CN116167807A

CN116167807A - 票据防伪方法、装置、电子设备及存储介质

Info

Publication number: CN116167807A
Application number: CN202310206078.8A
Authority: CN
Inventors: 李潇焓; 吴延生; 刘翌杰; 李文俊
Original assignee: Industrial and Commercial Bank of China Ltd ICBC
Current assignee: Industrial and Commercial Bank of China Ltd ICBC
Priority date: 2023-02-27
Filing date: 2023-02-27
Publication date: 2023-05-26

Abstract

本公开提供了一种票据防伪方法、装置、电子设备及存储介质，可以应用于信息安全技术领域、金融领域或其他领域。该票据防伪方法包括：根据交易关键信息生成防伪信息；根据目标票据的至少一个格式信息，生成载体图像；采用第一网络模型根据载体图像和防伪信息，生成防伪标识原始图像；采用第二网络模型根据从目标票据上提取得到的待验证图像，生成防伪验证信息，待验证图像包括防伪标识打印图像和防伪标识复印图像；根据防伪信息和防伪验证信息确定目标票据的真伪，第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的，第二网络模型是第一网络模型是根据包含防伪标识复印图像训练得到的。

Description

票据防伪方法、装置、电子设备及存储介质

技术领域

本公开涉及信息安全技术领域，更具体地涉及一种票据防伪方法、装置、电子设备以及存储介质。

背景技术

传统的银行票据防伪一般采用特殊纸张、特殊油墨、特殊打印设备或特殊印章等方式，从而可以有效防止银行票据伪造的问题，但是现有票据防伪的方法存在原材料成本高、肉眼可识别、通用性不强的问题。

发明内容

鉴于上述问题，本公开提供了一种票据防伪方法、装置、电子设备、可读存储介质及计算机程序产品，可以有效解决现有技术中银行票据防伪制造成本高、通用性不强的问题。

根据本公开的第一个方面，提供了一种票据防伪方法，所述方法包括：根据交易关键信息生成防伪信息，所述防伪信息具有设定容量大小；根据目标票据的至少一个格式信息，生成载体图像；采用第一网络模型根据所述载体图像和所述防伪信息，生成防伪标识原始图像，所述防伪标识原始图像与所述目标票据的至少一个格式信息相关联；采用第二网络模型根据从所述目标票据上提取得到的待验证图像，生成防伪验证信息，所述待验证图像包括防伪标识打印图像和防伪标识复印图像；以及根据所述防伪信息和所述防伪验证信息确定所述目标票据的真伪，其中，所述第一网络模型是根据包含所述防伪标识原始图像和防伪标识打印图像的数据集训练得到的，所述第二网络模型是所述第一网络模型根据包含所述防伪标识复印图像的数据集训练得到的。

在本公开的一些示例性实施例中，所述根据交易关键信息生成防伪信息包括：根据所述交易关键信息，确定关键交易内容；以及根据所述关键交易内容，生成防伪信息。

在本公开的一些示例性实施例中，所述的方法还包括：在生成防伪信息之后，对所述防伪信息进行预处理包括：对所述防伪信息进行置乱处理；对置乱处理后的所述防伪信息进行加密处理；以及对加密处理后的所述防伪信息进行编码。

在本公开的一些示例性实施例中，所述第一网络模型包括小波编码网络、小波解码网络以及判别网络，训练得到所述第一网络模型的训练过程包括：将所述载体图像和预处理后的所述防伪信息拼接后，作为所述小波编码网络的输入数据，生成防伪标识原始图像；利用所述判别网络识别所述防伪标识原始图像和所述载体图像，得到第一识别结果；将防伪标识打印图像作为小波解码网络的输入数据，生成还原防伪信息，所述防伪标识打印图像是根据所述防伪标识原始图像得到的；利用所述判别网络识别所述还原防伪信息和预处理后的所述防伪信息，得到第二识别结果；以及根据损失函数值调整所述第一网络模型的参数值，直至满足预设训练终止条件，其中，所述损失函数值包括第一损失函数值、第二损失函数值和第三损失函数值，所述第一损失函数值和所述第二损失函数值与所述防伪标识原始图像、所述防伪标识打印图像相关联，所述第三损失函数值与所述防伪标识打印图像相关联。

在本公开的一些示例性实施例中，训练得到所述第二网络模型的训练过程包括：将所述防伪标识复印图像作为所述小波解码网络的输入数据，生成还原防伪信息；利用所述判别网络识别所述还原防伪信息和预处理后的所述防伪信息，得到第三识别结果；以及根据第三损失函数值，调整所述小波解码网络的参数值，直至满足预设训练终止条件。

在本公开的一些示例性实施例中，根据损失函数值调整所述第一网络模型的参数值包括：根据所述损失函数值调整所述第一网络模型的损失函数权重值，其中，在训练中，调整第三损失函数的权重值为设定权重值，调整第一损失函数的权重值和第二损失函数的权重值随训练进程增加，直至达到设定权重值保持不变。

在本公开的一些示例性实施例中，训练得到所述第一网络模型的训练过程还包括：将所述防伪标识原始图像经过噪声层处理，得到防伪标识打印图像；和/或将所述防伪标识原始图像打印至目标票据，对打印至所述目标票据的图像进行提取，得到防伪标识打印图像。

在本公开的一些示例性实施例中，采用第一网络模型根据所述载体图像和所述防伪信息，生成防伪标识原始图像，包括：对所述防伪信息进维度扩充，生成防伪扩充信息；以及将所述防伪扩充信息和所述载体图像拼接，输入至所述第一网络的小波编码网络，生成防伪标识原始图像。

在本公开的一些示例性实施例中，采用第二网络模型根据从所述目标票据上提取得到的待验证图像，生成防伪验证信息，包括：采用第二网络模型对所述待验证图像进行提取，生成还原防伪信息；对所述还原防伪信息进行解码处理；对解码处理后的所述还原防伪信息进行解密处理；以及对解密处理后的所述还原防伪信息进行反置乱处理，生成防伪验证信息。

在本公开的一些示例性实施例中，根据所述防伪信息和所述防伪验证信息确定所述目标票据的真伪包括：若所述防伪信息与所述防伪验证信息的一致性满足设定阈值，则确定所述目标票据为真；以及若所述防伪信息与所述防伪验证信息的一致性不满足设定阈值，则确定所述目标票据为假。

本公开实施例的第二方面，提供了一种票据防伪装置，所述装置包括：防伪信息生成模块，配置成根据交易关键信息生成防伪信息，所述防伪信息具有设定容量大小；载体图像生成模块，配置为根据目标票据的至少一个格式信息，生成载体图像；防伪标识原始图像生成模块，配置为采用第一网络模型根据所述载体图像和所述防伪信息，生成防伪标识原始图像，所述防伪标识原始图像与所述目标票据的至少一个格式信息相关联，所述第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的；防伪验证信息生成模块，配置为采用第二网络模型根据从所述目标票据上提取得到的待验证图像，生成防伪验证信息，所述待验证图像包括防伪标识打印图像和防伪标识复印图像，所述第二网络模型是所述第一网络模型根据包含防伪标识复印图像的数据集训练得到的；以及真伪确定模块，配置为根据所述防伪信息和所述防伪验证信息确定所述目标票据的真伪。

在本公开的一些示例性实施例中，防伪信息生成模块被配置成：根据所述交易关键信息，确定关键交易内容；以及根据所述关键交易内容，生成防伪信息。

在本公开的一些示例性实施例中，所述票据防伪装置还包括预处理模块，所述预处理模块配置为：在生成防伪信息之后，对所述防伪信息进行预处理，包括：对所述防伪信息进行置乱处理；对置乱处理后的所述防伪信息进行加密处理；以及对加密处理后的所述防伪信息进行编码。

在本公开的一些示例性实施例中，防伪标识原始图像生成模块被配置为：对所述防伪信息进维度扩充，生成防伪扩充信息；以及将所述防伪扩充信息和所述载体图像拼接，输入至所述第一网络的小波编码网络，生成防伪标识原始图像。

在本公开的一些示例性实施例中，防伪验证信息生成模块被配置为：采用第二网络模型对所述待验证图像进行提取，生成还原防伪信息；对所述还原防伪信息进行解码处理；对解码处理后的所述还原防伪信息进行解密处理；以及对解密处理后的所述还原防伪信息进行反置乱处理，生成防伪验证信息。

在本公开的一些示例性实施例中，真伪确定模块被配置为：若所述防伪信息与所述防伪验证信息的一致性满足设定阈值，则确定所述目标票据为真；以及若所述防伪信息与所述防伪验证信息的一致性不满足设定阈值，则确定所述目标票据为假。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据上文所述的方法。

本公开的第四方面提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时，实现根据上文所述的方法。

本公开的第五方面提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据上文所述的方法。

根据本公开的实施例，通过采用训练得到的第一网络模型对载体图像和防伪信息处理，生成防伪标识原始图像，可以实现将防伪信息隐蔽化，提高票据防伪的能力。通过采用训练得到的第二网络模型对从目标票据上提取得到的待验证图像处理，生成防伪验证信息，从而实现对目标票据的准确验证，此外，第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的，从而实现第一网络模型对于防伪标识打印图像具有良好的识别效果；第二网络模型是第一网络模型根据包含防伪标识复印图像的数据集训练得到的，第二网络模型在第一网络模型的基础上进行训练，并且是采用包含防伪标识复印图像训练，从而使第二网络模型进一步对防伪标识复印图像和防伪标识打印图像分别具有良好的识别率，可以防止通过复印票据来充当方位标识复印图像以达到伪造票据的问题，有效提高票据的防伪能力。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了可以应用本公开实施例的票据防伪方法的系统架构的示意图；

图2示意性示出了根据本公开实施例的票据防伪方法的流程图；

图3示意性示出了根据本公开实施例的票据防伪方法在操作S210中的流程图；

图4示意性示出了根据本公开实施例的票据防伪方法在在生成防伪信息之后，对防伪信息进行预处理的流程图；

图5A示意性示出了根据本公开实施例的票据防伪方法在对第一网络模型训练的训练过程示意图；

图5B示意性示出了根据本公开实施例的票据防伪方法在对第一网络模型训练的另一训练过程示意图；

图6示意性示出了根据本公开实施例的票据防伪方法在对第二网络模型训练的训练过程示意图；

图7示意性示出了根据本公开实施例的票据防伪方法在调整第一网络模型的参数值的流程图；

图8示意性示出了根据本公开实施例的票据防伪方法在操作S230中的流程图；

图9示意性示出了根据本公开实施例的票据防伪方法在操作S240中的流程图；

图10示意性示出了根据本公开实施例的票据防伪方法在操作S250中的流程图；

图11A示意性示出了根据本公开实施例的票据防伪方法的过程示意图；

图11B示意性示出了根据本公开实施例的票据防伪方法在对防伪信息进行预处理的过程示意图；

图11C示意性示出了根据本公开实施例的票据防伪方法在预处理是的编码过程示意图；

图11D示意性示出了根据本公开实施例的票据防伪方法的第一网络模型的结构示意图；

图11E示意性示出了根据本公开实施例的票据防伪方法在采用第二网络模型从目标票据提取得到验证图像之后的过程示意图；

图11F示意性示出了根据本公开实施例的票据防伪方法对还原防伪信息进行处理的过程示意图；

图11G示意性示出了根据本公开实施例的票据防伪方法在对还原防伪信息进行解码处理的过程示意图；

图12示意性示出了根据本公开实施例的票据防伪装置的结构框图；

图13示意性示出了根据本公开实施例的适于实现票据防伪方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等操作，均获得了用户的授权。

在本公开实施例中，术语“交易关键信息”例如可以是指与交易相关联的关键字信息，或者与交易关联的唯一索引，根据该索引可以从银行数据库中获取与该交易相关联的其他信息。

术语“第一网络模型”、“第二网络模型”例如可以是经过特定的数据集训练后得到的神经网络，例如可以是小波卷积神经网络。

术语“防伪标识原始图像”例如是指包含有防伪标识的图像信息，该信息可以是存储在计算机中的电子信息，具有防伪标识原始图像的详细信息内容。

术语“防伪标识打印图像”例如可以是指包含有防伪标识且通过打印的方式生成的图像，该防伪标识打印图像例如可以是通过特定的扫描装置针对打印的具有防伪标识的图像进行扫描而得到的电子信息。防伪标识打印图像与防伪标识原始图像的电子信息可以完全相同，或者存在一定的差别，且该差别在一定的范围内，例如相似度满足98％以上。

术语“防伪标识复印图像”例如可以是指包含有防伪标识且通过对防伪标识打印图像进行复印而生成的图像，例如防伪标识复印图像可以是通过特定的扫描装置或复印装置针对打印形成的防伪标识打印图像而扫描或复印而得到的电子信息。防伪标识复印图像分别与防伪标识原始图像和防伪标识打印图像存在一定的差别，该差别可以通过如下文所述的第二网络模型进行区分和辨别。

在相关技术中，用于记载交易内容等信息且具有一定流通或证明性质的文件容易出现被伪造的可能，从而造成一定的损失，为了提高该类文件(例如银行票据)的防伪性能，一般采用特定材料的纸质、油墨、特殊打印设备或者特殊印章等方式，用于防伪的票据存在原材料成本高、通用性不强的缺点，用于防伪的内容存在肉眼可识别，易于针对防伪内容进行伪造的问题。例如，针对特定的防伪信息进行模仿或复制从而导致对伪造的票据无法辨别真伪的问题。

随着数字图像水印技术的发展，数字水印技术用于版权保护、溯源和安全认证等相关方面，为了解决现有技术的问题，本公开通过利用数字图像水印技术，在载体图像中嵌入视觉上难以区分的防伪信息，从而在嵌入前后通过肉眼无法判断出区别，进而提高防伪能力以及防伪信息被破解的难度，对于嵌入的防伪信息，通过训练后的网络模型进行识别，从而实现票据等相关文件的防伪作用。

为了解决上述的问题，本公开提供了票据防伪方法、装置、电子设备、可读存储介质及计算机程序产品，可以有效将防伪信息进行隐藏，同时也可以对经过处理(例如打印或者复印)后的目标票据进行识别，从而判断票据的真伪，提高票据的防伪能力以及降低防伪的技术成本。该票据防伪方法包括但不限于：根据交易关键信息生成防伪信息，防伪信息具有设定容量大小；根据目标票据的至少一个格式信息，生成载体图像；采用第一网络模型根据所述载体图像和防伪信息，生成防伪标识原始图像，防伪标识原始图像与目标票据的至少一个格式信息相关联；采用第二网络模型根据从目标票据上提取得到的待验证图像，生成防伪验证信息，待验证图像包括防伪标识打印图像和防伪标识复印图像；以及根据防伪信息和防伪验证信息确定目标票据的真伪，其中，第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的，第二网络模型是第一网络模型根据包含防伪标识复印图像的数据集训练得到的。

图1示意性示出了可以应用本公开实施例的票据防伪方法的系统架构的示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。需要说明的是，本公开实施例提供的票据防伪方法可用于信息安全技术领域、金融领域在信息安全的相关方面，也可用于除金融领域之外的任意领域，本公开实施例提供的票据防伪方法和装置对应用领域不做限定。

如图1所示，可以应用票据防伪方法的示例性系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如邮件客户端应用、文件处理类应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持数据输入、文件发送、数据分析、数据处理、网页浏览等功能的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所获取的数据或浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。也可以是对用户发送的文件等进行分析或处理，并基于处理结果对终端设备进行控制等，例如限制终端设备的访问等。

需要说明的是，本公开实施例所提供的票据防伪方法一般可以由服务器105执行。相应地，本公开实施例所提供的票据防伪装置一般可以设置于服务器105中。本公开实施例所提供的票据防伪方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的票据防伪装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将通过图2至图11G对公开实施例的票据防伪方法进行详细描述。

图2示意性示出了根据本公开实施例的票据防伪方法的流程图。

如图2所示，本公开过的票据防伪方法的流程200包括操作S210至操作S250。

在操作S210中，根据交易关键信息生成防伪信息，防伪信息具有设定容量大小。

示例性地，交易关键信息例如可以是指与交易相关联的关键字信息，或者与交易关联的唯一索引，根据该索引可以从银行数据库中获取与该交易相关联的其他信息。

例如，在银行数据库存储系统中，每一位客户所发生的每一笔交易都有唯一索引，所述唯一索引是由一个或多个字段组成的一串标识交易唯一性的信息。在针对交易进行查询时，可以根据唯一索引在客户端通过查询交易获取到后台数据库中对应该笔交易的详细信息，以针对交易的真实性和有效性进行验证等操作。

交易关键信息中包括与该交易关联的交易内容，例如交易方、交易时间、交易账户、交易币种、交易内容等信息。可以通过交易关键信息查询具体内容，可以根据查询到的具体交易内容生成与该交易关联的且唯一的防伪信息。

在操作S220中，根据目标票据的至少一个格式信息，生成载体图像。

示例性地，目标票据具有一个或多个格式信息，其中格式信息例如可以表征目标票据的格式内容，可以是与实际交易内容无关的信息。例如，格式信息包括文字版式、设定的装饰图案或者目标票据的徽标(LOGO)图案等内容。

针对目标票据的至少一个格式信息进行提取，生成载体图像。例如可以提取目标票据的LOGO作为载体图像，或者提取目标票据的文字版式或装饰图案等作为载体图像。

根据本公开的实施例，通过选择目标票据的格式信息生成载体图案，提高防伪的安全性。目标票据的格式信息为只用于区分票据的外观等，与票据上的交易内容无关，当格式信息发生变化，对票据记录的交易信息没有影响，此外，例如票据的徽标、文字版式等不容易被注意到，可以作为嵌入防伪信息的载体图像，当从目标票据获取的格式信息的数目以及种类增多时，则其作为载体图像嵌入防伪信息时可以更准确(例如可以嵌入更大容量的防伪信息)，同时针对多个载体图像进行破解时，难度加大，从而提高目标票据的安全性。此外，载体图像在嵌入防伪信息后生成的图像与原图像之间的区别无法通过肉眼进行观察区分，实现防伪信息的伪装，提高票据的防伪能力。

在操作S230中，采用第一网络模型根据载体图像和防伪信息，生成防伪标识原始图像，防伪标识原始图像与目标票据的至少一个格式信息相关联。第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的。

在本公开的一些示例性实施例中，第一网络模型通过训练后，可以将载体图像与防伪信息进行融合，以生成防伪标识原始图像，该防伪标识原始图像例如可以是记录在存储设备中的电子信息，根据该防伪标识原始图像的电子信息可以打印生成防伪标识打印图像，或者通过显示设备将防伪标识原始图像显示在显示设备上。在本公开的实施例中，该防伪标识原始图像与载体图像在人眼可见的范围内无法进行区分，即当将防伪标识原始图像和载体图像通过显示设备显示时，人眼针对嵌入防伪信息的防伪标识原始图像和载体图像无法区分。

示例性地，防伪标识原始图像与目标票据的至少一个格式信息相关联，例如，防伪标识原始图像与目标票据的徽标相同，或者防伪标识原始图像与目标票据的格式内容相同。采用该方案，可以提高票据的防伪能力，例如当防伪破解人基于该票据的防伪能力进行破解时，在不确定哪一个格式信息为嵌入防伪信息的情况下，破解难度加大，当目标票据上的格式信息较多时，破解难度进一步增加，由此，本公开的实施例可以提高票据的安全性。

在本公开的示例性实施例中，第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的。从而第一网络模型可以准确区分防伪标识打印图像和防伪标识原始图像，同时可以从防伪标识打印图像中提取出正确的防伪验证信息，实现有效验证。

在本公开的一些示例性实施例中，防伪标识原始图像例如是指包含有防伪标识的图像信息，该信息可以是存储在计算机中的电子信息，具有防伪标识原始图像的详细信息内容，例如可以通过显示设备进行显示。防伪标识打印图像例如可以是指包含有防伪标识且通过打印的方式生成的图像，该防伪标识打印图像所包含的信息例如可以是通过特定的扫描装置针对打印的具有防伪标识的图像进行扫描而得到的电子信息。防伪标识打印图像与防伪标识原始图像的电子信息可以完全相同，或者存在一定的差别，且该差别在一定的范围内。防伪标识复印图像例如可以是指包含有防伪标识且通过对防伪标识打印图像进行复印而生成的图像，例如防伪标识复印图像所包含的信息可以是通过特定的扫描装置或复印装置针对防伪标识打印图像进行复印或其他复制手段而得到的电子信息。防伪标识复印图像分别与防伪标识原始图像和防伪标识打印图像存在一定的差别，该差别可以通过如下文所述的第二网络模型进行区分和辨别。

在操作S240中，采用第二网络模型根据从目标票据上提取得到的待验证图像，生成防伪验证信息，待验证图像包括防伪标识打印图像和防伪标识复印图像。第二网络模型是第一网络模型根据包含防伪标识复印图像的数据集训练得到的。

在本公开的示例性实施例中，第二网络模型是第一网络模型根据包含防伪标识复印图像的数据集训练得到的，通过对第一网络模型进行继续训练，第二网络模型可以针对含有防伪标识复印图像进行识别，例如当存在防伪标识打印图像和防伪标识复印图像，则训练后的第二网络模型可以进行识别。

例如，当无法确定某一目标票据的真伪时，对目标票据上提取得到待验证图像，该待验证图像可以是针对目标票据的一个或多个格式信息进行提取得到的图像。通过将待验证图像输入至训练后的第二网络模型，生成防伪验证信息。防伪验证信息例如可以提取的防伪标识打印图像或防伪标识复印图像上包含的信息。

在操作S250中，根据防伪信息和防伪验证信息确定目标票据的真伪。

例如，当防伪信息和防伪验证信息满足设定条件则可以确定目标票据为真，否则可以确定目标票据为假。

根据本公开的实施例，第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的，从而实现第一网络模型对于防伪标识打印图像具有良好的识别效果，同时使生成的防伪标识原始图像与载体图像在人眼条件下无法区别，提高防伪信息的伪装度。第二网络模型是第一网络模型根据包含防伪标识复印图像的数据集训练得到的，第二网络模型在第一网络模型的基础上进行训练，并且是采用包含防伪标识复印图像训练，从而使第二网络模型进一步对防伪标识复印图像和防伪标识打印图像具有良好的识别率，即，当针对打具有防伪标识的防伪标识打印图像进行复印时，则第二网络模型可以准确区分，可以防止通过复印票据来伪造票据的问题，有效提高票据的防伪能力。

图3示意性示出了根据本公开实施例的票据防伪方法在操作S210中的流程图。

下面结合图3对操作S210的流程进行具体说明，如图3所示，根据关键交易信息生成防伪信息的流程包括操作S211至操作S212。

在操作S211中，根据交易关键信息，确定关键交易内容。

例如，交易关键信息为交易唯一索引，客户A针对特定的账户执行了还款交易，银行数据服务器记录与该还款交易相关联的交易唯一索引，并针对该唯一索引记录多个关键交易内容。

例如，交易内容包括交易账号、交易币种、交易时间、交易卡号等信息。账号可以是银行系统对每个开户账户设置的编号，长度例如可以设置为最大34位，每一位都是0-9之间的数字。交易币种可以是指交易的结算币种类型，例如：人民币、日元、美元等，不同币种类型通过不同的编号区分，编号长度可以固定为3位，每一位都是0-9之间的数字。交易时间可以是指交易发生的具体时间，例如格式可以设置为1999-10-10 12:00:01.123456，长度可以为26位。交易卡号可以是发生交易的实体卡片的介质信息，卡号长度可以设置为最长34位，每一位都是0-9之间的数字。

表-1

如表1示例性的示出了与某一交易关联的唯一索引信息。

在操作S212中，根据关键交易内容，生成防伪信息。

在确定关键交易内容后，例如可以根据设定的方式从关键交易内容中确定出具体的字段类型以及长度，以生成防伪信息M0，防伪信息M0用于嵌入至票据的载体图像中。载体图像具有设定的大小，通过将防伪信息设置成设定容量大小，从而保证防伪信息在提高防伪性的情况下，不增加技术难度，提高技术的可用性。例如，在生成防伪信息时，以最少的字节数来构造防伪信息的容量，例如，账号使用后6位，交易时间戳只保留年、月、日、时和分的信息，交易卡号使用后6位等。根据每个字段的具体类型和长度，分别计算其所需比特位数，得出的防伪信息的字段所占字段为100个比特，详见表2所示。

表2

图4示意性示出了根据本公开实施例的票据防伪方法在在生成防伪信息之后，对防伪信息进行预处理的流程图。

如图4所示，在本公开的一些实施例中，在生成防伪信息之后，对防伪信息进行预处理的流程300包括操作S310至操作S330。

在操作S310中，对防伪信息进行置乱处理。

例如，置乱处理可以通过伪随机数生成器Pse-RNG基于特定随机种子k1生成一串与M₀同样长度的伪随机整数序列N_k1(即1～100)，而后以N_k1为索引，将M₀中的元素重新排列，从而得到置乱后的防伪信息M₁。具体公式如下：

N_k1＝Pse-RNG(k1) (1)

M₁(N_k1)＝M₀ (2)

根据本公开的实施例，在保证防伪信息中的有效信息的比特位数不变的情况下对防伪信息进行扰乱加密。

在操作S320中，对置乱处理后的防伪信息进行加密处理。

例如，可以采用异或加密技术，先利用伪随机数生成器Pse-RNG基于特定随机种子k2生成一串与M1同样长度的伪随机0/1序列N_k2，而后将N_k2与M₁进行异或运算

即可完成加密，从而得到加密后的防伪信息M₂，具体公式如下：

N_k2＝Pse-RNG(k2)， (3)

根据本公开的实施例，可以实现在保证有效信息的比特位数不变的情况下对信息实现加密处理。

在操作S330中，对加密处理后的防伪信息进行编码。

例如，对加密处理后的防伪信息进行编码可以是信道纠错编码，信道纠错编码是指在信道传输过程中对传送的信号进行纠、检错编码，主要分为分组码和卷积码两类，在本实施例中，例如可以选取常用BCH分组码。一般对码长为n，信息元长度为1的线程分组码记作(n，1)。对于本原的BCH码，其可记为(2^m-1，1)，对于纠错t比特位的需求，BCH的监督位需要满足条件：(2^m-1-1≤mt)，纠错能力与编码效率不可兼得。为了平衡编码效率与纠错能力，例如可以采用(31，21)的BCH码，即码长为31，有效信息位为21，可以纠错2个随机错误比特。鉴于加密后的防伪信息M₂长度为100，因此我们至少需要对其进行5次编码。为了完成5次(31，21)的BCH编码，我们需要先对进行末尾补零，使其达到21×5＝105比特，而后再依次进行分组编码(s1～s5)，通过一下公式处理：

M₃＝BCH(M₂) (5)

经过以上处理后，获得最终的防伪信息M₃，并输入至第一网络模型，生成防伪标识原始图像。

在本公开的实施例中，通过对防伪信息进行预处理，可以有效提高防伪信息的安全性，即使在对防伪标识原始图像或防伪标识打印图像中的防伪信息进行提取后，其也无法直接获取防伪信息的具体内容，从而提高数据安全性。

图5A示意性示出了根据本公开实施例的票据防伪方法在对第一网络模型训练的训练过程示意图。

在本公开的实施例中，第一网络模型包括小波编码网络、小波解码网络以及判别网络。

如图5A所示，训练得到第一网络模型的训练过程400包括操作S410至操作S450。

在操作S410中，将载体图像和预处理后的防伪信息拼接后，作为小波编码网络的输入数据，生成防伪标识原始图像。

在操作S420中，利用判别网络识别防伪标识原始图像和载体图像，得到第一识别结果。

示例性地，第一识别结果用于比较防伪标识原始图像和载体图像之间的相似程度，并根据第一识别结果调整小波编码网络的参数。

在操作S430中，将防伪标识打印图像作为小波解码网络的输入数据，生成还原防伪信息，防伪标识打印图像是根据防伪标识原始图像得到的。

在操作S440中，利用判别网络识别还原防伪信息和预处理后的防伪信息，得到第二识别结果。

在本公开的一些实施例中，还原防伪信息例如可以是根据防伪标识打印图像的信息进行提取得到的信息，还原防伪信息与防伪信息存在一定联系。例如，经由防伪信息嵌入至载体图像生成防伪标识原始图像，将防伪标识原始图像打印生成防伪标识打印图像，则从防伪标识打印图像中获取的还原防伪信息与嵌入至载体图像的防伪信息存在一致性关系，例如一致性高于99％。

示例性地，第二识别结果用于比较还原防伪信息和预处理后的防伪信息的相似程度，并根据第二识别结果调整小波编码网络和/或小波解码网络的参数，从而使第一网络模型能够针对防伪标识打印图像中的防伪信息实现准确提取。

在操作S450中，根据损失函数值调整第一网络模型的参数值，直至满足预设训练终止条件。

损失函数值包括第一损失函数值、第二损失函数值和第三损失函数值，第一损失函数值和第二损失函数值与防伪标识原始图像、防伪标识打印图像相关联，第三损失函数值与防伪标识打印图像相关联。

示例性地，第一损失函数可以是内容损失函数Lr，第二损失函数可以是感知损失函数Lp，第三损失函数可以是交叉熵损失函数Ls。第一损失函数值和第二损失函数值与防伪标识原始图像、防伪标识打印图像相关联，从而使的打印在目标票据的防伪标识图像不会出现异常，同时保证防伪标识图像的图像质量。第三损失函数值与防伪标识打印图像相关联实现防伪信息的鲁棒性提取。

图5B示意性示出了根据本公开实施例的票据防伪方法在对第一网络模型训练的另一训练过程示意图。

如图5B所示，本公开实施例的票据防伪方法在对第一网络模型训练的训练过程400还包括操作S460和操作S470。

在操作S460中，将防伪标识原始图像经过噪声层处理，得到防伪标识打印图像。

示例性地，通过将防伪标识原始图像经过噪声层处理，有效模拟真实环境中的图像失真，如色度以及饱和度退化、遮挡、打印扫描、噪声、扭曲、运动模糊等，从而实现针对目标票据中的信息的有效提取。

在操作S470中，将防伪标识原始图像打印至目标票据，对打印至目标票据的图像进行提取，得到防伪标识打印图像。

示例性地，通过采用操作S470的操作，可以使训练的第一网络模型和第二网络模型在真实环境中的可靠性更高。

在本公开的实施例中，操作S460和操作S470的执行顺序没有限定，例如可以是先后执行，或者同时执行，也可以择一执行。

图6示意性示出了根据本公开实施例的票据防伪方法在对第二网络模型训练的训练过程示意图。

如图6所示，训练得到第二网络模型的训练过程500包括操作S510至操作S530。

在操作S5 10中，将防伪标识复印图像作为小波解码网络的输入数据，生成还原防伪信息。

在操作S520中，利用判别网络识别还原防伪信息和预处理后的防伪信息，得到第三识别结果。

在操作S530中，根据第三损失函数值，调整小波解码网络的参数值，直至满足预设训练终止条件。

根据本公开的实施例，通过采用防伪标识复印图像对训练好的第一网络模型继续进行训练，使第二网络模型能够更准确的区分防伪标识打印图像和防伪标识复印图像，第二网络模型能够在性能部发生较大改变的基础上，无法从防伪标识复印图像中准确提取防伪信息，而可以顺利从防伪标识打印图像中准确提取防伪信息，实现有效区分伪造的目标票据。

图7示意性示出了根据本公开实施例的票据防伪方法在调整第一网络模型的参数值的流程图。

如图7所示，本公开实施例的票据防伪方法在调整第一网络模型的参数值的流程图S600包括：根据损失函数值调整第一网络模型的损失函数权重值，其中，在训练中，调整第三损失函数的权重值为设定权重值，调整第一损失函数的权重值和第二损失函数的权重值随训练进程增加，直至达到设定权重值保持不变。

示例性地，第一网络模型可以包括的第一损失函数可以是内容损失函数Lr，第二损失函数可以是感知损失函数Lp，第三损失函数可以是交叉熵损失函数Ls。其损失函数权重值例如可以通过以下公式表示。

L＝λ_rL_r+λ_pL_p+λ_sL_s (6)

示例性地，损失函数的权重可动态调节，在网络训练时，交叉熵损失函数的权重λ_s保持不变，其他的感知损失函数的权重λ_p和内容损失函数λ_r在网络训练初始时置零，随网络训练的进程线性增长，直到达到预设的阈值后保持不变。

图8示意性示出了根据本公开实施例的票据防伪方法在操作S230中的流程图。

如图8所示，本公开实施例的票据防伪方法在操作S230中的流程包括操作S231至操作S232。

在操作S231中，对防伪信息进维度扩充，生成防伪扩充信息。

示例性地，通过对防伪信息进行维度扩充，从而使防伪信息可以与载体图像更好的进行拼接，不对载体图像的显示效果造成负面影响。

在操作S232中，将防伪扩充信息和载体图像拼接，输入至第一网络的小波编码网络，生成防伪标识原始图像。

示例性地，在操作S230的过程中，第一网络模型中的小波编码网络训练完成，通过输入防伪扩充信息和载体图像，以生成防伪标识原始图像，该防伪标识原始图像例如可以用于打印至目标票据上。

图9示意性示出了根据本公开实施例的票据防伪方法在操作S240中的流程图。

如图9所示，操作S240的流程包括操作S241至操作S244。

在操作S241中，采用第二网络模型对待验证图像进行提取，生成还原防伪信息。

示例性地，采用训练后的第二网络模型中的小波解码网络对待验证图像进行提取，例如可以是针对包含防伪标识图像的区域进行提取，以生成还原防伪信息。

在操作S242中，对还原防伪信息进行解码处理。

示例性地，与防伪信息预处理中的信道纠错编码类似，本操作是信道纠错编码的逆过程，主要完成对还原防伪信息M’₃进行信道纠错解码，从而得到信道纠错解码后的还原防伪信息M’₂，根据防伪信息生成模块中的信道纠错编码过程可知，M’₂的s5片段只保留前16比特。

在操作S243中，对解码处理后的还原防伪信息进行解密处理。

示例性地，与防伪信息预处理中的加密相反，本操作用于对信道纠错解码后的还原防伪信息M’₂进行解密，从而得到解密的还原防伪信息M’₁。具体地，先利用伪随机数生成器Pse-RNG基于特定随机种子k2生成一串与M’₂同样长度的伪随机0/1序列N_k2，而后将N_k2与M’₂进行异或运算，即可完成解密，从而得到解密后的还原防伪信息M’₁，公式如下

N_k2＝Pse-RNG(k2)， (7)

在操作S244中，对解密处理后的还原防伪信息进行反置乱处理，生成防伪验证信息。

示例性地，与防伪信息预处理中的置乱相反，本操作用于对信道纠错解码后且解密的还原防伪信息M’₁进行反置乱，从而得到原始的还原防伪信息M’₀。具体地，先利用伪随机数生成器Pse-RNG基于特定随机种子k1生成一串与M’₁同样长度的伪随机整数序列N_k1(即1～100)，而后以N_k1为索引，将M’₁中的元素重新排列，从而得到反置乱后的还原防伪信息M’₀(即防伪验证信息)，公式如下：

N_k1＝Pse-RNG(k1)， (9)

M′₀＝M′₁(N_k1).(10)

最后，根据防伪信息M₀和最后处理后的还原防伪信息M’₀(即防伪验证信息)来判断目标票据的真假。

图10示意性示出了根据本公开实施例的票据防伪方法在操作S250中的流程图。

如图10所示，操作S250的流程包括操作S251和操作S252。

在操作S251中，若防伪信息与防伪验证信息的一致性满足设定阈值，则确定目标票据为真。

示例性，防伪信息例如可以是存储在服务器中的数据，可以通过调用获取。例如设定阈值为99％，当防伪信息与从目标票据提取的防伪验证信息的一致性超过99％，则可以认定目标票据为真实票据。

在操作S252中，若防伪信息与防伪验证信息的一致性不满足设定阈值，则确定目标票据为假。

例如设定阈值为99％，当防伪信息与从目标票据提取的防伪验证信息的一致性不超过99％，则可以认定目标票据为假票据，例如为复印票据或伪造票据。

图11A示意性示出了根据本公开实施例的票据防伪方法的过程示意图。图11B示意性示出了根据本公开实施例的票据防伪方法在对防伪信息进行预处理的过程示意图。图11C示意性示出了根据本公开实施例的票据防伪方法在预处理是的编码过程示意图。图11D示意性示出了根据本公开实施例的票据防伪方法的第一网络模型的结构示意图。图11E示意性示出了根据本公开实施例的票据防伪方法在采用第二网络模型从目标票据提取得到验证图像之后的过程示意图。图11F示意性示出了根据本公开实施例的票据防伪方法对还原防伪信息进行处理的过程示意图。图11G示意性示出了根据本公开实施例的票据防伪方法在对还原防伪信息进行解码处理的过程示意图。

图11A至图11G的过程示意图在上文的票据防伪方法的具体操作中进行了详细说明，此处不再赘述。

图12示意性示出了根据本公开实施例的票据防伪装置的结构框图。

如图12所示，本公开实施例的票据防伪装置700包括防伪信息生成模块701、载体图像生成模块702、防伪标识原始图像生成模块703、防伪验证信息生成模块704、真伪确定模块705。

防伪信息生成模块701，配置成根据交易关键信息生成防伪信息，所述防伪信息具有设定容量大小。在一实施例中，防伪信息生成模块701可以用于执行前文描述的操作S210，在此不再赘述。

载体图像生成模块702，配置为根据目标票据的至少一个格式信息，生成载体图像。在一实施例中，载体图像生成模块702可以用于执行前文描述的操作S220，在此不再赘述。

防伪标识原始图像生成模块703，配置为采用第一网络模型根据所述载体图像和所述防伪信息，生成防伪标识原始图像，所述防伪标识原始图像与所述目标票据的至少一个格式信息相关联，所述第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的。在一实施例中，防伪标识原始图像生成模块703可以用于执行前文描述的操作S230，在此不再赘述。

防伪验证信息生成模块704，配置为采用第二网络模型根据从所述目标票据上提取得到的待验证图像，生成防伪验证信息，所述待验证图像包括防伪标识打印图像和防伪标识复印图像，所述第二网络模型是所述第一网络模型根据包含防伪标识复印图像的数据集训练得到的。在一实施例中，防伪验证信息生成模块704可以用于执行前文描述的操作S240，在此不再赘述。

真伪确定模块705，配置为根据所述防伪信息和所述防伪验证信息确定所述目标票据的真伪。在一实施例中，真伪确定模块705可以用于执行前文描述的操作S250，在此不再赘述。

在本公开的一些示例性实施例中，防伪信息生成模块701被配置成：根据所述交易关键信息，确定关键交易内容；以及根据所述关键交易内容，生成防伪信息。

在本公开的一些示例性实施例中，防伪标识原始图像生成模块703被配置为：对所述防伪信息进维度扩充，生成防伪扩充信息；以及将所述防伪扩充信息和所述载体图像拼接，输入至所述第一网络的小波编码网络，生成防伪标识原始图像。

在本公开的一些示例性实施例中，防伪验证信息生成模块704被配置为：采用第二网络模型对所述待验证图像进行提取，生成还原防伪信息；对所述还原防伪信息进行解码处理；对解码处理后的所述还原防伪信息进行解密处理；以及对解密处理后的所述还原防伪信息进行反置乱处理，生成防伪验证信息。

在本公开的一些示例性实施例中，真伪确定模块705被配置为：若所述防伪信息与所述防伪验证信息的一致性满足设定阈值，则确定所述目标票据为真；以及若所述防伪信息与所述防伪验证信息的一致性不满足设定阈值，则确定所述目标票据为假。

根据本公开的实施例，防伪信息生成模块701、载体图像生成模块702、防伪标识原始图像生成模块703、防伪验证信息生成模块704、真伪确定模块705中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，防伪信息生成模块701、载体图像生成模块702、防伪标识原始图像生成模块703、防伪验证信息生成模块704、真伪确定模块705中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，防伪信息生成模块701、载体图像生成模块702、防伪标识原始图像生成模块703、防伪验证信息生成模块704、真伪确定模块705中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图13示意性示出了根据本公开实施例的适于实现票据防伪方法的电子设备的方框图。图13示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图13所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备800还可以包括输入/输出(I/O)接口805，输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的方法。

在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims

1.一种票据防伪方法，包括：

根据交易关键信息生成防伪信息，所述防伪信息具有设定容量大小；

根据目标票据的至少一个格式信息，生成载体图像；

采用第一网络模型根据所述载体图像和所述防伪信息，生成防伪标识原始图像，所述防伪标识原始图像与所述目标票据的至少一个格式信息相关联；

采用第二网络模型根据从所述目标票据上提取得到的待验证图像，生成防伪验证信息，所述待验证图像包括防伪标识打印图像和防伪标识复印图像；以及

根据所述防伪信息和所述防伪验证信息确定所述目标票据的真伪，

其中，所述第一网络模型是根据包含所述防伪标识原始图像和防伪标识打印图像的数据集训练得到的，

所述第二网络模型是所述第一网络模型根据包含所述防伪标识复印图像的数据集训练得到的。

2.根据权利要求1所述的方法，其中，根据交易关键信息生成防伪信息，包括：

根据交易关键信息，确定关键交易内容；以及

根据所述关键交易内容，生成防伪信息。

3.根据权利要求2所述的方法，其中，还包括：

在生成防伪信息之后，对所述防伪信息进行预处理，包括：

对所述防伪信息进行置乱处理；

对置乱处理后的所述防伪信息进行加密处理；以及

对加密处理后的所述防伪信息进行编码。

4.根据权利要求3所述的方法，其中，所述第一网络模型包括小波编码网络、小波解码网络以及判别网络，

训练得到所述第一网络模型的训练过程包括：

将所述载体图像和预处理后的所述防伪信息拼接后，作为所述小波编码网络的输入数据，生成防伪标识原始图像；

利用所述判别网络识别所述防伪标识原始图像和所述载体图像，得到第一识别结果；

将防伪标识打印图像作为小波解码网络的输入数据，生成还原防伪信息，所述防伪标识打印图像是根据所述防伪标识原始图像得到的；

利用所述判别网络识别所述还原防伪信息和预处理后的所述防伪信息，得到第二识别结果；以及

根据损失函数值调整所述第一网络模型的参数值，直至满足预设训练终止条件，

其中，所述损失函数值包括第一损失函数值、第二损失函数值和第三损失函数值，所述第一损失函数值和所述第二损失函数值与所述防伪标识原始图像、所述防伪标识打印图像相关联，所述第三损失函数值与所述防伪标识打印图像相关联。

5.根据权利要求4所述的方法，其中，

训练得到所述第二网络模型的训练过程包括：

将所述防伪标识复印图像作为所述小波解码网络的输入数据，生成还原防伪信息；

利用所述判别网络识别所述还原防伪信息和预处理后的所述防伪信息，得到第三识别结果；以及

根据第三损失函数值，调整所述小波解码网络的参数值，直至满足预设训练终止条件。

6.根据权利要求5所述的方法，其中，根据损失函数值调整所述第一网络模型的参数值包括：

根据所述损失函数值调整所述第一网络模型的损失函数权重值，

其中，在训练中，调整第三损失函数的权重值为设定权重值，调整第一损失函数的权重值和第二损失函数的权重值随训练进程增加，直至达到设定权重值保持不变。

7.根据权利要求4所述的方法，其中，

训练得到所述第一网络模型的训练过程还包括：

将所述防伪标识原始图像经过噪声层处理，得到防伪标识打印图像；和/或

将所述防伪标识原始图像打印至目标票据，对打印至所述目标票据的图像进行提取，得到防伪标识打印图像。

8.根据权利要求1所述的方法，其中，采用第一网络模型根据所述载体图像和所述防伪信息，生成防伪标识原始图像，包括：

对所述防伪信息进维度扩充，生成防伪扩充信息；以及

将所述防伪扩充信息和所述载体图像拼接，输入至所述第一网络的小波编码网络，生成防伪标识原始图像。

9.根据权利要求1所述的方法，其中，采用第二网络模型根据从所述目标票据上提取得到的待验证图像，生成防伪验证信息，包括：

采用第二网络模型对所述待验证图像进行提取，生成还原防伪信息；

对所述还原防伪信息进行解码处理；

对解码处理后的所述还原防伪信息进行解密处理；以及

对解密处理后的所述还原防伪信息进行反置乱处理，生成防伪验证信息。

10.根据权利要求1所述的方法，其中，根据所述防伪信息和所述防伪验证信息确定所述目标票据的真伪，包括：

若所述防伪信息与所述防伪验证信息的一致性满足设定阈值，则确定所述目标票据为真；以及

若所述防伪信息与所述防伪验证信息的一致性不满足设定阈值，则确定所述目标票据为假。

11.一种票据防伪装置，包括：

防伪信息生成模块，配置成根据交易关键信息生成防伪信息，所述防伪信息具有设定容量大小；

载体图像生成模块，配置为根据目标票据的至少一个格式信息，生成载体图像；

防伪标识原始图像生成模块，配置为采用第一网络模型根据所述载体图像和所述防伪信息，生成防伪标识原始图像，所述防伪标识原始图像与所述目标票据的至少一个格式信息相关联，所述第一网络模型是根据包含防伪标识原始图像和防伪标识打印图像的数据集训练得到的；

防伪验证信息生成模块，配置为采用第二网络模型根据从所述目标票据上提取得到的待验证图像，生成防伪验证信息，所述待验证图像包括防伪标识打印图像和防伪标识复印图像，所述第二网络模型是所述第一网络模型根据包含防伪标识复印图像的数据集训练得到的；以及

真伪确定模块，配置为根据所述防伪信息和所述防伪验证信息确定所述目标票据的真伪。

12.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据权利要求1至10中任一项所述的方法。

13.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时，实现根据权利要求1至10中任一项所述的方法。

14.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至10中任一项所述的方法。