字节跳动关联公司公开一项“电子货币账户绑定”相关专利

刘峰
2021-02-20 16:45

2月20日消息,天眼查信息显示,近日,字节跳动关联公司北京字跳网络技术有限公司公开一项“电子货币账户的绑定方法、装置和电子设备”专利,公开号为CN112365258A,申请日期为2020年11月9日,公开日期为2021年2月12日,发明人是陈茜。

据该专利摘要显示,当用户需要将电子货币子账户与目标账户进行绑定时,仅需向目标服务端发送账户绑定请求,目标服务端则可以根据账户绑定请求中的目标身份信息,确定出至少一个电子货币子账户,而用户可以一次性选择出自己需要进行绑定的电子货币子账户标识,并输入目标绑卡验证码。

在用户输入的目标绑卡验证码为正确绑卡验证码时,可以将选取出的待绑定电子货币子账户标识所指示的电子货币子账户与目标账户完成绑定。这表明,该发明可以实现一次性完成多个电子货币子账户与目标账户的绑定,从而增加了电子货币子账户与目标账户进行绑定的效率。

值得一提的是,此前,北京字跳网络技术有限公司还公开了“数字货币钱包的生成方法、数字货币支付方法、装置和电子设备”专利,公开号为CN112241885A,申请日期为2020年10月14日,公开日期为2021年1月19日,发明人是张树凡、陈玉栓、陈代武。

专利摘要显示,安装在终端设备中的该数字货币钱包可以被安装在同一终端设备中的其他应用调用,以实现数字货币支付,进而改善用户体验。

1、该内容为作者独立观点,不代表电商派观点或立场,文章为作者本人上传,版权归原作者所有,未经允许不得转载。
2、电商号平台仅提供信息存储服务,如发现文章、图片等侵权行为,侵权责任由作者本人承担。
3、如对本稿件有异议或投诉,请联系:info@dsb.cn
相关阅读
2月20日消息,天眼查APP显示,字节跳动关联公司北京字跳网络技术有限公司,2月12日公开了一项名为“电子货币账户的绑定方法、装置和电子设备”的专利信息,申请日期为2020年11月9日,公开号CN112365258A。该专利摘要显示,在用户输入的目标绑卡验证码为正确绑卡验证码时,可以将选取出的待绑定电子货币账户标识所指示的电子货币账户与目标账户完成绑定,增加了电子货币账户与目标账户进行绑定的
6月24日消息,据市场消息,字节跳动旗下图书出版商8th Note Press即将关闭。2023年,字节跳动计划涉足图书出版业,并成立了名为8th Note Press的出版公司。这一举措是公司在TikTok上的#BookTok热潮引发关注后采取的战略之一,通过其#BookTok社区,TikTok已成为出版商推动图书销售的不可替代的引擎。不过,这家出版社现在告诉作家们,它将关闭出版社,并将出版权归还给他们。
6月18日消息,火山引擎Force大会公布,字节跳动Seed及火山引擎,将与比亚迪锂电池深化合作,通过联合实验室等形式,共同探索AI for Science结合高通量实验,加速锂电池研发。未来,字节跳动Seed团队与比亚迪锂电池将通过共建“AI+高通量联合实验室”,针对动力电池的快充、寿命和安全等问题进行攻关。同时,双方也将探索AI技术在电池研发中的更多场景,加速新材料和新配方的发现。
6月12日消息,在2025春季火山引擎FORCE原动力大会上,字节跳动技术副总裁洪定坤透露了TRAE的最新用户数据:整体月活已超100万。今年1月,字节跳动正式发布了国内首个中文AIIDE“TRAE”,通过智能代码补全、局部代码生成、自然语言编程等功能,向国内开发者提供高效的AI Coding服务。
6月11日消息,字节跳动在其官方账号公布了6条人才观:“和优秀的人,做有挑战的事”“用人看本质,看潜力不看资历”“敢招比自己强的人”“为最优秀的人提供最好的回报”“激励拉开区分度,不吃大锅饭”“以能定级、以级定薪、以绩定奖”,并提到长期组织目标之一为“保持高人才密度”。围绕这一目标,字节跳动近一年开放了面向顶尖技术人才的筋斗云人才计划、TopSeed 人才计划,同时加大校招和实习生招聘力度。
6月6日消息,字节跳动Seed团队今天正式发布图像编辑模型SeedEdit 3.0。该模型可处理并生成4K图像,在精细且自然地处理编辑区域的同时,还能高保真地维持其他信息。未来,除进一步优化编辑性能外,团队还将探索更丰富的编辑操作,让模型拥有连续多图生成、多张图像合成、故事性内容生成等能力。
6月6日消息,字节跳动CQC 负责人、今日头条副总编辑李彤近日在朋友圈官宣了自己离职的消息。2014年,李彤入职字节跳动,担任中国内容质量与用户体验平台负责人及各产品内容总编辑,负责字节跳动旗下近50个产品内容质量安全工作,入职至今已10年6个月。多名知情人士透露,李彤在一年前就已经不再担任CQC负责人,而是以顾问的形式存在,他的位置由王虎接任。
6月5日消息,字节跳动技术团队微信公众号发文称,字节跳动ByteBrain团队主导,联合UC Merced和UC Berkeley提出了VMRL,研发了一套基于深度强化学习的VMR系统,在保持近似最优性能的同时,将推理时间压缩至1.1秒,成功实现系统性能与工业可部署性的统一。