标签：http 自己的 功率 实现 对比 follow ofo 简单的 客户
https://mp.weixin.qq.com/s/mqD0Iu4HePvQBS8J03OXLABy 超神经
场景描述：利用机器学习、深度学习和大数据、云计算等技术，实现版权监测、登记及维权，打击盗版行为，终结盗版时代。
关键词：机器学习 深度学习 大数据 自然语言处理 打击盗版今天，思否 CEO 的一篇文章，让 CSDN 陷入舆论中心。
起因是，思否的一些作者发现，在CSDN 的下载频道，自己的付费课程被盗版。作为知名的IT 技术社区交流平台，CSDN 下载频道占据了 30 % 的流量，但在内容监管中，却并不给力。
思否 CEO 今日发表的文章（部分截图）
文章里，作者指出了 CSDN 的侵权和盗版事件绝非个案，而网络上的这种侵权和盗版事件似乎也没有高效的遏制办法。
类似的内容盗版行为，在音乐、影视行业也屡见不鲜。比如今年春节档的科幻大片「流浪地球」，在上映第二天就被爆出盗版资源，以几元的价格在线售卖。而且不是通常所见「盗录」的模糊「枪版」，大部分还是高清片源。 实在猖獗。
盗版和假冒伪劣产品屡禁不止的原因，在于这些产品往往是免费或者低价的形式分享，在互联网时代，它们的传播更加难以遏制。
在利益驱动下，盗版屡禁不止
除了网络环境复杂常常难以发现，还有一个原因在于惩治不力。
根据目前相关规定，即使泄露片源，赔偿金额也不过是合同原价的双倍，甚至更低；此外，针对盗版等侵权行为虽有行政处罚，但缺乏强制措施，威慑力不足。
如果不是多方作者发现并揭露这件事，也许很多人还蒙在鼓里。
从以下数字我们可以看到盗版横行的市场有多大。Frontier Economics 2017 年的一项研究表明，到 2022 年，假冒和盗版商品的总价值可能上涨到 2.81 万亿美元（19.11 万亿人民币。其中，中国占全球仿冒和盗版商品总额的 46％。该研究还估计，到 2022 年，与假冒和盗版有关的净失业人数可能高达 540 万。
面对如此猖獗的盗版产业，似乎必须借助人工智能来打击了。
一家位于巴塞罗那的知识产权和品牌保护创业公司 Red Points ，正在利用技术解决这个全球性的问题。
Red Points 提供品牌保护、反盗版服务
公司基于 SaaS 的云解决方案系统会代表客户，在网上搜寻假冒伪劣产品或盗版内容，并自动将其删除，以此为企业进行在线 IP 侵权检测、自动化移除假货信息和盗版内容。
该公司 CEO Urquizu 认为，机器学习工具，如计算机视觉和自然语言处理，可以帮助品牌更快地搜索信息和检测假货，从而实现知识产权保护的自动执行。
「与基于服务的方法相反，只有可扩展的技术解决方案，才能显著应对由知识产权侵权引发的挑战，」Urquizu 说。
该公司反盗版的方法具体分为以下步骤：
跟踪：通过关键字监控系统检测并消除在线 IP 侵权，这些系统由客户通过简单的平台进行管理。此外，版权保护专家会每天识别和更新盗版来源，机器学习也会使用检测记录来添加新的搜索规则，不断进行自我提高。
删除：自动执行版权并跟进来源。一旦发现违规行为，使用自动化规则立即发送删除和接触索引请求，并采取庭外行动制止进一步侵权行为。
报告：发现侵权行为后，客户可收到定制报告，查看自己知识产权保护范围，平台还会识别其他侵权事件趋势并追踪侵权者来源，
反盗版中的追踪环节
另外，通过使用机器学习和深度学习技术，公司可以通过线上系统，获取客户的账户历史信息，不断更新，从而能够不断删除新的侵权威胁。如果检测到潜在的侵权威胁，会及时预警客户。
「当品牌保护和反盗版实现自动化时，从检测到侵权事件，到移除侵权内容，平均需要花费四个半小时，而手动完成这个过程通常需要数天或数周，」Urquizu 说。「在有效打击在线假冒产品方面，速度和准确性至关重要，而这只能通过智能技术实现。」
每天，Red Points 的专有软件都会从互联网上删除 100,000 多起非法产品和相关内容。其技术目前帮助 400 多家客户在全球 100 多个市场上处理虚假内容，成功率达 96％。
国内也有这样的公司，正在借助人工智能武器和盗版进行对抗。
由于自 2010 年起，版权问题在国内日益受到重视，吴冠勇在 2011 年便创办了冠勇科技，依托云计算、大数据和人工智能技术，打造版权监测、登记及维权的大数据平台。
该平台能够 7 * 24 小时地监测全球的中文和英文网站，为全球版权所有人服务
还有一家位于杭州的公司刀豆网络，通过自研的全品类全网监测对比技术以及基于机器学习的人工智能算法，为超过 5 万名的个人创作者和超过 150 家企业，提供包括版权监测取证、登记确权、维权保护以及授权管理等内容版权与数据服务。
近年来，国人版权意识在逐渐加强，但是盗版、侵权依然横行，权利人深受其害。
我们期待，接下来，人工智能反盗版的技术能够更多地为个人和企业所用，同时，国家在相关法律法规上不断进行完善，让盗版和侵权无处遁形，让盗版时代彻底终结。
非均等代价 Unequal cost
非均等代价是指赋予每个类别造成的损失代价不同的情况。
在一些情形中，不同的预测结果可能造成的损失程度不同，给这样的分类赋予同样的代价函数不切合实际，此时可以根据分类的类别重要程度，为错误赋予「非均等代价」。
非均等代价下，考虑的不是有话错误的次数，而是最小化「总体代价」。
考虑非均等代价情况时，常规的度量方式 ROC 曲线不能表现学习器的情况，通常采用「代价曲线」来说明学习器的期望总体代价。
标签：http 自己的 功率 实现 对比 follow ofo 简单的 客户
原文地址：https://blog.51cto.com/14929242/2535399
