CN109417547B - 图像验证的自动化 - Google Patents
图像验证的自动化 Download PDFInfo
- Publication number
- CN109417547B CN109417547B CN201780039073.3A CN201780039073A CN109417547B CN 109417547 B CN109417547 B CN 109417547B CN 201780039073 A CN201780039073 A CN 201780039073A CN 109417547 B CN109417547 B CN 109417547B
- Authority
- CN
- China
- Prior art keywords
- image
- likelihood
- modified
- determining
- computing device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012795 verification Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000009471 action Effects 0.000 claims abstract description 10
- 238000012986 modification Methods 0.000 claims description 90
- 230000004048 modification Effects 0.000 claims description 90
- 230000008859 change Effects 0.000 claims description 14
- 238000012015 optical character recognition Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 abstract description 26
- 230000008569 process Effects 0.000 abstract description 24
- 238000010200 validation analysis Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 239000003795 chemical substances by application Substances 0.000 description 12
- 238000013075 data extraction Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000013475 authorization Methods 0.000 description 5
- 238000000556 factor analysis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 239000002989 correction material Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/012—Providing warranty services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0225—Avoiding frauds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0607—Regulated
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/16—Image preprocessing
- G06V30/164—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/12—Applying verification of the received information
- H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Editing Of Facsimile Originals (AREA)
- Facsimiles In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种用于确定图像是否已经被修改的自动化过程,包括:接收图像(例如,经由web门户);请求图像验证服务分析图像来确定图像和/或图像中描绘的主体是否已经从其原始形式被修改;以及基于图像验证服务的分析,输出图像已经被修改的可能性。图像验证服务可以使用一个或多个操作分析图像来确定图像已经被修改的可能性,并且将图像已经被修改的可能性的指示提供到web门户。图像已经被修改的可能性的指示可以经由web门户被呈现在显示器上,并且可以基于图像已经被修改的可能性提出或者采取各种动作。
Description
背景技术
许多企业具有其中客户定期地将照片或者图像提供给支持代理来证明其用于支持、退款或者其他特许的资格的客户支持系统。然而,如果被提供到支持代理的图像已经被欺骗性地修改,则客户可以接收客户没有资格的支持或者特许。当前,企业必须或者通过利用文档创建者手动地确认图像的有效性或者通过运行复杂的图像鉴证过程来证实图像。然而,这些技术要求大量的时间和/或计算资源,这导致不佳的客户服务或者用于将支持或者特许提供给针对支持或者特许没有资格的客户的企业的附加成本。
发明内容
本公开描述了用于执行用于原始的、非修改图像的标识的自动化过程的技术。在此所描述的技术包括在图像上执行多因素分析来确定图像或者图像中描绘的主体已经被修改的可能性,并且输出指示图像或者图像中描绘的主体已经被修改的可能性的结果。在一些示例中,电子门户(例如,web应用、因特网站点等)被呈现在计算设备上以接收图像。例如,客户支持代理可以经由主机计算设备访问web应用并且提交从客户提供给他们的图像。在其他示例中,用户可以直接地提交图像(例如,在自服务示例中)。web应用可以将图像发送到图像验证系统(诸如通过调用与图像验证系统相关联的基于web的应用程序接口(API))。图像验证系统可以接收用于证实的图像并且使用各种修改/篡改指示器在图像上执行多因素分析来确定图像(和/或图像中描绘的主体)已经从其原始形式被修改的可能性。修改指示器可以包括证明图像的修改已经发生的任何类型的操作(诸如分析图像以检测图像的各部分之间的像素密度的改变、将图像与图像的缩略图相比较来检测差异、分析图像的元数据来确定图像编辑软件是否已经被使用在图像上、分析图像的元数据来标识图像被捕获的时间或者图像被捕获的地理位置等等。各种修改指示器中的一个或多个可以被用于确定图像(或者图像的主体)被修改的可能性。在一些实例中,当确定图像被修改的可能性时,各种修改指示器可以更重或更不重地加权。一旦图像验证服务已经确定图像已经被修改的可能性,其就可以输出图像已经被修改的可能性的指示器。例如,图像修改系统可以输出篡改已经发生、篡改是可能的、或者篡改尚未发生的指示。在一些示例中,修改或者篡改已经发生的可能性的指示可以被输出或者发送到托管web应用的计算设备,其进而可以使得结果被呈现在经由计算设备访问的web应用的用户接口中。以这种方式,客户服务代理可以被告知图像已经被修改的可能性并且采取适当的动作(诸如全部地拒绝用于支持或者特许的客户的请求、请求来自客户的附加信息来确定用于支持或者特许的资格、或给客户提供其有资格的支持或者特许)。
在一些示例中,在此所描述的技术还包括将信息存储在基于云的存储装置中。图像可以或者在图像被发送到图像验证服务之前或者在图像验证服务已经分析图像之后被存储在基于云的存储装置中。在一些示例中,附加信息可以连同图像一起被存储在基于云的存储装置中。例如,由图像验证服务执行的分析的结果和/或修改的可能性的指示还可以被存储并且与特定图像相关联。在一些示例中,经由web应用先前接收并且由图像验证服务分析的存储的图像可以提供附加的修改指示器。例如,图像验证服务可以将特定图像与先前存储的图像相比较,或者使另一过程/服务将图像和返回结果相比较。比较可以指示先前存储的图像与可以提出图像的修改的当前正被分析的特定图像之间的各种关系。例如,如果特定图像具有与其他存储的图像的超过阈值量的相似性,则这可以提出特定图像的篡改,因为其可以简单地是支持被请求的先前存储的图像的修改版本。因此,在此所描述的技术通过实现使用多因素分析来分析接收到的图像的过程使图像的证实自动化,并且确定图像已经从其原始形式被修改的可能性。
提供本发明内容以简化形式引入下面在详细描述中进一步描述的技术的选择。本发明内容不旨标识要求保护的主题的关键特征或必要特征,本发明内容也不旨在限制被用于要求保护的主题的范围。此外,要求保护的主题不限于解决本公开的任何部分中陈述的任何或所有缺点的实现。
附图说明
参考附图阐述详细描述,其中附图标记的最左边的数字标识附图标记首次出现的附图。相同或者不同的附图中的相同附图标记的使用指示类似或者相同的项或特征。
图1是示出用于接收支持被请求的图像并且分析图像来确定图像已经从其原始形式被修改的可能性的示例环境的示意图。
图2是示出执行用于使用多个修改指示器分析图像来确定图像已经从其原始形式被修改的可能性的各种操作的示例图像验证服务的示意图。
图3是示出用于执行接收图像并且输出指示图像已经从其原始形式被修改的可能性的结果的web应用的示例主机计算设备的示意图。
图4A和图4B是存储的图像和要使用一个或多个指示器被分析以确定图像已经被修改的可能性的图像的示例示图。
图5是示出用于基于指示器确定图像的真实性并且输出图像已经从其原始形式被修改的可能性的指示的示例过程的流程图。
图6是示出用于获得待证实为被修改或未被修改的图像、发送待分析的图像并且输出图像已经从其原始形式被修改的可能性的指示的示例过程的流程图。
图7是示出用于基于至少两个操作分析数字图像来确定数字图像或者数字图像中描绘的主体已经被修改的可能性并且输出数字图像或者图像中描绘的主体已经从其原始形式被修改的可能性的指示的示例过程的流程图。
具体实施方式
本公开描述了用于执行用于确定图像已经从其原始形式被篡改或者修改的可能性的过程的技术。许多企业具有其中客户将电子或者数字图像(即,照片、扫描图像等)提供到客户支持代理来证明用于支持、退款或者其他特许的资格的客户支持系统。例如,客户可以提供声称未适当地工作的预付卡的图像、或者示出客户正试图证明的产品或者保证的购买的日期的收据的图像,以便接收来自企业的支持或者特许。然而,客户可以提交欺骗性图像或者经修改的图像以试图获得客户没有资格的支持和/或特许。支持来自客户的这些欺骗性主张或者向无资格的客户提供特许可能花费企业大量的时间和资源,诸如与原始卖方手动地检查保证的有效性的时间、或者用于为无资格退款的产品或者服务提供退款的成本。
在此所描述的技术提供接收待证实或者认证的图像并且将图像提交给图像验证服务以分析图像并且提供图像已经被修改的可能性的指示的门户(诸如web应用)。在一些示例中,图像验证服务可以附加地或者备选地分析图像以确定图像中描绘的主体(例如,礼品卡、收据、购买证明等)已经被修改的可能性。在一些示例中,web应用可以被托管在计算设备(诸如由支持代理或者客户操作的主机计算设备)上。web应用可以是由客户使用的可下载应用或者被提供到企业的支持代理以证实从客户接收到的图像的应用。在一些示例中,支持代理可以从客户接收图像(诸如通过电子邮件、文本、web门户、或者某个其他电子门户),并且经由web应用的用户接口上载图像来确定图像是否已经被修改和/或图像中描绘的主体是否已经被修改。在各种示例中,web应用可以将图像发送到图像验证服务。例如,web应用可以调用web API,其将图像发送到图像验证服务。此外,web应用可以将图像存储在数据库(诸如基于云的存储装置)中用于稍后与其他图像比较。
在接收到图像时,图像验证服务可以使用一个或多个修改指示器分析图像以确定图像是否已经从其原始形式被修改,或者图像中描绘的主体是否已经被修改。在一些示例中,指示器可以包括各种篡改或者修改测试(诸如分析图像来检测图像的各部分之间的像素密度的改变(具体地接近“敏感”区域,诸如机器可读代码、产品密钥、价格、日期等)、将图像与图像的缩略图相比较来检测指示修改的差异、和/或与其他存储的图像相比较来确定图像是否具有阈值量的相似性)。这些和其他指示器可以提出图像被修改。例如,如果在图像中检测到像素改变,则其可以提出图像在某些区域中被编辑以导致不同的像素密度,或者被包含在图像中的主体(即,文档)被修改(例如,修正液、胶带等)。在另一实例中,如果图像具有与另一存储的图像的阈值量的相似性,则这可以提出图像的修改,因为图像与已经分析的另一图像基本上类似或者相同,其可以指示图像先前已经由客户使用以获得特许或者支持。附加地或者备选地,验证搜索服务可以将运行时间处的图像与web上的图像(诸如可以使用在线搜索服务(例如,等)找到的图像)相比较,其可以指示图像已经被修改。
在一些示例中,图像验证服务可以附加地在图像上执行数据提取技术以提取图像的元数据用于用作修改指示器。在一些示例中,数据提取可以显示图像的元数据不存在或者已经被抹除,其可以指示图像已经被修改。在一些示例中,元数据可以与其他存储的图像的元数据相比较来确定不同的元数据是否彼此类似,其可以指示图像相同并且修改已经发生。在一些示例中,提取的元数据可以示出由软件客户端(例如,Gimp、Sketch等)编辑的证据,其可以指示图像的修改。在各种示例中,元数据还可以指示与图像相关联的设备,诸如发送图像的计算设备的设备标识(ID)、与捕获图像或发送图像的计算设备相关联的因特网协议(IP)地址和/或图像被捕获或从其图像被发送的地理位置。使用该计算设备标识信息,图像可以被标记为可能地被修改,因为该计算设备先前提交欺骗性地修改的图像,计算设备被定位在欺骗性图像先前已经被提交的位置处、图像在欺骗性图像先前已经被捕获的位置处被捕获等。在其他示例中,元数据还可以包括日期信息(诸如图像被捕获的日期)。拍摄图像的日期的可以与其他日期(诸如产品或保证声称被购买的日期)相比较来确定图像是否已经被修改或者图像中描绘的主体是否已经被修改。例如,如果图像在产品或者保证的购买的声称日期之前的日期处被创建,则这可以提出图像已经被修改,因为客户将不能够在购买的日期之前创建产品或者保证的图像。
在一些示例中,数据提取可以包括在图像上执行光学字符识别(OCR)分析以从图像提取文本。文本可以被用作图像是否已经被修改的指示器。例如,如果文本包含未被用于产品密钥的字符或者如果产品密钥字符不以产品密钥字符传统地布置(例如,5x5、4x4等)的格式来布置,则文本可以指示图像已经被修改。类似地,图像中的机器可读代码(例如,条形码、QR码、水印等)可以与授权产品(即,被列出为在供应商的数据库中销售的产品)相比较来确定机器可读代码是否与实际上销售的产品相关联。如果机器可读代码在指示其中产品被购买的日期和企业位置的收据上,但是用于企业的数据库未将该特定机器可读代码示出为与销售产品相关联,则这可以指示图像的修改。
在一些示例中,图像验证服务可以基于以上指示器中的一个或多个确定图像已经被修改的可能性。在各种示例中,指示器可以当被用于确定图像已经被修改的可能性时更重地或更不重地加权。例如,诸如示出通过软件客户端编辑的证据的元数据的指示器可以比诸如图像中的像素变化的指示器更重地加权以示出图像的修改。基于各种指示器或者各种加权指示器,图像验证服务可以确定图像已经被修改的可能性。例如,指示器可以指示落在各阈值内的可能性并且指示一个或多个结果,诸如篡改被检测、篡改是可能的、或者篡改因为不存在篡改的清楚证据是不确定的。图像证实服务可以然后将分析的结果返回到web应用。例如,图像证实服务可以向web应用输出图像被修改的可能性、被用于确定可能性的分析和指示器和/或从图像提取的元数据中的一个或多个。
web应用可以输出图像已经被修改的可能性的指示。例如,web应用可以在主机计算设备的显示器上呈现图像已经被修改的可能性的指示以通知支持代理或者其他用户图像被修改的可能性。此外,web应用可以基于图像已经被修改的可能性的指示呈现建议的任务或者动作,或者执行任务或者动作。例如,如果篡改已经被检测,则自动化过程可以被用于通知客户图像未被接受或者已经被标记用于欺骗并且拒绝用于支持或者特许的请求。在另一示例中,如果篡改是可能的但不确定,则web应用可以请求来自支持代理或者客户的附加信息(诸如在从不同的角度拍摄的争议中的文档的图像或者来自不同的角度的文档的视频),以帮助确定修改是否已经发生。因为修改在图像被创建之后使用编辑软件执行,所以对于行骗者而言从文档的不同的角度重新创建图像上的确切修改可以是困难的。
在各种示例中,web应用可以使得图像、修改的可能性的指示、分析中使用的指示器和/或图像的元数据中的一个或多个被存储在基于云的存储装置中(诸如在二进制大对象(BLOB)存储装置中)。例如,web应用可以将以上数据中的任一个发送到BLOB存储装置。数据可以被索引或者组织,使得信息与适当的图像相关联。以这种方式,被存储在BLOB存储装置中的图像和其相关联的数据可以由图像验证服务或者另一过程使用以确定特定图像是否已经被修改,或者图像中描绘的主体是否已经被修改。
虽然在此所描述的技术被描述为由图像验证服务、web应用和基于云的存储装置执行,但是这些技术可以由单个计算设备或者实体、或者计算设备和实体的任何组合执行。
说明性环境
图1是示出用于接收支持被请求的图像并且分析图像来确定图像已经从其原始形式被修改的可能性的示例环境100的示意图。更具体地,示例环境100可以包括一个或多个主机计算设备102、图像验证服务104和基于云的存储装置106。
(多个)主机计算设备102可以包括任何类型的实体、服务器、控制台、计算机等,其被配置有一个或多个模块,一个或多个模块被配置为在与(多个)主机计算设备102相关联的显示器上呈现用户接口108以接收图像、将图像发送到图像验证服务104并且呈现由图像验证服务104执行的分析的结果110。(多个)主机计算设备102可以包括任何类型的计算机(诸如膝上型计算机、台式计算机、智能电话计算设备或者任何其他类型的计算设备),其可以由实体(诸如支持代理)操作。(多个)主机计算设备102可以执行基于web的应用,其呈现用户接口108以接收一个或多个图像112。在一些示例中,客户可以访问基于web的应用并且直接地上载待证实的(多个)图像112。(多个)图像112可以包括以电子或者数字形式的任何类型的图像(诸如照片或者扫描图像)。如在图1中所示,(多个)图像112是客户可以试图获得支持或者特许的文档的图像(即,预付卡、收据、保证等)。一旦(多个)图像112已经经由在(多个)主机计算设备102上托管的web应用的用户接口108提交,(多个)主机计算设备102就可以通过一个或多个网络116将(多个)图像112发送到图像验证服务104。在一些示例中,(多个)主机计算设备102可以通过调用与图像验证服务104相关联的web API发送图像以使图像验证服务对(多个)图像112执行分析。在一些示例中,(多个)主机计算设备102可以附加地将(多个)图像112发送到基于云的存储装置106以被存储用于稍后使用。
(多个)网络116可以包括多个不同类型的网络中的任一个或者组合,诸如蜂窝网络、无线网络、局域网(LAN)、广域网(WAN)、个域网(PAN)和因特网。
图像验证服务104可以是任何实体、服务器、控制台、计算机等,其被配置有用于使用一个或多个指示器分析(多个)图像112以确定(多个)图像112是否已经被修改、或者(多个)图像112中描绘的主体是否已经被修改的一个或多个模块。在一些示例中,(多个)主机计算设备102、web服务和图像验证服务104可以全部是一个计算设备或者一个实体。图像验证服务104可以包括一个或多个模块,一个或多个模块用于从(多个)图像112提取元数据用于用作用于确定(多个)图像112是否已经被修改的指示器。在一些示例中,指示器可以包括各种篡改或者修改测试(诸如分析图像来检测图像的各部分之间的像素密度的改变、将图像与图像的缩略图相比较来检测指示修改的差异、与其他存储的图像相比较来确定图像是否具有阈值量的相似性、指示图像的源的信息、图像的元数据中示出的编辑软件的证明和/或各种文本分析技术)。相对于图4A和图4B更详细地描述的这些和其他指示器可以提出图像被修改。基于使用各种指示器的(多个)图像112的分析,图像验证服务104可以基于以上指示器中的一个或多个确定图像已经被修改的可能性。例如,指示器可以指示落在可能性的各阈值内的可能性并且指示一个或多个结果,诸如篡改被检测、篡改是可能的、或者篡改因为不存在篡改的清楚证据是不确定的。图像证实服务104可以然后将分析的结果返回到(多个)主机计算设备102。例如,图像证实服务104可以将分析数据114输出到在(多个)主机计算设备102托管的web应用,其中分析数据114包括(多个)图像112被修改的可能性、执行的分析和被用于确定可能性的指示器和/或从(多个)图像112提取的元数据中的一个或多个。
用户接口108可以在与(多个)主机计算设备102相关联的显示器上呈现(多个)图像112被修改的可能性作为结果110。例如,用户接口108可以呈现结果“篡改是可能的”或者从图像验证服务104返回的任何其他结果。
在一些示例中,(多个)主机计算设备102可以将图像数据118存储在基于云的存储装置106中。例如,(多个)主机计算设备102上的web应用可以使得图像数据118被发送到基于云的存储装置106。在一些示例中,图像数据118可以包括(多个)图像112和/或被包含在分析数据114中的任何信息,诸如(多个)图像112被修改的可能性、执行的分析和被用于确定可能性的指示器、和/或从(多个)图像112提取的元数据。如上所述,基于云的存储装置106可以是任何类型的存储装置(诸如其中图像数据118被存储的BLOB存储装置)。图像数据118可以以各种格式(诸如以JavaScript对象表示(JSON)或者可扩展标记语言(XML))存储。在一些示例中,基于云的存储装置106可以对图像数据118进行组织,使得(多个)图像112被索引或者以其他方式与其相应的分析数据114相关联。以这种方式,用于(多个)特定图像112的图像数据118可以容易地可访问用于分析。图像验证服务104可以包括或者请求基于web的服务以分析被存储在基于云的存储装置106中的图像数据118并且返回用于用作图像是否已经被修改的指示器的结果。例如,图像验证服务104可以存储或者调用web服务或者过程来确定正被分析的(多个)特定图像112是否具有与被存储在基于云的存储装置106中的其他图像或者其他元数据的相似性。先前存储的图像之间的相似性可以被用作正由图像验证服务104分析的(多个)特定图像是否已经被修改的指示器。
虽然示例环境100在图1中被描绘为包括作为分离的实体的(多个)主机计算设备102、图像验证服务104和基于云的存储装置106,但是在各种实现中,实体的任何不同的组合可以执行所描述的技术。在一些示例中,所有技术可以由单个实体执行。在各种示例中,图像验证服务104和基于云的存储装置106可以是相同实体或者服务器。
图2是示出执行用于使用多个修改指示器分析图像来确定图像已经从其原始形式被修改的可能性的各种操作的示例图像验证服务200的示意图。图像验证服务200可以包括任何类型的图像验证服务(诸如图像验证服务104),并且是任何类型的计算设备(诸如在线服务器)或者计算设备的组合,其被配置有确定电子图像是否已经从其原始形式被修改或者在数字图像中所描绘的主体是否已经被修改的一个或多个模块。如在图2中所示,图像验证服务200可以包括一个或多个处理器202,其耦合到计算机可读介质204(诸如通过通信总线)。(多个)处理器202可以包括中央处理单元(CPU)、图形处理单元(GPU)、微处理器等等。
计算机可读介质204可以存储操作系统206和修改确定模块208。操作系统206可以包括管理控制器服务器200的硬件和软件资源的计算机可读指令。
修改确定模块208可以包括当由(多个)处理器202执行时执行用于确定图像是否已经从其原始形式被修改的各种操作的计算机可读指令。附加地或者备选地,修改确定模块208可以确定图像中所描绘的主体(即,礼品卡、收据等)是否已经被修改。例如,修改确定模块208可以包括用于获得图像(例如,接收图像、访问存储的图像等)、从图像提取数据并且使用各种指示器分析图像的一个或多个模块。
在一些示例中,修改确定模块208可以包括数据提取模块210,其可以包括当由(多个)处理器202执行时执行用于从图像提取数据的各种操作的计算机可读指令。在一些示例中,数据提取可以包括用于执行光学字符识别(OCR)技术以提取或者确定被包括在图像中的文本的计算机可读指令。在一些示例中,数据提取模块210还可以从图像文件提取元数据(诸如指示图像何时被捕获的时间的时间数据、标识其中图像被捕获的位置的地理数据、被使用在图像上的编辑软件的证据、或者设备标识信息(诸如创建和/或发送用于分析的图像的特定设备的设备ID、特定设备的IP地址和/或特定设备的地理位置))。
在一些示例中,修改确定模块208可以包括(多个)指示器212,其可以包括当由(多个)处理器202执行时执行用于分析图像以及与图像相关联的数据来确定图像从其原始版本被修改的可能性的各种操作的计算机可读指令。例如,指示器可以与以下操作相关联,诸如:(i)分析图像来检测图像的各部分中的像素密度的改变;(ii)将图像与图像的缩略图相比较来检测图像与缩略图之间的差异;(iii)分析与图像相关联的数据来确定图像编辑软件是否已经被使用在图像上;(iv)分析图像的数据来标识图像被捕获的时间或者图像被捕获的地理位置中的至少一个;(v)确定被包括在图像的文本中的机器可读代码(例如,条形码、快速响应(QR)码、水印等)与特定产品相关联;(vi)确定被包括在图像的文本中的产品密钥是以用于产品密钥的适当的格式的;(vii)确定被包括在图像的文本中的产品密钥包括无效字符,和/或(vii)分析图像与存储的图像之间的比较来标识图像与存储的数字图像之间的相似性。下文参考图4A和图4B可以找到各种指示器的进一步的描述。(多个)指示器212中的一个或多个可以由修改确定模块208使用以确定图像已经从其原始形式被修改的可能性。
在各种示例中,修改确定模块208可以包括加权模块214,其可以包括当由(多个)处理器202执行时执行用于加权(多个)指示器212中的一个或多个的各种操作的计算机可读指令。加权模块214可以将一些(多个)指示器212更重地加权,因为那些特定指示器可以示出比不太重地加权的(多个)其他指示器212更强的图像的修改的可能性。例如,诸如分析图像来确定编辑软件已经被使用在图像上的指示器可以利用加权因子比证明提交图像的计算设备的特定设备ID在过去已经提交经修改的图像的指示器更重地加权。在各种实施例中,加权模块214可以将任何各种加权因子和加权因子的组合应用到(多个)指示器212。
在一些示例中,修改确定模块208还可以包括图像数据库216,其存储待由修改确定模块208分析或者已经由其分析的图像。图像数据库216可以包括任何类型的存储介质(诸如基于云的存储装置106)。在一些示例中,图像数据库可以附加地存储用于相应图像的图像数据(诸如特定图像被修改的可能性、被用于特定图像的分析数据和指示器和/或图像的提取的元数据)。图像数据可以索引或者以其他方式与图像相关联。在一些示例中,修改确定模块208可以包括(多个)指示器212,其分析被存储在图像数据库216中的图像与当前正被分析的图像之间的比较。修改确定模块208可以在一些示例中调用或者请求图像验证服务200外部的过程或者实体执行存储的图像与当前分析的图像之间的比较,其将指示分析的图像之间的任何相似性的比较结果返回到修改确定模块208。在一些实例中,图像数据库216可以是与图像验证服务200分离的实体。
图像验证服务还可以包括通过一个或多个网络发送和接收数据的(多个)网络接口218(即,通信连接)。(多个)网络接口218可以包括一个或多个网络接口控制器(NIC)或者其他类型的收发器设备以通过网络(诸如(多个)网络116)发送和接收通信。例如,(多个)网络接口218可以接收待分析的图像以确定图像是否已经被修改,并且连同图像分析数据一起发送图像已经被修改的可能性的指示。在一些示例中,(多个)网络接口218可以允许图像验证服务200通过网络访问图像而不是通过网络接收图像。
图像验证服务200可以附加地包括允许图像验证服务200与其他设备(诸如输入外围设备(例如,键盘、鼠标、笔、游戏控制器、语音输入设备、触摸输入设备、手势输入设备、跟踪设备、映射设备、视觉内容项照相机、深度传感器、生理传感器等)和/或输出外围设备(例如,显示器、打印机、音频扬声器、触觉输出等))通信的一个或多个输入/输出(I/O)接口220。以这种方式,图像验证服务200的用户(即,管理员)可以与图像验证服务200交互来执行各种操作,诸如更新被存储在图像验证服务200上的计算机可读指令。
图3是示出用于执行接收图像并且输出指示图像已经从其原始形式被修改的可能性的结果的web应用的示例主机计算设备300的示意图。主机计算设备30可以包括任何类型的计算设备,诸如(多个)主机计算设备102。在一些示例中,主机计算设备300可以是由提交从试图获得用于产品或者服务的支持和/或特许的客户接收到的图像的客户支持服务的支持代理操作的计算设备。在其他示例中,主机计算设备300可以包括客户计算设备,诸如个人计算机或者移动电话。
主机计算设备300可以一个或多个处理器302,其通信地耦合到计算机可读介质304(诸如通过通信总线)。(多个)处理器302可以包括中央处理单元(CPU)、图形处理单元(GPU)、微处理器等等。计算机可读介质304可以存储操作系统306、一个或多个web应用308和web应用程序接口(API)310。操作系统306可以包括管理主机计算设备300的硬件和软件资源的计算机可读指令。
在一些示例中,(多个)web应用308可以包括计算机可读指令,其当由(多个)处理器302执行时,执行用于接收图像的操作。例如,(多个)web应用308可以呈现用户接口(诸如用户接口108)以接收待由图像验证服务分析的提交或者图像。(多个)web应用308可以包括web门户,其经由用户接口接收图像,并且响应于接收到图像,调用或者请求web API 310以分析图像来确定图像已经被修改的可能性。在一些示例中,API 310可以与图像验证服务(诸如图像验证服务104和/或200)相关联。
(多个)web应用308可以附加地发送待存储在基于云的存储装置(即,基于云的存储装置106)中的数据。例如,在接收到图像时,(多个)web应用308可以将图像发送到基于云的存储装置以被存储用于稍后使用和分析。此外,(多个)web应用308可以连同提交的图像被修改的可能性的指示一起从图像验证服务接收分析数据。(多个)web应用208附加地使得该分析数据被发送并且存储在基于云的存储装置中并且被索引或者以其他方式与相应图像相关联。
在各种示例中,(多个)web应用308的用户接口可以呈现图像被修改的可能性的指示。例如,(多个)web应用308的用户接口可以呈现篡改已经发生、篡改是可能的或者篡改尚未发生的指示。
在各种示例中,取决于篡改已经发生的可能性的指示,各种动作或者建议可以从(多个)web应用308输出。例如,(多个)web应用308可以当可能性的指示示出篡改是可能的时请求来自不同的角度的图像的照片,但是需要更多证据。(多个)web应用308可以在修改已经发生的可能性的指示指示篡改尚未发生时建议支持或者特许。备选地,(多个)web应用308可以在修改的可能性指示篡改已经发生时建议或者采取动作(诸如执行自动化拒绝过程)。这些和其他建议和动作可以基于修改已经发生在图像上的可能性由(多个)web应用执行。
主机计算设备300还可以包括通过一个或多个网络发送和接收数据的一个或多个网络接口312(即,通信连接)。(多个)网络接口312可以包括一个或多个网络接口控制器(NIC)或者通过网络(诸如(多个)网络116)发送和接收通信的其他类型的收发器设备。例如,(多个)网络接口312可以通过网络将图像发送到图像验证服务以分析图像来证实图像已经被修改。在一些示例中,(多个)网络接口312可以通过网络从各种计算设备(诸如图像验证服务)接收数据(诸如分析数据)。
主机计算设备300可以附加地包括允许主机计算设备300与其他设备(诸如输入外围设备(例如,键盘、鼠标、笔、游戏控制器、语音输入设备、触摸输入设备、手势输入设备、跟踪设备、映射设备、视觉内容项照相机、深度传感器、生理传感器等)和/或输出外围设备(例如,显示器、打印机、音频扬声器、触觉输出等))通信的一个或多个输入/输出(I/O)接口314。例如,I/O接口314可以包括根据本文所描述的技术呈现(多个)web应用308的用户接口的显示器。
计算机可读介质204和304可以包括计算机存储介质和/或通信介质。计算机存储介质可以包括易失性存储器、非易失性存储器、和/或其他持久和/或辅助计算机存储介质、以用于信息(诸如计算机可读指令、数据结构、程序模块或者其他数据)的存储的任何方法或者技术实现的可移除和不可移除计算机存储介质。计算机存储器是计算机存储介质的示例。因此,计算机存储介质包括在设备中包括的有形和/或物理形式的介质和/或作为设备的一部分或者在设备外部的硬件部件,包括但不限于随机存取存储器(RAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、相变存储器(PRAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪速存储器、光盘只读存储器(CD-ROM)、数字通用盘(DVD)、光卡或者其他光存储介质、微型硬盘驱动器、存储器卡、磁带盒、磁带、磁盘存储装置、磁卡或者其他磁性存储设备或者介质、固态存储器设备、存储阵列、网络附加存储、存储区域网络、主计算机存储装置或者任何其他存储存储器、存储设备和/或可以被用于存储并且维持用于由计算设备访问的信息的存储介质。
相反,通信介质可以实现调制数据信号(诸如载波或者其他传输机制)中的计算机可读指令、数据结构、程序模块或者其他数据。术语“调制数据信号”意味着以将信息编码在信号中的这样的方式设定或改变其特性中的一个或多个的信号。可以在有线介质(诸如有线网络或直接有线连接)和/或无线介质(诸如声学、RF、红外线和其他无线介质)上传播这样的信号或者载波等。如本文所定义的,计算机存储介质不包括通信介质。
在一些示例中,(多个)处理器202和302可以表示例如CPU类型处理单元、GPU类型处理单元、HPU类型处理单元、现场可编程门阵列(FPGA)、另一类数字信号处理器(DSP)或者在一些实例中可以由CPU驱动的其他硬件逻辑部件。例如并且非限制性地,可以使用的说明性类型的硬件逻辑部件包括专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统系统(SOC)、复杂可编程逻辑器件(CPLD)等。在各种示例中,(多个)处理器202和302可以执行一个或多个模块和/或过程以使得图像验证服务200和主机计算设备300执行用于获得图像、分析图像来确定图像是否已经被修改并且输出图像已经被修改的可能性的指示的操作。此外,(多个)处理器202和302中的每个处理器可以具有其自己的本地存储器,其还可以存储程序模块、程序数据和/或一个或多个操作系统。
示例示图
图4A和图4B是存储的图像和要使用一个或多个指示器被分析以确定图像已经被修改的可能性的图像的示例示图。
图4A是示例图像400(诸如先前已经由图像验证服务分析的图像)。在一些示例中,图像400可以备选地是用于另一图像(诸如图像402)的缩略图。如在图4A中所示,图像400可以包括对象(诸如预付卡)的电子表示。图4A的图像400具有已经由图像验证服务确定的各种特性(诸如丢失部分404、产品406、终止日期408、产品密钥410和机器可读代码412(例如,条形码、QR码等))。如上文参考图2所解释的,修改确定模块208可以包括数据提取模块210,其执行各种技术(诸如OCR技术)以从图像提取文本和其他信息。
图4B是类似地包含丢失部分414、产品416、终止日期418和机器可读代码420的示例图像402。图像的文本可以由数据提取模块208(诸如由OCR技术)提取或者标识。通常地,产品416可以指示由图像402中的预付卡提供的产品或者服务(诸如特定服务(例如,在线游戏、音乐库访问等)的3个月或者12个月会员资格或者订阅)。终止日期418可以指示当预付卡不再有效时的日期,并且机器可读代码420是与预付卡相关联的数据的机器可读表示。
在各种示例中,一旦数据提取模块208已经提取图像400和402的文本和/或元数据,修改确定模块208就可以将各种指示器(诸如(多个)指示器112)应用到文本和元数据来确定图像402已经从其原始形式被修改的可能性。例如,修改确定模块208可以分析图像并且标识证明从图像的一部分到另一部分的像素强度(或者其他像素特性)的改变的像素差422。修改确定模块208可以标识图像402的多个部分之间的像素强度漂移、像素颜色差异或者可以指示图像402已经被修改的图像402的多个部分之间的任何其他类型的像素改变。像素特性的改变可以指示图像402已经被编辑(诸如通过使得具有不同的数据的补块覆盖在图像402的一部分上)。附加地或者备选地,像素差422可以指示图像中描绘的主体已经被修改(诸如通过对其应用修正液或者胶带)。在一些示例中,与差异区域相关联的像素密度可以是特别重要的并且更重地加权为指示修改(诸如图像402的产品密钥、日期或者其他敏感数据周围的像素改变)。在一些示例中,修改确定模块208还可以标识提出修改的图像402的文本中的其他指示器。例如,可以在图像的一部分(诸如产品密钥)中标识不适于图像402的该部分的字符424。如在图402中所示,字符424已经被标识为小写字母“y”,但是用于该类型的产品416的产品密钥不可以使用小写字母字符,其可以提出字母被修改或者替换。对于图像402的各部分无效的字符424的使用可以指示图像402已经被修改。
在其中图像400包括与图像402相关联的缩略图的示例中,可以比较缩略图和图像来确定或者标识两者之间的差异。如在图4A和图4B中所示,在图像400与图像402之间存在各种相似性(诸如丢失部分404和414和终止日期408和418)。然而,存在各种差异(诸如产品406和产品416)。通常地,缩略图包括与图像相关联或者以其他方式与图像一起存储的图像的压缩版本。缩略图可以当图像被创建时被创建并且类似图像的特征。然而,当编辑软件被使用在图像上来修改图像时,修改可以未被应用到缩略图。因此,缩略图图像400与图像402之间的差异可以指示图像402被修改。因此,因为图像400的产品406与图像402的产品416不同,所以修改确定模块208可以确定这些差异指示或者建议图像402已经从其原始形式被修改的可能性。例如,客户可以试图通过修改图像402获得对于特定服务的更长的订阅。
如上所述,图像400还可以表示先前已经由修改确定模块208分析并且被存储在数据库中用于稍后分析(诸如基于云的存储装置106)的图像。修改确定模块208可以访问基于云的存储装置106并且将图像400与图像402相比较,或者调用另一基于web的过程或者服务来访问基于云的存储装置106并且将图像400与图像402相比较。修改确定模块208可以分析图像400与图像402之间的比较来标识图像之间的相似性。例如,相似性(诸如丢失部分404和414或者机器可读代码412和机器可读代码420)可以被标识。如果存在图像400与402之间的相似性或者超过相似性的预定阈值的相似性,则这可以指示图像402是图像400的修改版本。如果图像402是先前已经被提交用于支持或其他特许的图像400的修改版本,则这还可以指示图像402是修改图像。例如,客户可能已经保存图像并且试图稍微地修改图像以获得其没有资格的支持或者特许。因此,通过先前分析的图像与当前正被分析的图像之间的比较所标识的相似性可以指示图像(诸如图像402)已经被修改。
在一些示例中,机器可读代码420中的信息可以被用于确定图像是否已经被修改,或者图像中描绘的主体是否已经被修改。例如,机器可读代码420可以包括指示图像402中的预付卡是3个月会员资格卡的数据。然而,产品416指示预付卡是12个月会员资格。产品类型中的该差异指示产品416可能已经由客户修改以获得附加特许。此外,修改确定模块208可以将机器可读代码420与授权产品相比较来确定特定条形码是否来自授权产品。例如,修改确定模块208可以查询销售图像402中的产品的供应商的数据库来确定机器可读代码420是与有效产品相关联还是未在数据库中找到。
在各种示例中,图像402的各部分的格式可以是图像402的修改的指示器。例如,图像402的产品密钥426可以以不适于产品416的格式布置。在一个示例中,12个月会员资格产品416的产品密钥可以以4x4格式布置,然而产品密钥426以5x5格式布置。这可以基于该密钥结构差异指示产品密钥426和/或产品416已经在图像402中被修改。
在各种示例中,数据提取模块210可以从图像402提取其他数据。例如,指示图像402的源设备的源数据可以由数据提取模块210确定(诸如设备ID、设备的IP地址、设备的地理区域等)。该信息可以指示图像402已经被修改。例如,如果源数据与先前已经提交修改图像的设备相关联,则这可以指示当前图像402也被修改,或者在深度分析方面要求更多。进一步地,从图像402提取的元数据可以指示图像402的修改。在一个示例中,数据提取模块210可以比较图像402的元数据,或者调用外部服务或者过程以将图像402的元数据与被存储在数据库中的图像的元数据相比较来标识元数据之间的相似性。如果相似性存在或者超过预定阈值的相似性存在,则这可以指示图像402已经从先前提交的图像被修改。在其他示例中,图像420的元数据可以被擦除或者剥除,其也可以指示图像402已经被修改。如先前所解释的,图像402的元数据可以包括被使用在图像402上的编辑软件的证据。被使用的编辑软件的证据可以是图像420的修改的强指示器。
在一些示例中,与图像402相关联的各种日期可以指示图像402的修改。例如,当图像被捕获时的日期可以与当产品被购买时的日期相比较。如果图像402被创建的日期在由客户声称购买产品的日期之前,则这可以指示图像402已经被修改,因为客户不拥有图像402中的预付卡以在其声称购买产品的日期之前创建产品的图像。
在各种示例中,其他技术可以由修改确定模块208采用以确定图像402是否已经被修改,或者图像402中描绘的主体是否已经被修改。例如,误差水平分析(ELA)技术可以被用于确定图像402的一部分是否不是原始的或者已经被编辑。修改确定模块208可以采用ELA技术来处理图像,并且输出其中清楚地来自与原始图像不同的源的区域被突出显示的结果,其进而被用于确定图像402是否已经篡改。
在一些示例中,(多个)主机计算设备102和/或图像验证服务104可以从被存储在提交计算设备(即,客户计算设备)上的其他图像提取数据(即,元数据),提交计算设备(即,客户计算设备)已经将图像402提交到(多个)主机计算设备102用于证实以确定图像402是否已经被修改。例如,(多个)主机计算设备102和/或图像验证服务104可以提取与被存储在提交计算设备上的其他图像相关联的元数据。图像验证服务104可以将与被存储在提交计算设备上的其他图像相关联的元数据与从图像402提取的元数据相比较来标识不同的元数据之间的差异。被存储在提交设备上的图像与用于证实提交的图像402的元数据之间检测到的差异可以指示图像420已经被证实。作为示例,许多计算设备存储或者划分计算设备上的不同的文件夹、位置或文件中的图像。由计算设备捕获的图像可以被存储在“照相机”位置或文件夹中,而已经被下载到计算设备(即,未被捕获)的图像可以被存储在“下载”位置或文件夹中,并且屏幕截图可以被存储在“屏幕截图”文件夹或位置中。如果从被存储在提交计算设备上的其他图像获得或者提取的元数据指示其被存储在“照相机”文件夹或者位置中,但是图像402的元数据指示图像被存储在“下载”文件夹或者位置中,则该差异可以指示图像402被修改,因为其未由提交计算设备捕获,但是相反从源(诸如因特网)下载。
在一些示例中,由客户用来提交图像的设备可以指示图像402的修改。例如,如果特定客户先前已经提交其元数据指示其由第一计算设备捕获和/或提交的图像,并且图像402的元数据指示其利用不同的第二计算设备捕获和/或提交,则这可以指示图像被修改。例如,第一计算设备可以是移动电话,并且第二计算设备可以是膝上型计算机。这可以指示图像402已经被修改,因为台式或者膝上型计算机可以具有修改图像402所要求的图像编辑软件能力,然而移动电话可能不具有那些能力。因此,使用与用来提交图像402的第二计算设备不同的第一设备从客户先前提交的图像可以指示图像420被修改。
修改确定模块208可以采用以上指示器中的一个或任何组合来确定图像402是否已经被修改,或者图像中描绘的主体是否已经被修改。指示器可以由加权模块214更重或更不重地加权以示出图像402的修改。修改确定模块208可以使用上文解释的各种指示器来确定图像402已经被修改的可能性。如果修改的可能性落入各种阈值或者范围内,则结果可以被输出(诸如“检测的篡改”、“篡改是可能的”或者“没有检测到篡改”)。虽然技术参考预付卡来解释,但是图像中的其他类型的文档可以使用类似技术(诸如保证、收据、成本报告等)分析。
示例过程
下文在图5-7中所描述的过程被图示为逻辑流程图中的块的集合,其表示可以以硬件、软件或其组合实现的操作的序列。在软件的上下文中,块表示在一个或多个计算机可读存储介质上存储的计算机可执行指令,其当由一个或多个处理器执行时,执行记载的操作。通常,计算机可执行指令包括执行特定功能或者实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。描述操作的次序不旨在被解释为限制,并且任何数目的所描述的块可以以任何次序和/或并行组合以实现过程。下文所描述的过程可以通过被存储在图像验证服务200和/或主机计算设备300中的一个或多个上的模块(诸如修改确定模块208和(多个)web应用308)执行。
图5是示出用于基于指示器确定图像的真实性并且输出图像已经从其原始形式被修改的可能性的指示的示例过程500的流程图。
在块502处,图像验证服务200可以获得(例如,接收、访问等)用于证实的图像。
在块504处,修改确定模块208可以至少基于两个操作来确定图像的真实性。操作可以包括块506-512的操作。
在块506处,修改确定模块208可以分析图像来检测从图像的第一部分到图像的第二部分的像素密度的改变。
在块508处,修改确定模块208可以将图像与图像的缩略图相比较来检测图像与缩略图之间的差异。
在块510处,修改确定模块208可以分析与图像相关联的数据来确定编辑软件是否已经被使用在图像上。
在块512处,修改确定模块208可以分析与图像相关联的数据来确定图像被捕获的时间或者图像被捕获的地理位置中的至少一个。
在块514处,图像验证服务200可以经由一个或多个网络接口218输出图像已经被修改的可能性的指示。在一些示例中,输出可以至少部分地基于确定图像的真实性。
图6是示出用于获得待证实为被修改或没有被修改的图像、发送待分析的图像并且输出图像已经从其原始形式被修改的可能性的指示的示例过程600的流程图。
在块602处,主机计算设备300可以获得待证实的图像。
在块604处,主机计算设备300可以通过web API 310并且经由一个或多个网络接口312将图像发送到图像证实服务来基于多因素分析将图像证实为被篡改或没有被篡改。
在块606处,主机计算设备可以经由一个或多个网络接口312接收图像已经被篡改的可能性的指示。
在块608处,主机计算设备300可以经由web应用308的用户接口输出图像已经被篡改的可能性的指示。
图7是示出用于基于至少两个操作分析数字图像来确定数字图像或者数字图像中描绘的主体已经被修改的可能性,并且输出数字图像或者图像中描绘的主体已经从其原始形式被修改的可能性的指示的示例过程700的流程图。
在块702处,图像验证服务200可以获得(例如,接收、访问等)用于证实的数字图像。
在块704处,图像验证服务200的修改确定模块208可以分析数字图像来确定数字图像或者数字图像中描绘的主体中的至少一个已经被修改的可能性,其中分析包括至少两个操作。操作可以包括块706-712的任何操作。
在块706处,修改确定模块208可以分析数字图像来检测从数字图像的第一部分到数字图像的第二部分的像素密度的改变。
在块708处,修改确定模块208可以将数字图像与数字图像的缩略图相比较来检测数字图像与缩略图之间的差异。
在块710处,修改确定模块208可以分析数字图像的元数据来确定编辑软件是否已经被使用在数字图像上。
在块712处,修改确定模块208可以分析数字图像与存储的数字图像之间的比较来标识数字图像与存储的数字图像之间的相似性。
在块714处,图像验证服务200可以经由一个或多个网络接口218输出数字图像或者数字图像中描绘的主体中的至少一个已经被修改的可能性的指示。在一些示例中,图像验证服务200可以至少部分地基于分析数字图像来输出指示。
示例条款
A.一种图像验证系统,包括:一个或多个处理器;以及存储器,其通信地耦合到一个或多个处理器并且存储一个或多个模块,一个或多个模块当由一个或多个处理器执行时,使得图像验证系统执行操作,操作包括:从计算设备获得用于证实的图像;响应于获得图像,基于以下操作中的至少两个操作来确定图像的真实性:分析图像来检测从图像的第一部分到图像的第二部分的像素密度的改变;将图像与图像的缩略图相比较来检测图像与缩略图之间的差异;分析与图像相关联的数据来确定图像编辑软件是否已经被使用在图像上;以及分析与图像相关联的数据来标识图像被捕获的时间或者图像被捕获的地理位置中的至少一个;以及至少部分地基于确定图像的真实性,输出图像已经被修改的可能性的指示。
B.根据段落A记载的图像验证系统,操作还包括在图像上执行光学字符识别来标识被包括在图像中的文本;并且其中确定图像的真实性还包括:确定被包括在图像的文本中的机器可读代码与特定产品相关联;确定被包括在图像的文本中的产品密钥是以用于产品密钥的适当的格式的;以及确定被包括在图像的文本中的产品密钥包括一个或多个无效字符。
C.根据段落A或B记载的图像验证系统,其中图像包括购买证明;并且其中图像已经被修改的可能性的指示包括图像具有有效购买证明的指示。
D.根据段落A-C中的任一项记载的图像验证系统,其中操作中的每个操作与加权因子相关联;以及其中确定图像的真实性还包括:将相应加权因子应用到至少两个操作中的每个操作来创建至少两个加权操作;以及至少部分地基于至少两个加权操作,确定图像已经被修改的可能性。
E.根据段落A-D中的任一项记载的图像验证系统,其中输出可能性的指示包括:确定图像已经被修改的可能性高于第一可能性阈值、低于第二可能性阈值、或者在第一可能性阈值与第二可能性阈值之间;以及响应于确定图像已经被修改的可能性高于第一可能性阈值,向计算设备输出指示图像的修改已经被检测的指示。
F.根据段落A-E中的任一项记载的图像验证系统,其中输出可能性的指示包括:确定图像已经被修改的可能性高于第一可能性阈值、低于第二可能性阈值、或者在第一可能性阈值与第二可能性阈值之间;以及响应于确定图像已经被修改的可能性低于第二可能性阈值,向计算设备输出指示图像的修改尚未被检测的指示。
G.根据段落A-F中的任一项记载的图像验证系统,其中输出可能性的指示包括:确定图像已经被修改的可能性高于第一可能性阈值、低于第二可能性阈值、或者在第一可能性阈值与第二可能性阈值之间;以及响应于确定图像已经被修改的可能性在第一可能性阈值与第二可能性阈值之间,向计算设备输出指示图像的修改是可能的指示。
H.根据段落G记载的图像验证系统,操作还包括:将用于附加信息的请求发送到计算设备,附加信息包括以下中的至少一项:图像中描绘的主体的附加图像,附加图像从与图像被捕获的角度不同的角度捕获对象;或被包含在图像中的对象的视频。
I.根据段落A-H中的任一项记载的图像验证系统,其中至少两个操作还包括:比较以下中的至少一项:图像的特征与存储的图像的特征;或图像的元数据与存储的图像的元数据。
J.根据段落A-I中的任一项记载的图像验证系统,其中图像已经被修改的可能性包括图像中描绘的主体已经被修改的可能性。
K.一种计算机实现的方法,包括:经由计算设备获得待证实的图像;通过计算设备将图像发送到图像证实服务来基于多因素分析确定图像是否已经被篡改;在计算设备处并且从图像证实服务接收图像已经被篡改的可能性的指示;以及通过计算设备输出图像已经被篡改的可能性的指示。
L.根据段落K记载的计算机实现的方法,还包括:接收与图像相关联的元数据和由图像证实服务执行的分析;以及使得图像、可能性、元数据和分析被包括在数据存储装置中。
M.根据段落K或L记载的计算机实现的方法,还包括:标识与图像相关联的附加信息,附加信息包括与图像相关联的消费者计算设备的设备标识(ID)、与消费者计算设备相关联的因特网协议(IP)地址或者与消费者计算设备相关联的地理位置中的至少一个;以及将附加信息发送到图像证实服务。
N.根据段落K-M中的任一项记载的计算机实现的方法,其中将图像发送到图像证实服务包括将图像提交到与图像证实服务相关联的应用程序接口(API)。
O.根据段落K-O中的任一项记载的计算机实现的方法,其中图像已经被篡改的可能性的指示包括篡改是可能的指示;并且其中计算机实现的方法还包括通过计算设备输出用于附加信息的请求来确定图像是否已经被篡改。
P.一种计算机实现的方法,包括:经由计算设备获得用于证实的数字图像;响应于获得数字图像,分析数字图像来确定数字图像或者数字图像中描绘的主体中至少一个是否已经被修改的可能性,分析包括以下操作中的至少两个操作:分析数字图像来检测从数字图像的第一部分到数字图像的第二部分的像素密度的改变;将数字图像与数字图像的缩略图相比较来检测数字图像与缩略图之间的差异;分析数字图像的元数据来确定编辑软件是否已经被使用在数字图像上;以及分析数字图像与存储的数字图像之间的比较来标识数字图像与存储的数字图像之间的相似性;以及至少部分地基于分析数字图像,输出数字图像或者数字图像中描绘的主体中的至少一个已经被修改的可能性的指示。
Q.根据段落P记载的计算机实现的方法,其中操作还包括以下中的至少一项:确定被包括在数字图像中的机器可读代码与特定产品相关联;确定被包括在数字图像中的产品密钥是以用于产品密钥的适当的格式的;或确定被包括在数字图像中的产品密钥包括用于产品密钥的无效字符。
R.根据段落P或Q记载的计算机实现的方法,其中操作还包括以下中的至少一项:分析与数字图像相关联的数据来标识数字图像的源;或分析与数字图像相关联的数据来标识当数字图像被创建时的日期。
S.根据段落P-R中的任一项记载的计算机实现的方法,其中分析数字图像来确定数字图像或者数字图像中描绘的主体中至少一个是否已经被修改的可能性包括:将加权因子应用到至少两个操作来创建至少两个加权操作;以及至少部分地基于至少两个加权操作,确定数字图像或者数字图像中描绘的主体中至少一个是否已经被修改的可能性。
T.根据段落P-S中的任一项记载的计算机实现的方法,其中数字图像或者数字图像中描绘的主体中的至少一个已经被修改的可能性的指示包括篡改已经被检测、篡改尚未检测或者篡改是可能的指示中的至少一个。
U.一个或多个计算机可读介质,其编码有指令,指令当由处理器执行时将计算机配置为执行根据段落K-T中的任一项记载的计算机实现的方法。
V.一种设备,包括一个或多个处理器和一个或多个计算机可读介质,一个或多个计算机可读介质编码有指令,指令当由一个或多个处理器执行时将计算机配置为执行根据段落K-T中的任一项记载的计算机实现的方法。
结论
最后,虽然已经以特定于结构特征和/或方法动作的语言描述了各种实施例,但是将理解到,随附的表示中定义的主题不必限于所描述的特定特征或动作。而是,特定特征和动作被公开为实现要求保护的主题的示例形式。
Claims (17)
1.一种图像验证系统,包括:
一个或多个处理器;以及
存储器,其通信地耦合到所述一个或多个处理器并且存储一个或多个模块,所述一个或多个模块当由所述一个或多个处理器执行时,使得所述图像验证系统执行动作,所述动作包括:
从计算设备获得预付卡的图像,用户尝试获得针对所述预付卡的特许;
标识所述图像的第一部分,所述第一部分包含日期、产品密钥、产品信息或机器可读代码中的至少一项;
使用至少两个操作确定所述图像的真实性,其中表示图像修改的指示强度的相应权重因子被应用于与确定所述图像的所述真实性相关联的所述至少两个操作中的每个操作,所述至少两个操作从包括以下的组中被选择:
分析所述图像以检测所述图像的所述第一部分内的像素密度的改变或者从所述图像的所述第一部分到所述图像的第二部分的像素密度的改变;
比较所述图像与所述图像的缩略图以检测所述图像的所述第一部分与所述缩略图之间的差异;
分析与所述图像相关联的数据以确定图像编辑软件是否已经被使用在所述图像上;或者
分析与所述图像相关联的数据以标识所述图像被捕获的时间或者所述图像被捕获的地理位置中的至少一项;
至少部分地基于所述图像的所述真实性,确定所述图像已经被修改的可能性;以及
输出所述图像已经被修改的所述可能性的指示。
2.根据权利要求1所述的图像验证系统,其中分析所述图像以检测所述图像的所述第一部分内的像素密度的所述改变或从所述图像的所述第一部分到所述图像的所述第二部分的像素密度的所述改变包括:
在所述图像上执行光学字符识别以标识被包括在所述图像中的文本;以及
从所述文本确定所述图像的所述第一部分包含所述日期、所述产品密钥或者所述产品信息中的至少一项。
3.根据权利要求1所述的图像验证系统,其中输出所述图像已经被修改的所述可能性的所述指示包括:
确定所述图像已经被修改的所述可能性高于可能性阈值;以及
响应于确定所述图像已经被修改的所述可能性高于所述可能性阈值,向所述计算设备输出指示所述图像的修改已经被检测的指示。
4.根据权利要求1所述的图像验证系统,其中输出所述图像已经被修改的所述可能性的所述指示包括:
确定所述图像已经被修改的所述可能性低于可能性阈值;以及
响应于确定所述图像已经被修改的所述可能性低于所述可能性阈值,向所述计算设备输出指示所述图像的修改尚未被检测的指示。
5.根据权利要求1所述的图像验证系统,其中输出所述图像已经被修改的所述可能性的所述指示包括:
确定所述图像已经被修改的所述可能性在第一可能性阈值与第二可能性阈值之间;以及
响应于确定所述图像已经被修改的所述可能性在所述第一可能性阈值与所述第二可能性阈值之间,向所述计算设备输出指示所述图像的修改是可能的指示。
6.根据权利要求5所述的图像验证系统,所述动作还包括:
将用于附加信息的请求发送到所述计算设备,所述附加信息包括以下中的至少一项:
所述图像的主体的附加图像,所述附加图像从与所述图像被捕获的角度不同的角度捕获所述图像的所述主体;或
所述图像的所述主体的视频。
7.根据权利要求1所述的图像验证系统,其中所述至少两个操作还包括:
比较以下中的至少一项:
所述图像的特征与存储的图像的特征;或
所述图像的元数据与所述存储的图像的元数据。
8.根据权利要求1所述的图像验证系统,其中所述图像已经被修改的所述可能性包括所述图像中描绘的主体已经被修改的可能性。
9.一种计算机实现的方法,包括:
经由计算设备获得预付卡的图像,用户尝试获得针对所述预付卡的特许;
标识所述图像的第一部分,所述第一部分包含日期、产品密钥、产品信息或机器可读代码中的至少一项;
使用至少两个操作确定所述图像的真实性,其中表示图像修改的指示强度的相应权重因子被应用于与确定所述图像的所述真实性相关联的所述至少两个操作中的每个操作,所述至少两个操作从包括以下的组中被选择:
分析所述图像以检测所述图像的所述第一部分内的像素密度的改变或从所述图像的所述第一部分到所述图像的第二部分的像素密度的改变;
比较所述图像与所述图像的缩略图以检测所述图像的所述第一部分与所述缩略图之间的差异;
分析所述图像的元数据以确定编辑软件是否已经被使用在所述图像上;或者
分析所述图像和存储的图像之间的比较以标识所述图像和所述存储的图像之间的相似性;
至少部分地基于所述图像的所述真实性,确定所述图像已经被修改的可能性;以及
输出所述图像已经被修改的所述可能性的指示。
10.根据权利要求9所述的计算机实现的方法,其中分析所述图像以检测所述图像的所述第一部分内的像素密度的所述改变或者从所述图像的所述第一部分到所述图像的所述第二部分的像素密度的改变包括:
在所述图像上执行光学字符识别以标识被包括在所述图像中的文本;以及
从所述文本确定所述图像的所述第一部分包含所述日期、所述产品密钥或者所述产品信息中的至少一项。
11.根据权利要求9所述的计算机实现的方法,其中所述操作还包括以下中的至少一项:
分析与所述图像相关联的数据以标识所述图像的源;以及
分析与所述图像相关联的数据以标识所述图像何时被创建的日期。
12.根据权利要求9所述的计算机实现的方法,其中所述图像已经被修改的所述可能性的所述指示包括篡改已经被检测、篡改尚未被检测、或者篡改是可能的指示中的至少一项。
13.一种图像验证系统,包括:
一个或多个处理器;以及
存储器,其通信地耦合到所述一个或多个处理器并且存储一个或多个模块,所述一个或多个模块当由所述一个或多个处理器执行时,使得所述图像验证系统执行动作,所述动作包括:
从计算设备获得预付卡的图像,用户尝试获得针对所述预付卡的特许;
标识所述图像的第一部分,所述第一部分包含日期、产品密钥、产品信息或者机器可读代码中的至少一项;
选择至少两个操作以确定所述图像的真实性,其中所述至少两个操作从包括以下的组中被选择:
分析所述图像以检测所述图像的所述第一部分内的像素密度的改变或从所述图像的所述第一部分到所述图像的第二部分的像素密度的改变;
比较所述图像与所述图像的缩略图以检测所述图像的所述第一部分与所述缩略图之间的差异;
分析与所述图像相关联的数据以确定图像编辑软件是否已经被使用在所述图像上;或者
分析与所述图像相关联的数据以标识所述图像被捕获的时间或者所述图像被捕获的地理位置中的至少一项;
向所述至少两个操作中的每个操作的结果应用表示图像修改的指示强度的相应权重因子以产生加权结果;
至少部分地基于所述加权结果,确定所述图像已经被修改的可能性;以及
输出所述图像已经被修改的所述可能性的指示。
14.根据权利要求13所述的图像验证系统,其中所述动作还包括:
确定所述加权结果高于阈值,其中所述图像已经被修改的所述可能性基于所述加权结果高于所述阈值指示所述图像的修改已经被检测。
15.根据权利要求13所述的图像验证系统,其中所述动作还包括:
确定所述加权结果低于阈值,其中所述图像已经被修改的所述可能性基于所述加权结果低于所述阈值指示所述图像的修改尚未被检测。
16.根据权利要求13所述的图像验证系统,其中所述动作还包括:
确定所述加权结果在第一阈值和第二阈值之间,其中所述图像已经被修改的所述可能性基于所述加权结果在所述第一阈值和所述第二阈值之间指示所述图像的修改是可能的。
17.根据权利要求13所述的图像验证系统,所述动作还包括:
将用于附加信息的请求发送到所述计算设备,所述附加信息包括以下中的至少一项:
所述图像的主体的附加图像,所述附加图像从与所述图像被捕获的角度不同的角度捕获所述图像的所述主体;或
所述图像的所述主体的视频。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/189,823 US10586238B2 (en) | 2016-06-22 | 2016-06-22 | Automation of image validation |
US15/189,823 | 2016-06-22 | ||
PCT/US2017/036935 WO2017222846A1 (en) | 2016-06-22 | 2017-06-12 | Automation of image validation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109417547A CN109417547A (zh) | 2019-03-01 |
CN109417547B true CN109417547B (zh) | 2021-08-20 |
Family
ID=59091640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780039073.3A Active CN109417547B (zh) | 2016-06-22 | 2017-06-12 | 图像验证的自动化 |
Country Status (18)
Country | Link |
---|---|
US (1) | US10586238B2 (zh) |
EP (1) | EP3476092B1 (zh) |
JP (1) | JP7025354B2 (zh) |
KR (1) | KR102351947B1 (zh) |
CN (1) | CN109417547B (zh) |
AU (1) | AU2017280904B2 (zh) |
BR (1) | BR112018074017A2 (zh) |
CA (1) | CA3023500A1 (zh) |
CL (1) | CL2018003612A1 (zh) |
CO (1) | CO2018013670A2 (zh) |
IL (1) | IL263637B (zh) |
MX (1) | MX2018015621A (zh) |
NZ (1) | NZ747892A (zh) |
PH (1) | PH12018550190A1 (zh) |
RU (1) | RU2740702C2 (zh) |
SG (1) | SG11201810889QA (zh) |
WO (1) | WO2017222846A1 (zh) |
ZA (1) | ZA201807407B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11385919B1 (en) * | 2016-07-12 | 2022-07-12 | Amazon Technologies, Inc. | Machine image launch system |
WO2018071768A1 (en) * | 2016-10-14 | 2018-04-19 | ID Metrics Group Incorporated | Tamper detection for identification documents |
CN107944339B (zh) * | 2017-10-20 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 一种证件验证、身份验证方法和装置 |
US11755758B1 (en) * | 2017-10-30 | 2023-09-12 | Amazon Technologies, Inc. | System and method for evaluating data files |
JP7211735B2 (ja) * | 2018-08-29 | 2023-01-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 寄与度決定方法、寄与度決定装置及びプログラム |
US10769263B1 (en) * | 2019-05-07 | 2020-09-08 | Alibaba Group Holding Limited | Certificate verification |
US11295494B2 (en) * | 2019-06-26 | 2022-04-05 | Adobe Inc. | Image modification styles learned from a limited set of modified images |
KR102142347B1 (ko) * | 2019-10-01 | 2020-08-07 | 주식회사 카카오뱅크 | 신분증 인식 방법 및 이를 제공하는 어플리케이션 |
CN111754245B (zh) * | 2020-06-18 | 2022-12-09 | 支付宝(杭州)信息技术有限公司 | 一种经营场景照认证方法、装置和设备 |
US11941792B2 (en) * | 2021-04-09 | 2024-03-26 | Dell Products L.P. | Machine learning-based analysis of computing device images included in requests to service computing devices |
WO2024038033A1 (en) * | 2022-08-19 | 2024-02-22 | Koninklijke Philips N.V. | Imaging device configuration verification |
EP4325386A1 (en) * | 2022-08-19 | 2024-02-21 | Koninklijke Philips N.V. | Imaging device configuration verification |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5499294A (en) | 1993-11-24 | 1996-03-12 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Digital camera with apparatus for authentication of images produced from an image file |
JP3022472B2 (ja) * | 1998-03-25 | 2000-03-21 | 三洋電機株式会社 | 画像データの改ざん防止装置および改ざん防止方法 |
US6269446B1 (en) | 1998-06-26 | 2001-07-31 | Canon Kabushiki Kaisha | Authenticating images from digital cameras |
US20020056043A1 (en) | 1999-01-18 | 2002-05-09 | Sensar, Inc. | Method and apparatus for securely transmitting and authenticating biometric data over a network |
JP3804012B2 (ja) * | 2002-03-08 | 2006-08-02 | 沖電気工業株式会社 | 文書画像の改ざん判定方法及びシステム、並びにその制御用プログラム |
JP4168673B2 (ja) | 2002-06-04 | 2008-10-22 | 富士ゼロックス株式会社 | 文書交付システム、認証システム、方法、及びプログラム群 |
JP2004282677A (ja) | 2003-01-21 | 2004-10-07 | Canon Inc | 画像処理方法 |
JP2005286823A (ja) | 2004-03-30 | 2005-10-13 | Canon Inc | 画像入力装置、通信システム、制御方法、コンピュータプログラム及び記憶媒体 |
JP2005318464A (ja) | 2004-04-30 | 2005-11-10 | Casio Comput Co Ltd | 電子機器 |
WO2006010019A2 (en) * | 2004-07-07 | 2006-01-26 | Digimarc Corporation | Systems and methods for document verification |
US7860319B2 (en) | 2005-05-11 | 2010-12-28 | Hewlett-Packard Development Company, L.P. | Image management |
JP4743423B2 (ja) | 2006-04-03 | 2011-08-10 | 富士ゼロックス株式会社 | 改ざん検証用文書作成装置、改ざん検証用文書作成プログラム、改ざん検証装置および改ざん検証プログラム |
US7903168B2 (en) * | 2006-04-06 | 2011-03-08 | Eastman Kodak Company | Camera and method with additional evaluation image capture based on scene brightness changes |
US7778461B2 (en) | 2006-05-05 | 2010-08-17 | New Jersey Institute Of Technology | System and/or method for image tamper detection |
US8538124B1 (en) | 2007-05-10 | 2013-09-17 | United Services Auto Association (USAA) | Systems and methods for real-time validation of check image quality |
JP5176572B2 (ja) | 2008-02-05 | 2013-04-03 | ソニー株式会社 | 画像処理装置および方法、並びにプログラム |
GB0813668D0 (en) | 2008-07-25 | 2008-09-03 | Ixico Ltd | Image data fraud detection systems |
US9818157B2 (en) | 2008-10-07 | 2017-11-14 | State Farm Mutual Automobile Insurance Company | Method for using electronic metadata to verify insurance claims |
RU2382406C1 (ru) * | 2008-10-10 | 2010-02-20 | Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." | Способ улучшения карты диспарантности и устройство для реализации способа |
JP2010246027A (ja) | 2009-04-09 | 2010-10-28 | Canon Inc | 画像形成装置、画像形成方法、及びコンピュータプログラム |
US8718379B2 (en) | 2009-09-15 | 2014-05-06 | Texas Instruments Incorporated | Method and apparatus for image capturing tampering detection |
US8438484B2 (en) | 2009-11-06 | 2013-05-07 | Sony Corporation | Video preview module to enhance online video experience |
WO2011058554A1 (en) * | 2009-11-10 | 2011-05-19 | Au10Tix Limited | Computerized integrated authentication/ document bearer verification system and methods useful in conjunction therewith |
US10402898B2 (en) | 2011-05-04 | 2019-09-03 | Paypal, Inc. | Image-based financial processing |
US9824296B2 (en) | 2011-11-10 | 2017-11-21 | Canon Kabushiki Kaisha | Event detection apparatus and event detection method |
JP2013126189A (ja) | 2011-12-15 | 2013-06-24 | Fujitsu Ltd | 画像処理装置、改竄防止方法及び改竄検知方法 |
JP5939705B2 (ja) | 2012-02-08 | 2016-06-22 | カシオ計算機株式会社 | 被写体判定装置、被写体判定方法及びプログラム |
US8526922B1 (en) * | 2012-05-01 | 2013-09-03 | Noble Systems Corporation | Integrating two-dimensional barcodes and embedded links with call center operation |
US9031329B1 (en) | 2012-05-02 | 2015-05-12 | Fourandsix Technologies, Inc. | Photo forensics using image signatures |
US9582843B2 (en) | 2012-08-20 | 2017-02-28 | Tautachrome, Inc. | Authentication and validation of smartphone imagery |
WO2014078696A2 (en) | 2012-11-16 | 2014-05-22 | The Board Of Trustees Of The University Of Illinois | Countering fraud in remote check deposit |
CN105074756A (zh) | 2013-02-27 | 2015-11-18 | 瓦特博克有限公司 | 用于增值税返还处理的基于网络的系统及其方法 |
JP6396011B2 (ja) | 2013-10-29 | 2018-09-26 | セコム株式会社 | 画像管理システム |
CN103561271B (zh) * | 2013-11-19 | 2016-08-17 | 福建师范大学 | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 |
JP6123653B2 (ja) | 2013-11-28 | 2017-05-10 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
JP6410450B2 (ja) | 2014-03-31 | 2018-10-24 | キヤノン株式会社 | オブジェクト識別装置、オブジェクト識別方法及びプログラム |
JP6335639B2 (ja) * | 2014-05-21 | 2018-05-30 | キヤノン株式会社 | 画像形成装置及び画像形成方法 |
CN105321163A (zh) * | 2014-07-31 | 2016-02-10 | 中国科学院遥感与数字地球研究所 | 检测全极化sar图像的变化区域的方法和装置 |
US10678896B2 (en) * | 2015-06-30 | 2020-06-09 | Samsung Electronics Co., Ltd. | Methods and apparatuses for updating user authentication data |
-
2016
- 2016-06-22 US US15/189,823 patent/US10586238B2/en active Active
-
2017
- 2017-06-12 CA CA3023500A patent/CA3023500A1/en active Pending
- 2017-06-12 AU AU2017280904A patent/AU2017280904B2/en active Active
- 2017-06-12 SG SG11201810889QA patent/SG11201810889QA/en unknown
- 2017-06-12 NZ NZ747892A patent/NZ747892A/en unknown
- 2017-06-12 MX MX2018015621A patent/MX2018015621A/es unknown
- 2017-06-12 CN CN201780039073.3A patent/CN109417547B/zh active Active
- 2017-06-12 EP EP17731748.4A patent/EP3476092B1/en active Active
- 2017-06-12 BR BR112018074017-9A patent/BR112018074017A2/pt unknown
- 2017-06-12 KR KR1020187037023A patent/KR102351947B1/ko active IP Right Grant
- 2017-06-12 JP JP2018563723A patent/JP7025354B2/ja active Active
- 2017-06-12 WO PCT/US2017/036935 patent/WO2017222846A1/en unknown
- 2017-06-12 RU RU2018145499A patent/RU2740702C2/ru active
-
2018
- 2018-11-05 ZA ZA2018/07407A patent/ZA201807407B/en unknown
- 2018-11-12 PH PH12018550190A patent/PH12018550190A1/en unknown
- 2018-12-11 IL IL263637A patent/IL263637B/en unknown
- 2018-12-14 CL CL2018003612A patent/CL2018003612A1/es unknown
- 2018-12-17 CO CONC2018/0013670A patent/CO2018013670A2/es unknown
Also Published As
Publication number | Publication date |
---|---|
WO2017222846A1 (en) | 2017-12-28 |
RU2018145499A3 (zh) | 2020-06-22 |
NZ747892A (en) | 2022-09-30 |
IL263637B (en) | 2021-08-31 |
RU2018145499A (ru) | 2020-06-22 |
AU2017280904B2 (en) | 2021-07-22 |
JP7025354B2 (ja) | 2022-02-24 |
US10586238B2 (en) | 2020-03-10 |
EP3476092A1 (en) | 2019-05-01 |
PH12018550190A1 (en) | 2019-09-09 |
IL263637A (en) | 2019-01-31 |
CO2018013670A2 (es) | 2018-12-28 |
MX2018015621A (es) | 2019-03-06 |
KR102351947B1 (ko) | 2022-01-14 |
ZA201807407B (en) | 2020-01-29 |
RU2740702C2 (ru) | 2021-01-20 |
EP3476092B1 (en) | 2020-12-16 |
US20170372322A1 (en) | 2017-12-28 |
AU2017280904A1 (en) | 2018-11-22 |
CL2018003612A1 (es) | 2019-03-22 |
JP2019520647A (ja) | 2019-07-18 |
SG11201810889QA (en) | 2019-01-30 |
BR112018074017A2 (pt) | 2019-02-26 |
KR20190021245A (ko) | 2019-03-05 |
CA3023500A1 (en) | 2017-12-28 |
CN109417547A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109417547B (zh) | 图像验证的自动化 | |
CN112491551B (zh) | 基于区块链的数据验证方法及装置、电子设备 | |
US9424576B2 (en) | Methods and systems of creating a payment record with a cryptographically secure audit trail | |
US10601840B2 (en) | Security determination | |
KR20130033915A (ko) | 클라우드 컴퓨팅에 기초하여 보험 계약들을 처리하기 위한 시스템 및 방법과 관련 비지니스 관리 도구 | |
US20140244458A1 (en) | System and method for prediction of value added tax reclaim success | |
US11756047B2 (en) | Fingerprinting physical items to mint NFT's | |
AU2018367826A1 (en) | System and method for verification of reliability and validity of crowd sourcing users | |
CN112487982A (zh) | 商户信息的审核方法、系统和存储介质 | |
CN109583910B (zh) | 一种商品授权鉴定方法、装置及设备 | |
US20140230075A1 (en) | Physical and electronic book reconciliation | |
CN112714920A (zh) | 用于在数据库中登记信息的高级方法、系统和装置 | |
CN113111734B (zh) | 一种水印分类模型训练方法及装置 | |
KR20150120046A (ko) | 디지털 저작물을 업로드 하는 단말, 디지털 저작물을 관리하는 서버, 및 그 동작 방법들 | |
CN114821588A (zh) | 图像处理方法、装置、电子设备及可读介质 | |
WO2017131932A1 (en) | System and method for verifying extraction of multiple document images from an electronic document | |
CN116468319A (zh) | 承租人评级的确定方法及装置、存储介质、计算机设备 | |
Canessa et al. | photoQR: A novel ID card with an encoded view | |
CN114066608A (zh) | 一种数据处理方法及装置 | |
CN112684956A (zh) | 材料审核方法、装置、终端设备及存储介质 | |
CN116681047A (zh) | 函件处理方法、装置、存储介质及计算机设备 | |
Gubsky et al. | Virtual computer model of network vector analyzer | |
Phu | Clara Algorithm in A Distributed System | |
CN117523586A (zh) | 支票印章的验证方法、装置、电子设备和介质 | |
AU2018211265A1 (en) | System and method for generating a response to a request for information about a verification of identity (VOI) report compiled in respect of a first party |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40000189 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |