 별도의 협의가 필요하다는 점이 쟁점이 되었습니다. 이는 오픈 데이터셋을 활용할 때 데이터의 수집과 이용 단계에서 발생할 수 있는 저작권 침해 리스크를 명확히 보여줍니다. 상업적 목적으로 AI 서비스를 운영하는 기업들은 학습 데이터의 라이선스 범위를 더욱 엄격하게 관리해야 할 필요가 있습니다. 코드 생성 도구인 깃허브 코파일럿과 체스 엔진 스톡피쉬의 사례도 주목할 만합니다. 코파일럿 소송에서는 AI가 생성한 코드가 원저작자의 고지 및 공개 의무를 준수하지 않았다는 점이 주요 쟁점으로 다뤄지고 있습니다. 한편, 스톡피쉬와 체스베이스의 분쟁은 오픈소스 라이선스 위반이 AI 모델의 핵심인 가중치의 공개 여부로까지 확장된 사례입니다. 스톡피쉬 측은 독점 라이선스로 배포된 경쟁 제품이 자사의 GPL 라이선스를 위반했다고 주장하며 법정 공방 끝에 합의를 이끌어냈습니다. 이는 AI 모델의 가중치를 소스코드의 일부로 볼 수 있는지에 대한 논의를 촉발했으며, 기존 소스코드 중심의 오픈소스 라이선스가 AI 구성 요소 전반으로 확장될 수 있음을 시사합니다. 현재 세계 각국은 인공지능 기본법을 제정하며 AI 기술의 투명성과 책임성을 강화하는 추세입니다. 우리나라도 가이드라인을 통해 AI 학습용 데이터 수집과 저작권 보호 사이의 균형을 맞추기 위한 논의를 지속하고 있습니다. 데이터의 공정 이용 규정을 두어 기술 발전을 도모하자는 의견과 창작자의 권리를 엄격히 보호해야 한다는 주장이 팽팽하게 맞서고 있는 상황입니다. 앞으로의 오픈소스 컴플라이언스는 단순한 코드 검증을 넘어, 학습 데이터의 저작권과 생성물의 법적 책임까지 포괄하는 넓은 관점으로 진화해야 합니다. 아직 명확한 법적 판결이 나오지 않은 과도기인 만큼, 지속적인 트렌드 분석과 관찰을 통해 변화하는 기술 환경에 유연하게 대응하는 자세가 필요합니다.

[EOST2023] Generative AI로 촉발된 오픈소스 라이선스 이슈
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술