新闻详情

新闻详情

首页 / 资讯中心 / 详情

软件著作权登记材料清单:五类高频退件原因与自查顺序

发布时间:2026/11/4 8:36:24来源:尧图网络
软件著作权登记材料清单:五类高频退件原因与自查顺序
给 APP 上架、投标、报项目、维权取证软件著作权登记几乎是绕不开的一步。但对第一次办的人来说材料这一关退回来的概率不低。这篇把通用材料清单和五类高频退件原因一次讲清最后给一个自查顺序。先说清楚一个前提下面列的是通用框架具体清单以中国版权保护中心现行要求为准不同软件类型、不同版本情况会有差异。**一、主体与权属文件**申请人身份证明企业提交营业执照个人提交身份证明。委托他人办理的还需要提交委托书或者权属约定文件。这一块最容易忽略的是权属两个字软件不是你写的就自然是你的。委托开发、合作开发、职务开发三种情形权属归属规则各不相同需要提供对应的约定文件。转让取得的要附转让合同。**二、源程序**通行要求是提交前、后各连续三十页每页不少于五十行全部程序不足六十页的提交全部源程序。注意连续二字。很多退件就出在这里交的不是连续的三十页而是从头挑一段、从尾挑一段再从中间挑一段拼接痕迹一眼就能看出来。**三、文档**设计说明书、使用说明书、操作手册一般任选其一提交。文档的作用是让审查员能看懂这个软件是做什么的、怎么运作的。**四、登记信息**软件全称与简称、版本号、开发完成日期、首次发表日期以及开发环境说明硬件环境、软件环境、编程语言、源程序量、开发目的与面向领域。**五、五类高频退件原因**结合实务里最常见的情形退件大多落在这五类1. 源程序不达标。页数不足、每页行数不够、前后三十页不连续。2. 软件名称不规范。全称与简称雷同、把版本号写进名称、名称里含他人商标或专利名称。3. 开发日期矛盾。开发完成日期晚于首次发表日期或者早于公司成立日期——后一种在法人申请时特别容易被质疑公司还没成立软件是怎么开发出来的4. 权属链缺失。委托、合作、职务开发没有提供权属约定文件权属说不清。5. 文档与源程序不符。文档里描述的模块、界面跟提交的源程序对不上。**六、建议的自查顺序**按这个顺序过一遍能拦下绝大多数退件第一查日期开发完成日期、首次发表日期、公司成立日期三者是否自洽第二查名称全称、简称、版本号是否符合规范有没有蹭别人的商标第三查源程序是否连续、行数够不够第四查文档内容与源程序是否对应第五查权属委托、合作、职务、转让每一层关系都有没有书面文件。**最后一句**登记这件事本身不难难的是材料背后的权利关系和时间线。把这两件事在提交前理顺比退件之后来回补材料省事得多。下一篇讲开源协议MIT、GPL、Apache 到底能不能商用。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉