产学研创新服务平台(全国)
专利申请类型:发明专利;一种基于图片加解密的商品防伪码生成与识别方法
本发明公开了一种基于图片加解密的商品防伪码生成与识别方法,商品防伪码生成方法包括如下步骤:将表征某件商品唯一身份信息的彩色商标图片和标识码,进行彩色商标图片的三基色分解、二进制转换得到三维矩阵RB、GB和BB,进行标识码的数值转换;计算得到混沌系统的初值和抽取开始位置,混沌迭代得到混沌信号序列X1、Y1、Z1和TT;利用序列TT依次对RB(i,j,1:8)、GB(i,j,1:8)和BB(i,j,1:8)从高位到低位循环移位;利用序列X1、Y1、Z1的升序、降序置乱规则,分别对三维矩阵组成的序列进行置乱,得到彩色加密商标图片,进而组合生成商品防伪(二维)码。商品防伪码识别方法,是生成方法的逆过程,以识别商品真伪。本发明所提基于图片加解密的商品防伪码生成与识别方法简单可行,具有很强的安全性、不易破解。
专利类型:发明专利
专利申请号:CN112001467B
专利申请(专利权)人:南通大学
权利人地址:江苏省南通市啬园路9号
专利发明(设计)人:盛苏英,陆国平,张小美,张振娟,周磊,高岩波,朱建红,任洁
主权利要求:一种基于图片加解密的商品防伪码生成与识别方法
技术领域
[0001] 本发明涉及数码防伪技术领域,特别涉及一种基于图片加解密的商品防伪码生成与识别方法。
背景技术
[0002] 如今防伪技术在不断地发展完善,但还存在许多的问题,市场上全息图像防伪、油墨防伪、感温变色防伪、特种印刷防伪等防伪技术虽然具备识别度高、制造方便、造价低的优点,但都不满足防伪技术中的安全性和唯一性。一旦被仿制,就会损害消费者及厂家的利益,极大的威胁了市场诚信体系的建设。而一些高端防伪技术,例如生物防伪、激光防伪,虽然都有良好的防伪能力,几乎不存在被伪造的情况,但这些防伪所使用的技术要求过高及设备造价过高,并不能很好的推广。因此,在成本和技术上都能接受的数码防伪技术有着广阔的应用前景。目前的数码防伪技术可以简单地表述为通过加密的方法处理一组数据,即商品防伪码,并将这组数据制成一维码、二维码、彩色二维码、RFID等多种形式的防伪码。混沌信号作为一种天然的密码,引入到商品防伪码生成过程中,具有更高的安全性。同时由于图片可承载更为丰富的信息量,直接将其作为商品信息载体进行防伪码生成更具实用性。消费者进行商品防伪码识别时,可通过上网、拨打免费电话或发送手机短信方式查询商品的真伪。商品防伪码的特点有不可仿造性、唯一性,同时商品防伪码易识别,还可以进行防伪跟踪。
发明内容
[0003] 本发明的目的是为了解决现有技术中的不足,提供一种基于图片加解密的商品防伪码生成与识别方法,利用混沌映射产生混沌信号序列,分别对商品彩色商标图片转换而得的三维矩阵RB、GB和BB进行从高位到低位的循环移位以及置乱,得到彩色加密商标图片,进而组合生成商品防伪(二维)码,以此保证所提防伪码生成方法简单可行,具有很强的安全性、不易破解,生成的商品防伪码具有“唯一性和不可伪造性”,商品防伪码识别方法,是生成方法的逆过程,安全简单。
[0004] 本发明提供了一种基于图片加密的商品防伪码生成方法,包括如下几个步骤:
[0005] (1)某件商品唯一身份信息由商品彩色商标图片和商品基本信息两者组合进行表征,将所述商品彩色商标图片分解出红、绿、蓝三基色,分别表示为矩阵R、G和B,其中表征商品基本信息的商品标识码P由ASCII码值属于[32,126]的可见字符以及GB2312字符集中双字节编码的6763个汉字组成,商品标识码P的长度为L,商品商标图片的大小为M×N,矩阵R、G、B的大小均为M×N;
[0006] (2)将商品标识码P转换为数值序列PP,并分别将矩阵R、G和B中各元素进行二进制转换,得到二进制的三维矩阵RB、GB和BB,其中三维矩阵RB、GB和BB的大小均为M×N×8,利用某件商品的唯一身份信息,以及外部密钥α和β,按照如下(1)‑(6)公式分别计算得到Logistic混沌映射的初值x1、y1、z1和抽取开始位置n1、n2、n3:
[0007]
[0008]
[0009]
[0010]
[0011]
[0012]
[0013] 其中,数值序列PP的长度为LL,K_R表示二进制的三维矩阵RB中‘0’bit位的个数总和,K_G表示二进制的三维矩阵GB中‘0’bit位的个数总和,K_B表示二进制的三维矩阵BB中‘0’bit位的个数总和,外部密钥α满足α∈(0,1),β满足β∈(3.57,4);
[0014] (3)由混沌映射的初值x1、y1、z1和外部密钥β,分别采用如下公式(7)所示Logistic混沌映射进行迭代,式(7)中,k表示迭代次数,k=1,2,...,ωk+1表示第k次迭代得到的混沌信号,分别取为xk+1、yk+1和zk+1,
[0015] ωk+1=β×ωk×(1‑ωk)(7)
[0016] 得到混沌信号序列X={x1,x2,...}、Y={y1,y2,...}和Z={z1,z2,...},从序列X中第n1个元素开始依次间隔5个元素取1个元素以形成长度为3×M×N的混沌信号序列X1={X11,X12,...,X13×M×N},从序列Y中第n2个元素开始依次间隔7个元素取1个元素以形成长度为3×M×N的混沌信号序列Y1={Y11,Y12,...,Y13×M×N},从序列Z中第n3个元素开始依次间隔9个元素取1个元素以形成长度为3×M×N的混沌信号序列Z1={Z11,Z12,...,Z13×M×N},同时将混沌信号序列X1、Y1和Z1中元素进行如下公式(8)所示的处理,得到长度为3×M×N的混沌信号整数序列TT={TT1,TT2,...,TT3×M×N};
[0017]
[0018] (4)依次从二进制的三维矩阵RB中抽取8个元素,表示为RB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素RB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TTN×(i‑1)+j,并回填至二进制的三维矩阵RB中;
[0019] 依次从二进制的三维矩阵GB中抽取8个元素,表示为GB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素GB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TTM×N+N×(i‑1)+j,并回填至二进制的三维矩阵GB中;
[0020] 依次从二进制的三维矩阵BB中抽取8个元素,表示为BB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素BB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TT2×M×N+N×(i‑1)+j,并回填至二进制的三维矩阵BB中;
[0021] (5)分别从二进制矩阵RB(:,:,1)、GB(:,:,1)和BB(:,:,1)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列X1按升序排序,根据序列X1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺序
将二进制序列 分别回填至二进制矩阵RB(:,:,1)、GB(:,:,1)和BB(:,:,1)中;
[0022] 分别从二进制矩阵RB(:,:,2)、GB(:,:,2)和BB(:,:,2)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Y1按升序排序,根据序列Y1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,2)、GB(:,:,2)和BB(:,:,2)中;
[0023] 分别从二进制矩阵RB(:,:,3)、GB(:,:,3)和BB(:,:,3)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Z1按升序排序,根据序列Z1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,3)、GB(:,:,3)和BB(:,:,3)中;
[0024] 分别从二进制矩阵RB(:,:,4)、GB(:,:,4)和BB(:,:,4)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列X1按降序排序,根据序列X1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,4)、GB(:,:,4)和BB(:,:,4)中;
[0025] 分别从二进制矩阵RB(:,:,5)、GB(:,:,5)和BB(:,:,5)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Y1按降序排序,根据序列Y1排序前、后的位置变化置乱规则,对二进制序列 进行置乱,得到置乱后的二进制序列 然后按照抽取顺序
将二进制序列 分别回填至二进制矩阵RB(:,:,5)、GB(:,:,5)和BB(:,:,5)中;
[0026] 分别从二进制矩阵RB(:,:,6)、GB(:,:,6)和BB(:,:,6)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Z1按降序排序,根据序列Z1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,6)、GB(:,:,6)和BB(:,:,6)中;
[0027] (6)依次从二进制的三维矩阵RB中抽取8个元素,表示为RB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,利用bin2dec()函数将抽取的8个元素RB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_R(i,j)并填放至二维矩阵C_R中第i行第j列的对应位置,其中二维矩阵C_R的大小为M×N;
[0028] 依次从二进制的三维矩阵GB中抽取8个元素,表示为GB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,利用bin2dec()函数将抽取的8个元素GB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_G(i,j)并填放至二维矩阵C_G中第i行第j列的对应位置,其中二维矩阵C_G的大小为M×N;
[0029] 依次从二进制的三维矩阵BB中抽取8个元素,表示为BB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,利用bin2dec()函数将抽取的8个元素BB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_B(i,j)并填放至二维矩阵C_B中第i行第j列的对应位置,其中二维矩阵C_B的大小为M×N;
[0030] (7)将二维矩阵C_R、C_G和C_B三者组合形成商品彩色加密商标图片C,并将商品基本信息和彩色加密商标图片C进行组合,生成图文并茂的商品防伪码,最后生成商品防伪二维码。
[0031] 进一步地,一种基于图片加密的商品防伪码生成方法里步骤(2)中所述的将商品标识码P转换为数值序列PP,是指将商品标识码P中的中英文字符,逐个采用unicode2native()函数将由ASCII码值属于[32,126]的可见字符转换为单个数值型数据,或将GB2312字符集中双字节编码的汉字转换为两个数值型数据,从而得到数值序列PP。
[0032] 进一步地,一种基于图片加密的商品防伪码生成方法里步骤(7)中所述的将商品基本信息和彩色加密图片C进行组合,是指采用商品基本信息和彩色加密图片C上下或者左右的排列组合方式。
[0033] 本发明还提供了一种基于图片解密的商品防伪码识别方法,包括如下几个步骤:
[0034] (1)识别某件商品的防伪二维码,解析所述商品防伪码并将所述商品防伪码分解为商品基本信息和彩色加密商标图片 再将商品彩色加密商标图片 分解出红、绿、蓝三基色,分别表示为矩阵 和 其中表征商品基本信息的商品标识码 由ASCII码值属于[32,126]的可见字符以及GB2312字符集中双字节编码的6763个汉字组成,商品标识码 的长度为 商品彩色加密商标图片 的大小为M×N,矩阵 和 的大小均为M×N;
[0035] (2)将商品标识码 转换为数值序列 并分别将矩阵 和 中各元素进行二进制转换,得到二进制的三维矩阵 和 其中三维矩阵 和 的大小均为M×N×8,利用某件商品的唯一身份信息,以及外部密钥 和 按照如下(9)‑(14)公式分别计算得到Logistic混沌映射的初值 和 抽取开始位置 和
[0036]
[0037]
[0038]
[0039]
[0040]
[0041]
[0042] 其中,数值序列 的长度为 表示二进制的三维矩阵 中‘0’bit位的个数总和, 表示二进制的三维矩阵 中‘0’bit位的个数总和, 表示二进制的三维矩阵 中‘0’bit位的个数总和,外部密钥 满足 满足
[0043] (3)由混沌映射的初值 和外部密钥 分别对如下公式(15)所示Logistic混沌映射进行迭代,式中k表示迭代次数, 表示第k次迭代得到的混沌信号,分别取为
[0044]
[0045] 得到混沌信号序列 和 从序列 中第 个元素开始依次间隔5个元素取1个元素以形成长度为3×M×N的混沌信号序列
从序列 中第 个元素开始依次间隔7个元素取1个元素以形成长
度为3×M×N的混沌信号序列 从序列 中第 个元素开始依次间隔
9个元素取1个元素以形成长度为3×M×N的混沌信号序列 同时将混
沌信号序列 和 中元素进行如下公式(16)所示的处理,得到长度为3×M×N的混沌信号整数序列
[0046]
[0047] (4)分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按升序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将二
进制序列 分别回填至二进制矩阵 中;
[0048] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按升序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0049] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按升序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0050] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按降序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0051] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按降序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0052] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按降序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0053] (5)依次从二进制的三维矩阵 中抽取8个元素,表示为 其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 得到移位后的8个元素 然后利用bin2dec()函
数将 转换成数值型数据,将此数值型数据记为R_R(i,j)并填放至二维矩阵R_R中第i行第j列的对应位置,其中二维矩阵R_R的大小为M×N;
[0054] 依次从二进制的三维矩阵 中抽取8个元素,表示为 其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 得到移位后的8个元素 然后利用bin2dec
()函数将 转换成数值型数据,将此数值型数据记为R_G(i,j)并填放至二维矩阵R_G中第i行第j列的对应位置,其中二维矩阵R_G的大小为M×N;
[0055] 依次从二进制的三维矩阵BB中抽取8个元素,表示为 其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 得到移位后的8个元素 然后利用bin2dec
()函数将 转换成数值型数据,将此数值型数据记为R_B(i,j)并填放至二维矩阵R_B中第i行第j列的对应位置,其中二维矩阵R_B的大小为M×N;
[0056] (6)将二维矩阵R_R、R_G和R_B三者组合形成商品彩色解密商标图片R,并将商品彩色解密商标图片R和原始的商品彩色商标图片进行比较,判断两者是否一致,从而可以验证该件商品是否为真品。
[0057] 进一步地,一种基于图片解密的商品防伪码识别方法里步骤(2)中所述的将商品标识码 转换为数值序列 是指将商品标识码 中的中英文字符逐个采用unicode2native()函数,将由ASCII码值属于[32,126]的可见字符转换为单个数值型数据,或将GB2312字符集中双字节编码的汉字转换为两个数值型数据,从而得到数值序列[0058] 有益效果:本发明中某件商品唯一身份信息由商品彩色商标图片和商品基本信息两者组合进行表征,利用混沌映射产生混沌信号序列,分别对商品彩色商标图片转换而得的三维矩阵RB、GB和BB进行从高位到低位的循环移位以及置乱,得到彩色加密商标图片,进而组合生成商品防伪(二维)码,商品防伪码识别方法,是生成方法的逆过程,以此保证所提商品防伪码生成与识别方法简单可行,具有很强的安全性、不易破解,同时生成的商品防伪码具有“唯一性和不可伪造性”。
附图说明
[0059] 图1为本发明的一种基于图片加解密的商品防伪码生成与识别流程示意图;
[0060] 图2本发明实施例1中的商品彩色商标;
[0061] 图3本发明提供的基于图片加密的商品防伪码生成方法在实施例1中得到的商品防伪码(彩色加密图片);
[0062] 图4本发明提供的基于图片加密的商品防伪码生成方法在实施例1中得到的的商品防伪二维码;
[0063] 图5本发明提供的基于图片解密的商品防伪码识别方法在实施例1中得到的商品彩色解密商标图片。
具体实施方式
[0064] 为了使本领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0065] 如图1所示,本发明实施例提供了一种基于图片加密的商品防伪码生成方法,包括如下几个步骤:
[0066] (1)某件商品唯一身份信息由商品彩色商标图片和商品基本信息两者组合进行表征,将所述商品彩色商标图片分解出红、绿、蓝三基色,分别表示为矩阵R、G和B,其中表征商品基本信息的商品标识码P由ASCII码值属于[32,126]的可见字符以及GB2312字符集中双字节编码的6763个汉字组成,商品标识码P的长度为L,商品商标图片的大小为M×N,矩阵R、G、B的大小均为M×N;
[0067] (2)将商品标识码P转换为数值序列PP,即将商品标识码P中的中英文字符,逐个采用unicode2native()函数将由ASCII码值属于[32,126]的可见字符转换为单个数值型数据,或将GB2312字符集中双字节编码的汉字转换为两个数值型数据,然后分别将矩阵R、G和B中各元素进行二进制转换,得到二进制的三维矩阵RB、GB和BB,其中三维矩阵RB、GB和BB的大小均为M×N×8,利用某件商品的唯一身份信息,以及外部密钥α和β,按照如下所示公式分别计算得到Logistic混沌映射的初值x1、y1、z1和抽取开始位置n1、n2、n3:
[0068]
[0069]
[0070]
[0071]
[0072]
[0073]
[0074] 其中,数值序列PP的长度为LL,K_R表示二进制的三维矩阵RB中‘0’bit位的个数总和,K_G表示二进制的三维矩阵GB中‘0’bit位的个数总和,K_B表示二进制的三维矩阵BB中‘0’bit位的个数总和,外部密钥α满足α∈(0,1),β满足β∈(3.57,4);
[0075] (3)由混沌映射的初值x1、y1、z1和外部密钥β,分别采用如下公式所示Logistic混沌映射进行迭代,式(7)中,k表示迭代次数,k=1,2,...,ωk+1表示第k次迭代得到的混沌信号,分别取为xk+1、yk+1和zk+1,
[0076] ωk+1=β×ωk×(1‑ωk)
[0077] 得到混沌信号序列X={x1,x2,...}、Y={y1,y2,...}和Z={z1,z2,...},从序列X中第n1个元素开始依次间隔5个元素取1个元素以形成长度为3×M×N的混沌信号序列X1={X11,X12,...,X13×M×N},从序列Y中第n2个元素开始依次间隔7个元素取1个元素以形成长度为3×M×N的混沌信号序列Y1={Y11,Y12,...,Y13×M×N},从序列Z中第n3个元素开始依次间隔9个元素取1个元素以形成长度为3×M×N的混沌信号序列Z1={Z11,Z12,...,Z13×M×N},同时将混沌信号序列X1、Y1和Z1中元素进行如下公式所示的处理,得到长度为3×M×N的混沌信号整数序列TT={TT1,TT2,...,TT3×M×N};
[0078]
[0079] (4)依次从二进制的三维矩阵RB中抽取8个元素,表示为RB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素RB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TTN×(i‑1)+j,并回填至二进制的三维矩阵RB中;
[0080] 依次从二进制的三维矩阵GB中抽取8个元素,表示为GB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素GB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TTM×N+N×(i‑1)+j,并回填至二进制的三维矩阵GB中;
[0081] 依次从二进制的三维矩阵BB中抽取8个元素,表示为BB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素BB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TT2×M×N+N×(i‑1)+j,并回填至二进制的三维矩阵BB中;
[0082] (5)分别从二进制矩阵RB(:,:,1)、GB(:,:,1)和BB(:,:,1)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列X1按升序排序,根据序列X1排序前、后的位置变化置乱规则,对二进制序列 进行置乱,得到置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵RB(:,:,1)、GB(:,:,1)和BB(:,:,1)中;
[0083] 分别从二进制矩阵RB(:,:,2)、GB(:,:,2)和BB(:,:,2)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Y1按升序排序,根据序列Y1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,2)、GB(:,:,2)和BB(:,:,2)中;
[0084] 分别从二进制矩阵RB(:,:,3)、GB(:,:,3)和BB(:,:,3)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Z1按升序排序,根据序列Z1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,3)、GB(:,:,3)和BB(:,:,3)中;
[0085] 分别从二进制矩阵RB(:,:,4)、GB(:,:,4)和BB(:,:,4)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列X1按降序排序,根据序列X1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,4)、GB(:,:,4)和BB(:,:,4)中;
[0086] 分别从二进制矩阵RB(:,:,5)、GB(:,:,5)和BB(:,:,5)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Y1按降序排序,根据序列Y1排序前、后的位置变化置乱规则,对二进制序列 进行置乱,得到置乱后的二进制序列 然后按照抽取顺序
将二进制序列 分别回填至二进制矩阵RB(:,:,5)、GB(:,:,5)和BB(:,:,5)中;
[0087] 分别从二进制矩阵RB(:,:,6)、GB(:,:,6)和BB(:,:,6)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将混
沌信号序列Z1按降序排序,根据序列Z1排序前、后的位置变化置乱规则,对二进制序列进行置乱,得到置乱后的二进制序列 然后按照抽取顺
序将二进制序列 分别回填至二进制矩阵RB(:,:,6)、GB(:,:,6)和BB(:,:,6)中;
[0088] (6)依次从二进制的三维矩阵RB中抽取8个元素,表示为RB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,利用bin2dec()函数将抽取的8个元素RB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_R(i,j)并填放至二维矩阵C_R中第i行第j列的对应位置,其中二维矩阵C_R的大小为M×N;
[0089] 依次从二进制的三维矩阵GB中抽取8个元素,表示为GB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,利用bin2dec()函数将抽取的8个元素GB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_G(i,j)并填放至二维矩阵C_G中第i行第j列的对应位置,其中二维矩阵C_G的大小为M×N;
[0090] 依次从二进制的三维矩阵BB中抽取8个元素,表示为BB(i,j,1:8),其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,利用bin2dec()函数将抽取的8个元素BB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_B(i,j)并填放至二维矩阵C_B中第i行第j列的对应位置,其中二维矩阵C_B的大小为M×N;
[0091] (7)将二维矩阵C_R、C_G和C_B三者组合形成商品彩色加密商标图片C,并将商品基本信息和彩色加密商标图片C采用上下或者左右的排列组合方式进行组合,生成图文并茂的商品防伪码,最后生成商品防伪二维码。
[0092] 如图1所示,本发明还提供了一种基于图片解密的商品防伪码识别方法,包括如下几个步骤:
[0093] (1)识别某件商品的防伪二维码,解析所述商品防伪码并将所述商品防伪码分解为商品基本信息和彩色加密商标图片 再将商品彩色加密商标图片 分解出红、绿、蓝三基色,分别表示为矩阵 和 其中表征商品基本信息的商品标识码 由ASCII码值属于[32,126]的可见字符以及GB2312字符集中双字节编码的6763个汉字组成,商品标识码 的长度为 商品彩色加密商标图片 的大小为M×N,矩阵 和 的大小均为M×N;
[0094] (2)将商品标识码 转换为数值序列 即将商品标识码 中的中英文字符逐个采用unicode2native()函数,将由ASCII码值属于[32,126]的可见字符转换为单个数值型数据,或将GB2312字符集中双字节编码的汉字转换为两个数值型数据,从而得到数值序列然后分别将矩阵 和 中各元素进行二进制转换,得到二进制的三维矩阵和 其中三维矩阵 和 的大小均为M×N×8,利用某件商品的唯一身份信息,以
及外部密钥 和 按照如下所示公式分别计算得到Logistic混沌映射的初值 和抽取开始位置 和
[0095]
[0096]
[0097]
[0098]
[0099]
[0100]
[0101] 其中,数值序列 的长度为 表示二进制的三维矩阵 中‘0’bit位的个数总和, 表示二进制的三维矩阵 中‘0’bit位的个数总和, 表示二进制的三维矩阵 中‘0’bit位的个数总和,外部密钥 满足 满足
[0102] (3)由混沌映射的初值 和外部密钥 分别对如下公式所示Logistic混沌映射进行迭代,式中k表示迭代次数,k=1,2,..., 表示第k次迭代得到的混沌信号,分别取为
[0103]
[0104] 得到混沌信号序列 和 从序列 中第 个元素开始依次间隔5个元素取1个元素以形成长度为3×M×N的混沌信号序列
从序列 中第 个元素开始依次间隔7个元素取1个元素以形成长
度为3×M×N的混沌信号序列 从序列 中第 个元素开始依次间隔
9个元素取1个元素以形成长度为3×M×N的混沌信号序列 同时将混
沌信号序列 和 中元素进行如下公式所示的处理,得到长度为3×M×N的混沌信号整数序列
[0105]
[0106] (4)分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按升序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将二
进制序列 分别回填至二进制矩阵 和 中;
[0107] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按升序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0108] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按升序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0109] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按降序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0110] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按降序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0111] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序
列 按降序排序,根据序列 排序前、后的位置变化置乱规则,对二进制序列 进行反置乱,得到反置乱后的二进制序列 然后按照抽取顺序将
二进制序列 分别回填至二进制矩阵 和 中;
[0112] (5)依次从二进制的三维矩阵 中抽取8个元素,表示为 其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 得到移位后的8个元素 然后利用bin2dec()函
数将 转换成数值型数据,将此数值型数据记为R_R(i,j)并填放至二维矩阵R_R中第i行第j列的对应位置,其中二维矩阵R_R的大小为M×N;
[0113] 依次从二进制的三维矩阵 中抽取8个元素,表示为 其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 得到移位后的8个元素 然后利用bin2dec
()函数将 转换成数值型数据,将此数值型数据记为R_G(i,j)并填放至二维矩阵R_G中第i行第j列的对应位置,其中二维矩阵R_G的大小为M×N;
[0114] 依次从二进制的三维矩阵BB中抽取8个元素,表示为 其中i=1,2,3,...,M,j=1,2,3,...,N,一共抽取M×N组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 得到移位后的8个元素 然后利用bin2dec
()函数将 转换成数值型数据,将此数值型数据记为R_B(i,j)并填放至二维矩阵R_B中第i行第j列的对应位置,其中二维矩阵R_B的大小为M×N;
[0115] (6)将二维矩阵R_R、R_G和R_B三者组合形成商品彩色解密商标图片R,并将商品彩色解密商标图片R和原始的商品彩色商标图片进行比较,判断两者是否一致,从而可以验证该件商品是否为真品。
[0116] 下面结合具体的实施例对本发明作进一步说明:
[0117] 实施例1
[0118] 按照上述一种基于图片加密的商品防伪码生成方法,步骤如下:
[0119] (1)某件商品唯一身份信息由商品彩色商标图片和商品基本信息两者组合进行表征,其中商品彩色商标图片,将商品彩色商标图片分解出红(R)、绿(G)、蓝(B)三基色(如图2所示),分别表示为矩阵R、G和B,其中表征商品基本信息的商品标识码P=“123‑123456‑2019年10月11日‑000001”,商品标识码P的长度为L=29,商品商标图片的大小为M×N=150×150=22500,矩阵R、G、B的大小均为150×150=22500;
[0120] (2)将商品标识码P转换为数值序列PP={49,50,51,45,49,50,51,52,53,54,45,50,48,49,57,196,234,49,48,212,194,49,49,200,213,45,48,48,48,48,48,49},数值序列PP的长度为LL=32,并分别将矩阵R、G和B中各元素进行二进制转换,得到二进制的三维矩阵RB、GB和BB,其中三维矩阵RB、GB和BB的大小均为M×N×8=150×150×8=180000,K_R=32920,K_G=48818,K_B=50579,利用某件商品的唯一身份信息,以及外部密钥α=
0.12345,按照如下所示公式分别计算得到Logistic混沌映射的初值x1、y1、z1和抽取开始位置n1、n2、n3:
[0121]
[0122]
[0123]
[0124]
[0125]
[0126]
[0127] (3)由初值x1=0.048809097773799、y1=0.202991531855830、z1=0.797008468144170和外部密钥β=3.75,分别对如下公式所示Logistic混沌映射进行迭代,式中k表示迭代次数(k=1,2,...)、ωk+1表示第k次迭代得到的混沌信号,分别取为xk+1、yk+1和zk+1,
[0128] ωk+1=β×ωk×(1‑ωk)
[0129] 得到混沌信号序列X={x1,x2,...}、Y={y1,y2,...}和Z={z1,z2,...},从序列X中第97个元素开始依次间隔5个元素取1个元素以形成长度为3×M×N=3×150×150=67500的混沌信号序列X1={X11,X12,...,X167500},从序列Y中第4个元素开始依次间隔7个元素取1个元素以形成长度为3×M×N=3×150×150=67500的混沌信号序列Y1={Y11,Y12,...,Y167500},从序列Z中第50个元素开始依次间隔9个元素取1个元素以形成长度为3×M×N=3×150×150=67500的混沌信号序列Z1={Z11,Z12,...,Z167500},同时将混沌信号序列X1、Y1和Z1中元素进行如下公式所示的处理,得到长度为67500的混沌信号整数序列TT={TT1,TT2,...,TT67500};
[0130]
[0131] (4)依次从二进制的三维矩阵RB中抽取8个元素,表示为RB(i,j,1:8),其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取M×N=150×150=22500组,将抽取的8个元素RB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TT150×(i‑1)+j,并回填至二进制的三维矩阵RB中;
[0132] 依次从二进制的三维矩阵GB中抽取8个元素,表示为GB(i,j,1:8),其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取M×N=150×150=22500组,将抽取的8个元素GB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TT22500+150×(i‑1)+j,并回填至二进制的三维矩阵GB中;
[0133] 依次从二进制的三维矩阵BB中抽取8个元素,表示为BB(i,j,1:8),其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取M×N=150×150=22500组,将抽取的8个元素BB(i,j,1:8)进行从高位到低位的循环移位,移位个数为TT45000+150×(i‑1)+j,并回填至二进制的三维矩阵BB中;
[0134] (5)分别从二进制矩阵RB(:,:,1)、GB(:,:,1)和BB(:,:,1)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将序列X1按升序排序得到序列 按序列X1和 的位置变化规则,对
二进制序列 进行置乱,得到置乱后的二进制序列 然后按
照抽取顺序将二进制序列 分别回填至二进制矩阵RB(:,:,1)、GB(:,:,1)和BB(:,:,1)中;
[0135] 分别从二进制矩阵RB(:,:,2)、GB(:,:,2)和BB(:,:,2)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将序列Y1按升序排序得到序列 按序列Y1和 的位置变化规则,对
二进制序列 进行置乱,得到置乱后的二进制序列 然后
按照抽取顺序将二进制序列 分别回填至二进制矩阵RB(:,:,2)、GB(:,:,2)和BB(:,:,2)中;
[0136] 分别从二进制矩阵RB(:,:,3)、GB(:,:,3)和BB(:,:,3)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将序列Z1按升序排序得到序列 按序列Z1和 的位置变化规则,对
二进制序列 进行置乱,得到置乱后的二进制序列 然后
按照抽取顺序将二进制序列 分别回填至二进制矩阵RB(:,:,3)、GB(:,:,3)和BB(:,:,3)中;
[0137] 分别从二进制矩阵RB(:,:,4)、GB(:,:,4)和BB(:,:,4)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将序列X1按降序排序得到序列 按序列X1和 的位置变化规则,对
二进制序列 进行置乱,得到置乱后的二进制序列 然后
按照抽取顺序将二进制序列 分别回填至二进制矩阵RB(:,:,4)、GB(:,:,4)和BB(:,:,4)中;
[0138] 分别从二进制矩阵RB(:,:,5)、GB(:,:,5)和BB(:,:,5)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将序列Y1按降序排序得到序列 按序列Y1和 的位置变化规则,对
二进制序列 进行置乱,得到置乱后的二进制序列 然后
按照抽取顺序将二进制序列 分别回填至二进制矩阵RB(:,:,5)、GB(:,:,5)和BB(:,:,5)中;
[0139] 分别从二进制矩阵RB(:,:,6)、GB(:,:,6)和BB(:,:,6)的左上角开始依次从左往右逐行抽取元素,组成二进制序列并将序列Z1按升序排序得到序列 按序列Z1和 的位置变化规则,对
二进制序列 进行置乱,得到置乱后的二进制序列 然后
按照抽取顺序将二进制序列 分别回填至二进制矩阵RB(:,:,6)、GB(:,:,6)和BB(:,:,6)中;
[0140] (6)依次从二进制的三维矩阵RB中抽取8个元素,表示为RB(i,j,1:8),其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取M×N=150×150=22500组,利用bin2dec()函数将抽取的8个元素RB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_R(i,j)并填放至二维矩阵C_R中对应位置,其中二维矩阵C_R的大小为M×N=150×150=22500;
[0141] 依次从二进制的三维矩阵GB中抽取8个元素,表示为GB(i,j,1:8),其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取M×N=150×150=22500组,利用bin2dec()函数将抽取的8个元素GB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_G(i,j)并填放至二维矩阵C_G中对应位置,其中二维矩阵C_G的大小为M×N=150×150=22500;
[0142] 依次从二进制的三维矩阵BB中抽取8个元素,表示为BB(i,j,1:8),其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取M×N=150×150=22500组,利用bin2dec()函数将抽取的8个元素BB(i,j,1:8)转换成数值型数据,将此数值型数据记为C_B(i,j)并填放至二维矩阵C_B中对应位置,其中二维矩阵C_B的大小为M×N=150×150=22500;
[0143] (7)将二维矩阵C_R、C_G和C_B三者组合形成商品彩色加密商标图片C,并采用商品基本信息和彩色加密图片C上下排列组合方式进行组合,生成图文并茂的商品防伪码(其中彩色加密图片C的R、G、B三基色图片如图3所示),最后生成商品防伪二维码(如图4所示)。
[0144] 图2商品彩色商标
[0145] 图3彩色加密图片C
[0146] 图4商品防伪二维码
[0147] 按照上述一种基于图片解密的商品防伪码识别方法,步骤如下:
[0148] (1)识别某件商品防伪二维码(如图4所示),解析出商品防伪码(如图3所示)并将商品防伪码分解为商品基本信息和彩色加密商标图片 再将商品彩色加密商标图片分解出红、绿、蓝三基色,分别表示为矩阵 和 其中表征商品基本信息的商品标识码商品标识码 的长度为 商品彩色加密商标图片的大小为M×N=150×150=22500,矩阵 和 的大小均为150×150=22500;
[0149] (2)将商品标识码数值序列 的长度为LL=32,并分别将矩阵 和
中各元素进行二进制转换,得到二进制的三维矩阵 其中三维矩阵
和 的大小均为M×N×8=150×150×8=180000,
利用某件商品的唯一身份信息,以及外部密钥
按照如下所示公式分别计算得到Logistic混沌映射的初值 和 抽取开始
位置 和
[0150]
[0151]
[0152]
[0153]
[0154]
[0155]
[0156] (3)由混沌映射的初值和外部密钥
分别对如下公式所示Logistic混沌映射进行迭代,式中k表示迭代次数(k=1,2,...)、表示第k次迭代得到的混沌信号,分别取为 和
[0157]
[0158] 得到混沌信号序列 和 从序列 中第97个元素开始依次间隔5个元素取1个元素以形成长度为3×M×N=3×150×150=67500的混沌信号序列 从序列 中第4个元素开始依次间隔7个元素取1个元素
以形成长度为3×M×N=3×150×150=67500的混沌信号序列 从序
列 中第50个元素开始依次间隔9个元素取1个元素以形成长度为3×M×N=3×150×150=67500的混沌信号序列 同时将混沌信号序列 和 中元素进
行如下公式所示的处理,得到长度为67500的混沌信号整数序列
[0159]
[0160] (4)分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序列 按升序排序得到序列 按序列 和 的位置变化规则,
对二进制序列 进行反置乱,得到反置乱后的二进制序列
然后按照抽取顺序将二进制序列 分别回填至二进制矩阵 和
中;
[0161] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序列 按升序排序得到序列 按序列 和 的位置变化规则,对
二进制序列 进行反置乱,得到反置乱后的二进制序列
然后按照抽取顺序将二进制序列 分别回填至二进制矩阵 和
中;
[0162] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序列 按升序排序得到序列 按序列 和 的位置变化规则,对
二进制序列 进行反置乱,得到反置乱后的二进制序列 然
后按照抽取顺序将二进制序列 分别回填至二进制矩阵 和 中;
[0163] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序列 按降序排序得到序列 按序列 和 的位置变化规则,
对二进制序列 进行反置乱,得到反置乱后的二进制序列
然后按照抽取顺序将二进制序列 分别回填至二进制矩
阵 和 中;
[0164] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序列 按降序排序得到序列 按序列 和 的位置变化规则,对
二进制序列 进行反置乱,得到反置乱后的二进制序列
然后按照抽取顺序将二进制序列 分别回填至二进制矩阵 和
中;
[0165] 分别从二进制矩阵 和 的左上角开始依次从左往右逐行抽取元素,组成二进制序列
并将序列 按降序排序得到序列 按序列 和 的位置变化规则,对
二进制序列 进行反置乱,得到反置乱后的二进制序列
然后按照抽取顺序将二进制序列 分别回填至二进制矩阵 和
中;
[0166] (5)依次从二进制的三维矩阵 中抽取8个元素,表示为 其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取22500组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 然后利用bin2dec()函数将移位后的8个元素转换成数值型数据,将此数值型数据记为R_R(i,j)并填放至二维矩阵R_R中对应位置,其中二维矩阵R_R的大小为150×150;
[0167] 依次从二进制的三维矩阵GB中抽取8个元素,表示为 其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取22500组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 然后利用bin2dec()函数将移位后的8个元
素 转换成数值型数据,将此数值型数据记为R_G(i,j)并填放至二维矩阵R_G中对应位置,其中二维矩阵R_G的大小为150×150;
[0168] 依次从二进制的三维矩阵BB中抽取8个元素,表示为 其中i=1,2,3,...,150,j=1,2,3,...,150,一共抽取22500组,将抽取的8个元素 进行从低位到高位的循环移位,移位个数为 然后利用bin2dec()函数将移位后的8个元
素 转换成数值型数据,将此数值型数据记为R_B(i,j)并填放至二维矩阵R_B中对应位置,其中二维矩阵R_B的大小为150×150;
[0169] (6)将二维矩阵R_R、R_G和R_B三者组合形成商品彩色解密商标图片R(其中红、绿、蓝三基色图片如图5所示),并将商品彩色解密商标图片R和原始的商品彩色商标图片(如图2所示)进行比较,判断两者是否一致,从而可以验证该件商品是否为真品。
[0170] 实施例2
[0171] 按照上述基于图片加密的商品防伪码生成方法,某件商品的彩色商标图片、商品标识码P及其商品防伪码生成步骤与具体实施例1相似,仅某个外部密钥发生细微变化:α=0.12345000000001;或β=3.75000000000001,商品防伪码的生成结果如表1所示。由下表可见:一旦外部密钥即使发生细微变化,生成的商品彩色加密商标图片会发生极大的变化,由此可见本专利所提一种基于图片加密的商品防伪码生成方法具有密钥敏感性。
[0172] 表1外部密钥发生微变时,商品防伪码的生成结果
[0173]
[0174]
[0175] 实施例3
[0176] 按照上述基于图片加密的商品防伪码生成方法,某件商品的彩色商标图片、外部密钥及其商品防伪码生成步骤与具体实施例1相似,仅商品标识码P发生微变:“023‑123456‑2019年10月11日‑000001”;或者“123‑123456‑2019年10月11白‑000001”;或者“123‑123456‑2019年10月11日‑000002”,商品防伪码的生成结果如表2所示。由下表可见:
一旦商品标识码即使发生细微变化,生成的商品彩色加密商标图片会发生极大的变化,由此可见本专利所提一种基于图片加密的商品防伪码生成方法对商品基本信息(即商品标识码)具有敏感性。
[0177] 表2商品标识码发生微变时,商品防伪码的生成结果
[0178]
[0179]
[0180] 实施例4
[0181] 按照上述基于图片加密的商品防伪码生成方法,某件商品的商品标识码P、外部密钥及其商品防伪码生成步骤与具体实施例1相似,仅商品彩色商标图片发生微变:修改R基色中左上角的一个像素点(R(1,1)=|R(1,1)‑1|);或者修改G基色中间的一个像素点(G(75,75)=|G(75,75)‑3|);或者修改B基色中右下角的一个像素点(B(150,150)=|B(150,150)‑7|),商品防伪码的生成结果如表3所示。由下表可见:一旦商品彩色商标图片即使发生细微变化,生成的商品彩色加密商标图片会发生极大的变化,由此可见本专利所提一种基于图片加密的商品防伪码生成方法对商品彩色商标图片具有敏感性。
[0182] 表3商品彩色商标图片发生微变时,商品防伪码的生成结果
[0183]
[0184]
[0185] 由上述具体实施例2、例3和例4分析可知,本专利所提一种基于图片加密的商品防伪码生成方法所生成商品防伪码不仅与外部密钥密切相关,而且依赖于商品基本信息(即商品标识码)和商品彩色商标图片,因此本专利所提的一种基于图片加密的商品防伪码生成方法具有很强的安全性,可以较好地抵抗已知/选择明文攻击,不易破解,以保证生成的商品防伪码具有“唯一性和不可伪造性”。
[0186] 实施例5
[0187] 按照上述基于图片解密的商品防伪码识别方法,某件商品的防伪二维码(如图4所示,解析而得某件商品的彩色加密商标图片、商品标识码)及其商品防伪码识别步骤与具体实施 例 1 相似 ,仅某 个 外部 密 钥发 生 细微 变 化 : 或商品防伪码的识别结果如表4所示。由下表可见:一旦外部密钥即使
发生细微变化,识别恢复的商品彩色解密商标图片是一副杂乱无章的彩色图片,且看不出原始彩色商标图片的任何信息,判定该件商品为伪造品,由此可见本专利所提一种基于图片解密的商品防伪码识别方法具有密钥敏感性。
[0188] 表4外部密钥发生微变时,商品防伪码的识别结果
[0189]
[0190]
[0191] 实施例6
[0192] 按照上述基于图片解密的商品防伪码识别方法,某件商品的防伪二维码(如图4所示)解析而得的彩色加密商标图片、外部密钥及其商品防伪码识别步骤与具体实施例1相似,仅某件商品的防伪二维码(如图4所示)解析而得的商品标识码 发生微变:“023‑123456‑2019年10月11日‑000001”;或者“123‑123456‑2019年10月11白‑000001”;或者“123‑123456‑2019年10月11日‑000002”,商品防伪码的识别结果如表5所示。由下表可见:
一旦防伪二维码解析而得的商品标识码即使发生细微变化,识别恢复的商品彩色解密商标图片是一副杂乱无章的彩色图片,且看不出原始彩色商标图片的任何信息,判定该件商品为伪造品,由此可见本专利所提一种基于图片解密的商品防伪码识别方法对商品基本信息(即商品标识码)具有敏感性。
[0193] 表5商品标识码发生微变时,商品防伪码的识别结果
[0194]
[0195] 实施例7
[0196] 按照上述基于图片解密的商品防伪码识别方法,某件商品的防伪二维码(如图4所示)解析而得的商品标识码 外部密钥及其商品防伪码识别步骤与具体实施例1相似,仅某件商品的防伪二维码(如图4所示)解析而得的商品彩色加密商标图片发生微变:修改R基色中左上角的一个像素点 或者修改G基色中间的一个像素点或者修改B基色中右下角的一个像素点
商品防伪码的识别结果如表6所示。由下表可见:一旦防伪二维码解析而得的商品彩色加密商标图片即使发生细微变化,识别恢复的商品彩色解密商标图片是一副杂乱无章的彩色图片,且看不出原始彩色商标图片的任何信息,判定该件商品为伪造品,由此可见本专利所提一种基于图片解密的商品防伪码识别方法对商品彩色加密商标图片具有敏感性。
[0197] 表6商品彩色加密商标图片发生微变时,商品防伪码的识别结果
[0198]
[0199]
[0200] 由上述具体实施例5、例6和例7分析可知,本专利所提一种基于图片解密的商品防伪码识别方法判断商品的真伪不仅与外部密钥密切相关,而且依赖于某件商品的防伪二维码解析而得的商品彩色加密商标图片和商品标识码,因此本专利所提的一种基于图片解密的商品防伪码识别方法具有很强的安全性。
[0201] 以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
专利地区:江苏
专利申请日期:2020-07-24
专利公开日期:2021-11-19
专利公告号:CN202010723886.8