(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111168620.2 (22)申请日 2021.10.08 (65)同一申请的已公布的文献号 申请公布号 CN 113627576 A (43)申请公布日 2021.11.09 (73)专利权人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 吴志成　张莉　乔延柯　任杰　 袁雅云　栾雅理　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 代理人 钟良　陈实顺 (51)Int.Cl. G06K 17/00(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01)(56)对比文件 CN 112529109 A,2021.0 3.19 CN 111444951 A,2020.07.24 CN 10701640 6 A,2017.08.04 US 2021209415 A1,2021.07.08 CN 110874542 A,2020.0 3.10 CN 110751004 A,2020.02.04 CN 111709408 A,2020.09.25 AU 20201026 67 A4,2021.01.14 US 10733733 B1,2020.08.04 CN 109903242 A,2019.0 6.18 (续) 审查员 宰涛 (54)发明名称 扫码信息 检测方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能， 提供一种扫码信息检 测方法、 装置、 设备及存储介质。 该方法能够基于 扫码样本迭代调整生成学习器及判别学习器， 得 到生成网络及判别网络， 获取迭代调整时的待分 析扫码样 本， 并提取最后一轮迭代调整的目标扫 码样本， 基于生成网络对目标扫码样本进行处 理， 得到生成扫码样本并抽取样本， 得到训练扫 码样本， 根据扫码数据的预测结果及标注结果生 成判别准确度， 若判别准确度小于预设阈值， 根 据标注结果及预测结果提取待增样 本， 基于生成 网络及待增样本调整网络参数， 得到判别模型， 基于判别模型处理待检测信息， 得到检测结果。 本发明能够提高检测结果的准确性。 此外， 本发 明还涉及区块链技术， 所述检测结果可存储于区 块链中。 [转续页] 权利要求书3页 说明书17页 附图2页 CN 113627576 B 2022.01.18 CN 113627576 B (56)对比文件 曹仰杰 等.生成式对抗网络及其计算机 视 觉应用研究综述. 《中国图象图形 学报》 .2018,第 1433-1449页. Samaksh Ag arwal等.A Novel Neural Model based Framew ork for Detecti on of GAN Generated Fake Ima ges. 《2021 1 1th Internati onal Conference o n Cloud Computing, Data Science & Engi neering (Confluence)》 .2021,第46 -51页.2/2 页 2[接上页] CN 113627576 B1.一种扫码信息检测方法， 其特 征在于， 所述扫码信息检测方法包括： 获取扫码 样本， 所述扫码 样本包括扫码图像及所述扫码图像所对应的标注信息； 基于所述扫码样本迭代调 整预先构建好的生成学习器及判别学习器， 直至满足迭代停 止条件， 得到与所述 生成学习器对应的生成网络及与所述判别学习器对应的判别网络； 获取所述判别学习器在迭代调整时输出结果为预设结果的样本作为待分析扫码样本， 并从所述待分析扫码样本中提取最后一轮迭代调整的目标扫码样本， 所述预设结果是指作 假结果， 所述待分析扫码 样本包括作假扫码 样本及特 征扫码样本； 基于所述生成网络对所述目标扫码样本进行处理， 得到生成扫码样本， 并抽取所述待 分析扫码样本及所述生成扫码样本， 得到训练扫码样本， 包括： 根据所述生 成扫码样本 分析 所述生成网络的生成准确度； 将所述生成准确度确定为所述生成扫码样本的第一抽取比 例， 并将预设数值与所述生成准确度的差值确定为所述待分析扫码样本的第二抽取比例； 检测所述生成学习器生成所述待分析扫码样本的迭代调整轮数； 若所述迭代调整轮数大于 预设轮数， 将所述第二抽取比例与所述预设轮数的比值确定为所述作假扫码样本的第三抽 取比例， 并将所述第二抽取比例与所述第三抽取比例的差值确定为所述特征扫码样本的第 四抽取比例； 基于所述第一抽取比例随机抽取所述生成扫码样本， 得到第一训练样本， 并基 于所述第三抽取比例随机抽取所述作假扫码样本， 得到第二训练样本； 基于所述第四抽取 比例随机抽取所述特征扫码样本， 得到第三训练样本； 将所述第一训练样本、 所述第二训练 样本及所述第三训练样本确定为所述训练扫码样本， 所述训练扫码样本中包括扫码数据及 标注结果； 根据所述判别网络识别所述扫码数据所得到的预测结果及所述标注结果生成判别准 确度； 若所述判别准确度小于预设阈值， 根据所述标注结果及所述预测结果从所述训练扫码 样本中提取待增样本， 所述待增样本是指所述判别网络无法准确识别出的训练扫码 样本； 基于所述 生成网络及所述待增样本调整所述判别网络中的网络参数， 得到判别模型； 当接收到检测请求， 根据所述检测请求获取待检测信息， 并基于所述判别模型处理所 述待检测信息， 得到检测结果。 2.如权利要求1所述的扫码信 息检测方法， 其特征在于， 所述扫码样本中包括真实扫码 样本及作假扫码样本， 所述基于所述扫码样本迭代调整预先构建好的生成学习器及判别学 习器， 直至满足迭代停止条件， 得到与所述生成学习器对应的生成网络及与所述判别学习 器对应的判别网络包括： 在第一轮迭代调整中， 基于所述生成学习器处理所述作假扫码样本， 得到伪样本， 并将 所述伪样本及所述真实扫码样本确定为初始训练样本， 所述初始训练样本包括初始训练数 据及数据结果； 基于所述判别学习器识别所述初始训练数据， 得到初始判别结果； 根据所述数据 结果及所述初始判别结果调整所述生成学习器中的生成参数， 得到调整 后的生成学习器， 并根据所述数据结果及所述初始判别结果调整 所述判别学习器中的判别 参数， 得到调整后的判别学习器； 将所述调整后的生成学习器确定为下一 次迭代调整的生成学习器， 并将所述调 整后的 判别学习器确定为下一次迭代调整的判别学习器；权　利　要　求　书 1/3 页 2 CN 113627576 B 3