京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国尝试用大数据保护知识产权
法国的一家知识产权博物馆正准备收录中国电子商务平台阿里巴巴的打假经验,记录真与假的博弈在互联网时代的印记。
据23日在杭州召开的“阿里巴巴网络交易平台打假工作汇报会”披露,在原有打假手段之外,中国的电子商务平台正在尝试联合政府相关部门、品牌商等,利用大数据保护知识产权,并计划在时机成熟时定期公布“线下假货分布及流通地图”。
近年来关于网上售假的争议不断。线下制假线上售假、知假买假,成为中国电子商务市场难以回避的问题。
“但是在电子商务平台上,每一笔交易、每一个售假者都有迹可循,互联网可以成为打击制假售假的有力工具。”阿里巴巴集团首席风险官邵晓锋说。
阿里巴巴方面23日称,阿里在15年的摸索中,逐渐探索出一套基于互联网的大数据打假。通过智能图像识别、数据抓取与交叉分析、智能追踪、大数据建模系统等技术,将假货从10亿量级的在线商品中捞取出来,支持多达60个维度的组合条件筛选,每天消息处理量2亿条以上。
至于如何利用大数据打假,邵晓锋介绍说,线上的商品、商家背后对应的自然人,网购平台可以基于大数据建立各种模型,对商家和交易行为进行实时监控。售假的商家和正常商家在定价、图片使用、商品上架时间等方面都有不同,经过复杂的大数据运算,发现异常交易,再进行人工判定。
而对于开店人的身份验证也在从“实名认证”向“实人认证”迈进。目前正在开发人脸和声纹特征数据库——网店注册者打个电话进来验证,后台能鉴别你是不是过去开店卖过假货的某个人。
根据阿里巴巴最新披露的数据,今年前三季度,阿里巴巴平台上发现有问题并下架的侵犯知识产权商品约9000万件,其中600多万件是来自消费者和权利人投诉,其余90%是基于这套大数据体系和进一步的人工排查发现的。
不过对于网购平台来说,打假的难点在于:尽管电子商务平台有大量数据、信息,但平台本身没有执法权。大数据打假体系必须有国家相关部门打通协作。
去年以来,包括阿里巴巴在内的电商平台与公安、质监等部门建立了协作机制,线上线下联动打假。例如,公安部门会把线下打假的情况反馈给阿里巴巴,进行线上核查;阿里把线上的打假信息汇聚起来,作为线索和情况反馈移交公安机关。
今年4月,上海公安在侦办“假冒运动鞋案”时,与阿里巴巴共同努力,通过嫌疑人的账户交易数据、物流发货信息等进行交叉对比分析,掌握了整个假货生产销售体系的数据信息,一举捣毁了这个以福建莆田为生产源头,经销网络涉及多地的生产销售假冒品牌运动鞋的犯罪团伙,涉案总价值达2150余万元。
一周前公布的《2014淘宝联动警方打假报告》显示,今年淘宝与公安机关展开了紧密的联合行动,截至12月初共破获18个集群案件,端掉200多个制售假窝点,抓获犯罪嫌疑人近400人。
网购平台的大数据甚至勾画出一套中国“售假区域图”,为执法部门提供线索参考。根据淘宝数据分析,近9成网上售假团伙来自十个区域,前三大区域分布在珠三角、长三角、东南等地,且体现出制假售假集中的特点。比如,6成以上的假冒饰品手表案件发生在华南地区、6成以上的运动户外假货来自东南地区。
致力于打假的网购平台不止阿里巴巴一家。今年5月,微信宣布启动新一轮“雷霆行动”打击假货,专门针对微信公众账号和朋友圈中的假冒商品、假冒海外代购,进行大规模清理。10月底,京东宣布与供应商和卖家代表签署联合承诺书,做出“杜绝假冒伪劣、真实让利回馈消费者、全程优质服务”的承诺。
“说到底,打假的本质是市场信用体系建设的问题。利用大数据开启打假新时代,在保护商业秘密和消费者隐私基础上的信息公开与共享,打假需要引入社会共治的理念。”全国打击侵犯知识产权和制售假冒伪劣商品工作领导小组办公室副主任柴海涛说。CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19