打假！機器學習演算法竟然也有用武之地

導讀

假貨是一個龐大的全球性問題。最近，美國紐約大學的科研團隊成功使用人工智慧機器學習演算法，開發出一種鑒別假貨的新系統。

關鍵字

防偽、人工智慧、智能手機

背景

假貨是一個龐大的全球性問題，許多高端商品例如藝術品、名牌手錶、藥品、電子產品等都會直接受到假貨的威脅。有報告稱，如今假冒商品的交易佔全球貿易的7%。假貨不僅嚴重損害消費者的合法權益，還會對正品生產商的經營造成惡劣影響，嚴重影響社會資源有效利用。關於假貨造成影響的案例，我們許多人都親身體驗過，或者看過許多有關報道，我就不再贅述了。

今天，筆者主要想和大家從技術的角度談談假貨的鑒別。目前，各種防偽技術層出不窮，例如全息圖、密碼技術、RFID技術、全息技術、指紋識別技術、虹膜識別技術、物理不可克隆技術（PUF技術）等等。大家還記得筆者之前介紹過的納米水印防偽技術和石墨烯防偽標籤嗎？

（圖片來源：瑞士洛桑聯邦理工學院 ）

（圖片來源：蘭卡斯特大學）

然而，目前這些技術方案對於假貨市場的作用仍然非常有限，主要是由於它們受制於一些列因素，例如容易被克隆和破解、成本較高以及應用障礙。重要的是，目前不少檢測假冒商品的手段，大多是侵入式的，在檢測時可能會損壞產品。

創新

針對上述情況，筆者今天再為大家介紹一項非常實用的、非侵入式的防偽技術。最近，紐約大學教授 Lakshminarayanan Subramanian 領導的科研團隊開發出一種使用人工智慧技術中的機器學習演算法的新機制，用於區分同一產品的真偽版本。

（圖片來源：Entrupy Inc.）

8月14日星期一，這項技術將在加拿大新斯科舍省哈利法克斯召開的有關知識發現與數據挖掘的KDD年度會議上展示。該技術由 Entrupy Inc 公司進行商業化，這是一家由庫朗數學科學研究所的博士研究生 Ashlesh Sharma、Vidyuth Srinivasan, 以及 Subramanian 創辦的紐約大學的創業公司。

技術

對於這項防偽技術的基本原理，紐約大學庫朗數學科學研究所的教授 Subramanian 這樣解釋：

「我們系統的基本原理源於一個想法：一種正品或者一種類型的產品（對應於同樣更大的產品線）所具有的微觀特徵會表現出內在的相似之處。這種內在的相似之處可用於區分這些產品和他的對應的假冒版本。」

這套端到端的物理驗證系統主要由移動設備（智能手機）、攜帶型硬體和基於雲的物體驗證生態系統構成。

（圖片來源：Entrupy Inc.）

該系統的關鍵構件之一就是廣角的顯微鏡裝置（攜帶型硬體），它與移動設備例如智能手機相兼容，讓用戶很容易地獲取物理對象的大區域顯微圖像。

另外，研究人員還部署了一個具有三百萬張圖片的資料庫。這些圖片關於各種各樣的物品和材料，例如面料，皮革，藥丸，電子，玩具和鞋子。基於捕捉到的顯微圖像，研究人員使用人工智慧機器學習演算法（ConvNets 和 bag of words），生成一種高精度的分類引擎，將正品和假貨區分開來。這一特性可用於鑒別市場上那些人眼極難辨別的「超級假貨」。

下面，簡單介紹一下利用這項技術鑒別商品真偽的步驟：

第一步：首先使用掃描裝置（攜帶型硬體）掃描物品，對於物品上的多個區域進行拍照。

（圖片來源：Entrupy Inc.）

第二步：將圖片上傳至資料庫，在15~20秒鐘內，你將獲取鑒別結果。你也能獲取到一張鑒定證書，且可以通過社交媒體和郵件分享該證書。

價值

據Subramanian 稱，這項技術的鑒別精準度超過98%，且可以通過日常使用的手機驗證日常物品的真偽。這項創新技術創造性地將人工智慧技術中的機器學習演算法應用於防偽，它不僅成為了人工智慧應用的又一創新嘗試，同時也為解決「假貨」這個老大難問題，又提供了一種創新技術方案。

參考資料

【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

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！