|
导读
关键字
背景 假货是一个庞大的全球性问题，许多高端商品例如艺术品、名牌手表、药品、电子产品等都会直接受到假货的威胁。有报告称，如今假冒商品的交易占全球贸易的7%。假货不仅严重损害消费者的合法权益，还会对正品生产商的经营造成恶劣影响，严重影响社会资源有效利用。关于假货造成影响的案例，我们许多人都亲身体验过，或者看过许多有关报道，我就不再赘述了。 今天，笔者主要想和大家从技术的角度谈谈假货的鉴别。目前，各种防伪技术层出不穷，例如全息图、密码技术、RFID技术、全息技术、指纹识别技术、虹膜识别技术、物理不可克隆技术（PUF技术）等等。大家还记得笔者之前介绍过的纳米水印防伪技术和石墨烯防伪标签吗？
（图片来源：瑞士洛桑联邦理工学院 ）
（图片来源：兰卡斯特大学） 然而，目前这些技术方案对于假货市场的作用仍然非常有限，主要是由于它们受制于一些列因素，例如容易被克隆和破解、成本较高以及应用障碍。重要的是，目前不少检测假冒商品的手段，大多是侵入式的，在检测时可能会损坏产品。 创新 针对上述情况，笔者今天再为大家介绍一项非常实用的、非侵入式的防伪技术。最近，纽约大学教授 Lakshminarayanan Subramanian 领导的科研团队开发出一种使用人工智能技术中的机器学习算法的新机制，用于区分同一产品的真伪版本。
（图片来源：Entrupy Inc.） 8月14日星期一，这项技术将在加拿大新斯科舍省哈利法克斯召开的有关知识发现与数据挖掘的KDD年度会议上展示。该技术由 Entrupy Inc 公司进行商业化，这是一家由库朗数学科学研究所的博士研究生 Ashlesh Sharma、Vidyuth Srinivasan, 以及 Subramanian 创办的纽约大学的创业公司。 技术 对于这项防伪技术的基本原理，纽约大学库朗数学科学研究所的教授 Subramanian 这样解释：
这套端到端的物理验证系统主要由移动设备（智能手机）、便携式硬件和基于云的物体验证生态系统构成。
（图片来源：Entrupy Inc.） 该系统的关键构件之一就是广角的显微镜装置（便携式硬件），它与移动设备例如智能手机相兼容，让用户很容易地获取物理对象的大区域显微图像。
（图片来源：Entrupy Inc.） 另外，研究人员还部署了一个具有三百万张图片的数据库。这些图片关于各种各样的物品和材料，例如面料，皮革，药丸，电子，玩具和鞋子。基于捕捉到的显微图像，研究人员使用人工智能机器学习算法（ConvNets 和 bag of words），生成一种高精度的分类引擎，将正品和假货区分开来。这一特性可用于鉴别市场上那些人眼极难辨别的“超级假货”。 下面，简单介绍一下利用这项技术鉴别商品真伪的步骤： 第一步：首先使用扫描装置（便携式硬件）扫描物品，对于物品上的多个区域进行拍照。
（图片来源：Entrupy Inc.） 第二步：将图片上传至数据库，在15~20秒钟内，你将获取鉴别结果。你也能获取到一张鉴定证书，且可以通过社交媒体和邮件分享该证书。
（图片来源：Entrupy Inc.）
（图片来源：Entrupy Inc.）
（图片来源：Entrupy Inc.） 价值 据Subramanian 称，这项技术的鉴别精准度超过98%，且可以通过日常使用的手机验证日常物品的真伪。这项创新技术创造性地将人工智能技术中的机器学习算法应用于防伪，它不仅成为了人工智能应用的又一创新尝试，同时也为解决“假货”这个老大难问题，又提供了一种创新技术方案。 参考资料 【1】http://www.nyu.edu/about/news-publications/news/2017/august/researchers-use-machine-learning-to-spot-counterfeit-consumer-pr.html 【2】Ashlesh Sharma et al. The Fake vs Real Goods Problem, Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD '17 (2017). DOI: 10.1145/3097983.3098186 更多前沿技术和创新产品，请关注微信公众号：IntelligentThings，或者联系作者个人微信：JohnZh1984 |
