阿里妈妈是如何做品牌风险管理的

欢迎关注：阿里妈妈技术公众号
本文作者：阿里妈妈风控团队

 

品牌风险管理是阿里妈妈风险管理中最核心的风险之一，一直备受商家和消费者关注。商家在没有品牌资质的情况下售卖假冒或山寨的品牌商品，会侵犯品牌商及消费者的权益。本文将主要介绍，阿里妈妈品牌风险识别体系是如何一步步炼成的。

一、背景

1.1阿里妈妈品牌风险简介

在阿里妈妈业务中，鉴别品牌风险的第一步是识别出商品相关的品牌，第二步是结合商品的资质去判断是否属于品牌风险。本文重点关注图像中的品牌识别。

假货和山寨问题在业务上的定义包括：

• 涉嫌假冒商品：能判断是明显假货的商品（如低价）

• 涉嫌品牌侵权：出现明确的商标信息（注册商标或品牌中文或英文文字信息）

• 图片遮盖涂抹：存在针对商标信息的恶意遮盖涂抹

• 发布混淆信息（品牌山寨）：在商品外观或商标上仿大牌，让消费者认为该商品为某知名品牌商品（主要为国际知名品牌）

左图正品 右图假货

左图正品 右图山寨

鉴别品牌风险第一步是识别出商品相关的品牌，第二步是结合商品的资质去判断是否属于品牌风险。所以阿里妈妈品牌风险识别的核心是品牌识别问题。本文重点关注图像中的品牌识别。

1.2难点与贡献

基于以上背景，我们着手研究品牌识别的整体方案。在提解决方案之前，我们先看一下品牌识别问题的难点。

1.2.1难点

1）数据多样性（品类、展现形式、角度和遮挡等）。

2）品牌特征的多样性（以下都是adidas鞋的特征）。

3）部分数据没有logo或者logo很小。

4）山寨款式变化多样。

5）品牌规模大。

6）违规商品在总商品中占比极小，非对称（正常商品量远大于问题商品量）的场景下，做到高精度和高召回较难。

7）广告场景下对抗激烈，不仅体现在图片上的对抗，还有商品本身的对抗。比如下图一山寨商品买回去可以自己把nike上面多余的一块拆掉，最后一张图看着像匡威，但实际上框里面的文字不是converse。

1.2.2贡献

针对以上问题，我们提出了品牌分类模型+品牌logo检测模型+品牌图像变异识别模型的综合方案，另外我们构建了大规模的品牌数据集，为我们识别能力的构建打下了坚实的基础。

1）品牌分类模型

我们将分类模型应用在品牌识别问题上，验证了分类模型可对局部的小logo或者特征进行识别，取得了不错的效果。

• 一方面，分类模型中每一类可容纳不同的特征类型，只要每一种特征类型相应的数据量足够，就不容易被当成噪声。我们将同一个品牌所有数据当成一类，既解决了数据和品牌特征多样性的问题，又大大降低了数据构造的难度。

• 分类模型不光识别logo，也可以识别款式等非logo特征，解决了基于logo检测的模型无法识别品牌款式的问题，拓展了品牌识别的范围。

• 分类模型计算图片属于每个品牌的置信度，山寨款式天然更像对应的仿的品牌，所以分类模型天然可以召回山寨款式。

• 分类模型的资源损耗和品牌规模无关，10个品牌和100个品牌的计算开销和速度差别不大，经过加速后单台G41可以达到4000 qps，资源开销不再是瓶颈。

2）品牌logo检测模型

虽然分类模型有以上优点，但也有一个比较大的局限性，即分类模型会依赖上下文信息，也就是除了受品牌特征本身影响，也会受商品本身的外观、排列以及背景的影响。比如一双椰子鞋放在一个和正常展示的数据差异非常大的背景中，有可能识别不了，故分类模型容易受到对抗攻击。 检测模型将品牌识别的范围缩小到logo区域，logo的区域不像全图的背景容易发生变化，一般处于商品上或者背景的某个局部上，特征更加稳定，受对抗攻击的影响较小，可以作为一个稳定的识别能力。

3）品牌变异图识别模型

业务上高发变异为图片拼接和商品堆砌（如下图）。拼接和堆砌的图片中商品主体过小，特征不明显，且高发的一些大牌款式违规并不存在logo，分类和检测模型都可能束手无策。不