iKala AI 實戰案例：怎讓KOL Radar 網紅雷達工作效率快上4 倍？

iKala 目前從原本的雲代理商正積極轉型成一間跨國的AI 公司，提供以AI 驅動的數位轉型及數據行銷整體解決方案。

其中旗下產品「KOL Radar」網紅雷達則透過 ... 集團資訊 關於我們 集團介紹 我們的團隊 旗下媒體 關鍵評論網 everylittled. INSIDE 運動視界 Cool3c 電影神搜 未來大人物 歐搜哇 旗下節目 多元服務 Ad2 Taketla拿票趣 關鍵議題研究中心 Cr.ED ShareParty 與我們合作 內容行銷與廣告業務 異業合作 加入我們 新聞中心 評論 iKalaAI實戰案例：怎讓KOLRadar網紅雷達工作效率快上4倍？ 2020/05/14 客座投稿 AI 、KOL 、iKala 隨著微網紅、奈米網紅崛起，網紅們的公開社群資料也越來越多元、複雜，這也讓iKala的KOLRadar收集、整理資料的速度必須更快、更精準，那該怎麼做？AI能幫上忙嗎？可以！ 評論 評論 本文為iKala投稿，經INSIDE編審後刊載。

iKala目前從原本的雲代理商正積極轉型成一間跨國的AI公司，提供以AI驅動的數位轉型及數據行銷整體解決方案。

其中旗下產品「KOLRadar」網紅雷達則透過大數據技術，即時收集網路上龐大的公開社群資料，並結合AI技術為品牌與企業客戶做到最精準的網紅推薦，目前已累積超過 50,000筆跨國網紅資料。

  但隨著微網紅、奈米網紅崛起，網紅們的公開社群資料也越來越多元、複雜，這也讓KOLRadar收集、整理資料的速度必須更快、更精準，那該怎麼做呢？AI能幫上忙嗎？因此KOLRadar找上iKala內部AI團隊進行跨部門合作，來解決在篩選公開資料流程中所遇到的「精準度維持」、「審核速度需求」等挑戰，整個專案從雙方開始討論需求到AI順利導入，總共花了不到一個月的時間。

最終AI成功幫助KOLRadar在維持資料精準度相同水準之下，讓工作效率提升了4倍左右。

這段專案導入過程我們覺得很值得分享，以下主要由iKalaAITeamLead黃宣龍(NeilHuang)口述，並經整理呈現。

萬地高樓平地起：把問題問對就是第一步 在我們合作執案的開始，KOL Radar團隊提出的需求為「希望AI幫忙篩選出網紅」，但這個問題的範圍太大、指令太模糊，必須被重新定義。

因此，我們首先向KOLRadar釐清了網紅的定義為「Facebook、Instagram、YouTube 任一平台粉絲人數達1,000人以上，並排除政治、宗教領域人物、企業及媒體。

」再來，我們開始思考如何從公開資料中，快速篩選出符合上述條件的名單，而最快速有效的方法就是定義出他們的共同特徵或具體樣貌。

 KOL Radar團隊則依據過去收錄5萬筆網紅公開資料，發現頭圖是人/狗/貓的社群粉專，有8成機率是網紅！因此，我們下一步就是用AI從上萬筆公開社群資料中快速找出頭圖為人/狗/貓的名單。

選擇符合任務目標的AI工具一旦把問題問明確，目標清楚了，AI團隊就能快速決策打造AI圖像偵測模組。

而這領域的AI現有資源相當成熟、好用。

本次我們採用了雲端AI工具來自動偵測公開社群資料中屬於狗、貓的頭圖；並另外使用 ProgressiveCalibrationNetworks(PCN)偵測人臉的頭圖。

 用兩種不同的AI工具能讓團隊以最快的效率，從AI偵測、貼標後的資料中取得頭圖屬於人、狗、貓類別的名單。

詳細來說，該雲端AI工具對於狗和貓等圖像所貼的標籤就是狗、貓等明確的類別，但有時則會同時出現「柯基」這種標籤（不過還是很好判斷與統整）。

但其對人臉圖像，出現的標籤就較為多元，時常會同時出現例如手、脖子、服裝造型，甚至是工作性質等太細節的標籤。

這讓我們整理出頭圖為人臉的名單時不太順利，而且這種標籤邏輯也不符合我們的需求。

因此決定改用PCN，明確地將人臉圖像統一標籤分類為「人」。

  整個頭圖貼標工作的完整流程（如圖片一）包含了幾個步驟，我們批次依序處理數萬筆公開頭圖圖片，使用主程式把圖片抓進預測模組（Predict ImageLabel），並由PCN模組先負責辨識圖片中有無出現人臉，將含人臉的圖片直接貼標為 HumanFace，而其餘的圖片則另外呼叫雲端AI工具的API，來偵測與判斷是否包含貓（Cat）、狗（Dog）相關的標籤。

整套雲端AI工具是建置於Cloud平台上並且支援PredictionAPI，而PCN則是第三方提供的程式，其 PredictionAPI功能就須由開發者自行整合與部署（如圖片二）。

不過這些現有AI工具資源都能大幅加快整個專案流程的進行。

【圖說一】iKala的AI團隊繪製的頭圖標籤偵測流程圖。

【圖說二】現有AI工具資源可大幅加快開發流程最終，我們在KOLRadar團隊提供的7.6萬筆公開社群資料中，導入上述兩個AI模組進行偵測與標籤，並快速篩選出1.5萬筆頭圖為人、狗、貓的名單資料，將其做為高優先名單提供給KOLRadar團隊。

而經過人工確認，在這1.5萬筆資料中有80%的資料符合KOLRadar收錄網紅的標準，使工作效率加速了4倍。

 【圖說三】iKala共同創辦人暨執行長程世嘉（左後三）、iKala資料長暨AI團隊負責人黃宣龍（右後一灰色外套）與去年摘下DSA數位奇點獎銅獎作品的AI自動修圖服務Picaas團隊合照。

關鍵思維：「人的智慧」讓AI成最給力的助手 在這次 iKala的內部案例中，我們在想一件事：「企業導入AI時的關鍵思維」到底是什麼？從過去經驗李看，我們發現企業最常在一開始提出需求都問：「我想要AI幫我增加營收、AI能幫我做到哪些事？」但我們認為問題應該精簡成這樣：「公司現有及未來的工作流程或產品佈局有哪些痛點需要被解決、被優化」，並加入經驗法則，將導入AI的目標更加具體化。

在這樣思考的過程中，人的經驗法則與產業 know-how顯得至關重要。

 總體來說，AI不是取代人，而是輔助人解決問題，唯有在我們問對問題的時候，AI才能更精準地發揮最佳效益。

iKala 整合顧問、服務超過400家企業的經驗，提出DAA飛輪（Digitalization, Analytics,Application）的框架，不僅以AI賦能內部工作流程、實踐「自己的問題自己解決」，也持續以客戶為中心，協助客戶釐清其真正的關鍵需求。

至今，我們所有對外產品皆以AI為核心，包含雲端資料池與AI/ ML數據分析服務iKalaCloud、AI網紅雷達KOL Radar、AI社群商務銷售工具 Shoplus，讓客戶導入AI時能有明確的策略藍圖。

【圖說四】iKala提出DAA飛輪架構，透過數位化、分析能力、以及行銷應用組成的框架，讓企業在導入AI應用時，有明確的策略、規劃、及發展藍圖。

【圖說四】iKala提出DAA飛輪架構，透過數位化、分析能力、以及行銷應用組成的框架，讓企業在導入AI應用時，有明確的策略、規劃、及發展藍圖。

責任編輯：Chris核稿編輯：Anny 分享文章或觀看評論 評論 客座投稿 品牌 雲端資安會面臨什麼風險？雲原生服務又應該注意哪些細節？（內有影片） 2021/11/09 廣編企劃 資安 、雲端 、網路攻擊 、數位轉型 、容器技術 、雲原生服務 、趨勢科技LetsTalk 目前企業上雲、採取多雲策略與現代化應用服務，將成為主流發展模式，企業不僅需要因應新形態網路攻擊模式來改變升級資安措施，並且針對上雲各個階段強化防護。

評論 SPONSORED PhotoCredit：趨勢科技TrendMicro 評論 無論是公有雲、私有雲或混合雲，只要是以雲端原生運算打造的應用服務，都應要更更重視資安風險，避免威脅也跟著上雲，而趨勢科技又是如何協助企業做好防護？本篇將以趨勢科技LetsTalkOnline兩集影片的內容為大家進行詳細介紹，若想直接看影片請點擊以下的影片連結──雲端工作負載和容器安全實作，以及雲端資安風險與CloudNativeSecurity4C模型的概念與實作。

從早期企業自行建雲，到後來藉由公有雲服務更快銜接雲端運作模式，企業藉此加速數位化轉型腳步，到目前更因應不同服務應用模式，以及資料使用方式等要求，使得結合公有雲、私有雲，甚至兩種以上雲端平台使用的混合雲架構變得更加普及。

企業應用服務也逐漸轉向容器化設計發展，近年來更有許多企業、開發者開始擁抱開源架構設計的Kubernetes（K8s）容器技術（備註：參考影片），更快部署雲端服務，將服務搬上雲端難度門檻變得更低，因此也吸引更多企業願意讓服務上雲。

由於將服務佈署在雲端的企業比例越來越高，傳統針對地端伺服器的攻擊模式逐漸地在改變，目前駭客攻擊模式也逐漸鎖定上雲服務，其中包含攔截網路封包，或是直接鎖定容器化的雲端服務。

同時，越來越多網路攻擊型態持續在改變，企業在上雲之際，往往忽略資安防護也必須跟著升級。

另一方面，隨著多雲架構趨勢發展，企業雲端服務架構落差變得更大，讓容器化服務佈署管理變得更加紛雜，因此相對更容易讓服務出現安全漏洞，在企業資安人員難以察覺的情況下，可能就會面臨外部攻擊。

更詳盡功能實作課程請參考LetsTalkOnlineEP7TechDemo-雲端工作負載和容器安全實作PhotoCredit：趨勢科技TrendMicro目前企業上雲所面臨的「4C」難題，分別包含Cloud（雲端）、Cluster（運算叢集）、容器（Container）、Code（編碼），在這四個面向各自會面臨不同資安問題，也會相互產生不同影響，即「4C」各個環節的資安問題未能妥善處理，就會讓整個服務產生更難以收拾的局面。

（備註：參考影片）趨勢科技針對「4C」難題提出CloudOne解決方案，標榜針對目前企業主要使用的 AWS、微軟Azure、GoogleCloud、VMware雲端化服務，以及包含Docker、Kubernetes容器化服務應用環境最佳化。

PhotoCredit：趨勢科技TrendMicro善用CloudOne，完整涵蓋4C防護需求（本段內容採用雲端資安風險與CloudNativeSecurity4C模型的概念與實作會後報導）整體來說，雲端資安風險可分成兩塊（參考上圖），其一來自Cloud／Cluster基礎架構層次，另一源自Container／Code執行階段。

針對前者，舉凡異質雲端環境管理、網路安全管理，及因應複雜雲端環境的設定管理，皆可能出現挑戰；而在執行階段，可能因採用惡意的映像檔或開源元件，採用違反法規與政策的映像檔，或在CI／CD自動化階段出現不合理的容器權限配置，都會產生風險。

為協助企業解決上述難題，趨勢科技提供CloudOne雲端資安解決方案，內含多個產品項目，有助保障雲端應用安全，讓用戶順利推進數位轉型。

面對基礎架構層面的挑戰，企業可透過CloudOne當中的WorkloadSecurity，統一防禦公私雲上所有重要主機，避免各項服務遭受攻擊；以現今熱門的容器而論，不論承載Apache、資料庫或其他任何服務，只要安裝在WorkloadSecurity納管的主機上，即可一併接受防護。

此外企業可善用Conformity，持續自動地深層檢查雲端配置，避免出現違反法規或不安全的不當設定。

關於執行階段的挑戰，企業必須先有基本認知，藉由DevOps、CI／CD實施高速自動化的過程可能衍生安全議題，故而需要建立DevSecOps觀念，從一開始就考量到整體安全性，必須及早確保開發人員使用的內外部映像檔安全無虞，確保映像檔裡的開源元件符合最新版本，確認相關部署條件符合公司規定，例如不允許採用最高執行權限、或將敏感金鑰資訊藏於映像檔。

（備註：參考影片）對此企業可藉由CloudOne中的ContainerSecurity做為基礎，利用其中SmartCheck功能深層掃瞄容器映像檔，及利用AdmissionControl確認部署狀況及YAML檔的設定，避免出現逾越公司資安政策的權限配置。

總括而論，企業只要借助趨勢科技CloudOne平台，活用WorkloadSecurity、Conformity與ContainerSecurity等工具，便能有效滿足雲端原生資安4C架構的各個層次資安控管需求，進而降低風險、安全上雲。

更詳細說明請參考LetsTalkOnlineEP4雲端資安風險與CloudNativeSecurity4C模型的概念與實作 分享文章或觀看評論 評論 廣編企劃 由關鍵評論網媒體集團《業務團隊》製作，由各品牌單位贊助。

業務與行銷相關合作，歡迎與我們聯繫。