用于拷贝保护的计算机实现的方法、数据处理设备和计算机程序产品与流程

用于拷贝保护的计算机实现的方法、数据处理设备和计算机程序产品
发明领域
1.本发明涉及一种用于拷贝保护的计算机实现的方法、数据处理设备和计算机程序产品。


背景技术：

2.诸如机票或钞票之类的安全相关文档经常遭受伪造行为。一种处理伪造文档的措施涉及评估可疑文档的真实性。然而，这种方法是下游活动，因为在对可疑文档执行认证过程时，原始文档已经被复制。因此，与认证相关的措施不太理想。
3.原始文档本身的复制可以借助于扫描设备、打印机和/或拷贝设备来执行。就此而言，不同的方法涉及一种方法，根据该方法，安全相关文档被辨识，并且甚至在被执行之前就禁止其复制。
4.为了防止上述行为，存在各种安全特征。它们可以是例如印刷的图形设计元素，这些元素可以被前述设备中的特殊检测器辨识。然后，检测器可能会触发一个响应，干扰所需的行为，诸如拒绝处理或印刷高度退化的图像。此类图形元素可以被设计成具有作为安全文档艺术品的一部分的外观。使用此类元素的示例可以在美国专利5,845,008中找到。在其他情况下，视觉上几乎察觉不到的特殊信号可以被添加到印刷设计中，使得它们被上述设备中的特殊检测器辨识，然后可以触发如上文所述的响应。使用此类元素的示例可以在美国专利6,449,377中找到。
5.然而，这些安全特征存在固有的弱点。图形设计元素，即使试图使它们看起来像艺术品的一部分，也可能经常很容易被辨识出它们的预期目的。结果是，它们可以被稍微改变，以使得特殊的检测器不再识别它们，且因此不能阻止伪造者期望的动作。它们也可能通过将所述元素应用于合法用户不打算保护的其他文档而被误用，使得人们不能在所述文档上完成扫描、拷贝或印刷动作。
6.诸如数字水印之类的特殊信号也可能具有使印刷文档失真的不良特性。在钞票艺术品的情况下，这可能是特别不希望的。失真可以减少，尽管是以信号强度为代价；通常会寻求妥协。
7.人工智能(ai)结合机器学习正越来越多地用于面部辨识和其他物体识别等应用。在此类应用中，存在无限数量的潜在图像，可能需要稳健地辨识这些图像。例如，被训练来辨识灰松鼠图像的应用可能会遇到灰松鼠大小、姿势、年龄、色泽、光照或者许多个体特性中的任何其他特性的巨大变化中的任一种。被设计成可靠地辨识个人面部的应用将不得不面对类似的变化，这至少增加了该应用的计算复杂性和计算资源需求。


技术实现要素：

8.本发明的目的是克服或至少减少根据现有技术的拷贝保护的已知方法、相应的数据处理设备和相应的计算机程序产品的缺点。
9.客观技术问题根据独立权利要求的主题来解决。在下文的详细描述和/或附图以及从属权利要求中阐述了优点(优选实施例)。
10.根据一方面，提供一种用于防止对文档的至少一部分的数字表示进行未授权处理的计算机实现的方法。根据该方法，提供数据，其中该数据是基于测试元素的至少一部分的数字表示。相对于表示文档的至少一部分的至少一个表征特征的数据，分析基于测试元素的至少一部分的数字表示的数据。如果基于测试元素的至少一部分的数字表示的数据与表示至少一个表征特征的数据相似，则禁止部件被激活。然后基于该测试元素的至少一部分的数字表示的数据的进一步处理被禁止部件禁止。在替代方案中，基于测试元素的至少一部分的数字表示的数据被禁止部件修改，从而防止该数据被数据处理设备传输和/或印刷和/或复制和/或进一步修改。
11.在本方法的上下文内，该文档可以是安全相关文档，特别是钞票、支票、账单、票、护照或机票中的一者。对于这些文档类型，出于经济和安全相关的原因，对与该文档相似的测试元素的相应数字表示的未授权处理具有很大的风险。借助于防止未授权处理的方法，避免或至少降低了这些风险。
12.在本方法的上下文内，测试元素是指一个物品，该物品可能被客观(无偏见)观察者认为是上述类型中的一者的文档。换句话说，本上下文中的测试元素(样本、探针)可以是与原始文档足够相似的东西，使得客观观察者可能错误地认为该测试元素是原始文档。例如，伪钞可以被认为是原钞。即使测试元素与原始元素之间存在相当大的偏差，客观观察者的误信也可能存在。就此而言，如果文档和测试元素直接相互比较，则此类偏差可以容易地辨识。然而，客观观察者的记忆是有限的。因此，如果客观观察者只检查测试元素，而没有立即访问原始文档，观察者可能认为测试元素是(原始)文档。客观观察者不需要是该领域的专家，但被认为是常常使用原始文档的人。测试元素的部分可以特别是测试元素的一维或二维部分。
13.在本方法的上下文内，数字表示是指通常以计算机语言编写的数字代码，且因此是计算机可读代码。因而，物品(原始文档、测试元素或训练文档)的一部分的数字表示可以是表示该物品的一部分的数据文件。该数据文件可以适合借助于数字代码来描述物品的属性。
14.在本方法的上下文内，所提供的数据无需是完整的数据文件。所提供的数据也可以是数据文件的一部分，例如表示测试元素的部分的图像文件、文本文件或pdf文件的一部分。通常，测试元素的数据将是图像文件的至少一部分。因此，当从第一数据处理设备传输到另一数据处理设备时，数据也可以是数据串。
15.特别地，物品(原始文档、测试元素或训练文档)的数据文件可以是该文档(测试元素或训练文档)的图像文件、文本文件或pdf文件。数据文件可以是图像文件，其分辨率在50dpi至2000dpi的范围内，特别是在100dpi至1000dpi的范围内，进一步特别是在200dpi至600dpi的范围内，进一步特别是在300dpi至400dpi的范围内。
16.在本方法的上下文内，文档的表征特征可以是文档或施加在其上的物质的物理属性，基于该物理属性，客观观察者可以认为测试元素是(原始)文档。稍后将进一步详细描述该表征特征。
17.在本方法的上下文内，数据的相似性不要求表示测试元素和文档的数据彼此相
等。根据本方法的数据基本上与数据是数字表示的相应物品的属性相关。然而，这些属性当然可以由不同的数据来描述，例如由于不同的可用数据文件格式或计算机语言。因此，如果与不同物品相关的数据可以描述与表征特征基本相似的测试元素的属性，则该数据可以被认为是彼此相似的。例如，文档的表征特征可以是两条相互平行定向的蓝线。测试元素的数据然后也可以描述两条相互平行的蓝线。然而，与测试元素相关的数据可以用不同的计算机语言编写。在替代方案中，相对于测试元素，可以使用不同的颜色代码来描述线的颜色(例如，rgb相对于cymk)。独立于这些与基础代码相关的偏差，测试元素的特征可能不同于表征特征，但仍被认可为相似。就此而言，特征的相似性涉及客观观察者对相似性的评估。当确定与文档数据的相似性时，该方法还可以考虑测试元素的至少一部分的数字表示的像素化。此外，该方法可以考虑根据测试元素的分辨率和/或颜色分布和/或对比度分布和/或亮度分布特征。因此，本方法可以被配置成解释测试元素的数据并辨识与数据相关的物品的属性。如果该属性类似于表征特征，则在本方法的含义内，相应的数据可以被认为是彼此类似的。应注意，关于特征相似性的评估不同于关于真实性的评估。本方法不会相对于文档来认证测试元素的特征或测试元素本身。这在稍后进一步进行解释。
18.在本方法的上下文内，禁止部件可以是软件或硬件实现的结构。禁止部件可以被配置成确定是否对某些数据应用了动作。就此而言，禁止部件可以被配置成向总线结构、接口、数据处理单元、存储器等发布指令。因此，禁止部件可以具有主功能性，使得与禁止部件相比，数据处理设备的其余组件是从属设备。
19.在本方法的上下文内，数据的进一步处理可以包含拷贝和/或传输和/或印刷和/或复制数据。因此，所有这些应用于数据的动作都可以被禁止部件禁止。因而，进一步处理不仅指数据文件的传输，还指应用于此类数据文件的一部分的任何动作，例如相应数据串的复制。
20.在本方法的上下文内，修改数据可以包含修改该数据以包括标记/属性/标志，其中该标记属性/标志防止数据被数据处理设备传输和/或印刷和/或复制和/或进一步修改。因此，禁止部件可以被配置成修改数据，使得任何其他数据处理设备立即辨识出数据的处理被禁止。在替代方案中，禁止部件还可以被配置成删除数据。
21.因此，提供了一种方法，如果数据与表示文档的至少一个表征特征的数据相似，则该方法有利地禁止基于测试元素的至少一部分的数字表示的数据的进一步处理。换句话说，如果测试元素与文档足够相似，则有利地禁止对其数字表示的进一步处理。
22.与所论述的现有技术面部辨识和借助人工智能(ai)的其他物体识别的问题(要辨识无限数量的潜在图像)相反，对于诸如钞票的安全文档领域，要辨识的图像数量可能预期要低得多。特别地，可以预期它是有限的，可能有几百个，这是期望被辨识的。基本图像是指例如给定钞票系列面额和正面(正面或背面)的平坦、均匀照亮的图像。当然会有预期的变化，诸如个别序列号和其他识别符，以及印刷质量和配准以及图像分辨率的小变化。
23.由于本文描述的本发明的目的是提供一种辨识安全文档图像的部件，该安全文档图像的形式被普通人认为是表示安全文档(没有安全特征的认证)，所以没有必要辨识所述文档的每一种可能的变化。这样做的原因是，如果给定的安全文档表示被普通人发现太失真而不能被接受作为复制情况下的安全文档，那么根据本发明没有必要阻止数字图像的复制。因此，本发明的训练集以及检测过程所需的对应计算资源可以预期比例如面部辨识过
程中的ai应用的典型训练集和计算资源小得多。
24.本发明的另一优点是，本发明的方法不认证数字文档图像的安全特征，而仅仅辨识与训练集中的基本图像足够相似的图像，从而可被普通人辨识为实际的安全文档图像。对例如伪钞的仔细检查总是会发现与真钞的差异，但是本发明的方法不进行仔细检查。然而，存在差异，这些差异足够小，以至于普通人不能辨识这些差异，且因此认为复制的文档将表示安全文档，而它涉及不被辨识为伪造品的伪造品，通常在汇兑发生的短时间内。相比之下，如果ai用于例如人脸辨识，那么“认证”给定面部的错误可能会产生严重的法律后果。
25.由于本发明不检测文档图像的特殊信号，且因此，不需要在安全文档中添加附加的特征，诸如拷贝代码，所以访问本发明的检测代码的人不会获得明显的优势。
26.事实上，不需要使用特殊信号、拷贝代码或图形设计元素的事实本身就是本发明的一大优点。如上文论述，这些技术的使用会以不美观的方式在视觉上改变安全文档，同时产生安全漏洞。在本发明的方法中，安全文档的设计者不需要关心美学上破坏性的和/或产生漏洞的特殊特征的添加，因为图像将被检测器整体辨识。
27.本发明的另一优点是，在训练集中可以使用任何安全文档，不管该安全文档是在实现检测器之前还是之后首次创建的。相比之下，当拷贝防止依赖于特殊信号、拷贝代码或图形设计元素的使用时，它们仅在实现检测之后被创建，不可能检测包含新代码的安全文档。反之亦然，在检测器没有检测到旧的拷贝代码的情况下，可能仍在使用的文档不能被检测到，且因此，使用现有技术的用于防止拷贝的认证方法不能防止它们的拷贝。
28.根据另一方面，基于测试元素的至少一部分的数字表示的数据可以借助于检查设备来记录。检查设备可以是视觉检查设备，并且可以基于图像辨识或计算机视觉技术。检查设备可以特别是扫描设备(拾取头)和/或成像设备和/或摄像机。检查设备可以被配置成提供物品(文档、测试元素或训练文档)的数据文件，该数据文件可以是物品的图像文件、文本文件或pdf文件。检查设备可以特别地被配置成提供图像文件，其分辨率在50dpi至2000dpi的范围内，特别是在100dpi至1000dpi的范围内，进一步特别是在200dpi至600dpi的范围内，进一步特别是在300dpi至400dpi的范围内。因此，在测试元素存在的情况下，该方法可以有利地包括借助于检查设备来创建基于测试元素的至少一部分的数字表示的数据。因此，该方法并不依赖于提供相应数据的外部资源，从而降低了操纵表示测试元素部分的数据的风险。
29.根据另一方面，可以提供训练文档的至少一部分。可以借助于检查设备来记录表示训练文档的至少一部分的数字表示的数据。检查设备可以特别是之前所提及类型中的一者。可以借助于人工智能(ai)和/或机器学习(ml)来识别表示该训练文档的至少一部分的数字表示的数据内表示该文档的至少一部分的表征特征的数据。
30.根据本方法的上下文，人工智能(ai)是指基于软件或硬件的技术，其被配置成绘制决策，例如算法。ai还可以被配置成自动利用关于预期目的的所提供数据，并自动向用户提供相应的结果。
31.在本方法的上下文内，机器学习是指可以包括ai能力的基于软件或硬件的技术。ml可以被配置成包括多个输入，以改进绘制决策的过程。换句话说，ml可以被配置成辨识几个类似的输入，以便与基于单个输入绘制决策的准确性相比，提高绘制决策的准确性的概率。例如，如果提供了几个相似的训练文档，ml可以被配置成识别所有这些训练文档共有的
表征特征。此外，ml还可以被配置成识别该组训练文档内的表征特征，即使该组的各个训练文档不相似，诸如具有不同价值的钞票。
32.在本方法的上下文内，训练文档可以是用来识别至少一个表征特征的文档。基于表征特征，客观观察者可以评估测试元素与(原始)文档的相似性。换句话说，训练文档可以用于训练该方法(或相关的基于软件或硬件的部件)，诸如将要分析的测试元素的特性集的ai和/或ml。就此而言，将表示训练文档的至少一部分的数字表示的数据提供到ai和/或ml。然后，ai和/或ml可以被配置成识别这些数据内的特性，这些特性表示确定测试元素将被分析什么的表征特征。
33.因此，该方法有利地包含训练过程，以自动评估训练文档中包括的哪些特性可以用作适当的表征特征，以便定义要分析的测试元素，从而评估测试元素和文档的相似性。如此设计的方法不依赖于对测试元素进行分析的特征的预定输入。
34.根据另一方面，表示表征特征并基于训练文档确定的数据可以存储在存储器中。特别地，数据可以被加密和/或错误译码地存储。此外，数据也可以以本地(在相同的数据处理结构内)或非本地方式(在服务器和/或外部存储器上)存储。数据也可以存储在存储器内，以便建立数据库。因此，可以有利地保持表示表征特征的数据的可用性，使得可以在分析测试元素时使用该数据。
35.根据另一方面，检查设备可以被配置成基本上独立于以下各项中的至少一者来记录表示测试元素或训练文档的至少一部分的数字表示的数据：物品相对于检查设备的角取向、由检查设备检查的物品被裁剪和/或残损、由检查设备提供的分辨率、物品相对于检查设备的失真、应用于由检查设备检查的物品的缩放效应及其组合。由检查设备检查的物品可能受到它们的用户的各种动作。此类动作通常会影响数据的记录。利用如此设计的检查设备的方法有利地相对于外部影响是稳健的。
36.根据另一方面，检查设备可以在反射模式和/或透射模式中操作。检查设备可以包含检测器和辐射发射源。检测器可以被配置成检测由辐射发射源发射的、被所检查物品反射或穿过所检查物品的辐射。借助于检查设备检查的物品可以包含仅在反射和透射模式中的一种模式下可识别的特征。因此，具有如此配置的检查设备的方法满足所有要求，而与特征可以被识别的模式无关。
37.根据另一方面，ai和/或ml可以被配置成执行关于数据的相似性的分析，该数据是基于与文档的至少一部分的至少一个表征特征的数据相比较的测试元素的至少一部分的数字表示。如果ai和/或ml发现基于测试元素的至少一部分的数字表示的数据类似于表示该至少一个表征特征的数据，则ai和/或ml还可以被配置成随后激活禁止部件。如此配置的方法包含用于确定表示表征特征的数据的相同ai和/或ml。因此，有利的是，在整个方法期间均匀地应用相同的ai和/或ml(准则)，从而减少潜在的差异。
38.根据另一方面，可以借助于ai和/或ml相对于表示该表征特征的数据来分析基于测试元素的至少一部分的数字表示的数据，其中表示该表征特征的数据存储在存储器中。存储器提供了存储与用于分析的表征特征相关的数据的可能性，从而可以有利地彼此时间独立地执行这些步骤。
39.根据另一方面，表征特征可以是布置和/或印刷和/或应用到物品表面上和/或包含在物品内的对比度级别和/或颜色和/或标记的单个或多个特定分布中的一者。表征特征
还可以是布置和/或印刷在物品表面上和/或包含在物品内的单个或多个形状的标记中的一者。此外，表征特征可以是单个或多个摩尔纹图案、微结构、缩微文本、肉眼不可见的数字安全标记特征、扭索饰纹、彩虹、凹雕、光学可变设备、全息图、光学透镜、水印、qr码和指纹中的至少一者。此外，表征特征可以是布置在物品表面上和/或包含在物品内的单个或多种特定材料中的至少一者，特别地，其中该特定材料包含纸、聚合物和诸如棉的纺织品中的至少一者。而且，表征特征可以是布置在物品表面上和/或包含在物品内的单个或多个安全特征中的至少一者。安全特征可以包含全息图、微透镜、嵌入的安全线、安全箔、透明或半透明窗口、标签和符号中的至少一者。另外，表征特征可以是上述各项的任何组合。如此配置的方法在安全性方面得到了有利的改善。因为表征特征不是先验确定的，所以通常不知道基于哪个准则来分析测试元素。因此，测试元素不能根据预定的已知准则来设计。此外，由于可能特征的范围很广，每一特征通常可以针对其充当表征特征的适用性进行单独评估。因此，该方法还在其可靠性方面得到了有利的改善。
40.根据另一方面，在表示训练文档的数据内识别的表征特征可以独立于以下各项中的至少一者：物品相对于检查设备的角取向、由检查设备检查的物品被裁剪和/或残损、由检查设备提供的分辨率、物品相对于检查设备的失真、应用于由检查设备检查的物品的缩放效应及其组合。因此，表征特征对于在文档(训练文档)的常规使用期间可能影响该文档的各种外部影响可以是稳健的。
41.根据另一方面，该方法可以包含确定参考值。参考值可以基于表示文档的至少一部分的至少一个表征特征的数据与基于测试元素的至少一部分的数字表示的数据相似的概率。如果参考值大于预定阈值，则参考值可以为真。确定参考值可以被包括在相对于表示该文档的至少一部分的至少一个表征特征的数据来分析基于该测试元素的至少一部分的数字表示的数据的步骤内。此外，禁止部件的激活可以取决于参考值是否为真。基于相应的概率，可以确定参考值，该参考值指示表示测试元素的数据是否类似于表示表征特征的数据。因此，尽管如此配置的方法有利地考虑了相应数据之间一定程度的偏差，但是该方法仍然能够可靠地确定相应数据的相似性。
42.根据另一方面，该方法可以包含在分析基于测试元素的至少一部分的数字表示的数据是否与表示该文档的至少一个表征特征的数据相似之前，对数据进行操纵。特别地，可以对数据进行变换和/或过滤以关于特定属性来分析数据，例如，可以对数据应用1d或2d傅立叶变换、对数变换或拉普拉斯滤波器。根据如此配置的方法，还可以有利地分析数据的特殊属性。
43.根据另一方面，该方法可以被配置成提供1/1000万或更好的假阳性率和/或假阴性率，以评估基于测试元素的至少一部分的数字表示的数据是否与表示该文档的至少一个表征特征的数据相似。通常，客观观察者认为测试元素的部分与文档的至少一部分相似的事件被指定为阳性事件。相反，客观观察者认为测试元素的部分与文档不相似的事件被指定为阴性事件。就此而言，即使测试元素在由数据描述的像素化效应和/或相应的分辨率和/或颜色分布和/或对比度分布和/或亮度分布方面被修改，测试元素和文档的相似性仍然可以存在。假阳性事件指示数据的相似性被认可，但元素的部分与文档不相似。假阴性事件指示数据被认可彼此不相似，但元素的部分实际上与文档的部分相似。假阳性率和假阴性率指示该方法的可靠性，该方法基本上依赖于统计测试。为了达到期望的性能，基于足够
大的数据集对比率进行经验测试。该方法还可以被配置成更能容忍假阳性或假阴性，和/或对触发阳性但不确定答案的情况使用二次的、更彻底的确定过程。如此配置的方法有利地以可接受的容错性可靠地确定数据的相似性。
44.根据另一方面，当确定参考值时，该方法可以考虑基于测试元素的至少一部分的数字表示的数据的像素化。在确定参考值时，该方法可以进一步考虑基于测试元素的至少一部分的数字表示的数据的分辨率和/或颜色分布和/或对比度分布和/或亮度分布。由于考虑了各种效应，如此配置的方法提供了参考值的改进的准确性。
45.根据另一方面，该方法可以被配置成在第一数据处理设备内本地可执行。第一数据处理设备可以包含其中可以存储该方法的相应代码的存储器。在替代方案中，该方法还可以被配置成可远程执行。根据替代方案，第一数据处理设备可以经由数据连接与第二数据处理设备连接。该方法然后可以被配置成经由数据连接在第二数据处理设备上可执行。如此配置的方法几乎可以独立于数据处理结构来执行。它也可以有利地基于服务器-客户端系统或者以本地方式执行，例如，如果没有可用的网络连接。
46.根据另一方面，该方法可以基于代码，其中该方法的相应代码可以具有在100kb与50mb之间，特别是在200kb与10mb之间，进一步特别是在500kb与1mb之间的二进制大小。因为该代码具有相当小的尺寸，所以该代码也可以有利地在非高端数据处理设备中实现，诸如扫描设备、打印机、拷贝设备等。
47.根据另一方面，可以基于数据从第一数据处理设备到第二数据处理设备的传输来提供基于测试元素的至少一部分的数字表示的数据。换句话说，该方法可以被配置成作用于在数据处理设备之间传输的数据。如果该数据与表示文档的至少一部分的至少一个表征特征的数据相似，则可以禁止进一步传输。元素的至少一部分的数字表示可以表示测试元素的一维或二维部分。例如，元素的逐行扫描可以从扫描设备传输到数据处理单元。该方法可以有利地被配置成辨识该数据，并相对于表示文档的至少一部分的至少一个表征特征的数据来分析该数据。
48.根据另一方面，该方法可以被配置成可以在小于60秒的时间段内，特别是在100毫秒与30秒之间的时间段内，特别是在小于1秒的时间段之间的时间段内执行。如此配置的方法还可以有利地应用于实时的常规数据处理过程期间，诸如具有可接受的时间消耗的元素的打印或扫描。
49.根据另一方面，该方法可以被配置成避免相对于该文档的至少一部分的数字表示来认证表示测试元素的数字表示的至少一部分的数据。该方法的目的可以是确定这些数据之间的相似性。该方法并不旨在相对于文档对元素进行认证。认证过程是非常重要的过程，出于安全原因，该过程被保留给授权的设施。由于该方法通常被配置成在普通用户也可获得的普通硬件或软件(拷贝设备和/或打印机和/或扫描设备)中实现，因此该方法有利地不包含认证能力，使得认证过程的细节得以保密。
50.根据另一方面，提供一种用于数据处理的设备。该设备可以包含用于进行上述方法的部件。此外，该设备还可以包含使得能够进行上述方法的修改的部件。特别地，用于数据处理的设备可以包含数据处理单元，诸如cpu。数据处理单元可以被配置成分析和/或处理和/或修改该数据。数据处理设备还可以包含存储数据的存储器、与其他数据结构通信的接口以及在不同组件之间传输数据的数据总线中的至少一者。此外，数据处理设备可以是
扫描设备(拾取头)、打印机或拷贝设备的组件。因此，提供一种简单且有效的数据处理设备，其有利地被配置成进行所指示的方法。
51.根据另一方面，用于数据处理的设备可以包含下臂型多核cpu或通常在移动设备中使用的类似cpu。该设备还可以包含在4mb到8gb范围内的主存储器，进一步特别是在16mb到2gb范围内，进一步特别是在64mb到512mb范围内，进一步特别是在128mb到256mb范围内。该方法可以被配置成使用所指示大小的主存储器以本地或远程方式在所指示的cpu类型上可执行。
52.根据另一方面，提供一种计算机程序产品。计算机程序产品可以包含指令，这些指令在由数据处理设备执行时，使得该设备执行上述方法。指令可以是计算机程序产品的代码的结果。计算机程序产品可以用适于在扫描设备(拾取头)、打印机或拷贝设备中实现的计算机语言来编写。计算机程序产品还可以被配置成存储在易失性或非易失性存储器、硬盘驱动器或者诸如usb存储器、cd等计算机可读介质上。计算机程序产品可以被配置成可从数据处理单元的外部或内部存储器执行。因此，提供了一种计算机程序产品，其被有利地配置成在各种配置中，诸如从外部或内部存储器中，执行所指示的方法。
53.根据另一方面，计算机程序产品的代码可以被配置成被加密和/或错误译码地存储。出于安全原因，一些基础技术和指令应该保密。因此，如果代码被加密存储，则可以有利地防止基础技术和指令被公开。
54.附图简单说明
55.参考附图，本发明的其他方面和特性将从本发明的优选实施例的以下描述中显现出来，其中
56.图1是该方法的简化示意性流程图，
57.图2是利用检查设备记录数据的数据处理设备的简化示意图，
58.图3是训练文档和测试元素的简化示意图。
具体实施方式
59.图1是根据用于防止对文档的至少一部分的数字表示进行未授权处理的方法100的简化示意流程图。方法100包含由方框指示的几个步骤。具有虚线的方框指示可选的步骤，基于单个基础或任意组合。因此，该方法至少包含步骤110、120、130。关于步骤132、134，两者中只有一个需要存在。步骤132和134是相互替代的。
60.在步骤110中，提供数据，其中该数据是基于测试元素的至少一部分的数字表示。就此而言，提供数据可以依赖于进一步的可选步骤140、190和182。在步骤140中，测试元素(或其部分)被布置成使得可以记录表示测试元素属性的数据。为此，可以使用检查设备。检查设备可以是视觉检查设备，并且可以基于图像辨识或计算机视觉技术，诸如扫描单元或摄像机。检查设备可以被配置成产生描述测试元素的数据。例如，所产生的数据可以包含例如关于对比度和/或颜色和/或标记的分布的信息，该对比度和/或颜色和/或标记被布置和/或印刷在测试元素的表面上和/或包含在测试元素内。特别地，记录的数据可以是表示测试元素的图像文件。因此，该数据可以是检查设备所创建的图像文件的一部分。就此而言，图像文件是描述物品的(图形)属性的常用方法。检查设备还可以被配置成直接提供所记录数据。因此，步骤140可以将数据直接提供到步骤110。在替代方案中，根据步骤190提供
数据。在步骤190中，数据从第一数据处理设备传输到第二数据处理设备，例如作为字符串。第一数据处理设备可以例如是常用的cpu，并且第二数据处理设备可以例如在网络打印机中实现。cpu和网络打印机可以通过数据总线连接，例如网络连接。该方法可以被配置成使得在步骤190中，通过该方法的合适部件来辨识所传输的数据。该方法可以被配置成使得数据被截取和/或其副本被制作和提供。因此，可以将数据从步骤140和190直接提供到步骤110。在替代方案中，可以在将数据提供给步骤110之前，在步骤182将数据存储在存储器中。存储器可以是外部或内部存储器。存储器还可以是主存储器、硬盘驱动器或计算机可读介质，诸如usb存储器、cd等。在步骤182中将数据存储在存储器中提供了该方法的时间独立性。
61.在步骤120中，相对于表示文档的至少一部分的至少一个表征特征的数据，分析基于测试元素的至少一部分的数字表示的数据。文档的表征特征可以是文档的图形或结构特性，诸如专用条形码。因此，该方法可以被配置成解释数据并分析该数据是否表示与文档的表征特征相似的特征。通常，测试元素的数据将是图像文件的至少一部分。如果该图像文件包含与示例性专用条形码相似的特征，则该方法确定相应数据彼此相似。
62.表示表征特征的数据也可以被提供给该方法。就此而言，在步骤150中可以提供训练文档。在步骤160中，可以检查训练文档，从而可以记录表示训练文档属性的数据。数据的记录可以由检查设备来执行，特别是如先前关于测试元素所描述的视觉检查设备。特别地，所记录数据可以是表示训练文档的图像文件。在步骤170中，可以在关于训练文档记录的数据内识别至少一个表征特征。为此，可以应用人工智能(ai)和/或机器学习(ml)技术。因此，ai和/或ml可以检查数据(通常是图像文件)的特性，这些特性表示评估与测试元素相似性的合适准则。在步骤170中选择的表征特征是这样一种特征，当以类似的方式在测试元素中实现时，该特征可以使客观观察者认为测试元素和训练文档彼此相似。在替代方案中，步骤150和160重复几次，这意味着提供了几个训练文档。因此，在步骤170中由ai和/或ml识别的至少一个表征特征也可以依赖于关于多个训练文档记录的一组数据。当识别出表征特征时，表示该特征的数据可以被提供给步骤120，用于评估数据的相似性。在替代方案中，在步骤184中，表示表征特征的数据可以存储在外部或内部存储器中。因此，该方法可以独立于步骤150、160和170及时执行。此外，在步骤184中，可以建立数据库，以便具有各种可能的表征特征。如果该方法是在基于服务器-客户端的结构中实现的，那么这是特别有趣的。
63.在步骤120中，执行对表示测试元素的数据和文档的表征特征的相似性的评估。在步骤130中，如果基于测试元素的至少一部分的数字表示的数据类似于表示至少一个表征特征的数据，则禁止部件被激活。因此，如果该方法认为相应数据彼此相似，则步骤130描述了该方法的技术效应。禁止部件可以被配置成引发关于步骤132和134描述的至少一个技术效应。根据步骤132，禁止部件禁止进一步处理与测试元素相关的数据。禁止部件可以包含主功能性。禁止部件然后可以发布指令，从而禁止进一步处理相应的数据。在替代方案中，根据步骤134，该数据被禁止部件修改，从而防止该数据被其他数据处理设备传输和/或印刷和/或复制和/或进一步修改。就此而言，数据可以被指派特殊的标志和/或属性和/或标记，其指示该数据被禁止进一步处理。
64.在替代方案中，该方法可以被配置成使得步骤120和130还可以由ai和/或ml进行。因此，ai和/或ml也可以应用于确定测试元素与表征特征的数据的相似性。
65.图2是利用检查设备记录数据的数据处理设备200的简化示意图。数据处理设备200可以被配置成使得其可以执行方法100。此外，数据处理设备200连接到之前关于步骤140和160提及的外部检查设备。根据本实施例的检查设备包含辐射发射源220和检测器232、234。此处，辐射发射源220和检测器232、234是连接到数据处理设备200的外部组件。可替代地，辐射发射源220和检测器232、234还可以是数据处理设备200的内部组件。辐射发射源220和检测器232、234可以与扫描设备、打印机或拷贝设备中的数据处理设备200结合。
66.物品210(文件、测试元素或训练文档)被布置成使得辐射发射源220可以向物品210发射辐射。由辐射发射源220发射的辐射可以具有适于研究物品210的任何波长。特别地，该辐射可以具有对应于uv光和/或可见光和/或ir辐射的波长。辐射发射源220的操作可以依赖于由数据处理设备200发出的相应指令。检查设备然后可以被配置成使得检测器232可以检测由物品232反射的辐射，其中辐射的反射取决于物品210的物理属性。因此，获取关于物品210的物理属性的信息，使得可以产生物品210的数字表示。该数字表示可以由检测器232产生，并与数据处理设备200通信。在替代方案中，数据处理设备200基于从检测器232接收的信息来产生物品210的数字表示。此外，检查设备还可以被配置成使得检测器234检测穿过物品210的辐射。根据是以反射模式还是透射模式检测到辐射，可以评估物品的不同物理属性。
67.图3是训练文档310和测试元素320的简化示意图。训练文档310可以基本上类似于其数字表示将被禁止未授权处理的文档。训练文档310包含各种特征332、334、336、338，每一特征被虚线框包围。这些特征例如可以是标记的分布，诸如第一特征332。第二特征334包含几个同心圆。因此，第二特征334对于训练文档310的逐行检查是尤其不变的，只要逐行检查与同心圆的中心重合。第三特征336包含彼此平行定向的两条单独的线。第四特征338包含印刷在训练文档310上的基于字母的代码。基于字母的代码可以是训练文档310的序列号。这些特征可以关于若干属性而变化，诸如它们在训练文档310内的位置、颜色、轮廓等。当然，进一步的特征，诸如在本方法的上下文内关于表征特征描述的那些特征可以是训练文档310的一部分。包含在训练文档310中的特征都可以充当表征特征，以便评估文档与测试元素320的相似性。不同的训练文档310可以具有与图3所描绘的训练文档310共同的几个所指示的特征。然而，训练文档在几个特征方面也可以互不相同。
68.还有一个测试元素320。测试元素320包含几个特征333、335、337、339。这些特征在几个属性方面偏离训练文档310的特征，诸如它们的位置、分布、数据格式、数量、形状等。如果训练文档310和测试元素320被直接相互比较，这些物品之间的偏差可以被适当地识别。然而，如果独立于训练文档320检查测试元素320，人们可能认为测试元素320是(原始)文档。这种误信可能是由于对训练文档310或(原始)文档(如果该文档当前不存在)的特征的确切属性的记忆有限而导致的。因此，客观的观察者可能认可测试元素320类似于训练文档310，尽管如果详细比较，这些物品之间可能存在相当大的差异。因此，客观的观察者可以将基于测试元素320的特征333、335、337、339的数字表示的数据识别为类似于表示训练文档310的表征特征332、334、336、338的数据。因此，表示测试元素320的数据的处理将被禁止，或者可替代地，数据将被禁止部件修改，使得数据被阻止进一步处理。
69.尽管在上文中已经参考具体实施例描述了本发明，但是本发明不限于这些实施例，并且毫无疑问，本领域技术人员将会想到落入所要求保护的本发明的范围内的进一步
的替代方案。
70.本发明的实施例
71.实施例1.一种用于防止对文档的至少一部分，特别是钞票的一部分的数字表示进行未授权处理的计算机实现的方法，包含以下步骤：
72.a)提供数据，其中该数据是基于测试元素的至少一部分的数字表示，特别地，其中测试元素的至少一部分的数字表示是对应于测试元素的至少一部分的图像文件，
73.b)相对于表示该文档的至少一部分的至少一个表征特征的数据，分析基于该测试元素的至少一部分的数字表示的数据，
74.c)如果基于测试元素的至少一部分的数字表示的数据类似于表示该至少一个表征特征的数据，则激活禁止部件，其中
75.基于该测试元素的至少一部分的数字表示的数据的进一步处理被禁止部件禁止，和/或其中
76.基于该测试元素的至少一部分的数字表示的数据被该禁止部件修改，从而防止数据被进一步处理。
77.实施例2.根据实施例1的计算机实现的方法，其中该方法还包含以下步骤：
78.d)借助于检查设备，特别是借助于诸如扫描设备和/或摄像机的视觉检查设备，记录基于该测试元素的至少一部分的数字表示的数据，特别地，其中该检查设备被配置成提供该测试元素的至少一部分的数据文件，该数据文件具有在50dpi至2000dpi范围内的分辨率，特别是在100dpi至1000dpi的范围内，进一步特别是在200dpi至600dpi的范围内，进一步特别是在300dpi至400dpi的范围内。
79.实施例3.根据前述实施例中的任一者的计算机实现的方法，其中该方法还包含以下步骤：
80.e)提供训练文档的至少一部分，
81.f)借助于检查设备，特别是诸如扫描设备和/或摄像机的视觉检查设备，记录表示该训练文档的至少一部分的数字表示的数据，特别地，其中该检查设备被配置成提供训练文档的至少一部分的数据文件，该数据文件具有在50dpi至2000dpi范围内的分辨率，特别是在100dpi至1000dpi的范围内，进一步特别是在200dpi与600dpi的范围内，进一步特别是在300dpi至400dpi的范围内，以及
82.g)借助于人工智能和/或机器学习来识别表示该训练文档的至少一部分的数字表示的数据内表示表征特征的数据。
83.实施例4.根据实施例3的计算机实现的方法，其中该方法还包含以下步骤：
84.h)将步骤g)中识别的数据存储在存储器中，特别地，其中该数据被加密和/或错误译码地存储。
85.实施例5.根据实施例2至4中的任一者的计算机实现的方法，其中检查设备被配置成基本上独立于以下至少一项来记录步骤d)和/或f)中的数据：
86.物品相对于检查设备的角取向，
87.由检查设备检查的物品被裁剪和/或残损，
88.由检查设备提供的分辨率，
89.该物品相对于检查设备的失真，以及
90.应用于由检查设备检查的物品的缩放效应。
91.实施例6.根据实施例2至5中的任一者的计算机实现的方法，其中检查设备以反射模式和/或透射模式操作，特别地，其中检查设备包含检测器和辐射发射源。
92.实施例7.根据实施例3至6的计算机实现的方法，其中步骤b)和c)借助于人工智能和/或机器学习来进行，特别地，其中人工智能和/或机器学习在步骤c)中确定基于该测试元素的至少一部分的数字表示的数据是否类似于表示该文档的至少一部分的至少一个表征特征的数据。
93.实施例8.根据前述实施例中的任一者的计算机实现的方法，其中该表征特征是以下各项中的至少一者：
94.布置和/或印刷在物品表面上和/或包含在物品内的对比度级别和/或颜色和/或标记的单个或多个特定分布，
95.布置和/或印刷在物品表面上和/或包含在物品内的单个或多个形状的标记，
96.单个或多个摩尔纹图案、微结构、缩微文本、隐雕、扭索饰纹、彩虹、凹雕、光学设计、全息图、动态图、光学透镜、水印、qr码和指纹，
97.布置在物品表面上和/或包含在物品内的单个或多种特定材料，特别地，其中该特定材料包含纸、聚合物和诸如棉的纺织品中的至少一者，
98.布置在物品表面上和/或包含在物品内的单个或多种安全特征，特别地，其中该安全特征包含全息图、微透镜、嵌入的安全线、窗口、标签和符号中的至少一者，以及其组合。
99.实施例9.根据前述实施例中的任一者的计算机实现的方法，其中步骤b)包含确定参考值，其中该参考值基于表示该文档的至少一部分的至少一个表征特征的数据与基于该测试元素的至少一部分的数字表示的数据相似的概率，其中如果参考值大于预定阈值，则参考值为真，并且其中步骤c)包含如果该参考值为真，则激活该禁止部件。
100.实施例10.根据实施例9的计算机实现的方法，其中确定参考值考虑了基于该测试元素的至少一部分的数字表示的数据的像素化，特别地，其中确定该参考值还考虑了基于该测试元素的至少一部分的数字表示的数据的分辨率和/或颜色分布和/或对比度分布和/或亮度分布。
101.实施例11.根据前述实施例中的任一者的计算机实现的方法，其中该方法被配置成在包含存储该方法的相应代码的存储器的第一数据处理设备内本地执行，或者远程执行，其中第一数据处理设备包含存储该方法的相应代码的存储器，其中第一数据处理设备经由数据连接与第二数据处理设备连接，并且其中该方法经由该数据连接在第二数据处理设备上执行；和/或
102.其中基于从第一数据处理设备到第二数据处理设备的数据传输来提供步骤a)中基于该测试元素的至少一部分的数字表示的数据，特别地，其中至少一部分的数字表示表示测试元素的一维或二维部分；和/或
103.其中该方法在小于60秒的时间段内执行，特别是在100毫秒与30秒之间的时间段内执行，特别是在小于1秒的时间段之间的时间段内执行。
104.实施例12.根据前述实施例中的任一者的计算机实现的方法，其中该方法没有相对于该文档的至少一部分的数字表示来认证表示该测试元素的数字表示的至少一部分的数据。
105.实施例13.一种用于数据处理的设备，包含用于执行根据实施例1至12中的任一者的方法的部件。
106.实施例14.一种包含指令的计算机程序产品，当计算机程序产品由用于数据处理的设备执行时，使得用于数据处理的设备执行根据实施例1至12中的任一者的方法。
107.实施例15.根据实施例14的计算机程序产品，其中计算机程序产品的代码被加密和/或错误译码地存储。