Trademark Infringement Detection in E-Commerce With Multimodal Contrastive Learning

Metadane

• Autorzy: Xiaowei Ma et al.
• Rok: 2025
• Źródło: IEEE Access, DOI: 10.1109/ACCESS.2025.3610856
• Status: reference
• Kategoria: Security / Computer Vision / Multimodal
• Tagi: reference trademark brand-impersonation contrastive-learning embeddings multimodal e-commerce #2025

Streszczenie

Wykrywanie naruszenia znaków towarowych w e-commerce przy użyciu multimodalnego contrastive learning — embeddingi z LLM (tekst) i VLM (obraz) połączone do wykrywania impersonacji marek przez produkty e-commerce. Bezpośrednia analogia do M2 (brand matching) w FinPhishGuard.

Kluczowe Wnioski

• Multimodalne embeddingi (tekst + obraz) skuteczniejsze niż unimodalne dla trademark detection
• LLM embeddingi tekstu + VLM embeddingi logo → cosine similarity jako detektor impersonacji
• Podejście zero-shot: nowe marki bez retrainingu — wystarczy dodać embedding do bazy
• Contrastive learning (CLIP-style) naturalnie odporne na drobne perturbacje wizualne

Metodologia

• LLM: embeddingi nazwy marki i opisu produktu
• VLM: embeddingi logo i zdjęcia produktu
• Fuzja: concatenation lub weighted sum embeddingów
• Similarity: cosine distance z bazą wektorową zarejestrowanych marek

Notatki

Rola w projekcie: Bezpośredni precedens dla M2 FinPhishGuard: użycie embeddings modelu (user ma dostęp!) do brand similarity zamiast Siamese network. Trademark detection w e-commerce = bardzo zbliżone do brand impersonation w phishingu. Argument: embedding-based M2 odporniejszy na adversarial perturbacje niż pixel-level ResNet Siamese.