[发明专利]基于按键特征的银行金库的管控方法和装置

说明书

本申请提供一种基于按键特征的银行金库的管控方法和装置，记录用户在虚拟密码键盘上输入金库密码时的按键特征；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按键特征，得到按键特征的预估风险等级；若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；若按键特征的预估风险等级为高风险，控制银行金库的安全门关闭。本方案用预先构建的风险预测网络处理用户输入金库密码时的按键特征，预测出用户输入金库密码的场景的风险等级，基于预测结果控制金库的安全门的开启或关闭，从而有效避免了高风险场景下金库门开启导致的财物损失。

技术领域

本发明涉及安防技术领域，特别涉及一种基于按键特征的银行金库的管控方法和装置。

背景技术

银行金库是银行的重点区域，储存有大量贵重物品，金库的物品被盗或被抢将给银行带来巨大损失。为了保护金库内物品的安全，现有银行多采用密码锁的方式控制金库的安全门。

然而，在某些高风险场景中（例如，发生暴力犯罪事件时）持有金库安全门密码的管理员可能会被胁迫打开安全门，现有的密码锁无法识别这类场景，一旦管理员输入了正确的密码安全门就会开启，导致金库内的财物失窃。

发明内容

基于上述现有技术问题，本发明提供一种基于按键特征的银行金库的管控方法和装置，以提供一种能够识别高风险场景并在高风险场景下自动控制金库的安全门的管控方案。

本发明第一方面提供一种基于按键特征的银行金库的管控方法，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。

可选的，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。

可选的，训练所述风险预测网络的方法，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；