基于知识图谱和声纹识别的认证方法、装置、设备及介质与流程

本发明涉及人工智能的语音处理领域，尤其涉及一种基于知识图谱和声纹识别的认证方法、装置、设备及介质。

背景技术：

声纹识别技术目前广泛应用于身份验证场景。但是，由于个人声音具有易变性，容易受身体状况、年龄、情绪等因素影响或者外界因素影响(例如麦克风、信道、环境噪音、混合说话杂音等)，导致身份验证失败，大大降低了用户体验满意度；而且不法分子通过熟人模仿攻击、重放攻击、声音合成攻击和声音转换攻击等手段假冒声音以混淆通过身份验证进行不法操作，给用户的信息安全造成威胁。

技术实现要素：

本发明提供一种基于知识图谱和声纹识别的认证方法、装置、计算机设备及存储介质，实现了通过获取通话用户的用户样音信息和用户知识图谱，生成认证问题语音，接收到回复语音信息，通过文本识别及意图识别，得到声纹匹配结果和答复综合结果，通过两者共同确认本轮对话中的身份认证结果，达到了双重认证效果，更加准确地对通话用户的身份进行认证，增强了用户信息的安全性。

一种基于知识图谱和声纹识别的认证方法，包括：

接收到通话用户的身份验证指令，获取所述身份验证指令中的用户信息；

根据所述用户信息，确定所述通话用户的用户标识码，获取与所述用户标识码关联的用户样音信息和用户知识图谱；所述用户知识图谱包括树状结构的图谱节点；

将所述用户知识图谱输入第一认证问题生成模型，获取所述第一认证问题生成模型生成的含有三叉树结构的待确认问题；所述待确认问题为所述第一认证问题生成模型根据所述图谱节点和第一节点问题模板生成；

将所述待确认问题输入预设的语音转换模型，通过语音合成技术，获取所述语音转换模型转换得到的认证问题语音，向所述通话用户播报所述认证问题语音；

接收到所述通话用户针对所述认证问题语音的回复语音信息，将所述回复语音信息和所述用户样音信息输入声纹识别模型，同时将所述回复语音信息和所述待确认问题输入回复识别模型；

通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取所述声纹识别模型根据所述声纹特征输出的声纹匹配结果；所述声纹匹配结果指所述声纹特征与所述用户样音信息匹配的置信度值；

通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型识别出所述待确认问题与所述回复结果的匹配度，得到答复综合结果；

根据所述声纹匹配结果和所述答复综合结果，确定所述通话用户在本轮对话中的身份认证结果。

一种基于知识图谱和声纹识别的认证装置，包括：

获取模块，用于根据所述用户信息，确定所述通话用户的用户标识码，获取与所述用户标识码关联的用户样音信息和用户知识图谱；所述用户知识图谱包括树状结构的图谱节点；

生成模块，用于将所述用户知识图谱输入第一认证问题生成模型，获取所述第一认证问题生成模型生成的含有三叉树结构的待确认问题；所述待确认问题为所述第一认证问题生成模型根据所述图谱节点和第一节点问题模板生成；

转换模块，用于将所述待确认问题输入预设的语音转换模型，通过语音合成技术，获取所述语音转换模型转换得到的认证问题语音，向所述通话用户播报所述认证问题语音；

输入模块，用于接收到所述通话用户针对所述认证问题语音的回复语音信息，将所述回复语音信息和所述用户样音信息输入声纹识别模型，同时将所述回复语音信息和所述待确认问题输入回复识别模型；

提取模块，用于通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取所述声纹识别模型根据所述声纹特征输出的声纹匹配结果；所述声纹匹配结果指所述声纹特征与所述用户样音信息匹配的置信度值；

识别模块，用于通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型识别出所述待确认问题与所述回复结果的匹配度，得到答复综合结果；

认证模块，用于根据所述声纹匹配结果和所述答复综合结果，确定所述通话用户在本轮对话中的身份认证结果。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于知识图谱和声纹识别的认证方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于知识图谱和声纹识别的认证方法的步骤。

本发明提供的基于知识图谱和声纹识别的认证方法、装置、计算机设备及存储介质，通过接收到通话用户的身份验证指令，获取所述身份验证指令中的用户信息；根据所述用户信息，确定所述通话用户的用户标识码，获取与所述用户标识码关联的用户样音信息和用户知识图谱；所述用户知识图谱包括树状结构的图谱节点；将所述用户知识图谱输入第一认证问题生成模型，获取所述第一认证问题生成模型生成的含有三叉树结构的待确认问题；所述待确认问题为所述第一认证问题生成模型根据所述图谱节点和第一节点问题模板生成；将所述待确认问题输入预设的语音转换模型，通过语音合成技术，获取所述语音转换模型转换得到的认证问题语音，向所述通话用户播报所述认证问题语音；接收到所述通话用户针对所述认证问题语音的回复语音信息，将所述回复语音信息和所述用户样音信息输入声纹识别模型，同时将所述回复语音信息和所述待确认问题输入回复识别模型；通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取所述声纹识别模型根据所述声纹特征输出的声纹匹配结果；所述声纹匹配结果指所述声纹特征与所述用户样音信息匹配的置信度值；通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型识别出所述待确认问题与所述回复结果的匹配度，得到答复综合结果；根据所述声纹匹配结果和所述答复综合结果，确定所述通话用户在本轮对话中的身份认证结果。

本发明实现了通过获取所述身份验证指令中的用户信息；根据所述用户信息，确定所述通话用户的用户标识码，获取与所述用户标识码关联的用户样音信息和用户知识图谱；获取第一认证问题生成模型根据所述用户知识图谱生成的含有三叉树结构的待确认问题；通过语音合成技术，通过语音转换模型将其转换得到的认证问题语音；接收到所述通话用户针对所述认证问题语音的回复语音信息，将所述回复语音信息和所述用户样音信息输入声纹识别模型，同时将所述回复语音信息和所述待确认问题输入回复识别模型；通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取声纹匹配结果；通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型得到答复综合结果；根据所述声纹匹配结果和所述答复综合结果，确定所述通话用户在本轮对话中的身份认证结果，如此，实现了通过获取通话用户的用户样音信息和用户知识图谱，通过第一认证问题生成模型生成待确认问题，通过语音合成技术转换得到认证问题语音，接收到回复语音信息，通过声纹识别模型进行声纹识别，以及通过回复识别模型进行文本识别及意图识别，得到声纹匹配结果和答复综合结果，通过两者共同确认本轮对话中的身份认证结果，达到了双重认证效果，更加准确地对通话用户的身份进行认证，增强了用户信息的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中基于知识图谱和声纹识别的认证方法的应用环境示意图；

图2是本发明一实施例中基于知识图谱和声纹识别的认证方法的流程图；

图3是本发明一实施例中基于知识图谱和声纹识别的认证方法的步骤s80的流程图；

图4是本发明一实施例中基于知识图谱和声纹识别的认证方法的步骤s20的流程图；

图5是本发明一实施例中基于知识图谱和声纹识别的认证方法的步骤s30的流程图；

图6是本发明一实施例中基于知识图谱和声纹识别的认证方法的步骤s60的流程图；

图7是本发明一实施例中基于知识图谱和声纹识别的认证方法的步骤s70的流程图；

图8是本发明一实施例中基于知识图谱和声纹识别的认证方法的步骤s90的流程图；

图9是本发明一实施例中基于知识图谱和声纹识别的认证装置的原理框图；

图10是本发明一实施例中计算机设备的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供的基于知识图谱和声纹识别的认证方法，可应用在如图1的应用环境中，其中，客户端(计算机设备)通过网络与服务器进行通信。其中，客户端(计算机设备)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑、摄像头和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种基于知识图谱和声纹识别的认证方法，其技术方案主要包括以下步骤s10-s80：

s10，接收到通话用户的身份验证指令，获取所述身份验证指令中的用户信息。

可理解地，所述通话用户为需要进行身份验证的且通话中的用户，所述身份验证指令为所述通话用户需进行身份验证而触发的指令，所述用户信息为与所述通话用户相关的信息，比如所述通话用户的身份证号、手机号等等。

s20，根据所述用户信息，确定所述通话用户的用户标识码，获取与所述用户标识码关联的用户样音信息和用户知识图谱；所述用户知识图谱包括树状结构的图谱节点。

可理解地，所述用户标识码为标识所述通话用户的唯一码，所述用户标识码可以根据需求进行设定，所述用户样音信息为所述通话用户根据样音内容录制并已经被提取声纹特征之后获得的声纹特征数据，所述用户样音信息与所述用户标识码关联，所述用户知识图谱为将与所述用户标识码关联的用户数据进行知识融合及关系抽取出图谱节点，并将所有图谱节点按照三元组的方式构建出的与所述用户标识码关联的树状结构的知识图谱。

在一实施例中，如图4所示，所述步骤s20之前，即所述获取与所述用户标识码关联的用户样音信息和用户知识图谱之前，包括：

s201，获取与所述用户标识码关联的用户数据。

可理解地，所述用户数据包括与所述用户标识码关联的结构化数据和非结构化数据，所述结构化数据为能够用数据或统一的结构加以表示的信息，如数字、符号，所述结构化数据具有的、明确的关系使得数据运用起来十分方便，比如结构化数据包括：信用卡号码、日期、财务金额、电话号码、地址、产品名称等，所述非结构化数据是不符合任何预定义的模型，存储在非关系数据库中，所述非结构化数据可能是文本或非文本，也可能是人为的或机器生成的图像或视频等等。

s202，对所述用户数据中的结构化数据进行转换得到第一数据，同时对所述用户数据中的非结构化数据进行文本提取得到第二数据。

可理解地，所述结构化数据为获取服务器中的数据库中通过二维表结构来逻辑表达和实现的数据，主要通过关系型数据库进行存储和管理，通过将所述结构化数据按照预设的规则进行转换，获取实体、事件和相关属性等知识从而得到所述第一数据；所述非结构化数据为所述用户数据中除去所述结构化数据得到的数据，所述非结构化数据通常从所述用户标识码关联的访问网站的内容或者评论中及进行文本提取而获得，通过将所述非结构化数据进行文本提取得到所述第二数据，所述文本提取指从所述非结构化数据中进行实体知识抽取、事件抽取和属性抽取。

s203，通过对所有所述第一数据和所有所述第二数据进行知识融合及关系抽取，得到图谱节点，按照三元组的方式构建出与该用户标识码关联且包含所述图谱节点的用户知识图谱，并将所述用户知识图谱存储在区块链中。

可理解地，所述知识融合为将来自不同知识库中的同一实体融合在一起，即将所有所述第一数据和所有所述第二数据中相同的实体进行融合在一起，也可以说叠加在一起，所述关系抽取为通过自然语言文本抽取出特定的事件或事实信息，根据事件或事实信息将两个实体之间进行连接，建立两个实体间的关系，三元组的方式为知识图谱中的rdf(resourcedescriptionframework，资源描述框架)，比如(张三，身高，185)，(张三，职业，老师)，并将所述用户知识图谱存储在区块链中。

需要强调的是，为进一步保证上述用户知识图谱的私密和安全性，上述用户知识图谱还可以存储于区块链的节点中。

其中，本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。区块链提供的去中心化的完全分布式dns服务通过网络中各个节点之间的点对点数据传输服务就能实现域名的查询和解析，可用于确保某个重要的基础设施的操作系统和固件没有被篡改，可以监控软件的状态和完整性，发现不良的篡改，并确保所传输的数据没用经过篡改，将所述用户知识图谱存储在区块链中，能够确保用户知识图谱的私密和安全性。

本发明通过构建通话用户的用户知识图谱，以供提取出与通话用户重要、频次多的相关信息，能够为后续的识别增强准确性。

s30，将所述用户知识图谱输入第一认证问题生成模型，获取所述第一认证问题生成模型生成的含有三叉树结构的待确认问题；所述待确认问题为所述第一认证问题生成模型根据所述图谱节点和第一节点问题模板生成。

可理解地，所述第一节点问题模板为与所述图谱节点对应的节点问题模板，所述节点问题模板为根据图谱节点的属性生成的以发问的形式构成的模板，所述第一认证问题模型为从所述用户知识图谱中抽取出一个所述图谱节点，根据所述图谱节点确定出所述第一节点问题模板，再将所述图谱节点中的节点属性与所述第一节点问题模板进行结合生成所述待确认问题，所述待确认问题由三个子节点构成三叉树结构，所述节点属性为三元组方式描述的内容，比如(张三，身高，185)，(张三，职业，老师)。

在一实施例中，如图5所示，所述步骤s30中，即所述获取所述第一认证问题生成模型生成的含有三叉树结构的待确认问题，包括：

s301，通过所述第一认证问题模型，随机从所述用户知识图谱中获取一个第一层树节点；所述用户知识图谱包含多个所述第一层树节点。

可理解地，所述第一层树节点为所述知识图谱中的树状结构中紧邻着所述用户标识码的图谱节点，即在树状结构的所述用户知识图谱中的第一层的图谱节点，所述知识图谱中的树状结构中包括了多层级的图谱节点，分成第一层树节点、第二层树节点等等，所述用户知识图谱中的根部为所述用户标识码。

s302，获取与所述第一层树节点中的节点属性对应的节点问题模板，将获取的节点问题模板确定为所述第一节点问题模板。

可理解地，所述节点问题模板为只提取出树节点中一个或者几个节点属性而设立的并以问题方式发问的模板，通过所述节点属性匹配相对应的所述节点问题模板，将获取的与所述第一层树节点中的节点属性对应的节点问题模板确定为所述第一节点问题模板。

s303，通过所述第一认证问题模型将所述节点属性与所述第一节点问题模板进行结合，生成所述待确认问题；所述待确认问题包括三个子节点，所述子节点与所述用户知识图谱中的一个树节点关联。

可理解地，根据所述第一节点问题模板的要求提取所述第一层树节点中的相关所述节点属性，构成所述待确认问题的属性问题，将剩下的一个所述节点属性作为所述待确认问题的属性答案，在用户知识图谱中所述节点属性会与该第一层树节点对应的所述第二层树节点关联，所述第二层树节点为所述第一层树节点的分支，即主从关系，所述子节点包括正确节点(或者为对节点，其节点属性为正确)、不正确节点(或者为错节点，其节点属性为不正确)、不知道节点(或者为不确定节点，其节点属性为不知道)，其中将所述属性答案与所述对节点相关联，所述不正确节点与除所述属性答案的内容相关联，所述不知道节点与未回答或不知道的内容相关联。

本发明实现了通过第一认证问题模型随机生成待确认问题，通过第一节点问题模板和三个子节点的建立及关联，构成三叉树结构的待确认问题，提供了一种基于知识图谱生成身份认证的问题的方法，能够多方面提供身份认证的问题，保证用户信息的安全性。

s40，将所述待确认问题输入预设的语音转换模型，通过语音合成技术，获取所述语音转换模型转换得到的认证问题语音，向所述通话用户播报所述认证问题语音。

可理解地，所述语音合成技术简称为tts，指将文本文件进行实时转换成真人普通话的音频文件的技术，所述语音转换模型为通过所述语音合成技术将所述待确认问题转换成所述认证问题语音，所述语音转换模型为训练完成的深度卷积神经网络模型，所述语音合成技术的处理过程可以根据需求设定，作为优选，所述语音合成技术可以为对输入的所述待确认问题进行文本分析，运用深度双向长短时记忆网络考虑语义、句法、词性等信息，再经过声码器得到所述认证问题语音，所述深度双向长短时记忆网络缩写为bi-lstm，所述声码器为语音信号编译码器能够对输入的信息进行编码成声音。

s50，接收到所述通话用户针对所述认证问题语音的回复语音信息，将所述回复语音信息和所述用户样音信息输入声纹识别模型，同时将所述回复语音信息和所述待确认问题输入回复识别模型。

可理解地，在接收到所述通话用户对所述认证问题语音的回复之后，通过录音方式，录取所述回复语音信息，将所述回复语音信息和所述用户样音信息输入所述声纹识别模型中，所述声纹识别模型为训练完成的深度卷积神经网络模型，所述声纹识别模型的网络结构可以根据需求设定，比如所述声纹识别模型的网络结构可以为gmm(高斯)模型的网络结构、ubm(通用背景)模型的网络结构、gmm-ubm(混合高斯-通用背景模型)的网络结构等等。

在一实施例中，所述步骤s50之前，即所述将所述回复语音信息和所述用户样音信息输入声纹识别模型之前，包括：

s501，获取语音样本集；所述语音样本集包含多个语音样本，一个所述语音样本与一个语音标签关联。

可理解地，所述语音样本集为所述语音样本的集合，所述语音样本为历史收集的用户的语音文件，一个所述语音样本与一个语音标签关联，所述语音标签为说出所述语音样本的用户对应的声纹特征值，所述声纹特征值可以为人工从所述语音样本中提取的信息。

s502，将所述语音样本输入含有初始参数的深度卷积神经网络模型。

可理解地，所述深度卷积神经网络模型包含有所述初始参数。

s503，通过所述深度卷积神经网络模型提取出所述语音样本中的所述声纹特征，并获取所述深度卷积神经网络模型输出的样本识别结果。

可理解地，所述声纹特征为与声音的声波频谱相关的特征，所述声纹特征包括音质、音长、音强、音高等，获取所述深度卷积神经网络模型根据提取的所述声纹特征识别出的所述样本识别结果。

s504，根据所述样本识别结果和所述语音标签，确定损失值。

可理解低，通过所述深度卷积神经网络模型的损失函数，将所述样本识别结果和所述语音标签输出所述损失函数，计算得出的所述损失值，所述损失函数可以根据需求设定，比如所述损失函数可以为交叉熵损失函数等。

s505，在所述损失值达到预设的收敛条件时，将收敛之后的所述深度卷积神经网络模型记录为声纹识别模型。

可理解地，所述收敛条件可以为所述损失值小于设定阈值的条件，即在所述损失值小于设定阈值时，将收敛之后的所述深度卷积神经网络模型记录为声纹识别模型。

在一实施例中，所述步骤s504之后，即所述根据所述样本识别结果和所述语音标签，确定损失值之后，还包括：

s506，在所述损失值未达到预设的收敛条件时，迭代更新所述深度卷积神经网络模型的初始参数，直至所述损失值达到所述预设的收敛条件时，将收敛之后的所述深度卷积神经网络模型记录为声纹识别模型。

可理解地，所述收敛条件也可以为所述损失值经过了10000次计算后值为很小且不会再下降的条件，即在所述损失值经过10000次计算后值为很小且不会再下降时，停止训练，并将收敛之后的所述深度卷积神经网络模型记录为声纹识别模型。

s60，通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取所述声纹识别模型根据所述声纹特征输出的声纹匹配结果；所述声纹匹配结果指所述声纹特征与所述用户样音信息匹配的置信度值。

可理解地，所述声纹识别模型根据提取出所述回复语音信息中的所述声纹特征输出识别结果，所述声纹特征为与声音的声波频谱相关的特征，所述声纹特征包括音质、音长、音强、音高等，所述声纹识别模型将所述识别结果与所述用户样音信息进行对比验证，得到对比验证后的所述置信度值，所述置信度值表明了所述识别结果匹配所述用户样音信息的概率值，再根据所述置信度值确定所述声纹匹配结果，所述声纹匹配结果表征了所述回复语音信息和所述用户样音信息之间的声纹匹配程度。

在一实施例中，如图6所示，所述步骤s60中，即所述通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取所述声纹识别模型根据所述声纹特征输出的声纹匹配结果，包括：

s601，获取所述声纹识别模型根据提取的所述声纹特征输出的识别结果。

可理解地，所述声纹识别模型的提取过程包括对所述回复语音信息进行预处理，根据所述声纹识别模型的网络结构，对预处理后的所述回复语音信息进行卷积，通过卷积提取预处理后的所述回复语音信息中的声纹特征，输出所述声纹特征对应的声纹特征向量，即为所述识别结果，所述预处理可以根据需求设定，比如预处理包含有vad，去噪，解混响，speakerseparation等。

s602，将所述识别结果与所述用户样音信息进行对比验证，得到对比验证后的所述置信度值。

可理解地，所述对比验证的匹配方法可以根据需求设定，比如对比验证的匹配方法可以为概率统计匹配法、矢量量化匹配法、vq聚类匹配法等等，作为优选，所述对比验证的匹配方法为概率统计匹配法，通过所述对比验证的匹配方法，将所述识别结果和所述用户样音信息进行对比验证，得到两者匹配程度的概率值，即为对比验证后的所述置信度值。

s603，根据所述置信度值确定所述声纹匹配结果，所述声纹匹配结果表征了所述回复语音信息和所述用户样音信息之间的声纹匹配程度。

可理解地，若所述置信度值大于或等于预设的置信度阈值，则确定所述声纹匹配结果为匹配通过，若所述置信度值小于预设的置信度阈值，则确定所述声纹匹配结果为匹配不通过，同时，所述声纹匹配结果包括所述置信度值。

本发明实现了通过声纹识别模型提取声纹特征，与用户样音信息进行对比验证，得到声纹匹配结果，提升了声纹识别的准确性。

s70，通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型识别出所述待确认问题与所述回复结果的匹配度，得到答复综合结果。

可理解地，所述文本识别为通过语音识别技术进行识别的方法，所述意图识别为通过自然语言理解技术进行识别的方法，所述语音识别技术简称为asr，所述语音识别技术为对输入的语音文件分析出语音特征的参数，根据该语音特征的参数识别出结果，所述自然语言理解技术简称为nlu，所述自然语言理解技术为通过对输入的语音文件进行词法分析、句法分析、语义分析从而提取出语义特征，最后根据提取的语义特征分析出结果，所述回复识别模型包括回复文本识别模型、回复意图识别模型和对话管理模块。

在一实施例中，如图7所示，所述步骤s70中，即所述通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型识别出所述待确认问题与所述回复结果的匹配度值，得到答复综合结果，包括：

s701，根据语音识别技术，通过所述回复文本识别模型对所述回复语音信息进行文本识别，得到回复文本结果；所述回复识别模型包括回复文本识别模型、回复意图识别模型和对话管理模块。

可理解地，所述文本识别为通过语音识别技术进行识别的方法，所述语音识别技术为对输入的语音文件分析出语音特征的参数，根据该语音特征的参数识别出结果，通过所述回复文本识别模型识别出所述回复语音信息中的文本内容，得到所述回复文本结果，即所述回复文本结果包括所述回复语音信息中的所述通话用户根据所述认证问题语音而回答的中文内容。

s702，根据自然语言理解技术，通过所述回复意图识别模型对所述回复语音信息进行意图识别，得到回复状态结果。

可理解地，根据自然语言理解技术，通过所述回复意图识别模型提取所述回复语音信息中的语义特征，所述语义特征为所述回复语音信息中的文本含义，所述语义特征包括情绪、语调等等，对提取的所述语义特征进行意图识别，得到所述回复状态结果，所述回复状态结果表征了通话用户回答所述认证问题语音的情感特征，表明出所述回复语音信息是否为肯定口吻，或者是否包含有急躁或者厌烦的情绪等。

s703，通过所述对话管理模块将所述回复文本结果和所述回复状态结果确定为所述回复结果。

可理解地，通过所述对话管理模块将所述回复文本结果和所述回复状态结果组合成为所述回复结果，所述对话管理模块为对多轮对话的结果进行管理的模块，所述对话管理模块包括对所述回复结果的确认。

s704，通过所述对话管理模块将所述回复文本与所述待确认问题中的所述子节点进行匹配，得到所述回复文本与所述待确认问题的匹配度值。

可理解地，所述对话管理模块还包括获取所述子节点中的内容，将所述回复文本与所述子节点中的内容进行匹配，得到所述匹配度值，所述匹配度值可以为通过文本相似度匹配算法计算出匹配度值，也可以为通过是否完全对应匹配的方法获得其匹配度值(即如果所述回复文本中包含有所述子节点中的内容，就将匹配度值确定为100％，如果所述回复文本中不包含有所述子节点中的内容，就将匹配度值确定为0％)。

s705，通过所述对话管理模块根据所述匹配度值和所述回复状态结果，得出所述答复综合结果。

可理解地，所述对话管理模块还包括通过回复所述待确认问题的状态(包括情绪和语调)和声纹匹配的结果来计算用户身份的真实性，所述答复综合结果中包括所述匹配度值、所述回复状态结果以及确认结果的结果，所述确认结果包括正确、不正确、不知道，所述确认结果表明了回复所述待确认问题的正确与否。

本发明实现了根据语音识别技术、自然语言理解技术、对话管理，通过回复识别模型得到答复综合指，能够提高识别的准确性。

s80，根据所述声纹匹配结果和所述答复综合结果，确定所述通话用户在本轮对话中的身份认证结果。

可理解地，将所述声纹匹配结果和所述答复综合结果输入预设的加权验证模型，所述加权验证模型通过将所述声纹匹配结果转换成可衡量的数值，再与所述答复综合结果中的所述匹配度值进行加权处理，得到验证概率值，所述验证概率值表征了所述通话用户是否通过验证的概率，如果所述验证概率值大于预设的概率阈值，确认所述通话用户在本轮对话中的身份认证结果为本轮认证通过，如果所述验证概率值大于预设的概率阈值，确认所述通话用户在本轮对话中的身份认证结果为本轮认证失败，所述身份认证结果包括本轮认证标识和本轮认证概率值，所述本轮认证标识包括本轮认证通过和本轮认证失败。

本发明实现了通过获取所述身份验证指令中的用户信息；根据所述用户信息，确定所述通话用户的用户标识码，获取与所述用户标识码关联的用户样音信息和用户知识图谱；获取第一认证问题生成模型根据所述用户知识图谱生成的含有三叉树结构的待确认问题；通过语音合成技术，通过语音转换模型将其转换得到的认证问题语音；接收到所述通话用户针对所述认证问题语音的回复语音信息，将所述回复语音信息和所述用户样音信息输入声纹识别模型，同时将所述回复语音信息和所述待确认问题输入回复识别模型；通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取声纹匹配结果；通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型得到答复综合结果；根据所述声纹匹配结果和所述答复综合结果，确定所述通话用户在本轮对话中的身份认证结果，如此，实现了通过获取通话用户的用户样音信息和用户知识图谱，通过第一认证问题生成模型生成待确认问题，通过语音合成技术转换得到认证问题语音，接收到回复语音信息，通过声纹识别模型进行声纹识别，以及通过回复识别模型进行文本识别及意图识别，得到声纹匹配结果和答复综合结果，通过两者共同确认本轮对话中的身份认证结果，达到了双重认证效果，更加准确地对通话用户的身份进行认证，增强了用户信息的安全性。

在一实施例中，如图3所示，所述步骤s80之后，即所述根据所述置信度值和所述答复综合结果，确定本轮对话的身份认证结果之后，包括：

s90，将所述待确认问题、所述用户知识图谱和所述回复结果输入第二认证问题生成模型，通过知识决策方法，获取所述第二认证问题生成模型生成的下一轮待确认问题。

可理解地，所述回复结果包括回复文本和回复状态，所述待确认问题包括三个所述子节点，所述知识决策方法为根据所述回复文本分别与各所述子节点进行匹配，获取与所述回复文本匹配的所述子节点关联的树节点，在所述用户知识图谱中获取与该树节点相同的下一层树节点，所述树节点为所述用户知识图谱中的存在关联关系的所述图谱节点，所述树节点包括第一层树节点和下一层树节点。

其中，所述下一轮待确认问题为所述第二认证问题生成模型根据所述下一轮图谱节点和第二节点问题模板生成，所述下一轮图谱节点为通过所述知识决策方法，根据所述用户知识图谱、所述待确认问题和所述回复结果而确定的一个所述知识图谱节点。

在一实施例中，如图8所示，所述步骤s90中，即所述将所述待确认问题、所述用户知识图谱和所述回复结果输入第二认证问题生成模型，获取所述第二认证问题生成模型生成的下一轮待确认问题，包括：

s901，查询出与所述答复综合结果相匹配的所述子节点，并获取与所述子节点关联的树节点。

可理解地，根据所述答复综合结果中的确认结果查询到与其匹配的所述子节点，即查询到所述答复综合结果中的确认结果与所述子节点的内容相匹配的子节点，再获取与所述子节点关联的所述树节点，在一实施例中，如果所述确认结果为“不知道”，则匹配的所述子节点为“不知道”内容的子节点，获取其关联的树节点可以为不包含所述待确认问题对应的所述第一层树节点的任一第一层树节点，如果所述确认结果为“不正确”，则匹配的所述子节点为“不正确”内容的子节点，获取其关联的树节点可以为标记有敏感标识的任一第一层树节点，表明需要更加敏感的认证问题对通话用户进行认证，如果所述确认结果为“正确”，则匹配的所述子节点为“正确”内容的子节点，获取其关联的树节点可以为所述待确认问题对应的所述第一层树节点对应的第二层树节点，所述第二层树节点为所述第一层树节点的分支，即主从关系。

s902，在所述用户知识图谱中查找出与所述树节点相同的下一层树节点，将查找后的所述下一层树节点确定为所述下一轮图谱节点，获取所述下一轮图谱节点中的节点属性，将该节点属性确定为下一轮节点属性。

可理解地，在所述用户知识图谱中查找出与所述树节点相同的树节点，将其确定为所述下一层树节点，并作为所述下一轮图谱节点，获取所述下一轮图谱节点中的节点属性，并将其标记为所述下一轮节点属性。

s903，获取与所述下一轮节点属性对应的所述节点问题模板，将获取的节点问题模板确定为第二节点问题模板。

可理解地，所述节点问题模板为只提取出树节点中一个或者几个节点属性而设立的并以问题方式发问的模板，通过所述下一轮节点属性匹配相对应的所述节点问题模板，将获取的与所述下一轮节点属性对应的所述节点问题模板确定为所述第二节点问题模板。

s904，通过所述第二认证问题模型将所述下一轮节点属性与所述第二节点问题模板进行结合，生成所述下一轮待确认问题。

可理解地，将所述下一轮节点属性的内容填充至所述第二节点问题模板中相应的位置，结合生成所述下一轮待确认问题，例如：所述待确认问题为“你的职业是老师吗”，如果通话用户回复“是老师”，则答复综合结果中的确认结果为“正确”，而通过用户知识图谱获取的下一层树节点为(张三，职业，初中老师)，其对应的第二节点问题模板为“你的职业是xxxx吗？”，那么下一轮待确认问题“你的职业是初中老师吗？”。

本发明实现了通过查询出与回复文本相匹配的子节点，并获取与其关联的树节点；在用户知识图谱中查找出与树节点相同的下一层树节点，将查找后的所述下一层树节点确定为所述下一轮图谱节点，获取下一轮节点属性；获取与下一轮节点属性对应的节点问题模板，将获取的节点问题模板确定为第二节点问题模板；通过所述第二认证问题模型将所述下一轮节点属性与所述第二节点问题模板进行结合，生成所述下一轮待确认问题，如此，实现了基于知识图谱的树节点的关联关系，通过逐层递进方式生成下一轮待确认问题，更加准确地进行通话用户的身份认证，提高了识别准确性和可靠性。

s100，将所述答复综合结果中的回复状态结果以及所述下一轮待确认问题输入预设的个性化语音转换模型，通过语音合成技术，获取所述个性化语音转换模型转换得到的下一轮认证问题语音，向所述通话用户播报所述下一轮认证问题语音。

可理解地，所述个性化语音转换模型为训练完成的神经网络模型，所述个性化语音转换模型实现了通过提取所述回复结果中的回复状态，根据提取的回复状态识别出与所述回复状态匹配的话术、语速和风格，通过语音合成技术将所述话术、所述语速和所述风格融合如所述下一轮待确认问题中，转换合成出所述下一轮认证问题语音，所述下一轮认证问题语音为所述通话用户进行个性化设计的语音数据，向所述通话用户播报所述下一轮认证问题语音。

s110，接收到所述通话用户针对所述下一轮认证问题语音回复的下一轮回复语音信息，将所述下一轮回复语音信息和所述用户样音信息输入所述声纹识别模型，同时将所述下一轮回复语音信息和所述下一轮待确认问题输入所述回复识别模型。

可理解地，通过录音方式，录取所述下一轮回复语音信息，所述下一轮回复语音信息为通话用户回答所述下一轮认证问题的语音信息，将所述下一轮回复语音信息和所述用户样音信息一起输入所述声纹识别模型中，以及将所述下一轮回复语音信息和所述下一轮待确认问题输入所述回复识别模型。

s120，获取所述声纹识别模型根据提取的所述下一轮回复语音信息中的声纹特征输出的下一轮声纹匹配结果；所述下一轮声纹匹配结果指所述下一轮回复语音信息中的声纹特征与所述用户样音信息匹配的置信度值。

可理解地，通过所述声纹识别模型对所述下一轮回复语音信息中的声纹特征进行提取，根据提取的所述下一轮回复语音信息中的声纹特征进行识别，得到所述下一轮声纹匹配结果，所述下一轮声纹匹配结果指所述下一轮回复语音信息中的声纹特征与所述用户样音信息匹配的置信度值。

s130，通过所述回复识别模型对所述下一轮回复语音信息进行文本识别及意图识别，得到下一轮回复结果，再通过所述回复识别模型识别出所述下一轮待确认问题与所述下一轮回复结果的匹配度，得到下一轮答复综合结果。

可理解地，通过所述回复识别模型对所述下一轮回复语音信息进行文本识别及意图识别，输出所述下一轮回复结果，并且通过所述回复识别模型识别出所述下一轮待确认问题与所述下一轮回复结果的匹配度，得到下一轮答复综合结果。

s140，根据所述下一轮声纹匹配结果和所述下一轮答复综合结果，确定下一轮对话的身份认证结果。

可理解地，通过将所述下一轮声纹匹配结果和所述下一轮答复综合结果输入所述加权验证模型，通过所述加权验证模型确认所述下一轮对话的身份认证结果。

s150，在检测到预设轮次的对话均完成时，获得每一轮对话的身份认证结果，根据所有所述身份认证结果确定所述通话用户的最终身份认证结果；所述最终身份认证结果是指通过多轮对话所确定的所述通话用户身份认证结果。

可理解地，在检测到未达到所述预设轮次的对话时，重复步骤s90至s140，直到检测到所述预设轮次的对话均完成，所述预设轮次可以根据需求进行设定，比如预设轮次设定为三轮对话，或者预设轮次设定为根据所述本轮对话的身份认证结果和所述下一轮对话的身份认证结果决定是否增加两轮对话等等，在检测到所述预设轮次的对话均完成时，根据每一轮对话获得的所述身份认证结果确定出所述通话用花的最终身份结果是否通过。

本发明通过将所述待确认问题、所述用户知识图谱和所述答复综合结果输入第二认证问题生成模型，通过知识决策方法，获取所述第二认证问题生成模型生成的下一轮待确认问题；将所述答复综合结果中的回复状态结果以及所述下一轮待确认问题输入预设的个性化语音转换模型，通过语音合成技术，获取所述个性化语音转换模型转换得到的下一轮认证问题语音，向所述通话用户播报所述下一轮认证问题语音；接收到所述通话用户针对所述下一轮认证问题语音回复的下一轮回复语音信息，将所述下一轮回复语音信息和所述用户样音信息输入所述声纹识别模型，同时将所述下一轮回复语音信息和所述下一轮待确认问题输入所述回复识别模型；获取所述声纹识别模型根据提取的所述下一轮回复语音信息中的声纹特征输出的下一轮声纹匹配结果；通过所述回复识别模型对所述下一轮回复语音信息进行文本识别及意图识别，得到下一轮答复综合结果，再通过所述回复识别模型识别出所述下一轮待确认问题与所述下一轮答复综合结果的匹配度，得到下一轮答复综合结果；根据所述下一轮声纹匹配结果和所述下一轮答复综合结果，确定下一轮对话的身份认证结果；在检测到预设轮次的对话均完成时，获得每一轮对话的身份认证结果，根据所有所述身份认证结果确定所述通话用户的最终身份认证结果；所述最终身份认证结果是指通过多轮对话所确定的所述通话用户身份认证结果。

本发明实现了通过知识决策方法，根据所述待确认问题、所述用户知识图谱和所述答复综合结果，获取所述第二认证问题生成模型生成的下一轮待确认问题；通过语音合成技术，所述个性化语音转换模型将下一轮待确认问题转换成下一轮认证问题语音；接收到下一轮回复语音信息，通过通过声纹识别模型识别出下一轮声纹匹配结果，通过回复识别模型识别出下一轮答复综合结果，最终根据下一轮待确认问题与下一轮答复综合结果确定下一轮对话的身份认证结果，经过预设轮次的对话完毕后，根据每轮对话的身份认证结果确定出通话用户是否通过身份认证，如此，通过知识决策方法和个性化语音转换模型，生成下一轮认证问题和针对通话用户进行个性化设计的语音，以及通过多轮对话的声纹识别、文本识别及意图识别能够准确地对通话用户进行身份识别，提高了准确率，个性化的语音能够提升了用户体验满意度。

在一实施例中，提供一种基于知识图谱和声纹识别的认证装置，该基于知识图谱和声纹识别的认证装置与上述实施例中基于知识图谱和声纹识别的认证方法一一对应。如图9所示，该基于知识图谱和声纹识别的认证装置包括接收模块11、获取模块12、生成模块13、转换模块14、输入模块15、提取模块16、识别模块17和认证模块18。各功能模块详细说明如下：

接收模块11，用于接收到通话用户的身份验证指令，获取所述身份验证指令中的用户信息；

获取模块12，用于根据所述用户信息，确定所述通话用户的用户标识码，获取与所述用户标识码关联的用户样音信息和用户知识图谱；所述用户知识图谱包括树状结构的图谱节点；

生成模块13，用于将所述用户知识图谱输入第一认证问题生成模型，获取所述第一认证问题生成模型生成的含有三叉树结构的待确认问题；所述待确认问题为所述第一认证问题生成模型根据所述图谱节点和第一节点问题模板生成；

转换模块14，用于将所述待确认问题输入预设的语音转换模型，通过语音合成技术，获取所述语音转换模型转换得到的认证问题语音，向所述通话用户播报所述认证问题语音；

输入模块15，用于接收到所述通话用户针对所述认证问题语音的回复语音信息，将所述回复语音信息和所述用户样音信息输入声纹识别模型，同时将所述回复语音信息和所述待确认问题输入回复识别模型；

提取模块16，用于通过所述声纹识别模型提取所述回复语音信息中的声纹特征，获取所述声纹识别模型根据所述声纹特征输出的声纹匹配结果；所述声纹匹配结果指所述声纹特征与所述用户样音信息匹配的置信度值；

识别模块17，用于通过所述回复识别模型对所述回复语音信息进行文本识别及意图识别，得到回复结果，再通过所述回复识别模型识别出所述待确认问题与所述回复结果的匹配度，得到答复综合结果；

认证模块18，用于根据所述声纹匹配结果和所述答复综合结果，确定所述通话用户在本轮对话中的身份认证结果。

在一实施例中，所述认证模块18包括：

生成单元，用于将所述待确认问题、所述用户知识图谱和所述回复结果输入第二认证问题生成模型，通过知识决策方法，获取所述第二认证问题生成模型生成的下一轮待确认问题；

个性化单元，用于将所述回复结果中的回复状态结果以及所述下一轮待确认问题输入预设的个性化语音转换模型，通过语音合成技术，获取所述个性化语音转换模型转换得到的下一轮认证问题语音，向所述通话用户播报所述下一轮认证问题语音；

接收单元，用于接收到所述通话用户针对所述下一轮认证问题语音回复的下一轮回复语音信息，将所述下一轮回复语音信息和所述用户样音信息输入所述声纹识别模型，同时将所述下一轮回复语音信息和所述下一轮待确认问题输入所述回复识别模型；

第一获取单元，用于获取所述声纹识别模型根据提取的所述下一轮回复语音信息中的声纹特征输出的下一轮声纹匹配结果；所述下一轮声纹匹配结果指所述下一轮回复语音信息中的声纹特征与所述用户样音信息匹配的置信度值；

识别单元，用于通过所述回复识别模型对所述下一轮回复语音信息进行文本识别及意图识别，得到下一轮回复结果，再通过所述回复识别模型识别出所述下一轮待确认问题与所述下一轮回复结果的匹配度，得到下一轮答复综合结果；

确定单元，用于根据所述下一轮声纹匹配结果和所述下一轮答复综合结果，确定下一轮对话的身份认证结果；

最终认证单元，用于在检测到预设轮次的对话均完成时，获得每一轮对话的身份认证结果，根据所有所述身份认证结果确定所述通话用户的最终身份认证结果；所述最终身份认证结果是指通过多轮对话所确定的所述通话用户身份认证结果。

在一实施例中，所述获取模块12包括：

第二获取单元，用于获取与所述用户标识码关联的用户数据；

转换单元，用于对所述用户数据中的结构化数据进行转换得到第一数据，同时对所述用户数据中的非结构化数据进行文本提取得到第二数据；

构建单元，用于通过对所有所述第一数据和所有所述第二数据进行知识融合及关系抽取，得到图谱节点，按照三元组的方式构建出与该用户标识码关联且包含所述图谱节点的用户知识图谱，并将所述用户知识图谱存储在区块链中。

在一实施例中，所述生成模块13包括：

随机单元，用于通过所述第一认证问题模型，随机从所述用户知识图谱中获取一个第一层树节点；所述用户知识图谱包含多个所述第一层树节点；

第三获取单元，用于获取与所述第一层树节点中的节点属性对应的节点问题模板，将获取的节点问题模板确定为所述第一节点问题模板；

结合单元，用于通过所述第一认证问题模型将所述节点属性与所述第一节点问题模板进行结合，生成所述待确认问题；所述待确认问题包括三个子节点，所述子节点与所述用户知识图谱中的一个树节点关联。

在一实施例中，所述提取模块16包括：

第四获取单元，用于获取所述声纹识别模型根据提取的所述声纹特征输出的识别结果；

对比单元，用于将所述识别结果与所述用户样音信息进行对比验证，得到对比验证后的所述置信度值；

第一输出单元，用于根据所述置信度值确定所述声纹匹配结果，所述声纹匹配结果表征了所述回复语音信息和所述用户样音信息之间的声纹匹配程度。

在一实施例中，所述识别模块17包括：

文本识别单元，用于根据语音识别技术，通过所述回复文本识别模型对所述回复语音信息进行文本识别，得到回复文本结果；所述回复识别模型包括回复文本识别模型、回复意图识别模型和对话管理模块；

意图识别单元，用于根据自然语言理解技术，通过所述回复意图识别模型对所述回复语音信息进行意图识别，得到回复状态结果；

管理单元，用于通过所述对话管理模块将所述回复文本结果和所述回复状态结果确定为所述回复结果；

匹配单元，用于通过所述对话管理模块将所述回复文本与所述待确认问题中的所述子节点进行匹配，得到所述回复文本与所述待确认问题的匹配度值；

第二输出单元，用于通过所述对话管理模块根据所述匹配度值和所述回复状态结果，得出所述答复综合结果。

在一实施例中，所述生成单元包括：

查询子单元，用于查询出与所述答复综合结果相匹配的所述子节点，并获取与所述子节点关联的树节点；

查找子单元，用于在所述用户知识图谱中查找出与所述树节点相同的下一层树节点，将查找后的所述下一层树节点确定为所述下一轮图谱节点，获取所述下一轮图谱节点中的节点属性，将该节点属性确定为下一轮节点属性；

获取子单元，用于获取与所述下一轮节点属性对应的所述节点问题模板，将获取的节点问题模板确定为第二节点问题模板；

合成子单元，用于通过所述第二认证问题模型将所述下一轮节点属性与所述第二节点问题模板进行结合，生成所述下一轮待确认问题。

关于基于知识图谱和声纹识别的认证装置的具体限定可以参见上文中对于基于知识图谱和声纹识别的认证方法的限定，在此不再赘述。上述基于知识图谱和声纹识别的认证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于知识图谱和声纹识别的认证方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于知识图谱和声纹识别的认证方法。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中基于知识图谱和声纹识别的认证方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除