造假是一門大生意。在全球范圍內，經濟合作與發展組織 (OECD) 和歐盟 (EU) 的知識產權局估計，假冒商品占全球貿易額超過 5000 億美元，或超過 2.5%

Authentic Vision 是產品認證領域的全球領導者，了解識別真品所固有的挑戰以及假貨帶來的風險。我們開發了機器學習和計算機視覺算法，可以立即驗證產品的真偽，保護制造商、渠道合作伙伴和最終用戶。

帶有 Authentic Vision 標簽的應用程序稱為 CheckIfReal。它可以在每部智能手機上運行——考慮到它在設備上執行繁重的計算機視覺，這本身就是一項令人難以置信的技術成就。（在此處查看智能手機列表）。每當使用智能手機應用程序掃描標簽時，應用程序必須驗證標簽并通知用戶他們是否擁有真品或假冒產品。

確定特定產品是真貨還是假貨的過程很復雜。老練的造假者可以復制復雜產品的設計、采購相似的原材料、復制包裝和徽標，甚至將假冒產品滑入銷售和分銷渠道——這使得識別假貨極具挑戰性。

驗證真品的最佳解決方案是在制造商處對其進行標記，并能夠在它們離開制造工廠后立即實時驗證它們是真品。Authentic Vision 已開發出利用專利標簽的技術，應用于產品或包裝。該專利標簽具有多項獨特功能，當與機器學習和 Check-if-Real 智能手機應用程序結合使用時，可以立即驗證產品是否為真品。

標簽由兩部分組成：獲得專利的隨機全息“指紋”圖像和數字打印的唯一標簽標識符。獲得專利的全息“指紋”圖像是解決方案整體密碼安全性的關鍵要素。唯一標簽標識符基于封裝在后端數據庫中的序列號和加密哈希，使其獨一無二，難以猜測和復制，但可驗證。

. 手持 CheckifRealfApp

一旦標簽貼在真品上，識別真品的挑戰就變成了驗證標簽本身是真品。這是機器學習發揮關鍵作用的時候。

主要的機器學習任務是計算機視覺之一。視覺機器學習算法通過一個稱為訓練的過程來學習識別真假標簽，呈現一個帶有識別為真標簽的神經網絡。神經網絡可以學習正確的潛在模式，并能夠識別出一個新的、從未見過的標簽是真實的。Authentic Vision 能夠對真實標簽的全息圖像做出一些假設，因為它知道標簽的規格以及用戶如何掃描全息圖像。

識別假標簽更具挑戰性。一些假標簽與真實標簽幾乎無法區分，因此正確識別用于訓練神經網絡的假標簽可能很困難。此外，造假者試圖復制獲得專利的全息“指紋”圖像的不同方式是無限且未知的。因此，不可能知道現場可能發現的所有不同版本的假標簽。這一挑戰的解決方案在于使用異常檢測——神經網絡可以很好地學習真實標簽是如何出現的，如果掃描的標簽看起來不同，它就會被宣布為異常和偽造。

由于神經網絡正在學習獲得專利的全息標簽，它也可能無意中學習相機和智能手機的特征。以神經網絡只學習有用的特征而不是在標簽數據集中發現的這些不受歡迎的偽影的方式來管理標簽數據集，既是藝術也是科學。

如果數據集的結構不正確，神經網絡可能會表現出出色的性能，但在具有新標簽的真實場景中卻不能很好地工作。這種使神經網絡能夠可靠地處理訓練集中不存在的樣本的能力稱為泛化。Authentic Vision 擅長通過只有幾百個標簽的相對較小的數據集實現對數百萬個標簽的良好泛化。數據集記錄既昂貴又費力。

Authentic Vision 開發的機器學習算法還必須經過優化，才能在各種智能手機上運行，每款智能手機都具有不同的硬件、存儲和成像能力。這些程序旨在以最小的占地面積運行，同時使用機器學習和傳統的手工設計的計算機視覺算法提供最大的準確性。

計算機視覺機器學習模型的大小通常超過一 (1) Gb，但通過使用精心設計的分類器和管道，Authentic Vision 已經能夠將這些模型打包以在占用空間小的設備上運行。

每當使用智能手機應用程序掃描標簽時，應用程序必須驗證標簽并通知用戶他們是否擁有真品或假冒產品。讀取 Authentic Vision 標簽的應用程序稱為 CheckIfReal。該應用程序可在每部智能手機上運行——這本身就是一項令人難以置信的技術成就，因為它在設備上完成了繁重的計算機視覺任務。

審核編輯 黃昊宇