A5考题20250228_在线真题试卷与模拟练习_A5考题20250228_考试宝

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 0 / 0

随机练习 自定义设置练习量

题型乱序 按导入顺序练习

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

下列各项内容哪个选项属于专利法第5条规定的不授予专利权的范围：（2分）

以下保护的客体，不符合法5条的规定的是: （2分）

专利法第5条第1款规定，对违反法律、社会公德或者妨害公共利益的发明创造，不授予专利权。下列各项中，能被授予专利权的对象是: （2分）

以下可被授予专利权的是？（2分）

下面哪些是属于妨害公共利益的发明创造：（3分）

以下哪些发明创造因为违反国家法律而不能被授权：（3分）

下列关于专利法第五条规定的说法正确的有：（3分）

如下哪些由于违反社会公德而不能被授予专利权？（3分）

下列哪些发明或实用新型专利申请因不具备实用性而不能被授权：（3分）

以下权利要求所要求保护的发明创造，哪些属于发明专利保护的客体？（3分）

只要法律禁止发明创造的产品的生产、销售或使用，则该产品本身及其制造方法就属于专利法第五条所称违反法律的发明创造。（3分）

说明书摘要是说明书记载内容的概述，不具有法律效力，因此，专利法第五条的审查对象不包括说明书摘要。（3分）

利用禁止入药的毒性中药材完成的发明，经过炮制或配伍以后，符合用药安全的，可以被授予专利权。（3分）

以下案例是否违反专利法第5条的规定？权利要求： 1.一种无人驾驶汽车伦理行为的确定方法，其特征在于，包括：获取两个车道上的障碍物特征数据；将障碍物特征数据输入至伦理决策模型中，确定无人驾驶汽车的伦理行为，所述障碍物特征数据包括：无人驾驶汽车与车道上障碍物之间距离、无人驾驶汽车当前运动速度、障碍物当前运动速度、障碍物类型、障碍物外部特征；其中，所述障碍物外部特征包括：高矮、胖瘦、黑白、性别、年龄、数量、身份、价值；其中，当两个车道上的障碍物为两个不同类型的障碍物时，所述伦理决策模型的确定包括：根据多组两个车道上的障碍物特征数据，获得各障碍物特征数据的正向激励数量的统计结果；根据两个车道上的障碍物特征数据对应的正向激励数量的统计结果，确定无人驾驶汽车的伦理行为；其包括：当第一个车道上正向激励多的障碍物特征数据数量大于第二个车道上正向激励多的障碍物特征数据数量时，将第一个车道作为无人驾驶汽车被保护对象，将第二个车道作为无人驾驶汽车被碰撞对象；当两个车道上的障碍物为两个同类型的障碍物时，所述伦理决策模型的确定还包括：通过人类伦理判断标准，对无人驾驶汽车的伦理行为的正误进行判断，若无人驾驶汽车的伦理行为正确时，则对被保护对象的障碍物特征数据进行正向激励、并对对应的正向激励数量加1，及对被碰撞对象的障碍物特征数据进行负向激励、并对对应的正向激励数量减1；重新统计、并更新所述伦理决策模型中各障碍物特征数据的正向激励数量的统计结果。说明书：无人驾驶伦理决策系统，根据以往特征的统计结果，比如，对于高矮特征来说，若以往统计结果，选择高的人进行碰撞的正向激励多于矮的人作为碰撞的正向激励，则这次无人驾驶将选择高的人作为碰撞物。而对于胖瘦特征来说，根据以往统计结果，选择瘦的人进行碰撞的正向激励少于胖的人作为碰撞的正向激励，则这次将会选择胖的人作为碰撞物。对于黑白特征来说，根据以往统计结果，选择皮肤白的人进行碰撞的正向激励少于黑的人进行碰撞的正向激励，则无人驾驶汽车这次将选择白的人作为被保护对象。假如这次两个车道上人，一个人高瘦黑，另一个人相对来说，矮胖白，则前者作为碰撞物的正向激励特征有两个，分别为高和黑；而后者只有一个特征：胖，根据正向激励的特征多的原则，则这次选择前者作为碰撞物，进行车道选择决策。（5分）

以下案例是否违法专利法第5条的规定？发明名称:一种基于需求量的酒店客房定价方法及系统权利要求： 1.一种基于需求量的酒店客房定价方法，其特征在于，包括： S1.获取潜在需求量以及价格敏感度； S2.根据所述潜在需求量以及价格敏感度，计算线下预订需求量、线上预订需求量和总需求量； S3.建立酒店收入最优定价模型，将线下预订需求量、线上预订需求量、总需求量与客房总量对比分析，得到不同情况对应的定价方法：若客房总量大于总需求量，则降低线上预订方式客房定价；若客房总量大于线下预订需求量，且客房总量小于总需求量，则根据情况分配对应客房数以线下预订方式客房定价的价格提供给消费者线上预订；若客房总量小于线下预订需求量，则全部采用线下预订方式。在判断酒店定价策略时，研究消费者的价格消费心理，了解消费者价格敏感度的影响因素，能够使企业在营销活动中掌握更多的主动权，也更具有实际意义。定价策略的重点在于两个方面：第一、获知当前酒店的需求量，即旅客通过网络、电话或现场对酒店客房的预订量。第二、获取价格对酒店需求量的影响，即该数值反应了旅客对获取酒店客房资源的意愿程度。如果当前酒店需求量很高，即使原价发售也会有旅客预定，那么就可以适当提高原价房的比例，甚至将所有的房源都设置成原价房。如果当前旅客对于酒店客房资源并无太高的需求量，则可以增加折扣房，甚至是非盈利房的比例，以此刺激当前旅客的客房需求量。实施例通过分析酒店客房销售历史数据中不同折扣率对应客户的需求程度，建立起价格折扣力度和客户对价格的敏感度之间的关系，通过构建酒店客房线下预订和线上预订收益模型，得出最优定价方法，使得酒店利益最大化。（5分）

以下案例是否违反专利法第5条的规定？申请名称:一种基于决策树的侧信道模板攻击方法权利要求：1.一种基于决策树的侧信道模板攻击方法，其特征在于，包括以下步骤：（1）模板构建 …… （2）模板匹配 …… 说明书：本发明属于密码算法分析检测技术领域，更为具体地讲，涉及一种基于决策树的侧信道模板攻击方法。侧信道模板攻击是一种非常强有力的侧信道攻击方式。侧信道模板攻击分为两个阶段：模板构建和模板匹配。其中，模板构建阶段最重要的是特征提取。目前常见的特征提取方法有相关系数法、SOSD(Sum Of Squared pairwise Difference)、主成分分析(PCA)。其中，相关系数法是基于汉明重量的大小与能量消耗呈相关性，但提取出的特征存在很大冗余性，很多点相关系数很大，但这些点自身的线性相关容易造成模板攻击中矩阵的数值问题；SOSD通过把不同汉明重量的点分类，计算差的平方和来提取差异大的点，缺点与相关系数法类似；PCA能够压缩能量迹，同时保留重要的点，但缺点是特征点与能量消耗的相关性会减弱。本发明的目的在于克服现有技术的不足，提出一种基于决策树的侧信道模板攻击方法，以很好地提取特征，同时，提高模板匹配效果，从而提高攻击成功率。基于决策树的侧信道模板攻击方法，首先采集能量迹，建立能量消耗矩阵U，构建决策树模型，选择从根节点至叶节点出现的特征，然后根据选择的特征对能量消耗矩阵U进行抽取，建立能量消耗矩阵T，再根据对应明文与密钥，选择密码算法关键点的函数建立汉明重量列向量H，以能量消耗矩阵T为输入、汉明重量列向量H为输出，构建模板，从而很好地提取了特征，最后，采集随机明文、固定密钥的能量迹，引入映射的匹配策略，得到密钥，从而提高了模板匹配效果，进而提高了攻击成功率。

（5分）

1