基于区块链的金融交易操作及大数据安全存储方法和系统技术方案

本发明专利技术公开了一种基于区块链的金融交易操作及大数据安全存储方法和系统，涉及语音分析技术领域。该方法包括：截取用户在看盘的过程中的图像，对交易价格进行识别；将各个价格识别结果进行比对，发送提醒信息给对应的用户；当用户需要完成交易时，采集用户的语音信号，对语音信号进行去噪处理，以得到去噪语音信号；对去噪语音信号进行声纹识别，得到用户的身份信息；判断该用户是否具备操作权限，若是，则对该用户的去噪语音信号进行识别，生成并根据识别结果在该用户的个人账户系统中完成交易；将相关信息上链存储。本发明专利技术可提高语音识别精度，保证高质量的金融交易操作；并结合区块链实现数据的安全存储。合区块链实现数据的安全存储。合区块链实现数据的安全存储。

【技术实现步骤摘要】
基于区块链的金融交易操作及大数据安全存储方法和系统


[0001]本专利技术涉及语音分析
，具体而言，涉及一种基于区块链的金融交易操作及大数据安全存储方法和系统。

技术介绍

[0002]随着互联网行业的高速发展，越来越多的用户通过网络完成金融交易。然而，在完成网络金融交易的过程中，用户无法实现与交易系统的高质量交互，显著地降低了用户操作体验。同时，交易及存储过程中也容易出现一定的安全风险。
[0003]随着技术的不断更新换代，现代信息技术可以实现对用户语音信息的充分分析，从而为用户提供更加智能的交互服务。同时，区块链技术作为近年来的新兴技术，可以显著地提升交易及存储过程中的安全性。因此，如何充分利用现代信息技术并深度结合区块链技术，实现高质量的金融交易智能操作和大数据安全存储成为一个新的问题。

技术实现思路

[0004]为了克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供一种基于区块链的金融交易操作及大数据安全存储方法和系统，利用基于皮尔逊相关系数的简易神经网络去噪模型、基于多维度自编码匹配的声纹识别模型和基于似然估计的低耗语音识别模型，实现精准的数据识别，保证高质量的金融交易操作；并结合区块链实现数据的安全存储。
[0005]本专利技术的实施例是这样实现的：第一方面，本专利技术实施例提供一种基于区块链的金融交易操作及大数据安全存储方法，包括以下步骤：按照预置的截屏周期截取用户在看盘的过程中的图像，利用OCR技术对每张图像中的交易价格进行识别，以得到对应的多个价格识别结果；将各个价格识别结果进行比对，生成比对结果，根据比对结果生成并发送提醒信息给对应的用户；当用户需要完成交易时，采集用户的语音信号，并利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号；利用基于多维度自编码匹配的声纹识别模型，对去噪语音信号进行声纹识别，得到用户的身份信息；根据用户的身份信息和预录入的具有操作权限的注册用户信息判断该用户是否具备操作权限，若是，则利用基于似然估计的低耗语音识别模型，对该用户的去噪语音信号进行识别，生成并根据识别结果在该用户的个人账户系统中完成交易；获取并将用户的身份信息、每次交易的交易时间及每次交易的买卖信息上传至区块链。
[0006]为了解决现有技术中的问题，本专利技术将皮尔逊相关系数应用于样本精选及简易神
经网络去噪模型的构建，得到了基于皮尔逊相关系数的简易神经网络去噪模型，该模型能够以较低消耗实现高质量的语音去噪。在此基础上，将低维度自编码和高维度自编码充分结合并应用于声纹识别过程中，得到了基于多维度自编码匹配的声纹识别模型，该模型能够更加精准地对用户身份进行识别。同时，本专利技术还将似然估计应用于语音识别过程中，并根据实际需求选择性使用不同复杂程度的语音识别方法，得到了基于似然估计的低耗语音识别模型，该模型能够以较低消耗实现较为精准的语音识别。本专利技术还利用了区块链技术，将用户的身份信息、每次交易的交易时间、每次交易的具体买卖信息进行上链存储，确保了交易及存储的安全性。
[0007]基于第一方面，在本专利技术的一些实施例中，上述利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号的方法包括以下步骤：选取部分没有噪声的语音信号作为正样本，选取部分有噪声的语音信号作为负样本；利用皮尔逊相关系数计算并根据正样本两两之间的相关性确定目标正样本，利用皮尔逊相关系数计算并根据负样本两两之间的相关性确定目标负样本；利用目标正样本和目标负样本对预先建立的卷神经网络进行训练，以构建目标去噪模型，基于目标去噪模型对语音信号进行去噪处理，以得到去噪语音信号。
[0008]基于第一方面，在本专利技术的一些实施例中，上述利用基于多维度自编码匹配的声纹识别模型，对去噪语音信号进行声纹识别，得到用户的身份信息的方法包括以下步骤：利用低维度自编码器，对该去噪语音信号进行编码，并对预录入的每个用户的语音模板信号进行编码，计算并根据去噪语音信号和每个用户语音模板信号之间的相似度确定目标语音模板信号；利用高维度自编码器，分别对该去噪语音信号和目标语音模板信号进行编码，计算去噪语音信号和目标语音模板信号之间的相似度，得到相似度结果；若该相似度结果大于预置的相似度阈值，则获取目标语音目标信号对应的用户身份信息，并将该用户身份信息认定为该用户的最终身份信息。
[0009]基于第一方面，在本专利技术的一些实施例中，上述利用基于似然估计的低耗语音识别模型，对该用户的去噪语音信号进行识别的方法包括以下步骤：采集多个语音信号，通过数据统计方式统计得到每个词汇的后续关联词汇；对去噪语音信号进行识别，识别得到对应的首个词汇；利用简易语音识别模型对去噪语音信号中首个词汇后面的词汇进行识别，得到词汇识别结果；若词汇识别结果与统计得到的对应词汇的后续关联词汇相匹配，则将词汇识别结果确认为最终识别结果；反之，则利用复杂语音识别模型对去噪语音信号中首个词汇后面的词汇进行识别，得到最终识别结果。
[0010]第二方面，本专利技术实施例提供一种基于区块链的金融交易操作及大数据安全存储系统，包括图像截取模块、价格比对模块、语音采集模块、身份识别模块、语音识别模块以及信息上链模块，其中：图像截取模块，用于按照预置的截屏周期截取用户在看盘的过程中的图像，利用OCR技术对每张图像中的交易价格进行识别，以得到对应的多个价格识别结果；
价格比对模块，用于将各个价格识别结果进行比对，生成比对结果，根据比对结果生成并发送提醒信息给对应的用户；语音采集模块，用于当用户需要完成交易时，采集用户的语音信号，并利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号；身份识别模块，用于利用基于多维度自编码匹配的声纹识别模型，对去噪语音信号进行声纹识别，得到用户的身份信息；语音识别模块，用于根据用户的身份信息和预录入的具有操作权限的注册用户信息判断该用户是否具备操作权限，若是，则利用基于似然估计的低耗语音识别模型，对该用户的去噪语音信号进行识别，生成并根据识别结果在该用户的个人账户系统中完成交易；信息上链模块，用于获取并将用户的身份信息、每次交易的交易时间及每次交易的买卖信息上传至区块链。
[0011]为了解决现有技术中的问题，本系统通过图像截取模块、价格比对模块、语音采集模块、身份识别模块、语音识别模块以及信息上链模块等多个模块的结合，将皮尔逊相关系数应用于样本精选及简易神经网络去噪模型的构建，得到了基于皮尔逊相关系数的简易神经网络去噪模型，该模型能够以较低消耗实现高质量的语音去噪。在此基础上，将低维度自编码和高维度自编码充分结合并应用于声纹识别过程中，得到了基于多维度自编码匹配的声纹识别模型，该模型能够更加精准地对用户身份进行识别。同时，本系统还将似然估计应用于语音识别过程中，并根据实际需求选择性使用不同复杂程度的语音识别方法，得到了基于似然估计的低耗语音识别模型，该模型能够以较低消耗实现较为精准的语音识别。本系统还利用了区块链技术，将用户的身份信息、每次交易的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的金融交易操作及大数据安全存储方法，其特征在于，包括以下步骤：按照预置的截屏周期截取用户在看盘的过程中的图像，利用OCR技术对每张图像中的交易价格进行识别，以得到对应的多个价格识别结果；将各个价格识别结果进行比对，生成比对结果，根据比对结果生成并发送提醒信息给对应的用户；当用户需要完成交易时，采集用户的语音信号，并利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号；利用基于多维度自编码匹配的声纹识别模型，对去噪语音信号进行声纹识别，得到用户的身份信息；根据用户的身份信息和预录入的具有操作权限的注册用户信息判断该用户是否具备操作权限，若是，则利用基于似然估计的低耗语音识别模型，对该用户的去噪语音信号进行识别，生成并根据识别结果在该用户的个人账户系统中完成交易；获取并将用户的身份信息、每次交易的交易时间及每次交易的买卖信息上传至区块链。2.根据权利要求1所述的一种基于区块链的金融交易操作及大数据安全存储方法，其特征在于，所述利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号的方法包括以下步骤：选取部分没有噪声的语音信号作为正样本，选取部分有噪声的语音信号作为负样本；利用皮尔逊相关系数计算并根据正样本两两之间的相关性确定目标正样本，利用皮尔逊相关系数计算并根据负样本两两之间的相关性确定目标负样本；利用目标正样本和目标负样本对预先建立的卷神经网络进行训练，以构建目标去噪模型，基于目标去噪模型对语音信号进行去噪处理，以得到去噪语音信号。3.根据权利要求1所述的一种基于区块链的金融交易操作及大数据安全存储方法，其特征在于，所述利用基于多维度自编码匹配的声纹识别模型，对去噪语音信号进行声纹识别，得到用户的身份信息的方法包括以下步骤：利用低维度自编码器，对该去噪语音信号进行编码，并对预录入的每个用户的语音模板信号进行编码，计算并根据去噪语音信号和每个用户语音模板信号之间的相似度确定目标语音模板信号；利用高维度自编码器，分别对该去噪语音信号和目标语音模板信号进行编码，计算去噪语音信号和目标语音模板信号之间的相似度，得到相似度结果；若该相似度结果大于预置的相似度阈值，则获取目标语音目标信号对应的用户身份信息，并将该用户身份信息认...

【专利技术属性】
技术研发人员：杨芳，
申请(专利权)人：北京海上升科技有限公司，
类型：发明
国别省市：