数字藏品的检测方法及装置制造方法及图纸

本说明书实施例提供了数字藏品的检测方法及装置，其中，一种数字藏品的检测方法包括：将待检测的数字藏品的藏品数据输入特征提取模型进行特征提取，获得藏品数据特征；将所述藏品数据特征输入特征分布模型进行特征分布计算，获得第一特征分布和第二特征分布；计算第一特征分布与数字藏品库中认证藏品的第一特征分布的特征相似度；检测所述特征相似度是否处于所述认证藏品的相似度区间；若是，将所述数字藏品确定为所述认证藏品的侵权对象。述数字藏品确定为所述认证藏品的侵权对象。述数字藏品确定为所述认证藏品的侵权对象。

【技术实现步骤摘要】
数字藏品的检测方法及装置


[0001]本文件涉及数据处理
，尤其涉及一种数字藏品的检测方法及装置。

技术介绍

[0002]数字藏品是基于区块链技术，对应特定的作品、艺术品生成的唯一数字凭证，在保护其数字著作权的基础上，实现真实可信的数字化发行、购买、收藏和使用。数字藏品不同于物理世界的艺术品，是在网络上的一串数据，有创作门槛低且保护难的特点，因此对于其的侵权越来越频繁。

技术实现思路

[0003]本说明书一个或多个实施例提供了一种数字藏品的检测方法，包括：将待检测的数字藏品的藏品数据输入特征提取模型进行特征提取，获得藏品数据特征。将所述藏品数据特征输入特征分布模型进行特征分布计算，获得第一特征分布和第二特征分布。计算所述第一特征分布与数字藏品库中认证藏品的第一特征分布的特征相似度。检测所述特征相似度是否处于所述认证藏品的相似度区间，所述相似度区间根据相似度阈值和所述第二特征分布确定。若是，将所述数字藏品确定为所述认证藏品的侵权对象。
[0004]本说明书一个或多个实施例提供了一种数字藏品的检测装置，包括：特征提取模块，被配置为将待检测的数字藏品的藏品数据输入特征提取模型进行特征提取，获得藏品数据特征。特征分布计算模块，被配置为将所述藏品数据特征输入特征分布模型进行特征分布计算，获得第一特征分布和第二特征分布。相似度计算模块，被配置为计算所述第一特征分布与数字藏品库中认证藏品的第一特征分布的特征相似度。相似度检测模块，被配置检测所述特征相似度是否处于所述认证藏品的相似度区间，所述相似度区间根据相似度阈值和所述第二特征分布确定；若是，运行侵权对象确定模块；所述侵权对象确定模块，被配置为将所述数字藏品确定为所述认证藏品的侵权对象。
[0005]本说明书一个或多个实施例提供了一种数字藏品的检测设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：将待检测的数字藏品的藏品数据输入特征提取模型进行特征提取，获得藏品数据特征。将所述藏品数据特征输入特征分布模型进行特征分布计算，获得第一特征分布和第二特征分布。计算所述第一特征分布与数字藏品库中认证藏品的第一特征分布的特征相似度。检测所述特征相似度是否处于所述认证藏品的相似度区间，所述相似度区间根据相似度阈值和所述第二特征分布确定。若是，将所述数字藏品确定为所述认证藏品的侵权对象。
[0006]本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：将待检测的数字藏品的藏品数据输入特征提取模型进行特征提取，获得藏品数据特征。将所述藏品数据特征输入特征分布模型进行特征分布计算，获得第一特征分布和第二特征分布。计算所述第一特征分布与数字藏品库中认证藏品的第一特征分布的特征相似度。检测所述特征相似度是否处于所述认
证藏品的相似度区间，所述相似度区间根据相似度阈值和所述第二特征分布确定。若是，将所述数字藏品确定为所述认证藏品的侵权对象。
附图说明
[0007]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
[0008]图1为本说明书一个或多个实施例提供的一种数字藏品的检测方法处理流程图；
[0009]图2为本说明书一个或多个实施例提供的一种应用于虚拟世界场景的数字藏品的检测方法处理流程图；
[0010]图3为本说明书一个或多个实施例提供的一种数字藏品的检测装置示意图；
[0011]图4为本说明书一个或多个实施例提供的一种数字藏品的检测设备的结构示意图。
具体实施方式
[0012]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本文件的保护范围。
[0013]本说明书提供的一种数字藏品的检测方法实施例：
[0014]本实施例提供的数字藏品的检测方法，通过提取待检测的数字藏品的藏品数据特征，并根据藏品数据特征进行特征分布计算获得数字藏品的第一特征分布和第二特征分布，以此从第一特征分布与数字藏品库中认证藏品的第一特征分布出发，计算特征相似度，并根据第二特征分布相似度阈值确定相似度区间，判断特征相似度是否处于相似度区间，以此来判定待检测的数字藏品是否侵权产品，通过计算特征分布使侵权检测更加全面更加准确，提升侵权检测的准确性和有效性。
[0015]参照图1，本实施例提供的数字藏品的检测方法，所述方法具体包括步骤S102至步骤S110。
[0016]步骤S102，将待检测的数字藏品的藏品数据输入特征提取模型进行特征提取，获得藏品数据特征。
[0017]本实施例中数字藏品是指利用相关技术对特定的数字艺术品生成的唯一数字凭证，在保护其数字版权的基础上，实现真实可信的数字化发行、购买、收藏和使用；其中，待检测的数字藏品是指尚未写入数字藏品库，需要经过检测该数字藏品的特征相似度是否处于认证藏品的相似度区间来确定是否为可写入数字藏品库的数字藏品，称之为待检测的数字藏品，例如数字图片、音乐、视频、3D模型、电子票证、数字纪念品等。可选的，所述数字藏品，包括：虚拟世界中的虚拟数字藏品。
[0018]所述虚拟世界，是指基于去中心化协作实现并且具有开放经济系统的虚拟的拟真
世界，可选的，所述虚拟世界中通过生成非同质化标识占有虚拟数字藏品的所有权；具体的，真实世界中的用户可通过接入设备接入虚拟世界，比如用户通过接入设备进行游戏交互的游戏虚拟世界，再比如用户通过接入设备进行在线会议的会议虚拟世界；所述虚拟世界的接入设备，可以是连接虚拟世界的VR(Virtual Reality，虚拟现实)设备、AR(Augmented Reality，增强现实)设备等，比如连接虚拟世界的头戴式VR设备。
[0019]具体实施时，在基于所述特征提取模型进行特征提取的过程中，通过将所述藏品数据输入特征提取模型，实现对藏品数据特征的提取，可选的，所述特征提取模型包括特征提取器和编码器；其中，所述特征提取器用于对藏品数据进行特征提取获得初始特征；所述编码器用于对初始特征进行编码获得藏品数据特征。
[0020]在上述特征提取模型包括特征提取器和编码器的基础上，本实施例提供的一种可选实施方式中，所述特征提取模型具体采用如下方式进行特征提取：将所述藏品数据输入所述特征提取器进行特征提取，获得初始特征；将所述初始特征输入所述编码器进行编码，获得所述藏品数据特征。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字藏品的检测方法，包括：将待检测的数字藏品的藏品数据输入特征提取模型进行特征提取，获得藏品数据特征；将所述藏品数据特征输入特征分布模型进行特征分布计算，获得第一特征分布和第二特征分布；计算所述第一特征分布与数字藏品库中认证藏品的第一特征分布的特征相似度；检测所述特征相似度是否处于所述认证藏品的相似度区间；所述相似度区间根据相似度阈值和所述第二特征分布确定；若是，将所述数字藏品确定为所述认证藏品的侵权对象。2.根据权利要求1所述的数字藏品的检测方法，若所述检测所述特征相似度是否处于所述认证藏品的相似度区间步骤执行之后的执行结果为否，执行如下操作：确定所述数字藏品为原创藏品，并且将所述数字藏品写入所述数字藏品库。3.根据权利要求1所述的数字藏品的检测方法，所述特征提取模型，包括：特征提取器和编码器；相应的，所述特征提取，包括：将所述藏品数据输入所述特征提取器进行特征提取，获得初始特征；将所述初始特征输入所述编码器进行编码，获得所述藏品数据特征。4.根据权利要求3所述的数字藏品的检测方法，所述特征提取模型，采用如下方式训练获得：将藏品样本对输入待训练特征提取器中进行特征提取，获得样本初始特征；所述藏品样本对由第一藏品样本和第二藏品样本组成；将所述样本初始特征输入待训练编码器进行编码，获得样本数据特征；根据所述藏品样本对的样本关系、所述样本数据特征、所述样本初始特征以及预设分类标签计算训练损失；根据所述训练损失对所述待训练特征提取器和所述待训练编码器进行参数调整。5.根据权利要求4所述的数字藏品的检测方法，所述根据所述藏品样本对的样本关系、所述样本数据特征、所述样本初始特征以及预设分类标签计算训练损失，包括：根据所述藏品样本对的样本关系和预设分类标签计算第一分类损失，根据所述第一藏品样本的样本数据特征与所述第二藏品样本的样本数据特征计算第一特征损失；根据所述藏品样本对的样本数据特征计算编码损失；根据所述第一分类损失、所述第一特征损失以及所述编码损失计算训练损失。6.根据权利要求4所述的数字藏品的检测方法，所述待训练特征提取器，采用如下方式训练获得：将真实世界的真实藏品样本对输入待训练的初始特征提取器中进行特征提取，获得样本初始特征；所述真实藏品样本对由两个真实藏品样本组成；根据所述真实藏品样本对的样本关系和分类标签计算第二分类损失，以及，根据所述样本初始特征计算第二特征损失；根据所述第二分类损失和所述第二特征损失对所述初始特征提取器进行参数调整。7.根据权利要求1所述的数字藏品的检测方法，所述特征分布模型，采用如下方式训练
获得：将基准样本输入待训练的神经网络模型进行特征分布计算，获得样本特征分布；根据所述样本特征分布和所述基准样本的特征分布标签计算分布损失；根据所述分布损失对所述神经网络模型进行参数调整。8.根据权利要求7所述的数字藏品的检测方法，所述特征分布标签，采用如下方式确定：对所述基准样本进行扰动处理，获得至少一个扰动样本；将所述基准样本和所述至少一个扰动样本输入所述特征提取模型进行特征提取；计算所述特征提取模型输出的所述基准样本的样本数据特征与所述至少一个扰动样本的样本数据特征的特征分布，作为所述特征分布标签。9.根据权利要求8所述的数字藏品的检测方法，所述基准样本包括数字藏品的藏品图像样本；相应的，所述对所述基准样本进行扰动处理，获得至少一个扰动样本，包括：对所述藏品图像样本进行显著性图谱预测，获得所述藏品图像样本的显著性图谱；基于所述显著性图谱对所述藏品图像样本进行扰动处理，获得至少一个扰动显著性图谱。10.根据权利要求9所述的数字藏品的检测...

【专利技术属性】
技术研发人员：曹佳炯，丁菁汀，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：