KR20230144455A - Artificial intelligence-based system and method for online counterfeit product crackdown - Google Patents
Artificial intelligence-based system and method for online counterfeit product crackdown Download PDFInfo
- Publication number
- KR20230144455A KR20230144455A KR1020220184381A KR20220184381A KR20230144455A KR 20230144455 A KR20230144455 A KR 20230144455A KR 1020220184381 A KR1020220184381 A KR 1020220184381A KR 20220184381 A KR20220184381 A KR 20220184381A KR 20230144455 A KR20230144455 A KR 20230144455A
- Authority
- KR
- South Korea
- Prior art keywords
- counterfeit
- seller
- product
- sellers
- products
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 32
- OWZREIFADZCYQD-NSHGMRRFSA-N deltamethrin Chemical compound CC1(C)[C@@H](C=C(Br)Br)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 OWZREIFADZCYQD-NSHGMRRFSA-N 0.000 title claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 4
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims 4
- 229910052709 silver Inorganic materials 0.000 claims 4
- 239000004332 silver Substances 0.000 claims 4
- 230000011218 segmentation Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 12
- 238000005336 cracking Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
실시예에 따른 인공지능 기반 온라인 위조상품 단속 시스템 및 방법은 가품을 취급하는 온라인 판매 그룹인 가품 셀러 그룹을 고유 키값에 따라 생성하고, 가품 셀러 그룹에서 취급하는 가품이 지속적으로 노출될 경우, 각 셀러 그룹에서 취급하는 가품 및 셀러에 대한 자동화된 대응 절차를 제공한다.
또한, 실시예에서는 가품지수(Counterfeit Rating) 및 셀러의 위협 레벨(Seller threat level)을 산출하여 가품지수과 개별 셀러의 위험도에 따른 대응 정책 및 프로세스를 제공한다.
또한, 실시예에서는 관리자 단말로부터 신고된 가품 셀러에 해당하는 셀러 그룹을 추출하고, 추출된 셀러 그룹에 매칭된 정책 및 프로세스에 따라 신고된 가품 셀러를 처리할 수 있도록 한다. The artificial intelligence-based online counterfeit product crackdown system and method according to the embodiment creates a counterfeit seller group, which is an online sales group that handles counterfeit products, according to a unique key value, and when counterfeit products handled by the counterfeit seller group are continuously exposed, each seller Provides automated response procedures for counterfeit products and sellers handled by the group.
Additionally, in the embodiment, the counterfeit rating and seller threat level are calculated to provide response policies and processes according to the counterfeit rating and the risk level of individual sellers.
Additionally, in the embodiment, a seller group corresponding to a reported counterfeit seller is extracted from the administrator terminal, and the reported counterfeit seller can be processed according to the policy and process matched to the extracted seller group.
Description
본 개시는 인공지능 기술에 기반한 온라인 위조상품 단속 시스템 및 방법에 관한 것으로 구체적으로, 가품을 취급하는 온라인 판매(seller) 그룹을 생성하여 온라인에서 유통되는 가품 및 가품 판매처를 단속하는 시스템 및 방법에 관한 것이다. This disclosure relates to an online counterfeit product crackdown system and method based on artificial intelligence technology. Specifically, it relates to a system and method for cracking down on counterfeit goods and counterfeit sellers distributed online by creating an online seller group that handles counterfeit goods. will be.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.Unless otherwise indicated herein, the material described in this section is not prior art to the claims of this application, and is not admitted to be prior art by inclusion in this section.
2017년 기준 전세계 위조상품 판매 규모는 26조원으로 매년 지속적으로 성장하고 있다. 특히, 코로나 바이러스 대유행으로 온라인 쇼핑이 급증함에 따라 가품의 판매 유형도 온라인 판매로 급변하고 있다. 하지만, 온라인상 가품의 실제 단속 실적은 전체 시장의 0.26%에 불과하다. 위조 상품 시장 규모는 브랜드의 위조품을 역수입하는 방식으로 커지는 추세이다. 또한, SNS를 이용한 오픈마켓을 통해 생계형 레플리카 형태로 조직화되고 있다. 뿐만 아니라 오픈마켓의 자동 등록 기능을 이용해 대량의 위조품 개별 상점을 운영하거나 새벽 시간대 판매, 폐쇄형 상점 운영 등으로 위조상품의 지능화된 판매 행태가 지속으로 확장되고 있다. 최근에는 위조품 제작 사이클이 단축되고, 구매력이 약한 젊은 층의 위조품 이용에 대한 문제 의식이 무뎌는 추세이다. As of 2017, the global sales volume of counterfeit products amounted to 26 trillion won and continues to grow every year. In particular, as online shopping surges due to the coronavirus pandemic, the type of sale of counterfeit goods is also rapidly changing to online sales. However, the actual crackdown on counterfeit products online accounts for only 0.26% of the total market. The size of the counterfeit product market is growing through reimportation of counterfeit branded products. In addition, it is being organized in the form of a livelihood replica through an open market using SNS. In addition, the intelligent sales behavior of counterfeit products is continuously expanding by using the automatic registration function of the open market to operate individual stores for large quantities of counterfeit products, selling during early morning hours, and operating closed stores. Recently, the production cycle of counterfeit products is shortening, and young people with weak purchasing power are becoming less aware of the problem of using counterfeit products.
온라인 판매는 물리적인 장소를 필요로 하지 않으므로, 단속이 어렵기 때문에 최근에는 온라인 가품 판매의 형태가 오픈 마켓, 해외 직구, 소셜 미디어, 라이브 커머스 등의 다양한 형태로 진화하고 있다. 또한, 온라인 가품 판매 업체는 판매 게시글을 삭제하고 그 계정을 삭제하더라도 새로운 계정으로 온라인 판매를 반복하고 있고, 판매자가 해외에 거주하는 경우에는 판매자에 대한 법적 조치가 쉽지 않다.Since online sales do not require a physical location, it is difficult to crack down on them. Recently, online counterfeit product sales have evolved into various forms such as open markets, overseas direct purchases, social media, and live commerce. In addition, companies selling counterfeit products online repeat online sales with new accounts even after deleting sales posts and accounts, and if the seller lives overseas, it is not easy to take legal action against the seller.
지식산업사회에 있어 브랜드라는 무형 자산은 기업의 가장 큰 가치이지만, 가품 판매는 정상 제품의 판매를 감소시키고, 기업이 수년간 쌓아 올린 브랜드 이미지를 희석하여(brand dilution) 기업의 유, 무형적 가치를 훼손한다. 특히, 소비자가 가품을 정품으로 오인하여 구매하는 경우 소비자는 직접적인 손해를 입게 되고, 이를 회복하기 위한 절차도 용이하지 않은 실정이다. In the knowledge industrial society, the intangible asset called a brand is the greatest value of a company, but selling counterfeit products reduces sales of normal products and dilutes the brand image that the company has built up over many years, thereby damaging the company's tangible and intangible value. do. In particular, when a consumer purchases a counterfeit product by mistaking it for a genuine product, the consumer suffers direct damage, and the procedures for recovering this damage are not easy.
중소기업의 경우 소비자가 온라인에서 가품을 구매하더라도 이를 인지하기 어렵기 때문에, 소비자의 신뢰를 잃게 되어 사용자 이탈이 가속화되어 매출이 감소함으로써, 기업에 큰 타격을 입을 수 있다. 이 때문에, 중소기업 및 온라인 스토어 입장에서 온라인 상의 가품 셀러 및 가품 탐지는 매우 중요한 이슈이다. In the case of small and medium-sized businesses, it is difficult to recognize even if consumers purchase counterfeit products online, which can lead to a loss of consumer trust, accelerate user defection, and reduce sales, resulting in a significant blow to the company. For this reason, detection of counterfeit sellers and counterfeit products online is a very important issue for small and medium-sized businesses and online stores.
실시예에 따른 인공지능 기반 온라인 위조상품 단속 시스템 및 방법은 가품을 취급하는 온라인 판매 그룹인 가품 셀러 그룹을 고유 키값에 따라 생성하고, 가품 셀러 그룹에서 취급하는 가품이 지속적으로 노출될 경우, 각 셀러 그룹에서 취급하는 가품 및 셀러에 대한 자동화된 대응 절차를 제공한다.The artificial intelligence-based online counterfeit product crackdown system and method according to the embodiment creates a counterfeit seller group, which is an online sales group that handles counterfeit products, according to a unique key value, and when counterfeit products handled by the counterfeit seller group are continuously exposed, each seller Provides automated response procedures for counterfeit products and sellers handled by the group.
또한, 실시예에서는 가품지수(Counterfeit Rating) 및 셀러의 위협 레벨(Seller threat level)을 산출하여 가품지수과 개별 셀러의 위험도에 따른 대응 정책 및 프로세스를 제공한다. Additionally, in the embodiment, the counterfeit rating and seller threat level are calculated to provide response policies and processes according to the counterfeit rating and the risk level of individual sellers.
또한, 실시예에서는 관리자 단말로부터 신고된 가품 셀러에 해당하는 셀러 그룹을 추출하고, 추출된 셀러 그룹에 매칭된 정책 및 프로세스에 따라 신고된 가품 셀러를 처리할 수 있도록 한다. Additionally, in the embodiment, a seller group corresponding to a reported counterfeit seller is extracted from the administrator terminal, and the reported counterfeit seller can be processed according to the policy and process matched to the extracted seller group.
실시예에 따른 인공지능 기반 온라인 위조상품 단속 시스템은 가품 판매 셀러가 이용하는 이미지, 가품 판매 셀러 이름, 셀러 웹페이지, URL, 아웃링크, 아이디, 오픈채팅데이터를 포함하는 가품 셀러 정보를 수집하는 가품 셀러 정보 수집 모듈; 수집된 가품 셀러 정보를 기반으로 가품 셀러를 그룹핑(grouping)하여, 가품 셀러 그룹을 생성하는 셀러 그룹 생성 모듈; 개별 가품의 위험도 및 개별 가품 셀러의 위협도를 산출하는 산출모듈; 및 생성된 가품 셀러 그룹에 매칭된 대응 절차에 따라 상기 가품 셀러 그룹 및 상기 가품 셀러 그룹에서 취급하는 가품이 온라인에서 삭제되도록 처리하는 대응 모듈; 을 포함한다.The artificial intelligence-based online counterfeit product crackdown system according to the embodiment collects counterfeit seller information including the image used by the counterfeit seller, name of the counterfeit seller, seller web page, URL, outlink, ID, and open chat data. information collection module; A seller group creation module that groups counterfeit sellers based on the collected counterfeit seller information and creates a counterfeit seller group; Calculation module that calculates the risk of individual counterfeit products and the threat level of individual counterfeit product sellers; and a response module that processes the counterfeit seller group and counterfeit products handled by the counterfeit seller group to be deleted online according to a response procedure matched to the created counterfeit seller group; Includes.
다른 실시예에 따른 인공지능 기반 온라인 위조상품 단속 방법은 (A) 가품 셀러 정보 수집 모듈에서 가품 판매 셀러가 이용하는 이미지, 가품 판매 셀러 이름, 셀러 웹페이지, URL, 아웃링크, 아이디, 오픈채팅데이터를 포함하는 가품 셀러 정보를 수집하는 단계; (B) 셀러 그룹 생성 모듈에서 수집된 가품 셀러 정보를 기반으로 가품 셀러를 그룹핑(grouping)하여, 가품 셀러 그룹을 생성하는 단계; (C) 산출모듈에서 개별 가품의 위험도 및 개별 가품 셀러의 위협도를 산출하는 단계; 및 (D) 대응 모듈에서 생성된 가품 셀러 그룹에 매칭된 대응 절차에 따라 상기 가품 셀러 그룹 및 상기 가품 셀러 그룹에서 취급하는 가품이 온라인에서 삭제되도록 처리하는 단계; 를 포함한다.An artificial intelligence-based online counterfeit product crackdown method according to another embodiment is (A) the image used by the seller selling counterfeit products, the name of the seller selling counterfeit products, the seller web page, URL, outlink, ID, and open chat data in the counterfeit seller information collection module. Collecting counterfeit seller information, including; (B) Grouping counterfeit sellers based on counterfeit seller information collected in the seller group creation module to create a counterfeit seller group; (C) Calculating the risk of individual counterfeit products and the threat of individual counterfeit product sellers in the calculation module; and (D) processing the counterfeit seller group and the counterfeit products handled by the counterfeit seller group to be deleted online according to a response procedure matched to the counterfeit seller group created in the response module; Includes.
이상에서와 같은 인공지능 기반 온라인 위조상품 단속 시스템 및 방법은 가품 탐지, 가품 확인, 후속 절차 진행의 개별 과정 없이 셀러 그룹에 매칭된 하나의 대응 과정을 통해 가품을 단속함으로써, 온라인에서 유통되는 가품 단속 시 번거로움을 해소할 수 있도록 한다. The artificial intelligence-based online counterfeit product crackdown system and method as described above cracks down on counterfeit goods distributed online by cracking down on counterfeit goods through a single response process matched to the seller group without individual processes of detecting counterfeit products, confirming counterfeit products, and proceeding with follow-up procedures. Let us relieve you of the hassle.
또한, 셀러 그룹에 매칭된 자동화된 대응 절차를 통해, 온라인 상 가품 셀러 및 가품 노출을 신속하게 중단시켜 업체의 손실을 최소화한다. In addition, through automated response procedures matched to seller groups, the company's losses are minimized by quickly stopping online sellers of counterfeit products and exposure to counterfeit products.
또한, 가품을 판매하는 온라인 셀러(Seller) 그룹을 고유 키값에 따라 생성하고 생성된 셀러 그룹 별 대응 프로세스를 제공하여 해당 셀러가 취급하는 가품에 신속하게 대응할 수 있도록 한다. In addition, online seller groups selling counterfeit products are created based on unique key values, and a response process for each created seller group is provided to enable quick response to counterfeit products handled by the seller.
또한, 각 셀러 그룹에서 취급하는 가품 및 셀러에 대한 자동화된 대응 절차를 제공함으로써, 온라인상 가품 단속 효율을 향상시킬 수 있다.In addition, by providing automated response procedures for counterfeit products and sellers handled by each seller group, the efficiency of cracking down on counterfeit products online can be improved.
또한, 셀러 그룹 별 자동화된 대응 절차를 통해 온라인상 가품 셀러 및 가품 노출을 신속하게 중단시켜 업체의 손실을 최소화할 수 있다. In addition, through automated response procedures for each seller group, the company's losses can be minimized by quickly stopping online counterfeit sellers and exposure of counterfeit products.
또한, 셀러 그룹을 생성에 이용하는 셀러의 고유 키 값을 통해 가품 셀러를 정확하게 판별하고, 가품 셀러에 신속하게 대응하여 중소기업의 브랜드 보호 및 기업경쟁력의 확보에 기여할 수 있도록 한다. In addition, it accurately identifies counterfeit sellers through the seller's unique key value used to create a seller group, and quickly responds to counterfeit sellers, contributing to protecting the brand of small and medium-sized businesses and securing corporate competitiveness.
또한, 브랜드 기준에서의 가품 판매 데이터와 플랫폼 기준에서의 가품 판매 데이터를 동시에 확보하여, 크로스 탐지에 의한 가품 탐지 효율 및 신뢰도를 향상시킬 수 있도록 한다.In addition, by simultaneously securing counterfeit product sales data on a brand basis and counterfeit product sales data on a platform basis, it is possible to improve the efficiency and reliability of counterfeit product detection through cross detection.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.The effects of the present invention are not limited to the effects described above, and should be understood to include all effects that can be inferred from the configuration of the invention described in the detailed description or claims of the present invention.
도 1은 실시예에 따른 인공지능 기반 온라인 위조상품 단속 시스템 구성을 나타낸 도면
도 2는 실시예에 따른 가품 단속 서버의 데이터 처리 구성을 나타낸 도면
도 3은 인공지능 기반 온라인 위조상품 단속 시스템의 가품 및 가품 셀러 탐지 통계를 나타내는 사용자 인터페이스 실시예를 나타낸 도면
도 4는 셀러의 위협 레벨 정보를 제공하는 사용자 인터페이스 실시예를 나타낸 도면
도 5는 가품의 위험도인 가품지수 정보를 제공하는 사용자 인터페이스 실시예를 나타낸 도면
도 6은 실시예에 따른 가품 단속 서버의 데이터 처리 과정을 나타낸 도면1 is a diagram showing the configuration of an artificial intelligence-based online counterfeit product crackdown system according to an embodiment.
Figure 2 is a diagram showing the data processing configuration of a counterfeit product enforcement server according to an embodiment
Figure 3 is a diagram showing an example of a user interface showing statistics on detection of counterfeit products and sellers of counterfeit products in an artificial intelligence-based online counterfeit product crackdown system.
Figure 4 is a diagram showing an embodiment of a user interface that provides seller's threat level information
Figure 5 is a diagram showing an example of a user interface that provides counterfeit index information, which is the risk of counterfeit products.
Figure 6 is a diagram showing the data processing process of the counterfeit product enforcement server according to an embodiment
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.The advantages and features of the present invention and methods for achieving them will become clear by referring to the embodiments described in detail below along with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below and may be implemented in various different forms. The present embodiments are merely provided to ensure that the disclosure of the present invention is complete and to provide common knowledge in the technical field to which the present invention pertains. It is provided to fully inform those who have the scope of the invention, and the present invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In describing embodiments of the present invention, if it is determined that a detailed description of a known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description will be omitted. The terms described below are terms defined in consideration of functions in embodiments of the present invention, and may vary depending on the intention or custom of the user or operator. Therefore, the definition should be made based on the contents throughout this specification.
도 1은 실시예에 따른 인공지능 기반 온라인 위조상품 단속 시스템 구성을 나타낸 도면이다.Figure 1 is a diagram showing the configuration of an artificial intelligence-based online counterfeit product crackdown system according to an embodiment.
도 1을 참조하면, 실시예에 따른 인공지능 기반 온라인 위조상품 단속 시스템은 가품 단속 서버(100), 정품 생산 업체(200) 및 관리자 단말(300)을 포함하여 구성될 수 있다.Referring to FIG. 1, an artificial intelligence-based online counterfeit product crackdown system according to an embodiment may be configured to include a counterfeit product crackdown server 100, a genuine product manufacturer 200, and an administrator terminal 300.
실시예에서 가품 단속 서버(100)는 가품을 취급하는 온라인 셀러 그룹을 생성하여 해당 셀러 그룹이 취급하는 가품 및 셀러 그룹을 단속하기 위한 대응 프로세스를 제공한다. 또한, 가품 단속 서버(100)는 상품 별 가품지수(Counterfeit Rating) 및 셀러의 위협도(Seller threat level)을 산출하여 가품지수과 개별 셀러의 위협도에 따른 정책과 대응 프로세스를 제공한다.In the embodiment, the counterfeit product crackdown server 100 creates an online seller group that handles counterfeit products and provides a response process to crack down on counterfeit products and seller groups handled by the seller group. In addition, the counterfeit control server 100 calculates the counterfeit rating and seller threat level for each product and provides policies and response processes according to the counterfeit rating and the threat level of individual sellers.
정품 생산 업체(200)는 가품 단속 서버(100)로부터 가품 취급 셀러 그룹 정보 및 온라인상 불법 유통되는 가품 정보를 전달받아 확인하고, 이에 대한 법적 조치 및 노출 삭제 조치를 수행한다.The genuine product manufacturer 200 receives and confirms information on the seller group handling counterfeit products and information on counterfeit products illegally distributed online from the counterfeit product control server 100, and takes legal action and deletion of exposure thereof.
실시예에서 관리자 단말(300)은 웹 서핑 중 가품 셀러 또는 가품 판매 페이지에 접속한 경우, 접속한 페이지 정보를 가품 단속 서버(100)로 전송하여 온라인상 가품 판매를 관리자가 직접 단속할 수 있다. In an embodiment, when the administrator terminal 300 accesses a counterfeit product seller or counterfeit product sales page while surfing the web, the administrator can directly control the sale of counterfeit products online by transmitting information on the accessed page to the counterfeit product control server 100.
실시예에서는 가품을 취급하는 온라인 판매 그룹인 가품 셀러 그룹을 고유한 키값에 따라 생성하고, 각 셀러 그룹에서 취급되는 상품들이 온라인상에 지속적으로 노출되는 경우, 셀러 그룹에서 취급하는 가품에 자동화된 대응 절차를 제공한다. 실시예에서는 가품 탐지, 가품 확인, 후속 절차 진행의 개별 과정 없이 셀러 그룹에 매칭된 하나의 대응 과정을 통해 가품을 단속함으로써, 온라인에서 유통되는 가품 단속 시 번거로움을 해소할 수 있도록 한다. 또한, 셀러 그룹에 매칭된 자동화된 대응 절차를 통해, 온라인 상 가품 셀러 및 가품 노출을 신속하게 중단시켜 업체의 손실을 최소화한다.In the embodiment, a counterfeit seller group, which is an online sales group that handles counterfeit products, is created according to a unique key value, and when products handled by each seller group are continuously exposed online, an automated response is made to counterfeit products handled by the seller group. Provides procedures. In the embodiment, counterfeit products are cracked down through a single response process matched to a seller group without individual processes of detecting counterfeit products, confirming counterfeit products, and conducting follow-up procedures, thus eliminating the hassle of cracking down on counterfeit products distributed online. In addition, through automated response procedures matched to seller groups, the company's losses are minimized by quickly stopping online sellers of counterfeit products and exposure to counterfeit products.
도 2는 실시예에 따른 가품 단속 서버의 데이터 처리 구성을 나타낸 도면이다.Figure 2 is a diagram showing the data processing configuration of a counterfeit product enforcement server according to an embodiment.
도 2를 참조하면, 실시예에 따른 가품 단속 서버(100)는 가품 셀러 정보 수집 모듈(110), 셀러 그룹 생성 모듈(120), 산출 모듈(130), 대응 모듈(140)을 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.Referring to FIG. 2, the counterfeit product enforcement server 100 according to the embodiment will be configured to include a counterfeit product seller information collection module 110, a seller group creation module 120, a calculation module 130, and a response module 140. You can. The term 'module' used in this specification should be interpreted to include software, hardware, or a combination thereof, depending on the context in which the term is used. For example, software may be machine language, firmware, embedded code, and application software. As another example, hardware may be a circuit, processor, computer, integrated circuit, integrated circuit core, sensor, Micro-Electro-Mechanical System (MEMS), passive device, or a combination thereof.
가품 셀러 정보 수집 모듈(110)은 가품 판매 셀러가 이용하는 이미지, 가품 판매 셀러 이름, 셀러 URL, 아웃링크, 아이디, 오픈채팅데이터를 포함하는 가품 셀러 정보를 수집한다. 실시예에서 아웃링크는 상품 결재 및 구매를 유도하기 위해 검색 포털 외부에서 연결되는 브라우저 정보를 포함할 수 있다. 아이디 및 오픈 채팅 데이터는 인스턴트 메신저 플랫폼(예컨대, 카카오톡)에서 제공하는 실시간 텍스트 통신 서비스를 이용하기 위해 필요한 인증 데이터 및 채팅방 링크 정보를 포함할 수 있다.The counterfeit seller information collection module 110 collects counterfeit seller information including the image used by the counterfeit seller, the name of the counterfeit seller, seller URL, outlink, ID, and open chat data. In an embodiment, the outlink may include browser information connected from outside the search portal to encourage product payment and purchase. ID and open chat data may include authentication data and chat room link information required to use a real-time text communication service provided by an instant messenger platform (eg, KakaoTalk).
셀러 그룹 생성 모듈(120)은 수집된 가품 셀러 정보를 기반으로 가품 셀러 그룹을 정의하고 가품 셀러 그룹을 생성한다. 실시예에서 셀러 그룹 생성 모듈(120)은 가품 판매 셀러가 이용하는 이미지, 셀러 URL, 구매를 유도하는 아웃링크, 플랫폼 별 아이디 및 오픈채팅데이터 등 셀러 별 고유 키값(unique key)을 정의하고, 정의된 고유 키값에 따라 셀러 그룹을 생성할 수 있다. 예컨대, 특정 이미지를 셀러 1,2,3이 가품 판매에 이용하는 경우, 셀러 그룹 생성 모듈(120)은 특정 이미지를 고유 키값으로 정의하고, 고유 키값에 해당하는 이미지를 이용하는 셀러 1,2,3을 그룹핑(Grouping)하여 셀러 그룹을 생성할 수 있다. 또한, 실시예에서는 인스턴트 메신저 플랫폼에 동일한 아이디로 로그인 하거나, 동일한 오픈 채팅방 링크를 사용하는 하나 이상의 셀러를 그룹핑하여 셀러 그룹을 생성할 수 있다. 예컨대, 셀러 그룹 생성 모듈(120)은 아이디 또는 채팅방 링크를 고유 키값으로 정의하고, 고유 키 값에 해당하는 아이디 또는 채팅방 링크를 사용하는 하나 이상의 셀러를 그룹핑하여 셀러 그룹을 생성할 수 있다. The seller group creation module 120 defines a counterfeit seller group based on the collected counterfeit seller information and creates the counterfeit seller group. In the embodiment, the seller group creation module 120 defines unique key values for each seller, such as images used by sellers selling counterfeit products, seller URLs, outlinks that induce purchases, platform-specific IDs, and open chat data, and defines the defined key values for each seller. You can create seller groups based on unique key values. For example, when sellers 1, 2, and 3 use a specific image to sell counterfeit goods, the seller group creation module 120 defines the specific image as a unique key value and selects sellers 1, 2, and 3 who use the image corresponding to the unique key value. You can create a seller group by grouping. Additionally, in an embodiment, a seller group can be created by logging in to the instant messenger platform with the same ID or by grouping one or more sellers who use the same open chat room link. For example, the seller group creation module 120 may define an ID or chat room link as a unique key value and create a seller group by grouping one or more sellers using the ID or chat room link corresponding to the unique key value.
실시예에서 셀러 그룹 생성 모듈(120)은 정의된 고유 키 값이 이미지인 경우 인공지능 머신러닝을 통한 이미지 인식을 통해 고유 키 값을 확장하고, 해당 이미지를 이용하는 셀러 그룹을 생성할 수 있다. 실시예에서 셀러 그룹 생성 모듈(120)은 인공지능 머신러닝을 통한 이미지 인식(image recognition)과정을 통해 가품 셀러가 이용하는 이미지를 파악하고, 이미지에 포함된 객체 및 배경을 인식하여 가품 셀러 별 고유 이미지 정보를 파악할 수 있다. 실시예에서는 이미지 인식을 위해, 이미지에 포함된 가품 객체와 배경을 분류(classification), 검출(detection)하고, 객체를 픽셀 단위로 식별하여 분할(segmentation)하는 데이터 처리 과정을 수행할 수 있다. 또한, 실시예에서 셀러 그룹 생성 모듈(120)은 노이즈 대응 외 학습하지 못한 패턴 처리를 위해 학습 외 분포 데이터 탐지(out of distribution detection)과정을 수행할 수 있다. 학습 외 분포 데이터 탐지는 인공지능에 입력된 이미지가 학습된 확률분포 데이터 인지 아닌지 식별하는 것이다. 실시예에서는 학습 외 분포 데이터 탐지를 통해 인공 신경망이 판단하기 어려운 이미지를 걸러내거나 예외 처리하여 안정성과 신뢰성을 높일 수 있도록 한다. 또한, 실시예에서는 학습 외 분포 데이터 탐지를 위해서 딥러닝 판정에 대해 얼마나 확신(confidence)하는지를 나타내는 확률 값을 보정(calibration)하거나 학습 외 분포 데이터를 생성적 대립 신경망(GAN, Generative Adversarial Network)으로 생성하고 학습하여 탐지 정확도를 향상시킬 수 있도록 한다. In an embodiment, if the defined unique key value is an image, the seller group creation module 120 may expand the unique key value through image recognition through artificial intelligence machine learning and create a seller group using the image. In an embodiment, the seller group creation module 120 identifies images used by counterfeit sellers through an image recognition process using artificial intelligence machine learning, recognizes objects and backgrounds included in the images, and creates unique images for each counterfeit seller. Information can be obtained. In an embodiment, for image recognition, a data processing process may be performed to classify and detect fake objects and backgrounds included in the image, and to identify and segment objects in pixel units. Additionally, in the embodiment, the seller group creation module 120 may perform an out of distribution detection process other than learning to process unlearned patterns in addition to noise response. Non-learning distribution data detection is to identify whether the image input to artificial intelligence is learned probability distribution data. In the embodiment, stability and reliability can be increased by filtering out or exception processing images that are difficult for the artificial neural network to judge through detection of distribution data other than learning. In addition, in the embodiment, in order to detect out-of-learning distribution data, a probability value indicating how confident one is in the deep learning decision is calibrated or out-of-learning distribution data is generated using a generative adversarial network (GAN). and learn to improve detection accuracy.
또한, 실시예에서는 가품 셀러 별 이미지 인식 정확도를 유지하면서 모델의 크기를 줄이기 위해, 연산을 간소화하는 경량 딥러닝 기술을 이용하여 가품 셀러 별 고유 이미지를 확정하고 이를 확장할 수 있도록 한다. 실시예에서는 이미지 인식을 위해 콘볼루션 신경망(CNN, Convolution Neural Network)에서 콘볼루션 필터를 변형하여 연산 차원을 축소(Reduction)하거나 큰 영향이 없는 신경망의 가중치(weight)를 삭제하는 가지치기, 가중치 값의 부동 소수점을 줄여 연산을 간소화하는 양자화 과정을 수행하여 데이터 경량화를 가능하도록 한다. 또한, 실시예에서는 미리 학습시킨 큰 신경망의 출력을 작은 신경망에서 모방 학습하도록 하여 연산을 간소화하며 정확도를 유지할 수 있도록 한다.In addition, in the embodiment, in order to reduce the size of the model while maintaining image recognition accuracy for each counterfeit seller, a lightweight deep learning technology that simplifies calculations is used to determine and expand the unique image for each counterfeit seller. In the embodiment, for image recognition, a convolutional filter is modified in a convolutional neural network (CNN) to reduce the operation dimension, or pruning and weight values to delete weights of a neural network that do not have a significant impact are performed. A quantization process is performed to simplify calculations by reducing the number of floating point numbers, enabling data lightweighting. Additionally, in the embodiment, the output of a pre-trained large neural network is imitated and learned by a small neural network to simplify computation and maintain accuracy.
산출모듈(130)은 온라인상에서 수집된 가품 각각의 가품지수 및 개별 셀러 위협도를 산출한다. 실시예에서 가품지수(Counterfeit Rating)란 개별 상품 단위에서 측정되는 위험도로서, 온라인상 유통되는 가품이 정품으로 인식될 가능성 및 정품 판매에 미치는 위협도를 정량화 한 수치이다. The calculation module 130 calculates the counterfeit index and individual seller threat level for each counterfeit product collected online. In the embodiment, the Counterfeit Rating is a risk measured on an individual product basis and is a number that quantifies the likelihood that counterfeit products distributed online will be recognized as genuine and the threat to sales of genuine products.
실시예에서 가품지수는 정품위협요소에 따라 산출할 수 있다. 정품위협요소는 온라인상에서 판매되는 가품의 팩터(factor) 정보로서, 가품의 가격, 노출기간, 누적판매횟수, 침해유형, 가품의 가시성, 가품 판매 기간, 정품과의 가격 차이 등의 세부정보가 포함될 수 있다. 실시예에서 침해 유형은 가품의 종류 및 침해 정보로서, 위조여부, 모조여부, 저작권침해여부, 부정경쟁방지법 위반 여부 등을 포함할 수 있다. 침해 상품의 가시성은 검색 엔진에서의 가품 검색 가능 여부, 검색 노출 비율, 가품의 노출 빈도 등을 포함할 수 있다. In the embodiment, the counterfeit index can be calculated according to the genuine product threat factors. Genuine product threat elements are factor information of counterfeit products sold online, and include detailed information such as the price of counterfeit products, exposure period, cumulative number of sales, type of infringement, visibility of counterfeit products, sales period for counterfeit products, and price difference from genuine products. You can. In the embodiment, the type of infringement is the type of counterfeit product and infringement information, and may include whether it is counterfeit, imitation, copyright infringement, or violation of the Unfair Competition Prevention Act. The visibility of infringing products may include whether counterfeit products can be searched in search engines, search exposure rate, and frequency of exposure of counterfeit products.
실시예에서 가품지수는 가품 가격과 정품 가격의 차이에 반비례하고, 노출기간과 누적 판매 횟수에 비례하도록 산출될 수 있다. 또한, 실시예에서는 정품 위협 요소 각각에 가중치를 부여하여 가품지수를 산출할 수 있다. In an embodiment, the counterfeit index may be calculated to be inversely proportional to the difference between the price of a counterfeit product and the price of a genuine product, and to be proportional to the exposure period and cumulative number of sales. Additionally, in the embodiment, the counterfeit index can be calculated by assigning weight to each genuine threat element.
가품을 대단위로 리스팅(listing)하는 경우 실제로 대응이 시급한 가품을 판별하고 이에 대해 효율적인 대처를 수행하기 어려우므로, 실시예에서는 정품위협요소를 반영한 가품지수를 통해, 정품에 큰 위협을 주는 가품을 신속하게 파악하고, 이에 대한 대응 정책과 절차를 효율적으로 제공할 수 있다.When listing counterfeit products on a large scale, it is difficult to identify counterfeit products that require urgent response and take effective responses to them. Therefore, in the embodiment, counterfeit products that pose a significant threat to genuine products are quickly identified through a counterfeit product index that reflects genuine product threat factors. It is possible to understand and efficiently provide response policies and procedures.
또한, 산출모듈(130)은 브랜드 세부 정보에 따라 정품위협요소 각각의 가중치를 산출하고 산출된 가중치를 이용하여 가품지수를 파악할 수 있다. 실시예에서 브랜드 세부 정보는 브랜드 판매 실적, 홍보 및 마케팅 상황 정보로서, 정품 판매 기간, 정품의 기간별 매출액, 정품가격, 주요 소비자 정보 등을 포함할 수 있다. In addition, the calculation module 130 can calculate the weight of each genuine product threat element according to brand details and determine the counterfeit product index using the calculated weight. In an embodiment, detailed brand information is brand sales performance, promotion and marketing status information, and may include the sales period of genuine products, sales amount by period of genuine products, price of genuine products, key consumer information, etc.
예컨대, 산출모듈(130)은 정품가격이 일정 수준을 초과하는 고가 상품을 위조한 가품의 경우 정품 위협 요소 중 해당 정품과의 가격 차이에 가장 높은 가중치를 부여하여 가품지수를 산출하고, 스테디셀러인 상품을 위조한 가품의 경우 정품 위협 요소 중 가품의 판매 기간에 가장 높은 가중치를 부여하여 가품지수를 산출할 수 있다. For example, in the case of counterfeit high-priced products whose prices exceed a certain level, the calculation module 130 calculates the counterfeit index by assigning the highest weight to the price difference from the genuine product among the threat factors for genuine products, and calculates the counterfeit index for products that are steady sellers. In the case of counterfeit products, the counterfeit index can be calculated by assigning the highest weight to the sales period of the counterfeit product among the threats to genuine products.
또한, 실시예에서 산출모듈(130)은 브랜드 세부 정보 변화에 따라 정품 위협 지수 각각의 가중치를 조정하여 가품지수를 산출함으로써, 시장과 상품 변화에 따라 가장 위협이 되는 가품을 정확하게 파악하여 신속하게 대응할 수 있도록 한다. In addition, in the embodiment, the calculation module 130 calculates the counterfeit product index by adjusting the weight of each genuine product threat index according to changes in brand details, thereby accurately identifying the most threatening counterfeit products according to market and product changes and responding quickly. make it possible
또한, 산출 모듈(130)은 셀러의 위협 레벨(Seller threat level)을 산출한다. 실시예에서 셀러의 위협 레벨은 개별 셀러의 위험도로서, 온라인 상에서 가품을 취급하는 셀러의 영향력을 등급화 한 것이다. 실시예에서 셀러의 위협 레벨은 개별 셀러의 판매 기간, 오인구매(Misleading) 유도요인, 판매 수, 판매가격을 포함하는 위협요소에 따라 산출될 수 있다. 예컨대, 셀러의 위협 레벨은 셀러가 가품을 판매한 기간, 판매가격, 오인구매 유도요인 및 누적 판매 수에 비례하여 결정될 수 있다. 실시예에서 오인구매 유도요인은 정품과의 가격차이 및 제품 상세 설명의 정품 주장 횟수에 따라 측정될 수 있다. 실시예에서 산출 모듈(130)은 제품 상세 페이지에 기재된 텍스트 함의 인식(Text-entailment Recognition)을 통해 정품 주장 횟수를 파악하고 이에 따라 오인구매 유도요인을 측정할 수 있다. 또한, 실시예에서 산출모듈(130)은 인공지능 기반의 텍스트 마이닝(Text mining)을 통해 제품 상세 페이지에서 정보 추출(Information Extraction)을 수행하여 정품 주장 횟수를 측정할 수 있다. 정보추출은 텍스트에서 중요한 의미를 가지는 정보들을 자동으로 추출하는 과정으로서, 실시예에서는 '정품', '진짜', '인증', '확실' 등의 정품 주장 표현에 포함되는 단어를 키워드로 설정하고 키워드 관련 정보추출을 통해, 가품을 설명하는 비정형 문서 내의 정품 주장 횟수를 측정할 수 있다. Additionally, the calculation module 130 calculates the seller threat level. In the embodiment, the seller's threat level is the risk level of the individual seller, and is a rating of the influence of the seller handling counterfeit products online. In an embodiment, the seller's threat level can be calculated according to threat factors including the individual seller's sales period, misleading purchase inducement factors, number of sales, and sales price. For example, the seller's threat level may be determined in proportion to the period during which the seller sold counterfeit products, the selling price, factors that induce misleading purchases, and the cumulative number of sales. In an embodiment, factors that lead to misleading purchases can be measured based on the price difference from the genuine product and the number of claims of authenticity in the detailed product description. In an embodiment, the calculation module 130 can determine the number of genuine claims through text-entailment recognition written on the product detail page and measure factors leading to misleading purchases accordingly. Additionally, in the embodiment, the calculation module 130 may perform information extraction from the product detail page through artificial intelligence-based text mining to measure the number of genuine product claims. Information extraction is a process of automatically extracting information with important meaning from text. In the embodiment, words included in expressions of authenticity claims such as 'genuine', 'genuine', 'authentication', and 'certain' are set as keywords. By extracting keyword-related information, it is possible to measure the number of genuine product claims within unstructured documents describing counterfeit products.
또한, 실시예에서 산출모듈(130)은 위협요소에 기반한 셀러 그룹 별 특징을 추출하여, 셀러 그룹의 위협 레벨을 결정할 수 있다. 예컨대, 산출모듈(130)은 셀러 그룹에 포함된 셀러의 가품 판매 기간이 일정 기간을 초과하는 장기간 판매한 셀러(long term seller)이고, 오인구매를 일정 횟수 이상 유도(Misleading)하고, 누적 판매수가 일정 수준을 초과하는 다수 판매자(Heavy seller)인 경우 해당 셀러가 포함된 셀러 그룹의 위협레벨을 최고 등급으로 부여할 수 있다. Additionally, in the embodiment, the calculation module 130 may extract characteristics of each seller group based on threat elements and determine the threat level of the seller group. For example, the calculation module 130 is a long-term seller whose period of selling fake products included in the seller group exceeds a certain period of time, induces misleading purchases more than a certain number of times, and calculates the cumulative sales number. If there are multiple sellers (heavy sellers) exceeding a certain level, the threat level of the seller group that includes the seller can be given the highest level.
또한, 산출모듈(130)은 각 셀러가 취급하는 상품의 가품지수를 산출하고, 산출된 가품지수에 따라 셀러의 위협 레벨을 결정할 수 있다. 실시예에서 셀러의 위협 레벨은 산출된 가품 지수의 범위에 따라 A, B, C, D, E의 등급으로 결정될 수 있다.In addition, the calculation module 130 can calculate the counterfeit index of the products handled by each seller and determine the seller's threat level according to the calculated counterfeit index. In an embodiment, the seller's threat level may be determined as A, B, C, D, or E depending on the range of the calculated counterfeit index.
대응 모듈(140)은 생성된 가품 셀러 그룹 각각에 매칭된 대응 절차에 따라 가품 셀러 그룹 및 가품 셀러 그룹에서 취급하는 가품을 온라인상에서 삭제하도록 처리한다. 또한, 실시예에 대응 모듈(140)은 등록된 관리자 단말에 의한 가품 셀러 및 가품 신고 정보를 수집하고, 수집된 가품 셀러 및 가품 신고 정보에 해당하는 가품 셀러 그룹을 추출한다. 이후, 실시예에서는 추출된 가품 셀러 그룹에 매칭된 대응 정보에 따라 신고 정보에 포함된 가품 셀러 또는 가품을 처리할 수 있도록 한다. The response module 140 processes the counterfeit seller group and the counterfeit products handled by the counterfeit seller group to be deleted online according to the response procedure matched to each counterfeit seller group created. Additionally, the response module 140 in the embodiment collects counterfeit seller and counterfeit product report information by the registered manager terminal, and extracts a counterfeit seller group corresponding to the collected counterfeit seller and counterfeit product report information. Thereafter, in the embodiment, counterfeit sellers or counterfeit products included in the report information can be processed according to the corresponding information matched to the extracted counterfeit seller group.
도 3은 인공지능 기반 온라인 위조상품 단속 시스템의 가품 및 가품 셀러 탐지 통계를 나타내는 사용자 인터페이스 실시예를 나타낸 도면이다.Figure 3 is a diagram showing an example of a user interface showing statistics on detection of counterfeit products and sellers of counterfeit products in an artificial intelligence-based online counterfeit product crackdown system.
도 3을 참조하면, 실시예에 따른 위조상품 단속 시스템은 탐지된 가품 및 가품 셀러의 수, 소셜 미디어에서 탐지된 가품 및 셀러 수를 날자 별로 업데이트 하고, 탐지된 가품의 침해 종류(infringement type) 정보를 파악하여 그래프로 나타낼 수 있다. 침해 종류는 위조(counterfeit), 상표침해(trademark infringement), 불공정경쟁(unfair competition), 디자인 침해(design infringement) 등으로 구분될 수 있다. 또한, 실시예에서는 탐지된 가품들의 유통 채널(distribution channel)을 파악하여 채널 별 분포 및 비율에 대한 그래프를 제공할 수 있다.Referring to FIG. 3, the counterfeit product crackdown system according to the embodiment updates the number of counterfeit products and sellers of counterfeit products detected, the number of counterfeit products and sellers detected on social media by date, and information on the infringement type of the detected counterfeit product. can be identified and represented on a graph. Types of infringement can be divided into counterfeit, trademark infringement, unfair competition, and design infringement. Additionally, in the embodiment, the distribution channel of the detected counterfeit products can be identified and a graph of the distribution and ratio for each channel can be provided.
도 4는 셀러의 위협 레벨 정보를 제공하는 사용자 인터페이스 실시예를 나타낸 도면이다.Figure 4 is a diagram showing an embodiment of a user interface that provides seller's threat level information.
도 4를 참조하면, 실시예에 따른 가품 단속 서버는 가품을 유통시키는 셀러를 탐지하고, 셀러의 고유 키 값을 기반으로 셀러 그룹을 생성한다. 실시예에서는 각 셀러 그룹에 포함된 셀러의 수, 전체 가품 수, 업데이트 날짜, 셀러 그룹의 위협레벨(10) 및 게시물 삭제 조치 여부를 파악하여 표 및 그래프 등으로 시각화 하고, 이를 관리자에게 제공할 수 있다. 도 4에 도시된 바와 같이, 셀러 그룹의 위협 레벨(10)은 A 내지 E 등급으로 결정될 수 있다.Referring to FIG. 4, the counterfeit product crackdown server according to the embodiment detects sellers distributing counterfeit products and creates a seller group based on the seller's unique key value. In the embodiment, the number of sellers included in each seller group, the total number of counterfeit products, the update date, the threat level (10) of the seller group, and whether or not the post has been deleted can be identified, visualized in tables and graphs, and provided to the administrator. there is. As shown in Figure 4, the threat level 10 of the seller group can be determined from A to E levels.
도 5는 가품의 위험도인 가품지수 정보를 제공하는 사용자 인터페이스 실시예를 나타낸 도면이다.Figure 5 is a diagram showing an example of a user interface that provides counterfeit index information, which is the risk of counterfeit products.
도 5를 참조하면, 실시예에 따른 가품 단속 서버는 가품을 유통시키는 웹페이지의 썸네일, 타이틀, 가품 가격, 유통 채널, 셀러, 포스팅 날자, 업데이트 날자, 카테고리, 침해 종류, 가품지수(20), 셀러의 위협레벨, 셀러 그룹, 웹페이지 상태, 삭제 여부 등의 정보를 파악하여 그래프와 표 등의 자료로 시각화 하여 관리자에게 제공할 수 있다. 실시예예서 가품지수는 0점 내지 100 점으로 산출될 수 있고, 가품지수(20)가 일정 수치를 초과하는 경우 가품지수를 색, 폰트, 밑줄 등으로 강조하여 디스플레이 할 수 있다.Referring to FIG. 5, the counterfeit product enforcement server according to the embodiment includes the thumbnail of the web page distributing counterfeit products, title, counterfeit product price, distribution channel, seller, posting date, update date, category, infringement type, counterfeit product index (20), Information such as the seller's threat level, seller group, web page status, and deletion status can be identified, visualized in graphs and tables, and provided to the administrator. In the embodiment, the counterfeit product index can be calculated from 0 to 100 points, and if the counterfeit product index 20 exceeds a certain value, the counterfeit product index can be displayed with emphasis on color, font, underline, etc.
이하에서는 인공지능 기반 온라인 위조상품 단속 방법에 대해서 차례로 설명한다. 실시예에 따른 인공지능 기반 온라인 위조상품 단속 방법의 작용(기능)은 인공지능 기반 온라인 위조상품 단속 시스템의 기능과 본질적으로 같은 것이므로 도 1 내지 도 5와 중복되는 설명은 생략하도록 한다.Below, we will explain in turn how to crack down on online counterfeit products based on artificial intelligence. Since the operation (function) of the artificial intelligence-based online counterfeit product crackdown method according to the embodiment is essentially the same as the function of the artificial intelligence-based online counterfeit product crackdown system, descriptions overlapping with FIGS. 1 to 5 will be omitted.
도 6은 실시예에 따른 가품 단속 서버의 데이터 처리 과정을 나타낸 도면이다.Figure 6 is a diagram showing the data processing process of the counterfeit product enforcement server according to an embodiment.
도 6을 참조하면, S100 단계에서는 가품 셀러 정보 수집 모듈에서 가품 판매 셀러가 이용하는 이미지, 가품 판매 셀러 이름, 셀러 웹페이지, URL, 아웃링크, 아이디, 오픈채팅데이터를 포함하는 가품 셀러 정보를 수집한다. Referring to Figure 6, in step S100, the counterfeit seller information collection module collects counterfeit seller information including images used by counterfeit sellers, name of counterfeit seller, seller web page, URL, outlink, ID, and open chat data. .
S200 단계에서는 셀러 그룹 생성 모듈에서 수집된 가품 셀러 정보를 기반으로 가품 셀러를 그룹핑(grouping)하여, 가품 셀러 그룹을 생성한다. 실시예에서는 가품 판매 셀러가 이용하는 이미지, 셀러 웹페이지, URL, 구매를 유도하는 아웃링크, 플랫폼 별 아이디, 및 오픈채팅데이터를 포함하는 고유 키값(unique key)을 정의하고, 정의된 고유 키값에 따라 복수의 셀러를 그룹핑하여 셀러 그룹을 생성할 수 있다. In step S200, a counterfeit seller group is created by grouping counterfeit sellers based on counterfeit seller information collected in the seller group creation module. In the embodiment, a unique key value including an image used by a seller selling counterfeit products, a seller web page, a URL, an outlink that induces purchases, an ID for each platform, and open chat data is defined, and a unique key value is defined according to the defined unique key value. You can create a seller group by grouping multiple sellers.
S300 단계에서는 산출모듈에서 개별 가품의 위험도 및 개별 가품 셀러의 위협도를 산출한다. S300 단계에서는 온라인에서 판매되는 가품의 가격, 검색 포털 노출기간, 누적판매횟수, 정품가격과의 차이, 판매기간을 포함하는 정품위협요소에 따라 가품 별 가품지수(Counterfeit Rating)를 산출한다. 또한, S300 단계에서는 정품과의 가격차이 및 가품 상세 설명 페이지의 정품 주장 횟수에 따라 오인구매 유도요인을 산출한다. 이후, 개별 셀러의 판매 기간, 오인구매 유도요인, 판매 수를 포함하는 셀러위협요소에 따라 셀러의 위협 레벨(Seller threat level)을 결정할 수 있다. In step S300, the calculation module calculates the risk of individual counterfeit products and the threat level of individual counterfeit product sellers. In the S300 stage, the Counterfeit Rating for each counterfeit product is calculated based on genuine threat factors including the price of the counterfeit product sold online, search portal exposure period, cumulative number of sales, difference from the genuine price, and sales period. In addition, in step S300, factors inducing misleading purchases are calculated based on the price difference from the genuine product and the number of claims of genuine product on the detailed description page of the counterfeit product. Afterwards, the seller threat level can be determined based on seller threat factors, including the individual seller's sales period, misleading purchase inducement factors, and number of sales.
S400 단계에서는 대응 모듈에서 생성된 가품 셀러 그룹에 매칭된 대응 절차에 따라 상기 가품 셀러 그룹 및 상기 가품 셀러 그룹에서 취급하는 가품이 온라인에서 삭제되도록 처리한다. 실시예에서 S400 단계에서는 등록된 관리자 단말로부터 가품 셀러 및 가품 신고 정보를 수집하고, 수집된 신고 정보를 포함하는 가품 셀러 그룹을 추출한다. 이후 추출된 가품 셀러 그룹에 매칭된 대응정보에 따라 가품 셀러 또는 가품이 삭제되도록 처리할 수 있다. In step S400, the counterfeit seller group and the counterfeit products handled by the counterfeit seller group are deleted online according to the response procedure matched to the counterfeit seller group created in the response module. In the embodiment, in step S400, counterfeit product seller and counterfeit product report information is collected from the registered manager terminal, and a counterfeit product seller group including the collected report information is extracted. Afterwards, the counterfeit seller or counterfeit product can be processed to be deleted according to the corresponding information matched to the extracted counterfeit seller group.
이상에서와 같은 인공지능 기반 온라인 위조상품 단속 시스템 및 방법은 가품 탐지, 가품 확인, 후속 절차 진행의 개별 과정 없이 셀러 그룹에 매칭된 하나의 대응 과정을 통해 가품을 단속함으로써, 온라인에서 유통되는 가품 단속 시 번거로움을 해소할 수 있도록 한다. 또한, 셀러 그룹에 매칭된 자동화된 대응 절차를 통해, 온라인 상 가품 셀러 및 가품 노출을 신속하게 중단시켜 업체의 손실을 최소화할 수 있다. 또한, 각 셀러 그룹에서 취급하는 가품 및 셀러에 대한 자동화된 대응 절차를 제공함으로써, 온라인상 가품 단속 효율을 향상시킬 수 있다. 또한, 셀러 그룹 별 자동화된 대응 절차를 통해 온라인상 가품 셀러 및 가품 노출을 신속하게 중단시켜 업체의 손실을 최소화할 수 있다. 뿐만 아니라, 셀러 그룹을 생성에 이용하는 셀러의 고유 키 값을 통해 가품 셀러를 정확하게 판별하고, 가품 셀러에 신속하게 대응하여 중소기업의 브랜드 보호 및 기업경쟁력의 확보에 기여할 수 있도록 한다. 또한, 브랜드 기준에서의 가품 판매 데이터와 플랫폼 기준에서의 가품 판매 데이터를 동시에 확보하여, 크로스 탐지에 의한 가품 탐지 효율 및 신뢰도를 향상시킬 수 있다.The artificial intelligence-based online counterfeit product crackdown system and method as described above cracks down on counterfeit goods distributed online by cracking down on counterfeit goods through a single response process matched to the seller group without individual processes of detecting counterfeit products, confirming counterfeit products, and proceeding with follow-up procedures. Let us relieve you of the hassle. In addition, through automated response procedures matched to seller groups, the company's losses can be minimized by quickly stopping sellers of counterfeit products and exposure of counterfeit products online. In addition, by providing automated response procedures for counterfeit products and sellers handled by each seller group, the efficiency of cracking down on counterfeit products online can be improved. In addition, through automated response procedures for each seller group, the company's losses can be minimized by quickly stopping online counterfeit sellers and exposure of counterfeit products. In addition, it accurately identifies counterfeit sellers through the seller's unique key value used to create a seller group, and quickly responds to counterfeit sellers, contributing to protecting the brand of small and medium-sized businesses and securing corporate competitiveness. In addition, by simultaneously securing counterfeit product sales data on a brand basis and counterfeit product sales data on a platform basis, the efficiency and reliability of counterfeit product detection through cross detection can be improved.
개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.The disclosed content is merely an example, and various modifications and implementations may be made by those skilled in the art without departing from the gist of the claims, so the scope of protection of the disclosed content is limited to the above-mentioned specific scope. It is not limited to the examples.
Claims (6)
가품 판매 셀러가 이용하는 이미지, 가품 판매 셀러 이름, 셀러 웹페이지, URL, 아웃링크, 아이디, 오픈채팅데이터를 포함하는 가품 셀러 정보를 수집하는 가품 셀러 정보 수집 모듈;
상기 수집된 가품 셀러 정보를 기반으로 가품 셀러를 그룹핑(grouping)하여, 가품 셀러 그룹을 생성하는 셀러 그룹 생성 모듈;
개별 가품의 위험도 및 개별 가품 셀러의 위협도를 산출하는 산출모듈; 및
상기 생성된 가품 셀러 그룹에 매칭된 대응 절차에 따라 상기 가품 셀러 그룹 및 상기 가품 셀러 그룹에서 취급하는 가품이 온라인에서 삭제되도록 처리하는 대응 모듈; 을 포함하고
상기 셀러 그룹 생성 모듈; 은
가품 판매 셀러가 이용하는 이미지, 셀러 웹페이지, URL, 구매를 유도하는 아웃링크, 플랫폼 별 아이디, 및 오픈채팅데이터를 포함하는 고유 키값(unique key)을 정의하고, 정의된 고유 키값에 따라 복수의 셀러를 그룹핑하여 셀러 그룹을 생성하고,
상기 셀러 그룹 생성 모듈은
정의된 고유 키 값이 이미지인 경우 인공지능 머신러닝을 통한 이미지 인식을 통해 고유 키 값을 확장하고, 이미지에 포함된 가품 객체와 배경을 분류(classification) 및 검출(detection)하고, 객체를 픽셀 단위로 식별하여 분할(segmentation)하는 이미지 인식(image recognition)과정을 통해 가품 셀러가 이용하는 이미지를 파악하고,
상기 셀러 그룹 생성 모듈은
학습하지 못한 패턴의 데이터 처리를 위해, 인공지능신경망에 입력된 이미지가 학습된 확률분포 데이터인지 식별하는 학습 외 분포 데이터 탐지(out of distribution detection)과정을 수행하고,
상기 산출모듈; 은
온라인에서 판매되는 가품의 가격, 검색 포털 노출기간, 누적판매횟수, 정품 가격과의 차이, 판매기간을 포함하는 정품위협요소 각각의 가중치를 산출하고, 산출된 정품위협요소 각각의 가중치를 반영하여, 가품 가격과 정품 가격의 차이에 반비례하고, 노출기간과 누적 판매 횟수에 비례하도록 가품 별 가품지수(Counterfeit Rating)를 산출하고,
상기 산출모듈은
정품가격이 일정 수준을 초과하는 고가 상품을 위조한 가품의 경우 정품 위협 요소 중 정품과의 가격 차이에 가장 높은 가중치를 부여하여 가품지수를 산출하고,
판매기간이 일정 수준을 초과하는 스테디셀러인 상품을 위조한 가품의 경우 정품 위협 요소 중 판매 기간에 가장 높은 가중치를 부여하여 가품지수를 산출하는 것을 특징으로 하는 인공지능 기반 온라인 위조상품 단속 시스템.
In the artificial intelligence-based online counterfeit product crackdown system,
A counterfeit seller information collection module that collects counterfeit seller information, including images used by counterfeit sellers, name of counterfeit seller, seller web page, URL, outlink, ID, and open chat data;
A seller group creation module that groups counterfeit sellers based on the collected counterfeit seller information and creates a counterfeit seller group;
Calculation module that calculates the risk of individual counterfeit products and the threat level of individual counterfeit product sellers; and
a response module that processes the counterfeit seller group and counterfeit products handled by the counterfeit seller group to be deleted online according to a response procedure matched to the created counterfeit seller group; contains
The seller group creation module; silver
Define a unique key that includes images, seller web pages, URLs, outlinks that encourage purchases, IDs for each platform, and open chat data used by sellers selling counterfeit products, and multiple sellers are registered according to the defined unique key value. Create a seller group by grouping,
The seller group creation module is
If the defined unique key value is an image, the unique key value is expanded through image recognition through artificial intelligence machine learning, classifying and detecting fake objects and backgrounds included in the image, and detecting the object in pixel units. Through the image recognition process of identification and segmentation, the images used by counterfeit product sellers are identified,
The seller group creation module is
To process data of unlearned patterns, an out of distribution detection process is performed to identify whether the image input to the artificial intelligence neural network is learned probability distribution data.
The calculation module; silver
Calculate the weight of each genuine threat element, including the price of counterfeit goods sold online, search portal exposure period, cumulative number of sales, difference from genuine price, and sales period, and reflect the calculated weight of each genuine threat element, Counterfeit Rating for each counterfeit product is calculated to be inversely proportional to the difference between the price of the counterfeit product and the price of the genuine product and proportional to the exposure period and cumulative number of sales.
The calculation module is
In the case of counterfeit high-priced products whose price exceeds a certain level, the counterfeit index is calculated by assigning the highest weight to the price difference from the genuine product among the threats to the genuine product.
An artificial intelligence-based online counterfeit product crackdown system that calculates the counterfeit product index by assigning the highest weight to the sales period among the threats to genuine products in the case of counterfeit products that are long-sellers whose sales period exceeds a certain level.
개별 셀러의 판매 기간, 오인구매 유도요인, 판매 수를 포함하는 셀러위협요소에 따라 셀러의 위협 레벨(Seller threat level)을 결정하고,
상기 오인구매 유도요인은
정품과의 가격차이 및 가품 상세 설명 페이지의 정품 주장 횟수에 따라 측정되는 것을 특징으로 하는 인공지능 기반 온라인 위조상품 단속 시스템.
The method of claim 1, further comprising: the calculation module; silver
The seller threat level is determined based on seller threat factors, including the individual seller's sales period, misleading purchase inducement factors, and number of sales.
The above factors that lead to mistaken purchases are:
An artificial intelligence-based online counterfeit product crackdown system that is measured based on the price difference from the genuine product and the number of genuine product claims on the counterfeit product detailed description page.
등록된 관리자 단말로부터 가품 셀러 및 가품 신고 정보를 수집하고, 수집된 신고 정보를 포함하는 가품 셀러 그룹을 추출하고, 추출된 가품 셀러 그룹에 매칭된 대응정보에 따라 가품 셀러 또는 가품을 처리하는 것을 특징으로 하는 인공지능 기반 온라인 위조상품 단속 시스템.
According to claim 1, wherein the corresponding module; silver
It is characterized by collecting counterfeit seller and counterfeit product report information from registered administrator terminals, extracting counterfeit seller groups containing the collected report information, and processing counterfeit sellers or counterfeit products according to corresponding information matched to the extracted counterfeit seller group. An artificial intelligence-based online counterfeit product crackdown system.
(A) 가품 셀러 정보 수집 모듈에서 가품 판매 셀러가 이용하는 이미지, 가품 판매 셀러 이름, 셀러 웹페이지, URL, 아웃링크, 아이디, 오픈채팅데이터를 포함하는 가품 셀러 정보를 수집하는 단계;
(B) 셀러 그룹 생성 모듈에서 상기 수집된 가품 셀러 정보를 기반으로 가품 셀러를 그룹핑(grouping)하여, 가품 셀러 그룹을 생성하는 단계;
(C) 산출모듈에서 개별 가품의 위험도 및 개별 가품 셀러의 위협도를 산출하는 단계; 및
(D) 대응 모듈에서 상기 생성된 가품 셀러 그룹에 매칭된 대응 절차에 따라 상기 가품 셀러 그룹 및 상기 가품 셀러 그룹에서 취급하는 가품이 온라인에서 삭제되도록 처리하는 단계; 를 포함하고
상기 (B)의 단계; 는
가품 판매 셀러가 이용하는 이미지, 셀러 웹페이지, URL, 구매를 유도하는 아웃링크, 플랫폼 별 아이디, 및 오픈채팅데이터를 포함하는 고유 키값(unique key)을 정의하는 단계;
정의된 고유 키값에 따라 복수의 셀러를 그룹핑하여 셀러 그룹을 생성하는 단계;
정의된 고유 키 값이 이미지인 경우 인공지능 머신러닝을 통한 이미지 인식을 통해 고유 키 값을 확장하고, 이미지에 포함된 가품 객체와 배경을 분류(classification) 및 검출(detection)하고, 객체를 픽셀 단위로 식별하여 분할(segmentation)하는 이미지 인식(image recognition)과정을 통해 가품 셀러가 이용하는 이미지를 파악하는 단계; 를 포함하고, 및
학습하지 못한 패턴의 데이터 처리를 위해, 인공지능신경망에 입력된 이미지가 학습된 확률분포 데이터인지 식별하는 학습 외 분포 데이터 탐지(out of distribution detection)과정을 수행하는 단계; 를 포함하고
상기 (C)의 단계; 는
(C-1) 온라인에서 판매되는 가품의 가격, 검색 포털 노출기간, 누적판매횟수, 정품 가격과의 차이, 판매기간을 포함하는 정품위협요소 각각의 가중치를 산출하고, 산출된 정품위협요소 각각의 가중치를 반영하여, 가품 가격과 정품 가격의 차이에 반비례하고, 노출기간과 누적 판매 횟수에 비례하도록 가품 별 가품지수(Counterfeit Rating)를 산출하는 단계; 를 포함하고,
상기 (C-1); 의 단계; 는
정품가격이 일정 수준을 초과하는 고가 상품을 위조한 가품의 경우 정품 위협 요소 중 정품과의 가격 차이에 가장 높은 가중치를 부여하여 가품지수를 산출하는 단계; 및
판매기간이 일정 수준을 초과하는 스테디셀러인 상품을 위조한 가품의 경우 정품 위협 요소 중 판매 기간에 가장 높은 가중치를 부여하여 가품지수를 산출하는 단계; 를 포함하는 것을 특징으로 하는 인공지능 기반 온라인 위조상품 단속 방법.
In the artificial intelligence-based online counterfeit product crackdown method,
(A) Collecting counterfeit seller information including images used by counterfeit sellers, name of counterfeit seller, seller web page, URL, outlink, ID, and open chat data in the counterfeit seller information collection module;
(B) grouping counterfeit sellers based on the collected counterfeit seller information in the seller group creation module to create a counterfeit seller group;
(C) Calculating the risk of individual counterfeit products and the threat of individual counterfeit product sellers in the calculation module; and
(D) processing the counterfeit seller group and the counterfeit products handled by the counterfeit seller group to be deleted online according to a response procedure matched to the counterfeit seller group created in the response module; includes
Step (B) above; Is
Defining a unique key including images used by sellers selling counterfeit goods, seller web pages, URLs, outlinks that induce purchases, platform-specific IDs, and open chat data;
Creating a seller group by grouping a plurality of sellers according to a defined unique key value;
If the defined unique key value is an image, the unique key value is expanded through image recognition through artificial intelligence machine learning, classifying and detecting fake objects and backgrounds included in the image, and detecting the object in pixel units. Identifying images used by counterfeit sellers through an image recognition process of identification and segmentation; Includes, and
In order to process data of unlearned patterns, performing an out of distribution detection process to identify whether the image input to the artificial intelligence neural network is learned probability distribution data; includes
Step (C) above; Is
(C-1) Calculate the weight of each genuine threat element, including the price of counterfeit goods sold online, search portal exposure period, cumulative number of sales, difference from genuine price, and sales period, and each calculated genuine threat element. Reflecting the weight, calculating a counterfeit rating for each counterfeit product to be inversely proportional to the difference between the price of the counterfeit product and the price of the genuine product and proportional to the exposure period and cumulative number of sales; Including,
above (C-1); step of; Is
In the case of counterfeit high-priced products whose genuine price exceeds a certain level, calculating the counterfeit index by assigning the highest weight to the price difference from the genuine product among the threats to genuine products; and
In the case of counterfeit products that are long-sellers whose sales period exceeds a certain level, calculating the counterfeit index by assigning the highest weight to the sales period among the threats to genuine products; An artificial intelligence-based online counterfeit product crackdown method comprising:
(C-2)정품과의 가격차이 및 가품 상세 설명 페이지의 정품 주장 횟수에 따라 오인구매 유도요인을 산출하는 단계; 및
(C-3)개별 셀러의 판매 기간, 오인구매 유도요인, 판매 수를 포함하는 셀러위협요소에 따라 셀러의 위협 레벨(Seller threat level)을 결정하는 단계; 를 포함하는 것을 특징으로 하는 인공지능 기반 온라인 위조상품 단속 방법.
The method of claim 4, wherein step (C); Is
(C-2) Calculating misleading purchase inducement factors according to the price difference from the genuine product and the number of claims of genuine product on the detailed description page of the counterfeit product; and
(C-3) Step of determining the seller threat level according to seller threat factors including the individual seller's sales period, misleading purchase inducement factors, and number of sales; An artificial intelligence-based online counterfeit product crackdown method comprising:
등록된 관리자 단말로부터 가품 셀러 및 가품 신고 정보를 수집하는 단계;
수집된 신고 정보를 포함하는 가품 셀러 그룹을 추출하는 단계; 및
추출된 가품 셀러 그룹에 매칭된 대응정보에 따라 가품 셀러 또는 가품을 처리하는 단계; 를 포함하는 것을 특징으로 하는 인공지능 기반 온라인 위조상품 단속 방법.
The method of claim 4, wherein step (D); Is
Collecting counterfeit seller and counterfeit product report information from a registered manager terminal;
Extracting a group of counterfeit sellers including the collected report information; and
Processing counterfeit sellers or counterfeit products according to corresponding information matched to the extracted counterfeit seller group; An artificial intelligence-based online counterfeit product crackdown method comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220184381A KR102650139B1 (en) | 2022-04-07 | 2022-12-26 | Artificial intelligence-based system and method for online counterfeit product crackdown |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220043250A KR102482969B1 (en) | 2022-04-07 | 2022-04-07 | Artificial intelligence-based system and method for online counterfeit product crackdown |
| KR1020220184381A KR102650139B1 (en) | 2022-04-07 | 2022-12-26 | Artificial intelligence-based system and method for online counterfeit product crackdown |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220043250A Division KR102482969B1 (en) | 2022-04-07 | 2022-04-07 | Artificial intelligence-based system and method for online counterfeit product crackdown |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230144455A true KR20230144455A (en) | 2023-10-16 |
| KR102650139B1 KR102650139B1 (en) | 2024-03-22 |
Family
ID=84539461
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220043250A KR102482969B1 (en) | 2022-04-07 | 2022-04-07 | Artificial intelligence-based system and method for online counterfeit product crackdown |
| KR1020220184381A KR102650139B1 (en) | 2022-04-07 | 2022-12-26 | Artificial intelligence-based system and method for online counterfeit product crackdown |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220043250A KR102482969B1 (en) | 2022-04-07 | 2022-04-07 | Artificial intelligence-based system and method for online counterfeit product crackdown |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102482969B1 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102476785B1 (en) * | 2022-04-11 | 2022-12-14 | 주식회사 페이커즈 | Image library system and counterfeit detection method for artificial intelligence-based counterfeit product detection |
| CN117993935A (en) * | 2024-02-26 | 2024-05-07 | 广东汇乔科技有限公司 | E-commerce big data platform based on block chain |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090000359A (en) * | 2007-06-28 | 2009-01-07 | 한국신용정보 주식회사 | Credit opening system of sellers through comprehensive evaluation of individual credit, sales result, and data on civil appeal and dispute |
| KR101333748B1 (en) * | 2013-02-28 | 2013-11-28 | 더치트 주식회사 | Method for preventing fraud and the real-time tracking a suspected criminal and apparatus for the same |
| KR101420361B1 (en) | 2012-07-17 | 2014-07-21 | 석인수 | Certification system and method for the honest goods using QR code and computer readable recoding medium for performing it |
| KR101795697B1 (en) | 2016-04-01 | 2017-11-09 | 주식회사 코인플러그 | Method and server for generating address and index by product and detecting counterfeit products in order to manage genuine products |
| KR102202788B1 (en) * | 2020-05-04 | 2021-01-14 | 주식회사 아우라제이 | Artificial intelligence device and method for discriminating counterfeits |
| KR20210009051A (en) * | 2019-07-16 | 2021-01-26 | 주식회사 구하다 | Goods appraising methods and systems for blockchain-based community shopping mall and therefore |
-
2022
- 2022-04-07 KR KR1020220043250A patent/KR102482969B1/en active IP Right Grant
- 2022-12-26 KR KR1020220184381A patent/KR102650139B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090000359A (en) * | 2007-06-28 | 2009-01-07 | 한국신용정보 주식회사 | Credit opening system of sellers through comprehensive evaluation of individual credit, sales result, and data on civil appeal and dispute |
| KR101420361B1 (en) | 2012-07-17 | 2014-07-21 | 석인수 | Certification system and method for the honest goods using QR code and computer readable recoding medium for performing it |
| KR101333748B1 (en) * | 2013-02-28 | 2013-11-28 | 더치트 주식회사 | Method for preventing fraud and the real-time tracking a suspected criminal and apparatus for the same |
| KR101795697B1 (en) | 2016-04-01 | 2017-11-09 | 주식회사 코인플러그 | Method and server for generating address and index by product and detecting counterfeit products in order to manage genuine products |
| KR20210009051A (en) * | 2019-07-16 | 2021-01-26 | 주식회사 구하다 | Goods appraising methods and systems for blockchain-based community shopping mall and therefore |
| KR102202788B1 (en) * | 2020-05-04 | 2021-01-14 | 주식회사 아우라제이 | Artificial intelligence device and method for discriminating counterfeits |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102650139B1 (en) | 2024-03-22 |
| KR102482969B1 (en) | 2022-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102650139B1 (en) | Artificial intelligence-based system and method for online counterfeit product crackdown | |
| US8190621B2 (en) | Method, system, and computer readable recording medium for filtering obscene contents | |
| CN107437038B (en) | Webpage tampering detection method and device | |
| CN102663025B (en) | Illegal online commodity detection method | |
| CN103544436A (en) | System and method for distinguishing phishing websites | |
| CN104158828B (en) | The method and system of suspicious fishing webpage are identified based on cloud content rule base | |
| CN111897962A (en) | Internet of things asset marking method and device | |
| CN102170447A (en) | Method for detecting phishing webpage based on nearest neighbour and similarity measurement | |
| WO2011065211A1 (en) | Document analysis device, document analysis method, and computer-readable recording medium | |
| CN112200196A (en) | Phishing website detection method, device, equipment and computer readable storage medium | |
| JP2022548501A (en) | Data acquisition method and device for analyzing cryptocurrency transactions | |
| CN105787744A (en) | Anti-attack credit rating and calculation method based on shopping demands | |
| CN108846441A (en) | A kind of image similarity detection method and device, computer readable storage medium | |
| KR101784559B1 (en) | Method and apparatus for analyzing pattern of consumption/interest | |
| CN114444863A (en) | Enterprise production safety assessment method, system, device and storage medium | |
| CN115953021A (en) | Supplier risk analysis method and device based on machine learning | |
| CN111988327B (en) | Threat behavior detection and model establishment method and device, electronic equipment and storage medium | |
| WO2023045535A1 (en) | Method and apparatus for identifying picture | |
| CN110781497A (en) | Method for detecting web page link and storage medium | |
| KR102539036B1 (en) | Purchasing agent system for mass registration of product | |
| Soldner et al. | Trends in online consumer fraud:: A data science perspective | |
| CN115687754A (en) | Active network information mining method based on intelligent conversation | |
| CN114417860A (en) | Information detection method, device and equipment | |
| Khoo et al. | Fraudulent e-commerce website detection model using HTML, text and image features | |
| KR102576231B1 (en) | Natural language processing method for identification of counterfeit products and counterfeit product detection system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |