基于打印估计的拷贝检测图案异常定位用于防伪鉴别
计算机视觉与模式识别
2022-10-03 v1 密码学与安全
机器学习
摘要
拷贝检测图案（CDP）是近期用于保护产品免受伪造的技术。然而，与传统拷贝仿冒品相比，基于深度学习的仿冒品已被证明难以被传统认证系统与原品区分。基于经典监督学习和数字模板的系统假设在训练时已知伪造 CDP，无法泛化到未见过的仿冒类型。基于原品打印副本的认证是一种替代方案，即使对于未见过的仿冒品和简单认证指标也能产生更好结果，但代价是获取和存储打印副本的不切实际成本。在这项工作中，为克服这些不足，我们设计了一个基于机器学习（ML）的认证系统，其训练仅需要数字模板和打印原品 CDP，而认证仅基于数字模板，这些模板被用于估计原品打印码。所得结果表明，所提系统可通过在伪造 CDP 中准确位置异常来高效认证原品并检测伪造 CDP。所研究认证系统的实证评估在打印于两台工业打印机上的原品与基于 ML 的伪造 CDP 上进行。
引用
@article{arxiv.2209.15625,
title = {Anomaly localization for copy detection patterns through print estimations},
author = {Brian Pulfer and Yury Belousov and Joakim Tutt and Roman Chaban and Olga Taran and Taras Holotyak and Slava Voloshynovskiy},
journal= {arXiv preprint arXiv:2209.15625},
year = {2022}
}