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！

龙图腾网获悉国网信通亿力科技有限责任公司申请的专利一种融合多模态人工智能的投标文件全要素盲态脱敏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：CN121118114B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511656992.8，技术领域涉及：G06F21/62；该发明授权一种融合多模态人工智能的投标文件全要素盲态脱敏方法是由李剑谓;罗奕;刘烁;伍绍强;陈勇设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本一种融合多模态人工智能的投标文件全要素盲态脱敏方法在说明书摘要公布了：本发明涉及一种融合多模态人工智能的投标文件全要素盲态脱敏方法,包括以下步骤：S1：获取原始投标文件包，并进行数据预处理，获取标准化文档集合；S2:根据标准化文档集合，进行多模态内容识别与对齐，得到多模态内容库；S3:基于领域专家知识、历史案例库，构建敏感信息分类体系；S4：根据敏感信息分类体系，构建动态规则库；S5:根据多模态内容库和动态规则库，结合深度学习，进行多模态敏感信息智能检测，确认敏感区域集合；S6：基于动态规则库，对敏感区域集合进行智能脱敏，得到脱敏处理后文档。本发明在提升投标文件表达效果的同时，有效降低敏感信息泄露的风险。

本发明授权一种融合多模态人工智能的投标文件全要素盲态脱敏方法在权利要求书中公布了：1.一种融合多模态人工智能的投标文件全要素盲态脱敏方法,其特征在于，包括以下步骤： S1：获取原始投标文件包，并进行数据预处理，获取标准化文档集合； S2：根据标准化文档集合，进行多模态内容识别与对齐，得到多模态内容库； S3：基于领域专家知识、历史案例库，构建敏感信息分类体系； S4：根据敏感信息分类体系，构建动态规则库； S5：根据多模态内容库和动态规则库，结合深度学习，进行多模态敏感信息智能检测，确认敏感区域集合； S6：基于动态规则库，对敏感区域集合进行智能脱敏，得到脱敏处理后文档；所述根据多模态内容库和动态规则库，结合深度学习，进行多模态敏感信息智能检测，确认敏感区域集合，具体如下： 输入为多模态内容库M={T,I,S}，其中T表示文本内容、I表示图像内容、S表示表格内容；将不同模态的内容映射到同一语义空间中： fi=Encoderixi； 其中，xi表示模态i的输入数据，fi表示模态i对应的特征向量；Encoder为编码器； 建立跨模态注意力机制实现不同模态间的特征对齐： ； 其中，分别为查询、键、值矩阵；WQ,WK,WV分别为对应的权重系数；fj表示模态j对应的特征向量;d为键的维度；Attention表示注意力机制； 构建多模态融合特征表示： ； 其中，αi和βij为可学习的融合权重参数； 基于融合特征ffused，构建多任务学习框架同时进行实体检测和敏感分类： ； ； 其中，Softmax、sigmoid为激活函数；Went,bent分别为实体检测的权重和偏置；Pentityx为实体检测概率；Psensitivex为敏感性分类概率；WSen,bSen分别为敏感性分类的权重和偏置; 采用自适应阈值策略确定敏感区域： ； 其中，τadaptive为自适应阈值；μconf和σconf分别为置信度分布的均值和标准差，k为调整系数； 调整因子为： ； 其中，∣Dcurrent∣为当前检测到的敏感区域数量；∣Dexpected∣为期望的敏感区域数量； 对检测结果应用改进的非极大值抑制算法： ； 其中，bi',bj'为边界框，si',sj'为区域i′和j′包含敏感信息的置信度，σs为分数差异的标准差；NMS_Scorei′j′为NMS综合分数；IoUbi′,bj′为交并比；敏感区域集合的数学表示： ； 其中：ri'为区域坐标；ti'为敏感信息类型标签；si'为敏感性置信度分数；mi'为所属模态标识，N为区域总数。

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国网信通亿力科技有限责任公司，其通讯地址为：361008 福建省厦门市软件园二期观日路36号402室；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。