一種互聯網假酒信息監測模型的建立與應用

　　摘 要：近年來電子商務與互聯網技術、物流等行業不斷融合，網絡消費快速增長，但也因此滋生了各種利用互聯網制售假冒偽劣商品的犯罪，嚴重損害了企業和群眾利益，擾亂了經濟秩序。受高額利潤的驅使，茅臺酒等高端白酒是網絡制售假犯罪的重點侵害對象之一。與線下實體模式售假行為不同，互聯網制售假酒行為具有虛擬性和隱蔽性，給公安機關偵查帶來了不少困難。犯罪分子利用互聯網制售假冒高端白酒的手段也在不斷推陳出新，除了通過電商平臺、社交網絡微商銷售外，近幾年又出現了利用線上互聯網廣告招攬顧客的新模式。本文從貴州省遵義市公安機關破獲的一起利用互聯網制售假酒案例出發，介紹了一種較為新型的利用互聯網制售假酒犯罪的手段和特點，并根據其特點建立了一個抓取互聯網制售假酒信息的監測模型，用于公安機關發現和落地網絡制售假酒犯罪線索，保護白酒企業知識產權。

　　齊鳳亮; 光曉俐; 鄒積鑫; 林雷祥; 童長毅， 刑事技術 發表時間：2021-08-11

　　關鍵詞：假酒;互聯網廣告;知識產權保護

　　隨著“互聯網 +”“新零售”等時代的到來，制售假酒犯罪也慢慢地隱藏到互聯網這張大網下。據遵義市打假相關部門的統計，傳統的商超、店鋪、批發市場公然銷售假酒的現象越來越少，市場監督管理部門開展市場檢查查獲的假酒數量也越來越有限。茅臺等高端白酒由于其品質好、銷售緊俏，一直是造假分子的重點侵害對象，高端白酒也成為了利用網絡制售假酒犯罪的重災區。犯罪分子利用互聯網、快遞物流銷售假酒不僅成本低、隱蔽性強，而且流通快速、對象虛擬，給公安機關等部門執法和打擊帶來了更多挑戰。近年來犯罪分子利用互聯網廣告，在門戶網站等平臺發布虛假白酒促銷信息，大肆銷售假冒茅臺等高端白酒，給大量消費者帶來損失的同時，也極大傷害了茅臺等高端白酒品牌形象。

　　本文以作者參與辦理的貴州省遵義市公安機關破獲的一起互聯網制售假高端白酒案件為例，介紹了此案的犯罪手法特點 ;提出了一種抓取互聯網售假信息的監測模型，用于及時發現和落地此類案件線索，提交給公安機關和權利人企業進行打擊處理。

　　1 案件簡介與特點

　　2018 年 9 月，遵義市公安機關工作中發現，有人在鳳凰網、新浪網等門戶網站及相關移動 APP 上發布搶購茅臺酒活動銷售信息廣告，經廠家核查發現該廣告頁面銷售的為假冒貴州茅臺酒。涉案地公安機關組成專案組開展工作，成功發現了一個利用互聯網制售假茅臺酒的犯罪團伙。該犯罪團伙以馬某 A、馬某 B、楊某某等人為主要成員，涉及廣東、河南、浙江、山東等地。經查，廣東假酒經銷商馬某 A 負責聯系互聯網廣告商，發布虛假貴州茅臺酒等高端白酒搶購活動廣告 ;山東廣告商楊某某按照馬某 A 的要求，在東方頭條、鳳凰網、新浪網等平臺發布廣告 ;網民點擊廣告訂購后，馬某 A 將訂單發給河南假酒生產商馬某 B;最后馬某 B 等人在河南生產假酒，并通過物流發貨到全國各地。2019 年 6 月，遵義公安機關一舉打掉該犯罪團伙，抓獲犯罪嫌疑人 11 人，搗毀生產窩點 2 個，繳獲假冒茅臺、五糧液、劍南春等白酒 1800 余瓶以及假酒生產設備、包裝材料若干，凍結涉案資金數百萬元。

　　與利用電商或社交網絡微商等平臺銷售假貨 [1] 模式不同，眾多假酒犯罪分子為逃避電商平臺監管，在互聯網網頁、論壇等發布售假酒信息。特別是在本案中，犯罪團伙通過不良廣告公司直接在互聯網廣告平臺投放高檔白酒搶購廣告，建立售假網絡，犯罪手法的欺騙性、隱蔽性強，假酒擴散快、危害大。一是假酒廣告欺騙性強。這些廣告并不直接標明銷售的是茅臺酒，而是打出“貴州名酒原價 1499 限時搶購 600”“茅臺鎮 53°酒 750/ 瓶，過時恢復原價 1499/ 瓶” 等名頭，廣告圖片展示的是印著“茅臺鎮原漿酒”“茅臺原漿酒”等名稱類似茅臺酒的包裝白酒，用以逃避廣告商平臺的監管，同時廣告投放會選擇特定的目標用戶和區域，人工網絡巡查難以直接發現。二是人員身份隱蔽性強。銷售商、生產商、廣告商等層級分工明細，互聯網銷售使交易雙方身份虛擬，廣告商、銷售商、生產商等之間聯系時，常以昵稱相稱，通過微信等聯絡，并且常用他人身份信息注冊賬號，各方相互之間不見面、不了解具體身份，交易各方身份的虛擬性，給公安機關落地人員身份深入調查造成困難。三是假酒擴散快、危害大。假酒的購買過程非常便捷，互聯網用戶點擊廣告后，落地網頁就變成了茅臺酒的銷售界面，頁面上有下單功能，瀏覽者只需要選擇所購買的產品，錄入姓名、手機號、地址等信息后，無需提前支付貨款，即可完成下單，后臺有專業的訂單系統，假酒銷售商拿到訂單后聯系生產商直接發貨。假酒從下單到發貨操作簡單，加之互聯網的覆蓋性，導致假酒的擴散快、危害大。調查發現該案犯罪團伙從 2018 年 11 月至 2019 年 5 月發貨近千次，銷售假冒茅臺酒數千件，收貨地遍布全國，涉案總價值達數千萬元。

　　面對互聯網上售假酒信息的泛濫和巨大危害，公安機關和權利人企業打假人員也在一直努力發現和清除網上違法廣告信息，對重點線索進行打擊。但采用傳統的人工方式在互聯網上搜索和巡查，費時費力效率低下 ;互聯網的虛擬性，也使得打假人員難以直接通過互聯網上抓取的有限信息落地嫌疑人員和企業身份。公安和企業打假部門亟需一種高效的方法，及時準確地發現互聯網上售假信息并形成有效案件線索。因此，我們可以利用互聯網搜索、數據挖掘等技術，建立互聯網監測模型，自動化地發現和提取互聯網上制售假酒信息，為打擊互聯網制售假酒犯罪服務。

　　2 互聯網假酒信息監測模型

　　作者建立了一個針對互聯網假酒信息的監測模型，首先利用歷史案件、工作搜集的數據對互聯網上發布假酒廣告信息的關鍵詞進行提取和整理，建立關鍵詞組，然后采用互聯網搜索技術，對互聯網網站、論壇等上面發布的售假廣告信息進行抓取、整理，獲得涉嫌銷售假酒的廣告頁面信息 ;對抓取的互聯網廣告信息進行清洗，落地網頁地址，提取手機、微信、 QQ 等號碼信息，將銷售信息推送給酒企鑒別真假，對于明顯低于市場銷售價格、虛假的促銷廣告信息，將提取的號碼等信息與公安、權利人企業掌握的歷史數據進行碰撞，落地相關人員和企業身份，及時形成案件線索，交由公安機關進行深入調查 ;對抓取的嫌疑頁面進行關鍵詞挖掘，發現和提取新的關鍵詞，充實搜索關鍵詞組，流程如圖 1 所示。本文將主要從關鍵詞組的設置、涉假互聯網廣告信息的抓取、抓取數據的碰撞與線索生成等方面進行闡述，介紹模型的原理與運行效果。

　　2.1 關鍵詞組的設置

　　假酒搜索關鍵詞組的設置及更新基于兩個直觀的假設 ：一是涉假信息通過關鍵詞表征，即但凡出現關鍵詞的信息都有極高的概率與售假相關 ;二是關鍵詞之間具有一定的聯系，即與關鍵詞經常以特定模式出現的詞也有一定的概率是關鍵詞。

　　設置假酒關鍵詞組的基本思想如下 ：首先，作者根據辦案工作經驗，結合研究互聯網上相關的售假行為，對各類假冒商品設置初始關鍵詞組，例如“高仿酒”“高仿茅臺”等，利用這些關鍵詞組抓取互聯網上發布的廣告信息。然后，對抓取的內容清洗處理，進行主題分析、關鍵詞挖掘，及時發現和加入可能出現的新關鍵詞，最終實現關鍵詞組的迭代更新。為解決主題分析關鍵詞挖掘問題，我們使用了 TextRank和 TF-IDF 兩個成熟的關鍵詞自動提取算法。

　　TextRank 算法的基本思想來自于谷歌公司的 PageRank[2] 算法，首先根據文本構造詞之間的連接圖，通過在詞圖上執行 PageRank 算法，可以最終得到詞的重要度分數，最后選擇得分最高的 n 個詞作為文檔的關鍵詞 [3-4]。該算法的詞圖模型可以形式化定義為公式(1)。(1)其中，V 是頂點的集合，即文本中的詞集，E 是這些頂點之間邊的集合，即文本中詞與詞之間的邊集。

　　對于給定的一個頂點 Vi ，TextRank 的計算見公式(2)。(2)公 式(2) 中 是指向 Vi 頂 點 的 入 鏈 集 合， Out(Vj ) 是出鏈的集合，d 為阻尼系數，一般取值為 0.85。ωji 和 ωjk 分別是指兩個頂點之間的邊權值，通常設置為 1，表示無權圖。

　　TF-IDF 算法是基于統計的方法來衡量詞或短語在文本信息中的關鍵性 [5-6]，一個詞在目標文本使用的次數較多，卻在語料庫中使用的次數較少，那么它就能夠具備良好的文本區分能力。某個詞在目標文本中的TF值指的是該詞在這個文本中出現的頻率， IDF 值是文本集合中出現包含該詞的文本占比，計算見公式(3)。(3)公式(3)中 TFi,j 為詞 i 在文本 j 中的詞頻，fi,j 為詞 i 在文本 j 中出現的次數，N 是文本集中的文本總數，ni 為包含詞 i 的文本數量，加常數 1 是為了處理公式中分母 ni 為 0 的情況。

　　TextRank 使用文本的結構信息，對詞的表征方式不敏感，算法的結果只取決于文本的結構，而 TFIDF 具備良好的文本區分能力。為了得到可信度更高的結果，我們在實際任務中將兩種算法進行融合，從而得到最終的分數，計算如公式(4)。(4)使用“茅臺酒”作為初始關鍵詞，對抓取的網頁采用上述三種關鍵詞自動提取算法，生成的關鍵詞如表 1 所示。

　　人工檢查后將關鍵詞分為有效、無效、待定三類，分別用綠色、紅色、黑色標記。TF-IDF 算法中前 19 關鍵詞包括 7 個有效詞、7 個無效詞，TextRank 算法中前 19 關鍵詞包括 6 個有效詞、9 個無效詞，融合算法中前 19 關鍵詞包括 7 個有效詞、6 個無效詞。可以看出，融合算法可得到更多的有效關鍵詞，較少的無效關鍵詞，關鍵詞獲取效果較好。

　　2.2 互聯網假酒信息的抓取

　　作者設計了基于 Selenium[7] 的互聯網搜索引擎信息抓取系統，可以根據指定的關鍵詞組，自動化抓取搜索結果中的相關信息。Selenium 是一種瀏覽器自動化測試框架，常用于網絡爬蟲的模擬人工操作，可以有效獲取網頁真實地址，同時也可以通過設定暫停時間，使爬蟲程序行為更接近真實的訪問情況，減少網站反爬蟲措施帶來的影響。我們使用 Python+Selenium+Chrome 組合來解決自動化抓取搜索結果問題，谷歌瀏覽器(Chrome)負責渲染解析，Selenium 負責驅動瀏覽器和 Python 程序進行對接，Python 程序負責對網頁數據信息進行清洗、提取等后期處理，三者構成一個完整的爬蟲結構。

　　首先，利用谷歌瀏覽器驅動 ChromeDriver[8] 自動建立瀏覽器進程、登錄搜索引擎、自動輸入預設關鍵字進行搜索，進入了搜索結果頁面后，解析頁面內容實現對搜索結果的逐條抓取。然后，對頁面地址進行落地，對數據進行清洗，設計基于規則的無關數據篩選流程剔除無關數據，比如，門戶網站和電商對違法信息的審核嚴格，抓取的網頁雖然與售假有一定相關性，但絕大多數不是不法分子發布的售假信息，需要將此類網頁剔除。最后，對搜索結果頁面進行分析，存儲網頁標題、落地頁等信息，利用正則表達式將網頁中涉及的電子郵件、電話、QQ 號碼等信息提取并保存。圖 2 展示了部分從互聯網抓取的互聯網可疑售假網頁信息。

　　2.3 抓取信息的碰撞與線索生成

　　可以將抓取的互聯網可疑售假信息與公安、企業、互聯網數據等各類數據等進行關聯比對，落地相關內容，刻畫嫌疑人員和企業，將可疑度高的線索轉給相關公安機關和企業打假部門，做進一步研判和處理。為此，本文建立了信息比對碰撞平臺，匯集的公安數據包括 2010 年以來遵義市公安機關辦理的侵犯知識產權相關犯罪案件信息 700 余條，犯罪嫌疑人信息 1 000 余條 ;企業數據包括茅臺等酒企掌握的涉嫌制售假酒的黑、灰名單人員信息 5 000 余條，嫌疑企業信息 2 933 條 ;互聯網數據包括廈門美亞柏科公司網搜平臺搜集的通信、地址、人員、企業信息等數據 10 億余條。我們運用這些數據與互聯網抓取的信息進行碰撞，例如，模型發現百度 ID“yerutin****” 長期在百度貼吧發布出售假酒的信息，通過網搜平臺對“yerutin****”貼文中留下的“135****1573”手機號碼進行關聯，發現新的手機號碼“134****8255”，通過對“134****8255”再次進行搜索，進而發現該手機的實名信息李某，并關聯出該號碼關聯的湖南省婁底市的地址信息，如圖 3 所示。可見，對互聯網模型抓取的一條信息，通過多次迭代搜索的方式，可挖掘并分析出相關人員身份、手機、地址等內容，最終勾勒出涉嫌人員信息，形成更加有價值的線索。

　　將監測模型抓取的 1 000 余條涉嫌銷售假酒信息推送給貴州遵義公安機關，從應用情況看，模型能較好地抓取互聯網網頁、論壇等發布的涉嫌銷售假酒信息，通過公安機關進一步研判，已經形成一批有價值的案件線索。研究中還發現，近期有不法分子開始在視頻 App 等手機移動 App 上發布虛假廣告信息，并使用二維碼作為聯系方式，下一步我們還將研究如何在移動 App 等平臺上進行廣告線索抓取，建立二維碼信息的自動采集、識別方法，不斷完善監測模型，更加高效準確地獲取互聯網售假線索信息。

　　3 小結

　　本文介紹了一種較為新型的利用網絡制售假酒案件情況，分析了案件特點，針對互聯網涉假信息的發現、提取問題，利用互聯網搜索、數據挖掘技術，提出了一種互聯網假酒犯罪監測模型。從應用情況看，模型可及時發現網上銷售假酒犯罪線索，幫助公安、企業打假部門及時進行打擊處理。運用技術對互聯網制售假酒犯罪進行監測，雖能夠獲取線索，但還需要強化綜合治理，加強互聯網廣告、物流等行業的管理，匯聚公安、權利人企業的數據和資源，形成工作合力，才能夠標本兼治，從根本遏制利用互聯網制售假酒等侵犯知識產權犯罪。