Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆大学代志豪获国家专利权

重庆大学代志豪获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉重庆大学申请的专利一种基于多级内存增强自编码器持续身份认证方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119622679B

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411692195.0,技术领域涉及:G06F21/30;该发明授权一种基于多级内存增强自编码器持续身份认证方法是由代志豪;李艳涛;吕庆国设计研发完成,并于2024-11-25向国家知识产权局提交的专利申请。

一种基于多级内存增强自编码器持续身份认证方法在说明书摘要公布了:本发明涉及一种基于多级内存增强自编码器持续身份认证方法,属于持续认证技术领域,包括以下步骤:S1:收集用户行为数据;S2:对用户行为数据进行归一化处理;S3:构建基于VAE的数据增强模型,利用归一化数据进行训练;S4:构建基于MulMemAE的数据重构模型,利用归一化数据与VAE增强数据进行训练;S5:将实时收集并归一化的用户行为数据输入训练后的数据重构模型,以重构用户行为数据;S6:将重构的用户行为数据与输入的用户行为数据进行比较,计算重构误差;S7:将重构误差与预设阈值进行比较,若误差低于预设阈值,则用户为合法用户;反之用户为冒名者,要求用户重新登录。

本发明授权一种基于多级内存增强自编码器持续身份认证方法在权利要求书中公布了:1.一种基于多级内存增强自编码器持续身份认证方法,其特征在于:包括以下步骤: S1:利用移动设备上的动作传感器收集用户行为数据; S2:对收集的用户行为数据进行归一化处理; S3:构建基于变分自编码器VAE的数据增强模型,利用步骤S2中的数据进行训练; S4:构建基于多级记忆增强自编码器MulMemAE的数据重构模型,利用步骤S2中的数据与VAE增强数据进行训练; S5:将实时收集并归一化的用户行为数据输入训练后的数据重构模型,以重构用户行为数据; S6:将重构的用户行为数据与输入的用户行为数据进行比较,计算重构误差; S7:将重构误差与预设阈值进行比较,若误差低于预设阈值,则用户为合法用户;反之用户为冒名者,要求用户重新登录以进行身份验证; 所述基于变分自编码器VAE的数据增强模型包括编码器、潜在空间和解码器; 所述编码器分为两个分支,第一分支利用四个连续的卷积块对特征进行编码,然后与第二分支的输出进行连接;每个卷积块包含一个卷积层、一个批量归一化和泄漏修正线性单元LeakyReLU激活函数;第二分支首先将输入数据进行重塑,然后通过一个全连接网络进行处理;将第二分支的输出与第一分支的输出连接后,利用两个全连接层优化编码维度; 所述潜在空间由均值向量和标准差向量组成,通过重参数化过程得到潜在变量,然后传递给解码器进行重构; 所述解码器包括依次连接的全连接层、ReLU激活函数、全连接层和Sigmoid激活函数,最终输出增强数据; 所述数据重构模型包括LSTM时序特征提取器、编码器、多级特征记忆模块和解码器; 所述LSTM时序特征提取器由一个单层LSTM网络组成;输入数据首先经过变换处理,然后利用LSTM网络捕捉时序信息,最后再通过逆操作转换; 所述编码器用于将来自LSTM时序特征提取器的时序特征转换为潜在表示;所述编码器由四个层次组成,首先是两个连续的卷积+批归一化+ReLU块;接下来是三个下采样块,每个下采样块包括一个步幅为2的卷积层和两个卷积+批归一化+ReLU块;每个下采样块执行下采样操作,在每个步骤中生成不同分辨率的编码特征; 所述解码器的结构与编码器对称,包含三个上采样块和一个卷积层;每个上采样块接受来自两个来源的输入:1来自编码器的相应跳跃连接,2来自较低层的上采样特征;这些输入被连接后,通过一个反卷积层处理,随后经过两个卷积+批归一化+ReLU块和一个记忆模块;最终的卷积层将重建的数据重新调整为其原始形态,完成重建过程; 所述多级特征记忆模块用于存储来自编码器不同层次的编码特征表示;每级特征记忆模块由一个包含个实值向量的矩阵组成,每个向量的维度为,表示为;矩阵的每一行表示一个单独的记忆项;在初始训练阶段,每个记忆项以随机值进行初始化;训练数据首先通过LSTM时序信息提取器处理,然后传递给编码器,从而生成编码特征;通过下式计算与每个记忆项之间的相似度: 然后使用Softmax函数通过下式确定每个项目的权重: 采用稀疏寻址来精细化和调整权重分配: 其中,表示一个非常小的正数,作为阈值; 在进行缩减后,使用下式对进行归一化: 从记忆中检索到的存储潜在特征,表示为: 。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆大学,其通讯地址为:400044 重庆市沙坪坝区沙坪坝正街174号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。