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！

龙图腾网获悉广东通莞科技股份有限公司申请的专利一种基于互联网的多方签名电子支付方法与系统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：CN119671561B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202411781627.5，技术领域涉及：G06Q20/38；该发明授权一种基于互联网的多方签名电子支付方法与系统是由颜肖珂;仇远程;丘捷永设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于互联网的多方签名电子支付方法与系统在说明书摘要公布了：本申请提供一种基于互联网的多方签名电子支付方法与系统，包括：获取历史签名数据，采用机器学习算法分析签名行为统计特征，得到签名异常判断量化标准，确定签名时长、笔画数量、压力变化和时间戳特征的异常阈值；根据所述签名异常判断量化标准，获取签名轨迹、速度和时间戳多维度特征，采用深度学习技术对所述多维度特征进行综合分析，得到异常签名识别准确率；根据所述异常签名识别准确率，建立签名行为风险评估模型，量化签名行为风险程度，得到签名干预策略决策依据；若所述签名时间戳之间差异超过预设阈值，则触发签名延迟异常警告，启动签名干预措施。

本发明授权一种基于互联网的多方签名电子支付方法与系统在权利要求书中公布了：1.一种基于互联网的多方签名电子支付方法，其特征在于，所述方法包括： 获取历史签名数据，采用机器学习算法分析签名行为统计特征，得到签名异常判断量化标准，确定签名时长、笔画数量、压力变化和时间戳特征的异常阈值； 根据所述签名异常判断量化标准，获取签名轨迹、速度和时间戳多维度特征，采用深度学习技术对所述多维度特征进行综合分析，得到异常签名识别准确率；其中，还包括有： 获取签名时序数据，所述时序数据至少包含签名坐标和时间戳； 从所述时序数据中提取签名轨迹和运动速度； 计算相邻采样点间的时间间隔与位移，得到采样点速度向量； 针对所述签名轨迹，利用离散傅里叶变换获取签名的频域特征； 通过分析所述频域特征中的高频和低频成分，计算高频能量与低频能量之比，将其作为签名平滑度特征，所述平滑度特征值越大，表示所述签名轨迹越平滑； 根据所述签名平滑度特征，使用局部多项式拟合方法，对所述签名轨迹进行曲率计算，得到签名各个位置的曲率值，形成曲率变化序列，所述曲率变化剧烈，表明所述签名轨迹弯曲程度大； 针对所述运动速度，计算每个速度向量的模长作为速度大小，方向角作为速度方向，得到速度标量序列和速度方向序列，反映签名过程中速度的变化情况； 使用一维卷积神经网络分别提取所述签名轨迹特征和速度特征； 将坐标序列、速度标量序列和速度方向序列分别输入一维卷积层，通过卷积操作提取局部特征，再经过池化层进行特征压缩，将各个特征展平并拼接，形成签名的深层特征表示； 将所述签名的深层特征表示与对应的时间戳信息连接，形成融合特征向量序列； 将所述融合特征向量序列输入长短时记忆循环神经网络，通过所述长短时记忆循环神经网络学习特征序列的时序依赖关系； 在所述长短时记忆循环神经网络的最后一个时间步的输出接一个全连接层和Softmax层，对签名的真伪进行分类判断； 使用真实签名数据和各种仿造签名数据对所述长短时记忆循环神经网络进行模型训练，不断调整网络参数，提高模型的分类性能； 根据训练得到的模型参数，计算待验证签名的异常概率； 若所述异常概率超过预设阈值，则判定为异常签名，否则判定为真实签名； 根据所述异常签名识别准确率，建立签名行为风险评估模型，量化签名行为风险程度，得到签名干预策略决策依据； 从互联网实时获取各参与方签名时间戳，根据所述签名时长、笔画数量、压力变化和时间戳特征的异常阈值和所述签名行为风险评估模型，判断所述签名时间戳之间差异是否超过预设阈值； 若所述签名时间戳之间差异超过预设阈值，则触发签名延迟异常警告，启动签名干预措施； 根据交易金额、用户信用评分和交易频率因素，综合评估支付风险等级，采用自适应签名干预策略，通过动态权重分配机制，根据不同因素的重要性自动调整干预频率和强度。

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广东通莞科技股份有限公司，其通讯地址为：523000 广东省东莞市南城区黄金路1号东莞天安数码城C区1号厂房703号房；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。