[发明专利]一种基于机器学习的商品防伪及趋势分析方法

说明书

技术领域

本发明涉及防伪技术领域，尤其涉及一种基于机器学习的商品防伪及趋势分析方法。

背景技术

二维条码/二维码(2-dimensional bar code)是用某种特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的图形记录数据符号信息的；在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理：它具有条码技术的一些共性：每种码制有其特定的字符集；每个字符占有一定的宽度；具有一定的校验功能等。同时还具有对不同行的信息自动识别功能、及处理图形旋转变化点。二维码是一种以黑白色为主的标签，在使用过程中，视觉体验不够好，也容易伪造。目前商品防伪需求是各个生产企业都需求的功能，现有方案大部分都基于物理防伪和逻辑防伪，物理防伪通过防伪标签的各种材质手段实现，仿造成本稍高，逻辑防伪采用二维码和后端系统结合的方式，成本低，但是容易伪造。

发明内容

为了解决上述问题，本发明提供了一种基于机器学习的商品防伪及趋势分析方法。

本发明技术方案是：一种基于机器学习的商品防伪及趋势分析方法，其特征在于，包括以下步骤：

1)对产品的原始信息加密处理得到防伪二维码；

2)对防伪二维码进行扫码解密，并对解密得到的明文进行验证，从而判断产品为假货或正品或风险产品；

3)收集扫码数据，根据扫码数据对风险产品进行风险评估，并确定产品真伪，对于不能确定真伪的产品进行反馈核实；

4)建立DNN神经网络，输入积累的扫码数据，得到真假货判定模型。

优选的，所述原始信息包括批次号、序列号、版本号以及校验码，所述序列号为批次号所生成，所述校验码为批次号、序列号、版本号中所有数字按位相加所得。

优选的，所述加密方法为：针对批次号生成随机秘钥，通过随机秘钥对序列号、版本号以及校验码进行加密得到加密密文，使用加密密文生成防伪二维码。

优选的，所述验证方法为：对防伪码进行扫码得到加密密文，通过批次号查询随机秘钥，使用随机秘钥进行解密得到产品的原始信息，计算校验码是否等于批次号、序列号、版本号中所有数字按位相加，若不相等，则判定该产品为假货。

优选的，所述验证方法还包括：判断序列号是否是批次号所生成，若不是，则判断该产品为假货。

优选的，所述验证方法还包括：若校验码等于批次号、序列号、版本号中所有数字按位相加，序列号是批次号所生成且对该防伪二维码的扫码为第一次扫码，则判定该产品为正品；若对同一防伪二维码有多次扫码，则判定该产品为风险产品。

优选的，所述根据扫码数据对风险产品进行风险评估，并确定产品真伪的方法为：收集对同一防伪二维码进行多次扫码的扫码数据，所述扫码数据包括扫码人ID、扫码经纬度、扫码时间、手机品牌以及运营网络，通过扫码经纬度、扫码时间计算得到两次扫码之间的速度值，若速度值大于阈值，则判定该产品为假货；若速度值大于风险值且小于阈值，则判定该产品为高风险产品；若同一用户对同一产品进行多次扫码，且速度值小于阈值，则判定该产品为正品；若不同用户对同一产品进行多次扫码，则判定该产品为高风险产品。

优选的，还包括以下步骤：将时间和城市作为机器学习的参数，将真货数量或者假货数量作为目标对两个函数进行非线性拟合，生成销售预测模型和假货预警模型。

本发明的有益效果是：

(1)基于自研加密算法，加密二维码内容，保障一物一码，无法对二维码内容进行穷举；

(2)完善的数据收集链路，正品和伪造品数据都可以完善的收集；

(3)对真伪数据通过机器学习进行建模，达到自动分析鉴伪；

(4)不断的对防伪模型进行训练，可以自动发现假货风险。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例的流程示意图。

具体实施方式

以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

结合附图1，一种基于机器学习的商品防伪及趋势分析方法，其特征在于，包括以下步骤：

1)对产品的原始信息加密处理得到防伪二维码；

2)对防伪二维码进行扫码解密，并对解密得到的明文进行验证，从而判断产品为假货或正品或风险产品；