[发明专利]基于按键特征的银行金库的管控方法和装置

权利要求书

1.一种基于按键特征的银行金库的管控方法，其特征在于，包括：

记录用户在虚拟密码键盘上输入金库密码时的按键特征；其中，所述按键特征包括：点击位置偏移，点击间隔，累计错误输入次数以及密码输入时间；

利用风险预测网络处理所述按键特征，得到所述按键特征的预估风险等级；其中，所述风险预测网络是，利用样本数据集预先训练得到的反向传播神经网络；所述样本数据集的每一个样本数据，均包括按键特征和所述按键特征对应的实际风险等级；

若所述按键特征的预估风险等级为低风险，且用户输入的密码通过密码校验，控制银行金库的安全门开启；

若所述按键特征的预估风险等级为高风险，控制所述银行金库的安全门关闭；

其中，所述风险预测网络的训练方法，包括：

根据初始反向传播神经网络的架构，生成由多个参数向量构成的参数向量集合；其中，所述参数向量集合的维数等于所述初始反向传播神经网络中参数的个数，所述参数向量的每一个元素均对应于所述初始反向传播神经网络的一个参数；

利用遗传算法对所述参数向量集合进行优化处理，得到目标参数向量；

将所述目标参数向量的每一个元素赋值于所述元素对应的所述初始反向传播神经网络中的参数，得到初始预测网络；

针对样本数据集的每一个样本数据，利用所述初始预测网络处理所述样本数据的按键特征，得到所述样本数据的预估风险等级；

根据每一个所述样本数据的预估风险等级和所述样本数据的实际风险等级，计算所述初始预测网络的损失函数；

若所述初始预测网络的损失函数不满足收敛条件，更新所述初始预测网络的参数，返回执行所述针对样本数据集的每一个样本数据，利用所述初始预测网络处理所述样本数据的按键特征，得到所述样本数据的预估风险等级；

若所述初始预测网络的损失函数满足收敛条件，将所述初始预测网络确定为风险预测网络。

2.根据权利要求1所述的管控方法，其特征在于，所述若所述按键特征的预估风险等级为低风险，且用户输入的密码通过密码校验，控制银行金库的安全门开启，包括：

若所述按键特征的预估风险等级为低风险，比较所述用户输入的密码和银行金库的开启密码；

若所述用户输入的密码和所述银行金库的开启密码一致，确定所述用户输入的密码通过密码校验，并控制所述银行金库的安全门开启。

3.根据权利要求1所述的管控方法，其特征在于，所述若所述按键特征的预估风险等级为高风险，控制所述银行金库的安全门关闭之后，还包括：

输出警报信息。

4.根据权利要求1至3任意一项所述的管控方法，其特征在于，若所述按键特征的预估风险等级为高风险，控制所述银行金库的安全门关闭之后，还包括：

向授权终端发送授权请求，并接收所述授权终端的响应信息；

若所述授权终端的响应信息授权开启所述银行金库的安全门，且所述用户输入的密码通过密码校验，控制所述银行金库的安全门开启；

若所述授权终端的响应信息授权关闭所述银行金库的安全门，控制所述银行金库的安全门关闭。