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！

龙图腾网获悉南京笔戈智能科技有限公司申请的专利基于多模态一致性学习与密码学证明算法的争议取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：CN121051806B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511596560.2，技术领域涉及：G06F21/64；该发明授权基于多模态一致性学习与密码学证明算法的争议取证方法是由姜春燕;段红祥设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本基于多模态一致性学习与密码学证明算法的争议取证方法在说明书摘要公布了：本发明公开了一种基于多模态一致性学习与密码学证明算法的争议取证方法，包括：形成标准化视频集合；生成原子视频单元集合；形成原子视频指纹索引；以所述原子视频指纹索引为基础构建非线性Merkle有向无环图；对来自不同来源的数据执行公共子图对齐，识别相同内容的重合子图并在所述非线性Merkle有向无环图中进行聚合；生成统一时间轴及对应置信度评分并写入所述非线性Merkle有向无环图的节点时间属性；在所述非线性Merkle有向无环图的每一条有向路径上施加约束条件，对违反约束的节点和边标注时序异常标签并记录异常位置及量化置信评分。本发明极大提高对插帧、删帧、重编码、伪同步篡改的检测能力，减少漏检与误报。

本发明授权基于多模态一致性学习与密码学证明算法的争议取证方法在权利要求书中公布了：1.一种基于多模态一致性学习与密码学证明算法的争议取证方法，其特征在于，包括： 采集原始视频文件以及与所述原始视频文件对应的多源版本拷贝，生成原始视频集合并进行预处理，形成标准化视频集合； 根据预设时间分片策略对所述标准化视频集合进行分片划分为多个原子视频单元，生成原子视频单元集合； 对所述原子视频单元集合中的每一个原子视频单元依次计算抗碰撞内容哈希指纹、鲁棒感知指纹以及视觉语义向量特征，形成原子视频指纹索引； 以所述原子视频指纹索引为基础构建非线性Merkle有向无环图，所述非线性Merkle有向无环图中的节点一一对应所述原子视频单元或其衍生版本，在所述非线性Merkle有向无环图中创建边； 对来自不同来源的数据执行公共子图对齐，识别相同内容的重合子图并在所述非线性Merkle有向无环图中进行聚合； 从所述原始视频集合中抽取多层时间证据，汇总形成时间证据表，并对时间证据表的时间漂移与时钟抖动进行校正，生成统一时间轴及对应置信度评分并写入所述非线性Merkle有向无环图的节点时间属性； 在所述非线性Merkle有向无环图的每一条有向路径上施加约束条件，对违反约束的节点和边标注时序异常标签并记录异常位置及量化置信评分； 所述对违反约束的节点和边标注时序异常标签并记录异常位置及量化置信评分，包括： 针对非线性Merkle有向无环图中从根节点到叶子节点的每一条有向路径，建立路径级时序一致性检测模型； 通过计算后一个节点的统一时间轴序列中第一帧的时间值与前一个节点统一时间轴序列中最后一帧的时间值之间的差值的绝对值，得到全局时间连续性约束残差值； 通过计算当前节点中所有帧的相邻帧时间间隔的均值，并与前一个节点所有帧的相邻帧时间间隔均值进行差值绝对值的比较，得到播放速率平滑性约束残差值； 通过计算当前节点内所有帧的音画同步偏移量的绝对值并求平均，得到音画相位一致性约束残差值； 通过判断后继节点的响应事件时间是否早于前一个节点的触发事件时间，若不早于则事件因果约束残差值为零，若早于则事件因果约束残差值为一； 通过对路径中所有节点的全局时间连续性约束残差值、播放速率平滑性约束残差值、音画相位一致性约束残差值以及事件因果约束残差值分别乘以对应加权系数后加和，得到路径级时序一致性损失函数； 将路径级时序一致性损失函数与节点的时间置信度评分联合作为图优化的目标，通过最小化损失函数的方式对整条路径进行图路径拟合，获得最优的时序拟合路径，同时输出每条路径的残差分布和每个节点的异常评分，异常评分用于量化节点的可疑程度； 对每条路径中所有违反任一约束的节点和边进行时序异常标签的标注，并对每一个异常节点记录其异常位置和量化置信评分。

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南京笔戈智能科技有限公司，其通讯地址为：211000 江苏省南京市栖霞区尧化街道上城风景北苑16幢906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。