拄著雙拐的笑舒(阿里花名)來自湖北孝感，他是架起打假大數據阻攔網的阿里巴巴工程師之一。“我在阿里打假不是做‘判官’，而是使用機器學習、做數據模型過濾負向產品和商家，掃除潛在危險。”每逢有人問他在阿里做什么，笑舒總要把上面的話大致重復一遍。

　　在笑舒和搭檔們的盡力下，他們研制的打假大數據模型每天對整個阿里渠道近20億件產品進行掃描，找出疑似售假商家做出處理，幫忙執法部分進行查辦。2017年的前11個月里，他們幫忙執法機關破獲制售假案件674個。

　　大數據鑄造世上“僅有”的打假模型

　　與一般人不同的是，笑舒一歲時被確診患有小兒麻痹癥，左腿相比常人衰弱一圈。在屏幕上，笑舒能讓代碼飛馳，而在現實生活中，他只能靠雙拐緩慢向前。

　　笑舒該怎么生存下去？一度讓在湖北孝感務農的爸爸媽媽感到擔憂。終究，爸爸媽媽決議送笑舒上學。“‘只需你肯學，我就供你讀。’這是母親跟我說過最重的一句話。”笑舒回憶，從初中到高中，父親每天騎著三輪車接送他上下學。

　　爸爸媽媽的艱苦和支撐讓笑舒不敢有絲毫松懈，由于技能過硬，他終究經過校招面試，成為一名阿里巴巴數據工程師。

　　大家不懂什么是打假模型，笑舒并不覺得奇怪。由于他和搭檔們所做的，就是探究一套世界上絕無僅有的假貨風控體系——面臨近20億量級的產品，上千萬賣家，數以億計的訂單。

　　“這種模型，世界上之前沒有過。從業界來看，一般使用機器學習做的都是正向模型居多，像營銷、推行。但我們做的是負向模型，且是信息量龐大，維度很多的場景。”笑舒說，從他開端研制打假模型便面臨很多壓力與應戰：打假模型判別禁絕，出問題他和同伴們要擔任。

　　一次有商家被投訴售假，但從信息層面看不出其是否售賣過假貨，這時受理投訴的搭檔調用笑舒研制的假貨模型進行鑒別，結果模型判別售假嫌疑極大。

　　而多次抽檢后顯現，該商家售賣的是正品，這曾使笑舒的打假模型備受質疑。

　　這事之后，笑舒和團隊深入剖析了原因，發現是作為機器學習的質料——種子數據特征的覆蓋面不行。在調整了數據樣本、特征和模型后，同類產品的售假判別準確性得到極大進步，得到調用部分的認可。

　　好刀都是磨礪出來的。閱歷了很多應戰后，現在，笑舒和搭檔們研制的大數據打假模型已應用在神秘抽檢、疑似售假商家入駐阻攔、售假頭緒挖掘剖析等阿里巴巴渠道管理部很多的假貨風控場景中。

　　用打假模型營建“無假”的交易環境

　　據《2016年阿里巴巴渠道管理年報》顯現，從2016年1月至2016年12月，阿里巴巴幫忙警方捕獲犯罪嫌疑人880名；搗毀涉假窩點1419個；破獲案件涉案總金額超30億元。在品牌合方面，這一年阿里巴巴自動阻攔刪去的產品量是同期權利人投訴刪去產品量的26倍。

　　笑舒表明，曾經他和搭檔會依據不同的場景、產品數據規劃打假模型。這些模型經過一段時間的調試和發育，上線初期命中率很高。但是，很多售假團伙會打聽打假模型的才能，進而讓假貨信息、售假者身份“變異”來繞過監管。

　　盡管能從信息層面消滅假貨，但笑舒和搭檔清楚，線下的假貨并不會隨便蒸騰。更加嚴峻的問題，不少線下制假團伙并沒有得到應有的懲罰，這就導致渠道面臨的假貨威脅一直嚴峻。

　　“當前打假就像個篩子，刑事判決處分過低，不足以震撼利潤豐厚的制假售假產業鏈。”據阿里巴巴首席渠道管理官鄭俊芳介紹，2016年阿里巴巴渠道管理部共排查出4495個銷售額遠大于起刑點(5萬元)的制售假頭緒，而經過揭露信息可以承認已經有刑事判決結果的僅33例，緩刑比率近80%。

　　因而，在本年兩會期間，馬云致信兩會代表委員，呼吁“像抓酒駕一樣管理假貨”，引起全社會強烈反響。

　　“‘像抓酒駕一樣管理假貨’終究目的是讓售假者得到應有處分，減少社會上的假貨。”笑舒表明，我們團隊最大的KPI(績效目標)應該就是使用打假模型，為全社會營建出‘無假’的交易環境。

　　說起行將到來的2018年，笑舒最大的愿望是爸爸媽媽平安健康，天下沒有假貨。