買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜電子科技大學(xué)申請(qǐng)的專利一種基于多模態(tài)特征融合的隱式身份認(rèn)證方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119653361B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510185176.7，技術(shù)領(lǐng)域涉及：H04W12/065；該發(fā)明授權(quán)一種基于多模態(tài)特征融合的隱式身份認(rèn)證方法是由胡博;涂世搭;楊曉宇;殷光強(qiáng);蔡竟業(yè)設(shè)計(jì)研發(fā)完成，并于2025-02-19向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于多模態(tài)特征融合的隱式身份認(rèn)證方法在說明書摘要公布了：本發(fā)明提供了一種基于多模態(tài)特征融合的隱式身份認(rèn)證方法，該方法將獲取到的傳感器數(shù)據(jù)的離散信號(hào)轉(zhuǎn)換成為灰度圖像，然后，使用預(yù)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，結(jié)合GRU提取觸摸屏序列數(shù)據(jù)特征，然后將兩種模態(tài)的特征送入多模態(tài)融合網(wǎng)絡(luò)進(jìn)行特征融合，包括初步特征融合和深層特征融合，初步特征融合通過自適應(yīng)特征融合模塊和通道交換特征融合模塊分別對(duì)兩種模態(tài)的特征進(jìn)行初步融合，深層特征融合通過改進(jìn)的網(wǎng)絡(luò)模型CrossMamba進(jìn)行多模態(tài)的深度特征融合，并生成融合后的最終特征，最后通過身份認(rèn)證模塊進(jìn)行身份認(rèn)證。通過本發(fā)明方案增強(qiáng)了模型的靈活性和適應(yīng)性，大大提高了身份認(rèn)證的準(zhǔn)確率和可靠性。

本發(fā)明授權(quán)一種基于多模態(tài)特征融合的隱式身份認(rèn)證方法在權(quán)利要求書中公布了：1.一種基于多模態(tài)特征融合的隱式身份認(rèn)證方法，其特征在于，所述方法包括：步驟S1：對(duì)獲取的傳感器數(shù)據(jù)和觸摸屏數(shù)據(jù)進(jìn)行預(yù)處理，并將預(yù)處理后的傳感器數(shù)據(jù)轉(zhuǎn)換為灰度圖像；步驟S2：利用設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)對(duì)傳感器數(shù)據(jù)轉(zhuǎn)換得到的灰度圖進(jìn)行特征提取，利用GRU深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)觸摸屏數(shù)據(jù)進(jìn)行特征提取，所述卷積神經(jīng)網(wǎng)絡(luò)包括9個(gè)卷積層和3個(gè)最大池化層，將9個(gè)卷積層劃分為三個(gè)卷積模塊，分別為卷積模塊一、卷積模塊二和卷積模塊三，每個(gè)卷積模塊包括三個(gè)卷積層，整個(gè)卷積神經(jīng)網(wǎng)絡(luò)分為三個(gè)卷積模塊和全連接層部分；步驟S3：采用特征通道交換模塊和自適應(yīng)權(quán)重特征融合模塊對(duì)傳感器數(shù)據(jù)和觸摸屏數(shù)據(jù)進(jìn)行初步的特征融合，具體為：步驟S31：將步驟S2中提取到的傳感器特征向量和觸摸屏特征向量輸入特征通道交換模塊，得到經(jīng)過初步融合的特征向量，對(duì)于輸入的傳感器特征向量和觸摸屏特征向量，其中、是向量的維度，將和分為兩個(gè)子向量： ； ；其中，是前半部分，和是后半部分，然后對(duì)截?cái)嗟奶卣鬟M(jìn)行特征拼接：，其中，Concat表示向量拼接操作，，，最終得到的；步驟S32：將步驟S2中提取到的傳感器特征向量和觸摸屏特征向量輸入自適應(yīng)權(quán)重特征融合模塊，得到經(jīng)過初步融合的特征向量，表示為：，其中，和是融合權(quán)重，滿足約束條件：；步驟S4：淺層特征卷積融合，即輸入特征進(jìn)行通道數(shù)的融合和降維，具體為：將步驟S3中得到的兩個(gè)初步融合的特征做淺層特征卷積融合，即對(duì)于輸入和，更新和： ； ； 將和拼接成一個(gè)維度為的特征，B表示batch_size，即模型在訓(xùn)練過程中一次處理的數(shù)據(jù)量大小，然后會(huì)對(duì)拼接后的特征進(jìn)行卷積提取，將輸入維度從512降到256，然后通過殘差連接，將原始加回到卷積結(jié)果中，接著對(duì)更新后的再次和進(jìn)行拼接，拼接之后進(jìn)行卷積提取，更新，同樣通過殘差連接將加入卷積結(jié)果；步驟S5：利用跨模態(tài)Mamba模塊進(jìn)行深度的特征融合，跨模態(tài)Mamba模塊即CrossMamba模塊包括歸一化層Norm，多層感知機(jī)MLP，一維卷積模塊C1，激活函數(shù)Activation，經(jīng)典空間狀態(tài)模型SSM和對(duì)特征矩陣形狀進(jìn)行重構(gòu)的函數(shù)；步驟S6：利用深度融合后的特征進(jìn)行用戶身份認(rèn)證，驗(yàn)證其合法性。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人電子科技大學(xué)，其通訊地址為：611731 四川省成都市高新區(qū)(西區(qū))西源大道2006號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。