[发明专利]信息防伪方法、验证方法与服务器在审

专利信息
申请号: 202010730614.0 申请日: 2020-07-27
公开(公告)号: CN114004244A 公开(公告)日: 2022-02-01
发明(设计)人: 高煜;谢晖;杨莞琳 申请(专利权)人: 罗伯特·博世有限公司
主分类号: G06K7/14 分类号: G06K7/14;G06N3/04;G06N3/08;G06Q30/00
代理公司: 永新专利商标代理有限公司 72002 代理人: 刘炳胜
地址: 德国斯*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 信息 防伪 方法 验证 服务器
【说明书】:

本公开涉及一种信息防伪方法、验证方法及服务器。防伪方法包括:利用一分类模型处理一原始图像,以产生对所述原始图像的分类估计;计算所述分类估计对应的标准训练图像相对于所述原始图像的损失;基于所述损失产生一扰动图像;将所述扰动图像叠加至所述原始图像以生成对抗图像;利用所述分类模型学习所述对抗图像以产生一更新的分类估计;存储所述更新的分类估计用于对所述对抗图像的验证。

技术领域

发明涉及数字化防伪技术,尤其涉及图形编码的创建及验证系统。

背景技术

假冒产品是个全球性的问题,现有技术中主要采用物理或者数字化技术对产品进行防伪。物理防伪技术例如全息图和水印等,验真时可能需要额外的设备支持和人工识别,因此不方便终端用户进行操作。数字防伪技术如二维码、条形码等只需通过智能手机就可以进行验真,便于供应链中的相关环节以及终端用户操作;缺点在于,数字防伪标签本身易于被复制和仿冒。

发明内容

为了解决现有技术中存在的问题,本申请提供一种改进的数字防伪技术,可以增加像二维码这样的数字防伪标签的精准复制难度,进而易于验证出伪造商品。

根据本发明的一个方面,提供一种信息防伪方法,包括:利用一分类模型处理一原始图像,以产生对所述原始图像的分类估计;计算所述分类估计对应的标准训练图像相对于所述原始图像的损失;基于所述损失产生一扰动图像;将所述扰动图像叠加至所述原始图像以生成对抗图像;利用所述分类模型学习所述对抗图像以产生一更新的分类估计;存储所述更新的分类估计用于对所述对抗图像的验证。

根据本发明的又一个方面,提供一种验证方法,包括:接收针对一待验证目标的扫描图像;利用经过训练的分类模型处理所述扫描图像以产生所述待验证目标的预测分类估计;将所述预测分类估计与预先存储的所述待验证目标的原型目标的原始分类估计进行对比;基于所述对比结果,确定是否通过所述待验证目标的验证。

根据本发明的再一个方面,提供一种验证服务器,包括:接收/发送模块,用于接收来自远程终端的验证请求,其中验证请求中包含有待验证图像;存储器,用于存储事先经过训练的图像分类模型及所接收的待验证图像;处理模块,用于:利用经过训练的分类模型处理所述待验证图像以产生所述待验证图像的预测分类估计;将所述预测分类估计与预先存储的所述待验证目标的原型目标的原始分类估计进行对比;基于所述对比结果,确定是否通过所述待验证目标的验证。

附图说明

图1示出按照一个示例的采用分类模型处理二维码的示意图;

图2示出了根据本发明一个示例的QR码防伪处理流程图;

图3示意性示出对QR码加扰示意图;

图4示出了根据本发明一个示例的QR码防伪处理设备框图;

图5示出根据本发明实施例的用于验证商品二维码的流程图;

图6示出根据本发明实施例的用于验证商品二维码的验证服务器框图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是用于说明本发明为目的,而非限制性的。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。在以下实施例说明中,以二维码特别是QR码来例来说明本发明。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于罗伯特·博世有限公司,未经罗伯特·博世有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010730614.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top