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！

龙图腾网获悉慧识科技有限公司申请的专利一种智能自助充值系统及其安全优化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：CN119888935B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510090277.6，技术领域涉及：G07F19/00；该发明授权一种智能自助充值系统及其安全优化方法是由晋长青设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种智能自助充值系统及其安全优化方法在说明书摘要公布了：本发明公开了一种智能自助充值系统及其安全优化方法，属于通信技术领域，包括主应用服务器、事件总线集群、NAS存储设备、API网关、支付网关服务器、异常检测服务器、局域网交换机、自助终端、刷卡机、防火墙网关和外部支付系统接口，解决了提供模块化服务，提高系统的灵活性和扩展性，增强数据安全性，优化事件处理机制的技术问题，易于扩展和维护，提高数据交互效率，具有高效的事件处理，具有增强的数据安全性，具有智能化推荐引擎，具有创新的用户体验，无缝整合身份验证、支付、照片上传、反馈等流程，显著提升系统使用便捷性，引入社交推荐机制，提升员工间互动与消费体验。

本发明授权一种智能自助充值系统及其安全优化方法在权利要求书中公布了：1.一种智能自助充值系统，其特征在于：包括主应用服务器、事件总线集群、NAS存储设备、API网关、支付网关服务器、异常检测服务器、局域网交换机、自助终端、刷卡机、防火墙网关和外部支付系统接口； 局域网交换机通过局域网分别与主应用服务器、事件总线集群、NAS存储设备、API网关、支付网关服务器、异常检测服务器、自助终端和刷卡机通信； 主应用服务器通过局域网交换机分别与事件总线集群、API网关和NAS存储设备进行通信； 事件总线集群通过局域网交换机分别与主应用服务器、支付网关服务器、异常检测服务器和自助终端进行消息通信； 支付网关服务器通过局域网交换机分别与API网关和事件总线集群进行通信； 异常检测服务器通过局域网交换机与事件总线集群和主应用服务器进行通信； 防火墙网关连接支付网关服务器，外部支付系统接口通过防火墙网关与支付网关服务器通信； 智能自助充值系统还包括安全优化方法，具体包括如下步骤： 步骤1：建立智能自助充值系统，在智能自助充值系统中部署微服务架构； 员工在自助终端上选择身份验证方式，自助终端采集身份验证数据； 身份验证服务通过与用户管理服务的数据库交互，验证员工身份；身份验证成功，返回员工ID，进入后续流程；验证失败则返回提示信息； 身份验证服务发布“用户认证成功事件”到Kafka，用户管理服务订阅事件，更新会话状态； 员工进入充值页面，自助终端展示支付方式推荐； 推荐服务分析员工历史消费记录、环境数据和社交数据，返回个性化支付方式推荐，并在页面显示； 推荐服务发布“推荐更新事件”到Kafka，自助终端订阅事件，动态更新推荐内容； 员工选择支付方式并确认充值金额，智能自助充值系统调用支付网关完成交易； 支付服务调用支付网关处理交易，更新员工账户余额，支付完成后，生成支付凭证并返回终端； 支付服务发布“支付成功事件”到Kafka，推荐服务订阅事件，更新推荐策略，异常检测服务订阅事件，检查支付异常行为，用户管理服务订阅事件，更新账户余额和充值记录； 步骤2：员工在自助终端拍摄照片，自助终端将照片传输至照片上传服务，照片上传服务将照片存储在NAS存储设备中； 照片上传服务发布“照片上传成功事件”到Kafka，用户管理服务订阅事件，更新员工照片信息； 步骤3：智能自助充值系统定期分析员工行为、环境因素生成推荐内容，推荐服务根据最新数据生成推荐内容； 推荐服务发布“推荐更新事件”到Kafka，自助终端订阅事件并实时更新页面； 员工通过自助终端提交反馈信息，反馈服务接收反馈数据并存储，供后续优化分析使用； 反馈服务发布“反馈提交事件”到Kafka，推荐服务订阅事件并调整算法，优化后续推荐内容； 推荐服务根据员工行为数据发布推荐更新事件到Kafka，自助终端订阅事件并实时更新页面，反馈服务发布反馈提交事件到Kafka，推荐服务订阅事件并优化推荐算法； 在具体采用推荐算法时，采用混合推荐算法，即结合协同过滤和基于内容的推荐算法，同时引入环境数据和实时反馈； 协同过滤为基于员工的相似消费行为，推荐与群体偏好相关的支付方式或套餐，具体如下： 使用用户-物品矩阵，计算员工之间的相似度，具体公式如下： 其中，Ru,i是用户对物品的预测评分；simu,v是用户和用户的相似度；rv,i是用户对物品的评分，i是对物品进行评分的用户集合，这些用户的评分或行为数据会被用来预测其他用户对物品的潜在喜好； 协同过滤首先通过用户历史行为生成用户-物品评分矩阵，然后利用相似用户或物品进行推荐；使用基于邻域的协同过滤来预测用户可能感兴趣的物品； 基于内容的推荐为通过分析用户的偏好，提取特征，并根据这些特征为用户推荐相似内容，具体如下： 使用特征权重模型，根据员工消费记录，计算支付方式的相似性： 其中，Si,j是支付方式和支付方式的相似性，是特征权重，i,k是支付方式的特征 以下是推荐内容计算流程： S1：数据收集与预处理，具体如下： 数据来源： 消费行为数据； 环境数据； 社交数据； 数据处理：标准化、去重、降维； S2：特征提取与权重分配，具体如下： 使用加权机制将不同数据源的特征赋予权重： W final =α×W消费+β×W环境+γ×W社交； 其中，α,β,γ均为权重参数，通过历史数据优化；W消费为历史消费权重，是基于用户历史消费行为生成的权重矩阵，反映用户的消费习惯和偏好；W环境为环境因素权重，是根据环境数据生成的权重矩阵，反映用户在不同环境中的可能偏好；W社交为社交数据权重，是利用社交互动数据生成的权重矩阵，反映用户受社交网络影响的可能选择； W final 表示了用户对物品的最终评分矩阵，其中每个元素表示为Wfinalu,i，具体表示用户u对物品i的推荐评分； S3：推荐内容生成，具体如下： 对协同过滤和基于内容的推荐结果进行加权融合，根据预设权重得出最终推荐结果，生成初步推荐列表， 将环境和反馈因素作为调整项，用加权方式重新排序推荐列表： R final i=R base i+λFi； 其中，Rfinali是支付方式i的最终推荐分数； R base i是基础推荐分数，通常由用户的历史行为计算得出，是推荐系统的核心基础； Fi是环境与反馈的调整分数，包括环境数据、社交因素、动态上下文，反映外部因素对推荐内容的动态影响； λ是权重比例，控制Fi的重要性； 当λ=0，则推荐系统完全基于历史行为，不考虑外部因素；当λ0，则外部因素Fi开始影响推荐内容，λ越大，影响因子的作用越显著； 步骤4：智能自助充值系统对所有敏感数据进行加密传输； 安全服务生成并管理加密密钥，为微服务通信启用mTLS，安全服务发布“数据加密事件”，日志服务订阅以记录合规情况； 员工身份验证失败时，智能自助充值系统要求输入短信验证码或进行App认证； 身份验证服务协同短信服务或App认证服务完成多重身份验证，身份验证服务发布“身份验证失败事件”或“身份验证成功事件”； 系统实时监控交易行为，检测异常支付模式； 异常检测服务分析交易日志，发现异常锁定账户，并通知用户二次验证，异常检测服务发布“异常交易事件”，通知相关服务进行响应。

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慧识科技有限公司，其通讯地址为：211899 江苏省南京市江苏自贸区南京片区浦滨路320号科创一号大厦B座807、808室；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。