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！

龙图腾网恭喜电子科技大学申请的专利一种基于多模态特征融合的隐式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：CN119653361B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510185176.7，技术领域涉及：H04W12/065；该发明授权一种基于多模态特征融合的隐式身份认证方法是由胡博;涂世搭;杨晓宇;殷光强;蔡竟业设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种基于多模态特征融合的隐式身份认证方法在说明书摘要公布了：本发明提供了一种基于多模态特征融合的隐式身份认证方法，该方法将获取到的传感器数据的离散信号转换成为灰度图像，然后，使用预训练好的卷积神经网络进行特征提取，结合GRU提取触摸屏序列数据特征，然后将两种模态的特征送入多模态融合网络进行特征融合，包括初步特征融合和深层特征融合，初步特征融合通过自适应特征融合模块和通道交换特征融合模块分别对两种模态的特征进行初步融合，深层特征融合通过改进的网络模型CrossMamba进行多模态的深度特征融合，并生成融合后的最终特征，最后通过身份认证模块进行身份认证。通过本发明方案增强了模型的灵活性和适应性，大大提高了身份认证的准确率和可靠性。

本发明授权一种基于多模态特征融合的隐式身份认证方法在权利要求书中公布了：1.一种基于多模态特征融合的隐式身份认证方法，其特征在于，所述方法包括：步骤S1：对获取的传感器数据和触摸屏数据进行预处理，并将预处理后的传感器数据转换为灰度图像；步骤S2：利用设计的卷积神经网络对传感器数据转换得到的灰度图进行特征提取，利用GRU深度学习网络对触摸屏数据进行特征提取，所述卷积神经网络包括9个卷积层和3个最大池化层，将9个卷积层划分为三个卷积模块，分别为卷积模块一、卷积模块二和卷积模块三，每个卷积模块包括三个卷积层，整个卷积神经网络分为三个卷积模块和全连接层部分；步骤S3：采用特征通道交换模块和自适应权重特征融合模块对传感器数据和触摸屏数据进行初步的特征融合，具体为：步骤S31：将步骤S2中提取到的传感器特征向量和触摸屏特征向量输入特征通道交换模块，得到经过初步融合的特征向量，对于输入的传感器特征向量和触摸屏特征向量，其中、是向量的维度，将和分为两个子向量： ； ；其中，是前半部分，和是后半部分，然后对截断的特征进行特征拼接：，其中，Concat表示向量拼接操作，，，最终得到的；步骤S32：将步骤S2中提取到的传感器特征向量和触摸屏特征向量输入自适应权重特征融合模块，得到经过初步融合的特征向量，表示为：，其中，和是融合权重，满足约束条件：；步骤S4：浅层特征卷积融合，即输入特征进行通道数的融合和降维，具体为：将步骤S3中得到的两个初步融合的特征做浅层特征卷积融合，即对于输入和，更新和： ； ； 将和拼接成一个维度为的特征，B表示batch_size，即模型在训练过程中一次处理的数据量大小，然后会对拼接后的特征进行卷积提取，将输入维度从512降到256，然后通过残差连接，将原始加回到卷积结果中，接着对更新后的再次和进行拼接，拼接之后进行卷积提取，更新，同样通过残差连接将加入卷积结果；步骤S5：利用跨模态Mamba模块进行深度的特征融合，跨模态Mamba模块即CrossMamba模块包括归一化层Norm，多层感知机MLP，一维卷积模块C1，激活函数Activation，经典空间状态模型SSM和对特征矩阵形状进行重构的函数；步骤S6：利用深度融合后的特征进行用户身份认证，验证其合法性。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。