篡改检测方法、装置、计算机程序产品、存储介质及设备与流程

1.本说明书涉及计算机技术领域，尤其涉及一种篡改检测方法、装置、计算机程序产品、存储介质及设备。


背景技术：

2.随着互联网的普及与发展，越来越多的线下商户选择在线上平台注册并成为平台商户，以通过线上平台扩大商户业务。在商户注册过程中，线上平台为保证平台服务质量与平台安全，会对通过商户上传的商户认证图像对商户真实性进行核验。
3.目前，一些没有真实商户的不法分子通过盗用商户认证图像、或伪造商户认证图像的方式，通过线上平台的真实性核验，注册虚假平台商户从事不法活动。


技术实现要素：

4.本说明书实施例提供的一种篡改检测方法、装置、计算机程序产品、存储介质及设备，可以对篡改的商户认证图像进行准确识别，避免不法分子注册虚假商户，保证平台安全及平台服务质量。所述技术方案如下：
5.第一方面，本说明书实施例提供了一种篡改检测方法，所述方法包括：
6.获取商户认证图像；
7.基于预训练的篡改检测模型提取所述商户认证图像中的篡改特征，并基于所述篡改特征生成所述商户认证图像对应的篡改检测结果；
8.若所述篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息。
9.第二方面，本说明书实施例提供了一种篡改检测装置，所述装置包括：
10.编码获取模块，用于获取商户认证图像；
11.篡改检测模块，用于基于预训练的篡改检测模型提取所述商户认证图像中的篡改特征，并基于所述篡改特征生成所述商户认证图像对应的篡改检测结果；
12.篡改提示模块，用于若所述篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息。
13.第三方面，本说明书实施例提供一种计算机程序产品，所述计算机程序产品存储有至少一条指令，所述至少一条指令适于由处理器加载并执行上述的方法步骤。
14.第四方面，本说明书实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序适于由处理器加载并执行上述的方法步骤。
15.第五方面，本说明书实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
16.本说明书一些实施例提供的技术方案带来的有益效果至少包括：
17.采用本说明书一个或多个实施例提供的篡改检测方法，通过获取商户认证图像，然后基于预训练的篡改检测模型提取所述商户认证图像中的篡改特征，并基于所述篡改特
征生成所述商户认证图像对应的篡改检测结果，若所述篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息，通过对商户认证图像进行篡改识别，可以对篡改的商户认证图像进行准确识别，针对被篡改的商户认证图像不予通过商户认证，避免不法分子注册虚假商户，保证平台安全及平台服务质量。
附图说明
18.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的前提下，还可以根据这些附图获得其他的附图。
19.图1为本说明书一个或多个实施例提供了一种事件抽取模型的模型架构图；
20.图2为本说明书一个或多个实施例提供的一种篡改检测方法的流程示意图；
21.图3为本说明书一个或多个实施例提供的一种篡改检测方法的流程示意图；
22.图4为本说明书一个或多个实施例提供的一种第二要素矩阵的举例示意图；
23.图5为本说明书一个或多个实施例提供的一种有向无环图的举例示意图；
24.图6为本说明书一个或多个实施例提供的一种srm滤波器的举例示意图；
25.图7为本说明书一个或多个实施例提供的一种篡改检测装置的结构示意图；
26.图8为本说明书一个或多个实施例提供的一种触发词识别模块的结构示意图；
27.图9为本说明书一个或多个实施例提供的一种篡改检测装置的结构示意图；
28.图10示出了本说明书一个示例性实施例提供的电子设备的结构方框图。
具体实施方式
29.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一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
30.在本说明书的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本说明书的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本说明书中的具体含义。此外，在本说明书的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
31.在相关技术中，在对商户真实性进行核验时，针对商户上传的商户认证图像，通常通过图像搜索技术在商户图像数据库查找重复或相似的商户图像，但是此方法需要商户图像数据库有大量充足的商户图像源，否则无法对比。
32.基于此，本说明书一个或多个实施例提出了一种篡改检测方法，通过获取商户认证图像，然后基于预训练的篡改检测模型提取所述商户认证图像中的篡改特征，并基于所述篡改特征生成所述商户认证图像对应的篡改检测结果，预训练的篡改检测模型可以对商户认证图像进行精确的篡改检测，若所述篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息，通过对商户认证图像进行篡改识别，可以对篡改的商户认证图像进行准确识别并拦截，针对被篡改的商户认证图像不予通过商户认证，避免不法分子注册虚假商户，保证平台安全及平台服务质量。
33.下面结合具体的实施例进行详细说明。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。附图中所示的流程图仅是示例性说明，不是必须按照所示步骤执行。例如，有的步骤是并列的，在逻辑上并没有严格的先后关系，因此实际执行顺序是可变的。
34.请参见图1，为本说明书一个或多个实施例提供的一种篡改检测方法的流程示意图。在具体的实施例中，所述篡改检测方法应用于篡改检测装置或配置有篡改检测装置的电子设备。下面将针对图1所示的流程进行详细的阐述，所述篡改检测方法具体可以包括以下步骤：
35.s102，获取商户认证图像；
36.具体的，当商户进行平台商户注册时，商户将用于商户认证的商户认证图像上传至篡改检测装置，篡改检测装置获取商户上传的商户认证图像。
37.其中，商户认证图像可以为商户门脸图像、也可以为带有法律效益的商户凭证图像。
38.篡改检测装置可以为运行于商户平台的一段程序代码的一段程序代码。
39.s104，基于预训练的篡改检测模型提取商户认证图像中的篡改特征，并基于篡改特征生成商户认证图像对应的篡改检测结果；
40.具体的，在获取商户认证图像之后，将获取的商户认证图像输入至预训练的篡改检测模型中，由预训练的篡改检测模型提取商户认证图像中篡改特征，并根据商户认证图像中的篡改特征生成商户认证图像对应的篡改检测结果。
41.在本说明书一个或多个实施例中，篡改特征包括商户认证图像对应的rgb图像特征以及商户认证图像对应的噪声特征。
42.在本说明书一个或多个实施例中，基于篡改检测模型中的第一图像分类网络提取商户认证图像中的rgb图像特征，基于篡改检测模型中的第二图像分类网络提取商户认证图像对应的噪声特征，第一图像分类网络和第二图像分类网络的网络参数独立不共享。
43.在本说明书一个或多个实施例中，在基于篡改检测模型中的第二图像分类网络提取商户认证图像对应的噪声特征之前，还包括：基于srm滤波器对商户认证图像进行srm噪声提取处理，得到噪声特征图，基于第二图像分类网络提取噪声特征图中的噪声特征。
44.在本说明书一个或多个实施例中，基于篡改特征生成商户认证图像对应的篡改检测结果，包括：将rgb图像特征和噪声特征进行特征融合处理，得到融合特征，基于融合特征对商户认证图像进行篡改预测，得到所述商户认证图像的篡改检测结果。
45.可以理解的是，篡改检测模型基于样本商户认证图像经过训练后生成，训练完成
的篡改检测模型可以提取商户认证图像中的篡改特征，并根据篡改特征生成商户认证图像对应的篡改检测结果。其中，篡改检测结果可以为商户认证图像中被篡改的各篡改像素组成的篡改区域。
46.s106，若篡改检测结果指示商户认证图像被篡改，则输出认证失败信息。
47.具体的，在基于篡改检测模型得到商户认证图像对应的篡改检测结果之后，若篡改检测结果指示商户认证图像为被篡改，则篡改检测装置对该商户认证图像的商户认证不予通过，并输出商户认证图像为盗版商户认证图像，商户认证失败的提示信息。
48.在本说明书一个或多个实施例中，通过获取商户认证图像，然后基于预训练的篡改检测模型提取所述商户认证图像中的篡改特征，并基于所述篡改特征生成所述商户认证图像对应的篡改检测结果，预训练的篡改检测模型可以对商户认证图像进行精确的篡改检测，若所述篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息，通过对商户认证图像进行篡改识别，可以对篡改的商户认证图像进行准确识别并拦截，针对被篡改的商户认证图像不予通过商户认证，避免不法分子注册虚假商户，保证平台安全及平台服务质量。
49.请参见图2，为本说明书一个或多个实施例提供的一种篡改检测方法的流程示意图，所述篡改检测方法可以包括以下步骤：
50.s202，获取样本商户认证图像集合以及样本商户认证图像集合中各样本商户认证图像分别对应的篡改信息；
51.样本商户认证图像集合中包括多个样本商户认证图像，多个样本商户认证图像中既包括被篡改的样本图形编码、也包括未被篡改的样本商户认证图像。
52.被篡改的样本图形编码的篡改信息已知，篡改信息包括样本图形编码中被篡改的篡改区域。
53.样本商户认证图像集合可以通过以下方式获取得到：对商户认证图像通过涂改、粘贴等方式修改商户认证图像得到样本商户认证图像，并记录样本商户认证图像的篡改信息，然后通过样本增强的方式，增加样本商户认证图像的数量。
54.s204，基于样本商户认证图像集合中的各样本商户认证图像以及各样本商户认证图像分别对应的篡改信息，对初始篡改检测模型进行迭代训练；
55.具体的，将样本商户认证图像输入至初始篡改检测模型中，初始篡改检测模型输出对样本商户认证图像的样本篡改检测结果，将样本篡改检测结果与该样本商户认证图像的篡改信息进行差异比较，根据样本篡改检测结果和篡改信息之间的差异信息调整初始篡改检测模型的模型参数。基于样本商户认证图像集合中的各样本商户认证图像对初始篡改检测模型进行迭代训练，直至初始篡改检测模型满足预设的模型评价指标，结束训练，得到训练完成的篡改检测模型。
56.s206，当初始篡改检测模型满足预设条件时结束训练，得到训练完成的篡改检测模型；
57.其中，预设条件为预设的模型评价指标。
58.可选的，模型评价指标可以包括准确率和召回率。当初始篡改检测模型对商户认证图像进行篡改检测准确率满足预设准确率阈值，且召回率满足预设召回率阈值时，停止训练，得到训练完成的篡改检测模型。
59.s208，获取商户认证图像；
60.具体的，步骤s208请参见本说明书另一实施例s102中的详细描述，在此不再赘述。
61.s210，对商户认证图像进行特征提取处理，得到商户认证图像对应的rgb图像特征和噪声特征；
62.具体的，基于篡改检测模型中第一图像分类网络提取商户认证图像中的rgb图像特征，基于篡改检测模型中的第二图像分类网络提取商户认证图像中的噪声特征。
63.其中，rgb图像特征用于表征图像视觉信息，噪声特征用于表征数字图像隐写篡改信息。
64.在本说明书一个或多个实施例中，第一图像分类网络可以为基于卷积的resnet、vgg、inception、densenet等网络，第二图像分类网络可以为基于卷积的resnet、vgg、inception、densenet等网络，第一图像分类网络和第二图像分类网络为独立的两个分类网络，不共享网络参数。
65.在本说明书一个或多个实施例中，在对商户认证图像进行特征提取处理时，不仅提商户认证图像的rgb图像特征、噪声特征，还可以包括商户认证图像对应的图像纹理特征、商户认证图像对应的频域特征、商户认证图像对应的隐写特征等。
66.例如，基于dct变换提取商户认证图像中的频域特征。
67.s212，将rgb图像特征和噪声特征进行特征融合，得到融合特征；.
68.具体的，将从商户认证图像中提取得到的rgb图像特征和噪声特征基于通道维度合并的方式进行特征整合，再经过三层卷积网络进一步的特征融合，得到融合特征。
69.可以理解的是，rgb图像特征和噪声特征为从不同维度提取的商户认证图像对应的篡改特征，通过将rgb图像特征和噪声特征进行特征融合得到融合特征，融合特征能够更加全面的表征商户认证图像的篡改特征信息。
70.s214，基于融合特征，通过滑动窗口方式对商户认证图像中的各像素分别进行篡改预测，得到商户认证图像中各像素分别对应的篡改预测值；
71.具体的，融合特征包含了商户认证图像中所有像素的特征信息，基于融合特征中各像素分别对应的特征信息对各像素是否被篡改进行预测，得到各像素分别对应的篡改预测值。
72.s216，对各像素分别对应的篡改预测值进行归一化处理，得到各像素分别对应的篡改概率值；
73.具体的，在预测得到各像素分别对应的篡改预测值之后，基于归一化指数函数对各像素分别对应的篡改预测值进行归一化处理，得到各像素分别对应的0-1的篡改概率值。
74.可以理解的是，篡改概率值用于表示像素是否被篡改的概率。
75.s218，基于预设概率阈值以及各像素分别对应的篡改概率值，确定商户认证图像的篡改区域；
76.其中，预设概率阈值为预设的用于判断像素是否被篡改的概率阈值。当像素对应的篡改概率值小于预设概率阈值时，确定该像素为未被篡改的像素，当像素对应的篡改概率值大于预设概率阈值时，确定该像素为被篡改的像素。
77.具体的，将商户认证图像中篡改概率值大于预设概率阈值的像素作为被篡改像素，根据各被篡改像素的位置信息在商户认证图像中确定篡改区域。
78.在一个实施例中，在商户认证图像中确定篡改区域之后，输出并存储标注有篡改区域的商户认证图像，并记录使用该商户认证图像的用户账号信息，用以证实犯罪用户违法犯罪行为的证据证明。
79.可以理解是，通过存储标注有篡改区域的商户认证图像，可以在将商户认证图像用作证据时，更具说服力。
80.请参见图3，为本说明书实施例提供的一种篡改检测的流程图。如图3所示，商户认证图像通过第一图像分类网络提取出rgb图像特征，通过srm滤波器对商户认证图像进行篡改特征增强后，由第二图像分类网络提取商户认证图像中的噪声特征，第一图像分类网络和第二图像分类网络互相独立，通过双流的网络设计，有效保证第一图像分类网络和第二图像分类网络对相应特征的提取精度，然后将rgb图像特征和噪声特征进行特征融合，根据融合后的融合特征进行篡改预测，得到篡改检测结果。
81.s220，若篡改检测结果指示商户认证图像被篡改，则输出认证失败信息。
82.具体的，根据步骤s218的结果，若确定商户认证图像中存在篡改区域，则确定商户认证图像被篡改，篡改检测装置对该商户认证图像的商户认证不予通过，并输出商户认证图像为盗版商户认证图像，商户认证失败的提示信息。
83.请参见图4，为本说明书实施例提供的一种篡改警告信息的举例示意图。如图4所示，以篡改检测装置为智能手机为例。将商户认证图像输入至篡改检测装置之后，若该商户认证图像为被篡改的商户认证图像，且篡改检测装置检测到该商户认证图像为被篡改的商户认证图像，输出如图所示的认证失败信息：商户认证图像无效，商户认证失败。
84.在本说明书一个或多个实施例中，通过获取商户认证图像，然后基于预训练的篡改检测模型提取所述商户认证图像中的rgb图像特征和噪声特征，rgb图像特征和噪声特征基于两个参数不共享的图像分类网络分别提取生成，保证了各图像分类网络对篡改特征提取精度，然后将rgb图像特征和噪声特征进行特征融合得到融合特征，融合特征中包括了rgb图像特征和噪声特征，能够更加全面的表征商户认证图像中的篡改特征信息，最后基于融合生成商户认证图像对应的篡改检测结果，若篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息，针对被篡改的商户认证图像不予通过商户认证，避免不法分子注册虚假商户，保证平台安全及平台服务质量。
85.请参见图5，为本说明书一个或多个实施例提供的一种篡改检测方法的流程示意图，所述篡改检测方法可以包括以下步骤：
86.s302，获取商户认证图像；
87.具体的，步骤s302请参见本说明书另一实施例s102中的详细描述，在此不再赘述。
88.s304，基于第一图像分类网络提取商户认证图像中的rgb图像特征；
89.rgb图像特征用于从图像视觉信息的角度来表征商户认证图像被篡改的篡改痕迹。在篡改检测模型中的第一图像分类网络中预设有用于提取商户认证图像rgb特征的rgb通道。其中，rgb通道包括由红色像素点值形成的r通道、绿色像素点值形成的g通道及蓝色像素点值形成的b通道，各通道的卷积核由人工预设定，不同通道的卷积核不同。
90.具体的，基于预训练的篡改检测网络中的第一图像分类网络提取商户认证图像中的rgb图像特征。
91.s306，基于第二图像分类网络提取商户认证图像中的噪声特征；
92.具体的，基于预训练的篡改检测网络中的第二图像分类网络提取商户认证图像中的噪声特征。
93.可以理解的是，若商户认证图像被篡改，则被篡改区域的像素必定区别于原始像素，通过提取商户认证图像中的噪声特征，被篡改区域的噪声特征会明显强于未被篡改区域。
94.在本说明书一个或多个实施例中，在基于第二图像分类网络提取商户认证图像中的噪声特征之前，基于srm滤波器对商户认证图像中的篡改特征进行srm噪声提取处理，得到增强后的噪声特征图，然后再基于第二图像分类网络提取噪声特征图中的噪声特征。通过srm滤波器对商户认证图像进行三通道的噪声提取，得到srm噪声提取后的噪声特征图，再通过第二图像分类网络从噪声特征图中提取噪声特征，使得提取到的噪声特征更加明显，能够更加清晰、具体的体现商户认证图像中的篡改痕迹。
95.进一步具体的，srm滤波器包括三种，分别作用于商户认证图像的rgb三通道，通过srm滤波器对商户认证图像进行三通道的噪声提取，得到包含r、g、b三通道噪声数据的噪声特征图。
96.请参见图6，为本说明书实施例提供的一种srm滤波器的举例示意图。srm滤波器可参照如图六所示的三种滤波器，分别对r、g、b三通道进行噪声数据的提取。
97.s308，将rgb图像特征和噪声特征进行特征融合，得到融合特征；
98.具体的，步骤s308请参见本说明书另一实施例s212中的详细描述，在此不再赘述。
99.s310，基于融合特征，通过滑动窗口方式对商户认证图像中的各像素分别进行篡改预测，得到商户认证图像中各像素分别对应的篡改预测值；
100.具体的，步骤s310请参见本说明书另一实施例s214中的详细描述，在此不再赘述。
101.s312，对各像素分别对应的篡改预测值进行归一化处理，得到各像素分别对应的篡改概率值；
102.具体的，步骤s312请参见本说明书另一实施例s216中的详细描述，在此不再赘述。
103.s314，基于预设概率阈值以及各像素分别对应的篡改概率值，确定商户认证图像的篡改区域；
104.具体的，步骤s314请参见本说明书另一实施例s218中的详细描述，在此不再赘述。
105.s316，若篡改检测结果指示商户认证图像被篡改，则输出认证失败信息。
106.具体的，步骤s316请参见本说明书另一实施例s220中的详细描述，在此不再赘述。
107.在本说明书实施例中，通过获取商户认证图像，然后基于预训练的篡改检测模型提取所述商户认证图像中的rgb图像特征和噪声特征，rgb图像特征和噪声特征基于两个参数不共享的图像分类网络分别提取生成，保证了各图像分类网络对篡改特征提取精度，然后将rgb图像特征和噪声特征进行特征融合得到融合特征，融合特征中包括了rgb图像特征和噪声特征，能够更加全面的表征商户认证图像中的篡改特征信息，最后基于融合生成商户认证图像对应的篡改检测结果，若篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息，针对被篡改的商户认证图像不予通过商户认证，避免不法分子注册虚假商户，保证平台安全及平台服务质量。
108.请参见图7，为本说明书一个或多个实施例提供的一种篡改检测装置的结构示意图。如图7所示，该篡改检测装置1可以通过软件、硬件或者两者的结合实现成为终端的全部
或一部分。根据一些实施例，该篡改检测装置1包括编码获取模块11、篡改检测模块12以及篡改提示模块13，具体包括：
109.编码获取模块11，用于获取商户认证图像；
110.篡改检测模块12，用于基于预训练的篡改检测模型提取所述商户认证图像中的篡改特征，并基于所述篡改特征生成所述商户认证图像对应的篡改检测结果；
111.篡改提示模块13，用于若所述篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息。
112.可选的，请参见图8，为本说明书实施例提供的一种篡改检测模块的结构示意图。如图8所示，所述篡改检测模块，包括：
113.特征提取单元121，用于对所述商户认证图像进行特征提取处理，得到所述商户认证图像对应的rgb图像特征和噪声特征；
114.特征融合单元122，用于将所述rgb图像特征和所述噪声特征进行特征融合，得到融合特征；
115.篡改检测单元123，用于基于所述融合特征对所述商户认证图像进行篡改预测，得到所述商户认证图像的篡改检测结果。
116.可选的，所述特征提取单元121，具体用于：
117.基于第一图像分类网络提取所述商户认证图像中的rgb图像特征；
118.基于第二图像分类网络提取所述商户认证图像中的噪声特征；
119.其中，所述第一图像分类网络和所述第二图像分类网络不共享网络参数。
120.可选的，所述特征提取单元121在执行所述基于第二图像分类网络提取所述商户认证图像中的噪声特征时，具体用于：
121.基于srm滤波器对所述商户认证图像进行srm噪声提取处理，得到噪声特征图；
122.基于第二图像分类网络提取所述噪声特征图中的噪声特征。
123.可选的，所述篡改检测单元123，具体用于：
124.基于所述融合特征，通过滑动窗口方式对所述商户认证图像中的各像素分别进行篡改预测，得到所述商户认证图像中各像素分别对应的篡改预测值；
125.对所述各像素分别对应的篡改预测值进行归一化处理，得到所述各像素分别对应的篡改概率值；
126.基于预设概率阈值以及所述各像素分别对应的篡改概率值，确定所述商户认证图像的篡改区域。
127.可选的，所述篡改检测单元123在执行基于预设概率阈值以及所述各像素分别对应的篡改概率值，确定所述商户认证图像的篡改区域时，具体用于：
128.确定各所述像素中篡改概率值大于预设概率阈值的像素为被篡改像素；
129.基于各所述被篡改像素在所述商户认证图像中确定所述篡改区域。
130.可选的，请参见图9，为本说明书实施例提供的一种篡改检测装置的结构示意图。如图9所示，所述篡改检测装置，还包括模型训练模块14，所述模型训练模块，具体用于：
131.获取样本商户认证图像集合以及样本商户认证图像集合中各样本商户认证图像分别对应的篡改信息；
132.基于所述样本商户认证图像集合中的各样本商户认证图像以及各所述样本商户
认证图像分别对应的篡改信息，对初始篡改检测模型进行迭代训练；
133.当所述初始篡改检测模型满足预设条件时结束训练，得到训练完成的篡改检测模型。
134.采用本说明书一个或多个实施例提供的篡改检测装置，通过获取商户认证图像，然后基于预训练的篡改检测模型提取所述商户认证图像中的rgb图像特征和噪声特征，rgb图像特征和噪声特征基于两个参数不共享的图像分类网络分别提取生成，保证了各图像分类网络对篡改特征提取精度，然后将rgb图像特征和噪声特征进行特征融合得到融合特征，融合特征中包括了rgb图像特征和噪声特征，能够更加全面的表征商户认证图像中的篡改特征信息，最后基于融合生成商户认证图像对应的篡改检测结果，若篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息，针对被篡改的商户认证图像不予通过商户认证，避免不法分子注册虚假商户，保证平台安全及平台服务质量。
135.本说明书一个或多个实施例还提供的一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1～图6所示实施例的所述篡改检测方法，具体执行过程可以参见图1～图6所示实施例的具体说明，在此不进行赘述。
136.本说明书还提供的一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行如上述图1～图6所示实施例的所述篡改检测方法，具体执行过程可以参见图1～图6所示实施例的具体说明，在此不进行赘述。
137.请参考图10，示出了本说明书一个示例性实施例提供的电子设备的结构方框图。本说明书中的电子设备可以包括一个或多个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。
138.处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field－programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器110可集成中心处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。
139.存储器120可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory，rom)。可选地，该存储器120包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。
140.其中，输入装置130用于接收输入的指令或数据，输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据，输出装置140包括但不限于显示设备和扬声器等。在本说明书一个或多个实施例中，输入装置130可以为温度传
感器，用于获取终端的运行温度。输出装置140可以为扬声器，用于输出音频信号。
141.除此之外，本领域技术人员可以理解，上述附图所示出的终端的结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、无线保真(wireless fidelity，wifi)模块、电源、蓝牙模块等部件，在此不再赘述。
142.在本说明书一个或多个实施例中，各步骤的执行主体可以是上文介绍的终端。可选地，各步骤的执行主体为终端的操作系统。操作系统可以是安卓系统，也可以是ios系统，或者其它操作系统，本说明书一个或多个实施例对此不作限定。
143.在图10的电子设备中，处理器110可以用于调用存储器120中存储的篡改检测程序，并执行以实现如本说明书各个方法实施例所述的篡改检测方法。
144.在本说明书一个或多个实施例中，通过获取商户认证图像，然后基于预训练的篡改检测模型提取所述商户认证图像中的rgb图像特征和噪声特征，rgb图像特征和噪声特征基于两个参数不共享的图像分类网络分别提取生成，保证了各图像分类网络对篡改特征提取精度，然后将rgb图像特征和噪声特征进行特征融合得到融合特征，融合特征中包括了rgb图像特征和噪声特征，能够更加全面的表征商户认证图像中的篡改特征信息，最后基于融合生成商户认证图像对应的篡改检测结果，若篡改检测结果指示所述商户认证图像被篡改，则输出认证失败信息，针对被篡改的商户认证图像不予通过商户认证，避免不法分子注册虚假商户，保证平台安全及平台服务质量。
145.本领域的技术人员可以清楚地了解到本说明书的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列(field－programmable gate array，fpga)、集成电路(integrated circuit，ic)等。
146.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书并不受所描述的动作顺序的限制，因为依据本说明书，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本说明书所必须的。
147.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
148.在本说明书所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
149.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
150.另外，在本说明书各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
151.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
152.以上所述者，仅为本说明书的示例性实施例，不能以此限定本说明书的范围。即但凡依本说明书教导所作的等效变化与修饰，皆仍属本说明书涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的范围和精神由权利要求限定。