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！

龙图腾网获悉国网山东省电力公司菏泽供电公司申请的专利基于物联网和声纹识别的身份验证系统及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：CN119989321B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510105084.3，技术领域涉及：G06F21/32；该发明授权基于物联网和声纹识别的身份验证系统及方法是由张志伟;王立波;刘天;解晓敏;陈丹;孙彬;于嘉琳;杨爽;王天俣;李泽鹏;刘效斌;宋红贺设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本基于物联网和声纹识别的身份验证系统及方法在说明书摘要公布了：本发明公开了基于物联网和声纹识别的身份验证系统及方法，属于身份识别技术领域，包括采集预处理模块、多模态融合模块、存储传输模块、身份筛选模块；本发明提高验证的全面性与可靠性，并且实现动态用户画像更新，实现多模态的相互增强，可以为不同用户构建个性化的验证规则，提高系统对特定用户需求的灵活响应能力，能够为用户提供更加流畅和友好的身份验证体验，提高系统整体的验证准确率和容错能力，减少后续深度比对模块的计算压力与耗时，能够灵活应对环境噪声与数据偏差，能够保护用户的隐私，避免数据集中化带来的安全隐患，提升系统的适应性与泛化能力，减少通信成本与资源消耗，解决数据分布不均问题，提高系统的整体性能。

本发明授权基于物联网和声纹识别的身份验证系统及方法在权利要求书中公布了：1.基于物联网和声纹识别的身份验证系统，其特征在于，包括采集预处理模块、多模态融合模块、存储传输模块、身份筛选模块、身份验证模块、动态风险评估模块、模型更新模块、反馈修正模块、授权记录模块以及监控自优化模块； 所述采集预处理模块用于实时采集用户的语音数据，并预处理采集的语音数据； 所述多模态融合模块用于从语音数据中提取声纹特征，并将语音特征与用户行为模式结合构建多模态特征； 所述存储传输模块用于分布式存储用户声纹特征以及构建的多模态特征，并对各组特征数据进行加密传输； 所述身份筛选模块用于对采集到的声纹特征进行初步比对，筛选出候选身份； 所述身份验证模块用于构建声纹识别模型，并通过声纹识别模型对初步筛选出的候选身份进行深度比对与分析，验证用户身份； 所述动态风险评估模块用于实时评估身份验证的风险水平，并根据风险动态调整验证策略； 所述模型更新模块用于通过分布式设备对声纹识别模型进行协作优化； 所述反馈修正模块用于为用户提供即时反馈，并修正潜在错误； 所述授权记录模块用于在验证通过后，对用户的操作请求进行授权，同时记录操作日志； 所述监控自优化模块用于持续监控系统运行状态，并定期优化身份验证流程中的参数配置； 所述多模态融合模块构建多模态特征具体步骤如下： S1.1：从预处理后的语音数据中提取Mel频率倒谱系数、线性预测系数、能量以及音调各项特征信息，并将提取的声纹特征记为，之后从用户行为模式以及设备状态中分别提取行为特征以及状态特征，并分别记为与； S1.2：对不同来源的声纹特征、行为特征以及状态特征的每一维进行标准化处理，消除特征尺度差异，再通过补零、截断以及降维各项操作统一各特征维度，给每个模态特征分配权重，并基于分配的权重对不同模态的特征进行加权融合； S1.3：使用Min-Max归一化方法将融合后的多模态特征映射到[0，1]区间内，并将归一化后的多模态特征以的形式表示，依据处理后的多模态特征数量构建多模态特征空间，并在多模态特征空间中初始化一组种群，将种群中每组个体的位置作为多模态特征空间的一个多模态特征； S1.4：基于特征表示在不同用户之间的分离度以及同一用户多次输入的特征表示的稳定性，计算多模态特征空间中各多模态特征的适应度值，并根据适应度值降序排列为各组个体排序，从种群中选择表现最优的前三组个体，其余个体分别向适应度值最高的前三组个体靠近并更新其余个体位置； S1.5：在每次位置更新后，对位置更新后的个体进行随机扰动，若扰动后的位置对应的多模态特征适应度值优于原值时，接受此次扰动后的位置更新，位置更新完成后，对种群中各个体适应度值进行重新计算与排序，并重新选择表现最优的前三组个体，再次进行位置更新； S1.6：重复进行适应度排列、最优个体更新以及位置更新，直至达到预设最大迭代次数或排名第一的个体适应度值变化小于设定阈值时，停止迭代，并将排名第一的多模态特征作为最优特征表示，并将其加入用户特征库中，以对用户特征库进行更新； 所述对声纹识别模型进行协作优化具体步骤如下： S5.1：验证策略调整完成后，每个物联网设备收集与其用户交互的语音数据，形成本地数据集，并通过语音预处理技术将原始语音数据转换为特征表示，之后将处理后的各设备的本地数据集定义为，其中代表第个设备D，代表第个语音特征，代表第个语音特征对应的用户身份标签，代表第个设备D的数据量大小； S5.2：每个设备初始化一组与原有声纹识别模型相同的模型架构，并将各设备上的模型参数初始化为全局服务器分发的统一权重，同时为各组设备设置本地损失函数、优化器以及超参数，之后本地设备使用当前模型参数，利用本地对数据集中的每个样本进行预测，并通过交叉熵损失函数评估预测结果与真实标签之间的误差值； S5.3：基于链式法则聪逐层传播误差值，并根据误差值计算模型各层参数的梯度，之后利用SGD优化器更新模型参数，计算并存储本地模型的参数更新量，各组本地物联网设备将本地模型参数更新量上传至终端服务器； S5.4：依据各物联网设备特性、本地模型参数空间范围以及局部梯度趋势各项信息，分别为各物联设备初始化一组信念空间，根据设备的语音特征和用户行为模式，生成多组本地行为，并评估每种行为在本地任务中的适应度，选择适应度最高的行为作为物联网设备的最优行为，各组物联网设备根据其最优行为，生成信念更新向量，服务器汇总各设备的最优行为，通过取平均的方法整合设备的信念更新生成全局信念向量； S5.5：利用全局信念和本地模型更新，计算每设备的权重，之后终端服务器根据设备权重对所有设备的模型参数更新量进行加权聚合，以获取对应全局模型更新，将更新后的全局模型分发给所有物联网设备，并各物联网设备的本地模型参数同步为全局模型参数，同时实时进行更新训练。

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山东省电力公司菏泽供电公司，其通讯地址为：274000 山东省菏泽市牡丹区中华东路北侧(中银对面)；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。