1.一种全网智能营销防伪数据监控系统，其特征在于，所述系统包括：数据采集模块用于获取全网营销过程中产品的防伪二维码数据；

数据编码模块用于构建自编码网络并对所述产品的防伪二维码数据进行编码，获取所述产品的防伪二维码数据的特征向量；

隐空间变形模块用于训练中心自编码神经网络，并根据所述产品的防伪二维码数据的特征向量对产品的防伪二维码数据的特征向量的隐空间进行变形；

所述对产品的防伪二维码数据的特征向量的隐空间进行变形，包括：

利用初次训练好的自编码神经网络对所有的防伪二维码数据进行推理，得到所有防伪二维码的特征向量，然后计算特征向量的平均值，得到防伪二维码的隐空间中心向量；

对自编码神经网络添加变形因子层，度量分类层，得到中心自编码神经网络；

其中，变形因子层的计算包括：

将变形因子层与二维码图像编码器的输出进行下述变形计算：

Xc为防伪二维码的隐空间中心向量，F表示变形因子向量，X表示防伪二维码隐空间向量,所述 表示防伪二维码的隐空间变形向量；

所述变形因子层在训练过程需要进行初始化，采用正态分布初始化；

度量分类层的计算包括：

度量分类层包含多层全连接层，其输入为防伪二维码的隐空间变形向量，分类二维码是否为防伪二维码和伪造二维码；

获取比例均衡的防伪二维码与伪造二维码数据，然后利用隐空间变形向量损失函数结合防伪二维码的隐空间中心向量对所述中心自编码神经网络进行训练；

所述利用隐空间变形向量损失函数结合防伪二维码的隐空间中心向量对所述中心自编码神经网络进行训练包括：隐空间变形向量损失函数包含两部分，一个是解码器的交叉熵损失函数，另外一个是隐空间变形向量损失函数；

获取训练中心自编码神经网络时的批次样本，对于该批次样本每次训练都可以通过中心自编码神经网络得到其每个样本的隐空间向量，然后利用PCA方法对样本的隐空间向量进行降维，降维到二维空间，得到二维的防伪二维码隐空间坐标、伪造二维码隐空间坐标、防伪二维码的隐空间中心坐标；

然后对于上述二维的防伪二维码隐空间坐标、伪造二维码隐空间坐标分别拟合圆，得到防伪二维码隐空间拟合圆形区域、伪造二维码隐空间圆形区域；然后构建类间约束损失、类内约束损失；

基于类内约束损失、类内约束损失、交叉熵损失构建隐空间变形向量损失函数，利用隐空间变形向量损失函数训练中心自编码神经网络；异常检测与数据传输检索模块，基于变形的隐空间向量进行异常判断，并依据结果进行防伪信息的检索与传输；

所述基于变形的隐空间向量进行异常判断，并依据结果进行防伪信息的检索与传输包括：对于训练集中的所有防伪二维码数据利用训练好后的中心自编码神经网络进行推理，获取所有防伪二维码的隐空间变形特征向量，然后计算防伪二维码的隐空间变形特征向量的平均值，得到防伪二维码的隐空间变形中心向量；利用Kd‑Tree算法获取与防伪二维码的隐空间变形中心向量欧式距离最远的防伪二维码的隐空间变形向量，该距离作为分类半径；

对于后面每次推理后的样本，计算其与防伪二维码的隐空间变形中心向量的距离，若大于分类半径则该样本为异常样本，可能属于伪造二维码，若处于分类半径内，则进行数据库检索，看是否存在该防伪二维码，若存在，则获取防伪信息，并传输给客户端进行信息展示，若不存在，则该样本属于伪造二维码，并反馈给客户。

2.根据权利要求1所述的一种全网智能营销防伪数据监控系统，其特征在于，所述获取全网营销过程中产品的防伪二维码数据包括：利用智能手机拍照功能扫描产品外包装印刷或者粘贴上的二维码图形，最终可以得到防伪二维码的图像数据，然后通过智能手机网络通信将拍摄防伪二维码的图像数据传输给二维码服务器。

3.根据权利要求1所述的一种全网智能营销防伪数据监控系统，其特征在于，所述对所述产品的防伪二维码数据进行编码包括：将产品的防伪二维码数据输入到自编码器中，所述防伪二维码图像要经过大津阈值处理；然后利用交叉熵损失函数初次训练自编码器神经网络。