JP2019534526A5 - - Google Patents

Description

［本発明１００１］
画像化された物理的信用証明書の電子的または物理的改ざんを検出するためのコンピュータ実装方法であって、1つまたは複数のプロセッサを使用して実行され、以下の工程:
1つまたは複数の高価値領域を有する物理的信用証明書を表す、画素配列を含むデジタル画像を受け取る工程;
所定の改ざんシグネチャに関して前記デジタル画像の前記高価値領域の画素レベルの解析を行うように構成された改ざん検出器で、前記デジタル画像を処理し、前記デジタル画像の固有の特性に対応する出力を生成する工程;および
前記改ざん検出器からの前記出力に基づいて、前記デジタル画像が電子的に改ざんされているかどうかを判定する工程
を含む、コンピュータ実装方法。
［本発明１００２］
1つまたは複数のプロセッサによって実行されると、画像化された物理的信用証明書の電子的または物理的改ざんを検出するための操作を前記1つまたは複数のプロセッサに行わせる命令が格納されている、前記1つまたは複数のプロセッサに結合された非一時的コンピュータ可読記憶媒体であって、前記操作が、
1つまたは複数の高価値領域を有する物理的信用証明書を表す、画素配列を含むデジタル画像を受け取ること;
所定の改ざんシグネチャに関して前記デジタル画像の前記高価値領域の画素レベルの解析を行うように構成された改ざん検出器で、前記デジタル画像を処理し、前記デジタル画像の固有の特性に対応する出力を生成すること;および
前記改ざん検出器からの前記出力に基づいて、前記デジタル画像が電子的に改ざんされているかどうかを判定すること
を含む、非一時的コンピュータ可読記憶媒体。
［本発明１００３］
コンピューティングデバイスと、
前記コンピューティングデバイスによって実行されると、画像化された物理的信用証明書の電子的または物理的改ざんを検出するための操作を前記コンピューティングデバイスに行わせる命令が格納されている、前記コンピューティングデバイスに結合されたコンピュータ可読記憶装置であって、前記操作が、
1つまたは複数の高価値領域を有する物理的信用証明書を表す、画素配列を含むデジタル画像を受け取ること;
所定の改ざんシグネチャに関して前記デジタル画像の前記高価値領域の画素レベルの解析を行うように構成された改ざん検出器で、前記デジタル画像を処理し、前記デジタル画像の固有の特性に対応する出力を生成すること;および
前記改ざん検出器からの前記出力に基づいて、前記デジタル画像が電子的に改ざんされているかどうかを判定すること
を含む、コンピュータ可読記憶装置と
を含む、システム。
［本発明１００４］
前記画素レベルの解析が複数の固有の画素特徴の組合せの検査を含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１００５］
前記固有の画素特徴の組合せが、
物理的および/または電子的改ざんの証拠となる1つまたは複数の画素特徴と、
環境、取込装置、信用証明書の摩耗、照明の影響、ハードウェア/ソフトウェア量子化、および/またはデジタル圧縮の影響を含む、1つまたは複数の無害な画素特徴と
を含む、本発明1004の方法、記憶媒体、またはシステム。
［本発明１００６］
前記受け取られるデジタル画像の高価値領域が人物情報（biographical）テキストを含み、前記改ざん検出器の前記所定の改ざんシグネチャが人物情報の継ぎ合わせまたは他の改変を含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１００７］
前記受け取られるデジタル画像の高価値領域がバイオメトリックデータを含み、前記改ざん検出器の前記所定の改ざんシグネチャが写真の継ぎ合わせまたは他の改変を含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１００８］
前記バイオメトリックデータが身分証明写真を含む、本発明1007の方法、記憶媒体、またはシステム。
［本発明１００９］
前記受け取られるデジタル画像の高価値領域が機械可読領域（MRZ）を含み、前記改ざん検出器の前記所定の改ざんシグネチャがMRZの継ぎ合わせまたは他の改変を含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０１０］
前記改ざん検出器の前記所定の改ざんシグネチャが1つまたは複数の前記高価値領域の画像のぼけまたはオクルージョンを含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０１１］
前記改ざん検出器が、訓練データセットを適用する機械学習アルゴリズムによって訓練された予測モデルを含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０１２］
前記訓練データセットが、
第1の改ざんされていないデジタル画像のセットと、
前記改ざんされていないデジタル画像のうちの1つまたは複数の電子的に改ざんされた派生物を含む、第2のデジタル画像のセットと
を含み、
前記第1のセットの前記改ざんされていないデジタル画像の各々が前記訓練データセットにおいて第1の共通ラベルを割り当てられており、前記第2のセットの前記改ざんされたデジタル画像の各々が前記訓練データセットにおいて第2の共通ラベルを割り当てられており、前記第2のラベルが前記第1のラベルとは異なる、本発明1011の方法、記憶媒体、またはシステム。
［本発明１０１３］
前記第1の改ざんされていないデジタル画像のセットが、複数の固有の画素特徴の組合せの検査を誘導するために選択される、本発明1012の方法、記憶媒体、またはシステム。
［本発明１０１４］
前記固有の画素特徴の組合せが、
物理的および/または電子的改ざんの証拠となる1つまたは複数の画素特徴と、
環境、取込装置、信用証明書の摩耗、照明の影響、ハードウェア/ソフトウェア量子化、および/またはデジタル圧縮の影響を含む、1つまたは複数の無害な画素特徴と
を含む、本発明1012または本発明1013の方法、記憶媒体、またはシステム。
［本発明１０１５］
前記第1の改ざんされていないデジタル画像のセットが、異なる形式の個人の身元信用証明書を表す複数の画像を含む、本発明1012〜1014のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０１６］
前記異なる形式の個人の身元信用証明書が異なる密度のセキュリティ特徴を含む、本発明1015の方法、記憶媒体、またはシステム。
［本発明１０１７］
前記異なる形式の個人の身元信用証明書が異なるレイアウトデザインを含む、本発明1015または本発明1016の方法、記憶媒体、またはシステム。
［本発明１０１８］
前記第1の改ざんされていないデジタル画像のセットが、異なる照明条件の下で取り込まれた複数の画像を含む、本発明1012〜1017のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０１９］
前記第1の改ざんされていないデジタル画像のセットが、異なる撮像装置で取り込まれた複数の画像を含む、本発明1012〜1018のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２０］
前記第1の改ざんされていないデジタル画像のセットが、同じ物理的信用証明書を表す一連のデジタル画像を含み、前記一連のデジタル画像の各々が、異なる回転の度合いで方向決めされている、本発明1012〜1019のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２１］
前記第1の改ざんされていないデジタル画像のセットが、ランダムに縮尺変更された複数の画像を含む、本発明1012〜1020のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２２］
前記第1の改ざんされていないデジタル画像のセットが、ランダムに導入されたデジタルノイズを含む複数の画像を含む、本発明1012〜1021のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２３］
前記第2の電子的に改ざんされた画像のセットが、前記第1のセットの改ざんされていない各画像の前記画素配列の1つまたは複数の部分を自動的に改変することによって導出され、前記改変が前記改ざん検出器の前記改ざんシグネチャに基づいて決定される、本発明1012〜1022のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２４］
前記第2の改ざんされた画像のセットが、前記第1のセットの改ざんされていない各画像の前記画素配列の1つまたは複数の部分をデジタル編集ツールを介して手動で改変することによって導出され、前記改変が前記改ざん検出器の改ざん関心領域に基づいて決定される、本発明1012〜1023のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２５］
前記第2の改ざんされた画像のセットが、物理的信用証明書を物理的改ざん方法を用いて手動で改変し、続いて物理的に改変された信用証明書を電子的に画像化することによって導出される、本発明1012〜1024のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２６］
前記第2の物理的に改変された改ざんされた画像のセットが、前記物理的改ざんをマスクするためにデジタル編集ツールを用いて画素レベルでさらに改変される、本発明1025の方法、記憶媒体、またはシステム。
［本発明１０２７］
前記第2の改ざんされた画像のセットが、物理的使用特性が視覚的に顕著である物理的信用証明書上に手動でまたは自動的に生成された物理的または改ざんから導出される、本発明1012〜1026のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０２８］
前記視覚的に顕著な使用特性が、摩耗、損傷、デザインの欠陥、または意図的な物理的改変を含む、本発明1027の方法、記憶媒体、またはシステム。
［本発明１０２９］
前記第2の改ざんされた画像のセットが、元のデジタル画像化イベントからの特有の照明、焦点面に対する角度、スキュー、回転、ぼけを有する元の未補正画像から導出される、本発明1012〜1028のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３０］
前記第2の改ざんされた画像のセットが、改ざん前に、縦方向または横方向の、エッジにおいて0度または90度に向いた文書印刷の向きと一致するよう傾けられ、スキューが適正な縦横比に補正され、ぼけおよび照明およびその他の影響が補正およびエンハンスメントされた、エンハンスメントされた補正画像から導出される、本発明1012〜1029のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３１］
前記訓練データセットの複数のデジタル画像が、改変された主成分を有する画素配列を含む、本発明1011〜1030のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３２］
前記予測モデルが確率的分類器を含み、前記出力が前記デジタル画像の分類および確度を含む、本発明1011〜1031のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３３］
前記デジタル画像が改ざんされているかどうかを判定することが、前記確度を所定の閾値と比較することを含む、本発明1032の方法、記憶媒体、またはシステム。
［本発明１０３４］
前記予測モデルが、多層ノードベースアーキテクチャを有する畳み込みニューラルネットワーク分類器を含み、前記分類器の出力層がマルチクラスデータ層を含む、本発明1011〜1033のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３５］
前記画素配列を解析することが、
関心領域を前記画素配列のサブセットとして識別することと、
前記関心領域のために調整および訓練された、前記識別された関心領域のみに関する改ざん検出アルゴリズムを実施することと
を含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３６］
前記画素配列を解析することが、
関心領域を前記画素配列のサブセットとして識別することと、
前記識別された関心領域に関して、異なる改ざんシグネチャに基づく複数の改ざん検出器を実施することと
を含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３７］
デジタル画像が改ざんされているかどうかを判定することが、前記複数の改ざん検出器からのそれぞれの出力に複数の独立した閾値を適用することを含む、本発明1036の方法、記憶媒体、またはシステム。
［本発明１０３８］
前記画素配列を解析することが、
複数の関心領域を前記画素配列のサブセットとして識別することと、
前記関心領域の各々に関して、1つまたは複数の異なる改ざん検出アルゴリズムの独特な組合せを実施することと
を含む、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
［本発明１０３９］
デジタル画像が改ざんされているかどうかを判定することが、
各関心領域について、複数の改ざん確率を決定するために前記1つまたは複数の改ざん検出器からのそれぞれの改ざん出力に複数の独立した閾値を適用することと、
各関心領域について、領域レベルの改ざん確率を決定するために前記複数の改ざん確率を集計することと、
文書レベルの改ざん確率を決定するために前記複数の領域の前記領域レベルの改ざん確率を集計することと
を含む、本発明1038の方法、記憶媒体、またはシステム。
［本発明１０４０］
前記受け取られるデジタル画像によって表された前記物理的信用証明書が1つまたは複数の物理的に埋め込まれたセキュリティ特徴を含み、前記改ざん検出器が、前記表された物理的信用証明書に埋め込まれた前記セキュリティ特徴に依存しない前記画素レベルの解析を行うようにさらに構成される、前記本発明のいずれか一つの方法、記憶媒体、またはシステム。
本明細書の主題の1つまたは複数の態様の詳細は、添付の図面および以下の説明に記載されている。主題の他の特徴、局面、および利点は、それらの説明、図面、および特許請求の範囲を読めば明らかになるであろう。

Claims (24)

1. 画像化された物理的信用証明書の電子的または物理的改ざんを検出するためのコンピュータ実装方法であって、1つまたは複数のプロセッサを使用して実行され、以下の工程:
   1つまたは複数の高価値領域を有する物理的信用証明書を表す、画素配列を含むデジタル画像を受け取る工程;
   所定の改ざんシグネチャに関して前記デジタル画像の前記高価値領域の画素レベルの解析を行うように構成された改ざん検出器で、前記デジタル画像を処理し、前記デジタル画像の固有の特性に対応する出力を生成する工程;および
   前記改ざん検出器からの前記出力に基づいて、前記デジタル画像が電子的に改ざんされているかどうかを判定する工程
   を含む、コンピュータ実装方法であって、
   前記改ざん検出器が、訓練データセットを適用する機械学習アルゴリズムによって訓練された予測モデルを含み、
   前記訓練データセットが、
   複数の固有の画素特徴の組合せの検査を誘導するために選択される、第1の改ざんされていないデジタル画像のセットと、
   前記改ざんされていないデジタル画像のうちの1つまたは複数の電子的に改ざんされた派生物を含む、第2のデジタル画像のセットと
   を含み、
   前記第1のセットの前記改ざんされていないデジタル画像の各々が前記訓練データセットにおいて第1の共通ラベルを割り当てられており、前記第2のセットの前記改ざんされたデジタル画像の各々が前記訓練データセットにおいて第2の共通ラベルを割り当てられており、前記第2のラベルが前記第1のラベルとは異なる、
   前記コンピュータ実装方法。
2. 前記画素レベルの解析が、
   物理的および/または電子的改ざんの証拠となる1つまたは複数の画素特徴と、
   環境、取込装置、信用証明書の摩耗、照明の影響、ハードウェア/ソフトウェア量子化、および/またはデジタル圧縮の影響を含む、1つまたは複数の無害な画素特徴と
   を含む、複数の固有の画素特徴の組合せの検査を含む、
   請求項1記載の方法。
3. 前記受け取られるデジタル画像の高価値領域が人物情報（biographical）テキストを含み、前記改ざん検出器の前記所定の改ざんシグネチャが人物情報の継ぎ合わせまたは他の改変を含む、請求項1記載の方法。
4. 前記受け取られるデジタル画像の高価値領域がバイオメトリックデータを含み、前記改ざん検出器の前記所定の改ざんシグネチャが写真の継ぎ合わせまたは他の改変を含む、請求項1記載の方法。
5. 前記受け取られるデジタル画像の高価値領域が機械可読領域（MRZ）を含み、前記改ざん検出器の前記所定の改ざんシグネチャがMRZの継ぎ合わせまたは他の改変を含む、請求項1記載の方法。
6. 前記改ざん検出器の前記所定の改ざんシグネチャが1つまたは複数の前記高価値領域の画像のぼけまたはオクルージョンを含む、請求項1記載の方法。
7. 前記固有の画素特徴の組合せが、
   物理的および/または電子的改ざんの証拠となる1つまたは複数の画素特徴と、
   環境、取込装置、信用証明書の摩耗、照明の影響、ハードウェア/ソフトウェア量子化、および/またはデジタル圧縮の影響を含む、1つまたは複数の無害な画素特徴と
   を含む、請求項1記載の方法。
8. 前記第1の改ざんされていないデジタル画像のセットが、異なる密度のセキュリティ特徴または異なるレイアウトデザインのうち少なくとも一つを有する異なる形式の個人の身元信用証明書を表す複数の画像を含む、請求項1記載の方法。
9. 前記第1の改ざんされていないデジタル画像のセットが、以下のうち少なくとも一つを含む、請求項1記載の方法：
   異なる照明条件の下で取り込まれた複数の画像、
   異なる撮像装置で取り込まれた複数の画像、
   同じ物理的信用証明書を表す一連のデジタル画像であって、前記一連のデジタル画像の各々が、異なる回転の度合いで方向決めされている、前記一連のデジタル画像、
   ランダムに縮尺変更された複数の画像、または、
   ランダムに導入されたデジタルノイズを含む複数の画像。
10. 前記第2の電子的に改ざんされた画像のセットが、前記第1のセットの改ざんされていない各画像の前記画素配列の1つまたは複数の部分を改変することによって導出され、前記改変が前記改ざん検出器の前記改ざんシグネチャに基づいて決定される、請求項1記載の方法。
11. 前記第2の改ざんされた画像のセットが、物理的信用証明書を物理的改ざん方法を用いて手動で改変し、続いて物理的に改変された信用証明書を電子的に画像化することによって導出され、前記第2の物理的に改変された改ざんされた画像のセットが、前記物理的改ざんをマスクするためにデジタル編集ツールを用いて画素レベルでさらに改変される、請求項1記載の方法。
12. 前記第2の改ざんされた画像のセットが、視覚的に顕著である物理的使用特性を有する物理的信用証明書から導出され、前記視覚的に顕著な使用特性が、摩耗、損傷、デザインの欠陥、または意図的な物理的改変のうち少なくとも一つを含む、請求項1記載の方法。
13. 前記第2の改ざんされた画像のセットが、元のデジタル画像化イベントからの照明、焦点面に対する角度、スキュー、回転、ぼけを有する元の未補正画像から導出される、請求項1記載の方法。
14. 前記第2の改ざんされた画像のセットが、エンハンスメントされた補正画像から導出される、請求項1記載の方法。
15. 前記訓練データセットの複数のデジタル画像が、改変された主成分を有する画素配列を含む、請求項1記載の方法。
16. 前記予測モデルが確率的分類器を含み、前記出力が前記デジタル画像の分類および確度を含み、前記デジタル画像が改ざんされているかどうかを判定することが、前記確度を所定の閾値と比較することを含む、請求項1記載の方法。
17. 前記予測モデルが、多層ノードベースアーキテクチャを有する畳み込みニューラルネットワーク分類器を含み、前記分類器が、マルチクラスデータ層を含む出力層を有する、請求項1記載の方法。
18. 前記画素配列を解析することが、
    関心領域を前記画素配列のサブセットとして識別することと、
    前記関心領域のために調整および訓練された、前記識別された関心領域のみに関する改ざん検出アルゴリズムを実施することと
    を含む、請求項1記載の方法。
19. 前記画素配列を解析することが、
    関心領域を前記画素配列のサブセットとして識別することと、
    前記識別された関心領域に関して、異なる改ざんシグネチャに基づく複数の改ざん検出器を実施することと
    を含み、
    デジタル画像が改ざんされているかどうかを判定することが、前記複数の改ざん検出器からのそれぞれの出力に複数の独立した閾値を適用することを含む、
    請求項1記載の方法。
20. 前記画素配列を解析することが、
    複数の関心領域を前記画素配列のサブセットとして識別することと、
    前記関心領域の各々に関して、1つまたは複数の異なる改ざん検出アルゴリズムの独特な組合せを実施することと
    を含む、請求項1記載の方法。
21. デジタル画像が改ざんされているかどうかを判定することが、
    各関心領域について、複数の改ざん確率を決定するために前記1つまたは複数の改ざん検出器からのそれぞれの改ざん出力に複数の独立した閾値を適用することと、
    各関心領域について、領域レベルの改ざん確率を決定するために前記複数の改ざん確率を集計することと、
    文書レベルの改ざん確率を決定するために前記複数の領域の前記領域レベルの改ざん確率を集計することと
    を含む、請求項1記載の方法。
22. 前記受け取られるデジタル画像によって表された前記物理的信用証明書が1つまたは複数の物理的に埋め込まれたセキュリティ特徴を含み、前記改ざん検出器が、前記表された物理的信用証明書に埋め込まれた前記セキュリティ特徴に依存しない前記画素レベルの解析を行うようにさらに構成される、請求項1記載の方法。
23. 1つまたは複数のプロセッサによって実行されると、画像化された物理的信用証明書の電子的または物理的改ざんを検出するための操作を前記1つまたは複数のプロセッサに行わせる命令が格納されている、前記1つまたは複数のプロセッサに結合された非一時的コンピュータ可読記憶媒体であって、前記操作が、
    1つまたは複数の高価値領域を有する物理的信用証明書を表す、画素配列を含むデジタル画像を受け取ること;
    所定の改ざんシグネチャに関して前記デジタル画像の前記高価値領域の画素レベルの解析を行うように構成された改ざん検出器で、前記デジタル画像を処理し、前記デジタル画像の固有の特性に対応する出力を生成すること;および
    前記改ざん検出器からの前記出力に基づいて、前記デジタル画像が電子的に改ざんされているかどうかを判定すること
    を含む、非一時的コンピュータ可読記憶媒体であって、
    前記改ざん検出器が、訓練データセットを適用する機械学習アルゴリズムによって訓練された予測モデルを含み、
    前記訓練データセットが、
    複数の固有の画素特徴の組合せの検査を誘導するために選択される、第1の改ざんされていないデジタル画像のセットと、
    前記改ざんされていないデジタル画像のうちの1つまたは複数の電子的に改ざんされた派生物を含む、第2のデジタル画像のセットと
    を含み、
    前記第1のセットの前記改ざんされていないデジタル画像の各々が前記訓練データセットにおいて第1の共通ラベルを割り当てられており、前記第2のセットの前記改ざんされたデジタル画像の各々が前記訓練データセットにおいて第2の共通ラベルを割り当てられており、前記第2のラベルが前記第1のラベルとは異なる、
    前記非一時的コンピュータ可読記憶媒体。
24. コンピューティングデバイスと、
    前記コンピューティングデバイスによって実行されると、画像化された物理的信用証明書の電子的または物理的改ざんを検出するための操作を前記コンピューティングデバイスに行わせる命令が格納されている、前記コンピューティングデバイスに結合されたコンピュータ可読記憶装置であって、前記操作が、
    1つまたは複数の高価値領域を有する物理的信用証明書を表す、画素配列を含むデジタル画像を受け取ること;
    所定の改ざんシグネチャに関して前記デジタル画像の前記高価値領域の画素レベルの解析を行うように構成された改ざん検出器で、前記デジタル画像を処理し、前記デジタル画像の固有の特性に対応する出力を生成すること;および
    前記改ざん検出器からの前記出力に基づいて、前記デジタル画像が電子的に改ざんされているかどうかを判定すること
    を含む、コンピュータ可読記憶装置と
    を含む、システムであって、
    前記改ざん検出器が、訓練データセットを適用する機械学習アルゴリズムによって訓練された予測モデルを含み、
    前記訓練データセットが、
    複数の固有の画素特徴の組合せの検査を誘導するために選択される、第1の改ざんされていないデジタル画像のセットと、
    前記改ざんされていないデジタル画像のうちの1つまたは複数の電子的に改ざんされた派生物を含む、第2のデジタル画像のセットと
    を含み、
    前記第1のセットの前記改ざんされていないデジタル画像の各々が前記訓練データセットにおいて第1の共通ラベルを割り当てられており、前記第2のセットの前記改ざんされたデジタル画像の各々が前記訓練データセットにおいて第2の共通ラベルを割り当てられており、前記第2のラベルが前記第1のラベルとは異なる、
    前記システム。