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！

龙图腾网获悉桂林航天工业学院申请的专利基于区块链技术的无人机飞行权限管理方法及平台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：CN120472720B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510678479.2，技术领域涉及：G06Q10/063；该发明授权基于区块链技术的无人机飞行权限管理方法及平台是由陈国民;周小勇;张一纯设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本基于区块链技术的无人机飞行权限管理方法及平台在说明书摘要公布了：本申请提供基于区块链技术的无人机飞行权限管理方法及平台，涉及无人机飞行管理领域，包括：构建区块链网络，将飞行权限加密上链；将经过知识蒸馏的学生模型部署到边缘计算设备，用于飞行前风险预测和飞行中异常飞行识别；无人机起飞前，先校验本次飞行合法性，再通过学生模型执行飞行前风险预测，然后调用智能合约进行链上权限记录的匹配性验证；执行飞行任务期间，引入异常评分多模型组合机制辅助学生模型动态识别异常飞行，检测到异常行为，触发智能合约执行响应机制；无人机降落后，将飞行记录加密存储至链下存储系统，将飞行记录哈希值、链下存储索引和相关访问凭证上链。本发明实现无人机飞行任务的全流程权限管理，提升监管效率。

本发明授权基于区块链技术的无人机飞行权限管理方法及平台在权利要求书中公布了：1.基于区块链技术的无人机飞行权限管理方法，其特征在于，该方法包括： 构建区块链网络，预部署与无人机飞行权限管理业务对应的多个智能合约，将接收的飞行权限经智能合约进行合规性校验后，加密存储至区块链； 将经过知识蒸馏的学生模型部署到边缘计算设备，用于飞行前风险预测和飞行中异常飞行识别，其中，教师模型为多模态动态网络结构模型，用于融合无人机飞行记录、气象因子数据和空域拥堵度多源异构历史数据，学习飞行风险评估知识，在通过构建的教师-学生异构知识蒸馏框架，将学习的飞行风险评估知识迁移至学生模型； 无人机起飞前，接收飞行申请，调用智能合约进行合规性验证，验证通过，获取实时气象数据和许可空域拥堵情况结合飞行申请，调用部署在边缘计算设备上的学生模型，执行飞行前风险预测，获取飞行风险等级，满足飞行要求，调用智能合约对飞行申请与链上权限记录进行匹配性验证，验证后生成加密飞行许可，并将许可信息及其哈希值存储至区块链； 无人机执行飞行任务期间，持续采集飞行数据、气象数据和空域拥堵情况，引入异常评分多模型组合机制辅助学生模型动态识别异常飞行行为，检测到异常行为，触发调用智能合约执行预警响应机制； 无人机降落后，将采集的飞行数据、路径轨迹、执行时间与飞行申请内容进行比对核验，生成完整的飞行记录，并加密处理后存储至链下存储系统，计算飞行记录哈希值，调用智能合约对上链数据进行格式校验，校验后并将飞行记录哈希值、链下存储索引和相关访问凭证写入区块链，实现无人机飞行任务的全流程权限管理； 其中，多模态动态网络结构模型，包括： 定义多模态动态网络结构模型中的无人机节点，基于历史数据获取无人机飞行记录，并基于飞行记录提取无人机节点特征，静态特征包括起降点、历史任务类型、历史任务飞行时间和历史异常事件，动态特征为将历史飞行轨迹按照预设时间间隔采样，生成的历史飞行轨迹时间序列，其包含每个时间点的空间位置，空间位置包括无人机在该时间点的地理坐标及飞行高度； 定义多模态动态网络结构模型中的气象节点，气象节点的静态特征为许可飞行空域内各气象监测点的地理位置，基于历史飞行任务起始时间前12小时窗口，提取与无人机历史飞行轨迹相关联的气象监测点的历史气象趋势特征序列，同时识别并记录异常气象的类型、发生时间和持续时间，形成异常气象时序特征序列，将上述两个特征序列与无人机历史飞行轨迹时间序列对齐，生成与无人机历史飞行轨迹时间序列同步的历史气象趋势特征序列和历史异常气象序列，为气象节点的动态特征； 定义多模态动态网络结构模型中的空域节点，空域节点的静态特征为许可飞行空域按空间-高度结合划分的网格单元，基于无人机历史飞行轨迹，在24小时滚动滑动窗口内，统计每个网格单元在各时间段内的拥堵度，利用时序建模方法提取其空域拥堵趋势特征，形成覆盖多个时间点的空域拥堵趋势时序特征序列；将该序列与无人机飞行轨迹的时间序列对齐，生成与无人机历史飞行轨迹时间同步的历史空域拥堵趋势特征序列，为空域节点的动态特征； 将历史飞行轨迹时间序列按时间维度划分为多个连续时间切片，在每个时间切片中构建对应的静态网络图，每个静态网络图由节点和边构成，节点包括无人机节点、气象节点和空域节点，边包括空间边、气象影响边和任务关联边； 空间边用来连接空间上相邻的节点，获取相邻节点区域空域拥堵趋势，其边权重由节点间地理距离的倒数与其所处空域单元的历史空域拥堵趋势特征序列联合计算获得，其中，相邻的节点包括无人机节点与无人机节点、无人机节点与空域节点和空域节点与空域节点； 气象影响边用来连接气象节点与其监测范围内的无人机节点，其边权重通过计算气象节点气象时序趋势特征与对应无人机位置时间点的气象因子匹配程度加权确定； 任务关联边用来连接相同任务类型或相似任务类型的无人机节点，其边权重结合任务类型之间的语义相似度和任务执行时间的接近程度计算获得； 连接相邻时间切片中的相同节点，形成时间边，用于建模时间演化关系； 在每个时间切片中，通过图注意力网络对每个静态网络图的各类节点执行类型感知的注意力聚合，学习各类型节点表示，并通过时间边实现各类节点表示在时间维度上的传播，同时引入节点状态演化机制，获得每个历史时间切片内无人机节点的时空特征表示，完成整个多模态动态网络结构模型的构建； 将训练完成的多模态动态网络结构模型作为教师模型，生成用于飞行风险判别的伪标签和风险评分向量； 将IsolationForest模型作为学生模型，通过异构知识蒸馏机制，将教师模型中的伪标签和风险评分向量迁移至学生模型，完成学生模型的构建。

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桂林航天工业学院，其通讯地址为：541010 广西壮族自治区桂林市金鸡路2号；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。