偽物と偽物と本物の問題:マイクロ画像と機械学習で解決

Ashlesh Sharma(Entrupy Inc); Vidyuth Srinivasan(Entrupy Inc); Vishal Kanchan(Entrupy Inc); Lakshminarayanan Subramanian(Entrupy Inc)

KDD2017で発表するLakshminarayanan Subramanian

抽象

物品の偽造は、世界貿易の7%に相当する世界的な問題である。 ホログラムや特殊なバーコード、タガントやPUFのような秘密の技術など、さまざまな画期的な技術がありましたが、これらのソリューションは、クローン性、コスト、または採用の障壁などのさまざまな要因により、偽造市場への影響は限定的でした。 本稿では、同じ製品の真正品と偽造品を区別するために、機械学習アルゴリズムを使用して物理的なオブジェクトの顕微鏡画像を使用する新しいメカニズムを紹介します。 私たちのシステムの根底にある原則は、純粋な製品や製品群(同じより大きな製品ラインに対応する)の微視的な特性が、これらの製品を対応する偽造品と区別するために使用できる固有の類似点を示すという考えから生まれます。 我々のシステムのための重要なビルディングブロックは、ユーザが物理的物体の広い領域の顕微鏡画像を容易に捕捉することを可能にする、モバイルデバイスと互換性のある広角顕微鏡装置である。 キャプチャされた顕微鏡画像に基づいて、機械学習アルゴリズム(ConvNetsおよび単語の袋)を使用して、偽造品から本物のバージョンの製品を分離するための非常に正確な分類エンジンを生成することができます。 この特性はまた、人間の目から容易に識別できない、市場で観察される超偽造偽造品にも当てはまる。 モバイルデバイス、ポータブルハードウェア、クラウドベースのオブジェクト検証エコシステムを活用したエンドツーエンドの物理認証システムの設計について説明します。 私たちは、布、革、丸薬、電子機器、おもちゃ、靴などの様々な物や素材にわたって3万画像の大きなデータセットを使用してシステムを評価します。 分類精度は98%以上で、私たちのシステムが携帯電話とどのように連携して毎日のオブジェクトの信頼性を検証するかを示します。

全文をダウンロードして読むには 詳細はこちら.