[發明專利]基于按鍵特征的銀行金庫的管控方法和裝置

有效

• 申請號: 201911410130.1
• 申請日: 2019-12-31
• 公開（公告）號: CN111080873B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 黃文強;季蘊青;張懂;胡瑋;易念;胡傳杰;浮晨琪;胡路蘋;黃雅楠;李蚌蚌;申亞坤;王暢暢;徐晨敏
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G07C9/00
• 分類號: G07C9/00;G07C9/33;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李慧引

本申請提供一種基于按鍵特征的銀行金庫的管控方法和裝置，記錄用戶在虛擬密碼鍵盤上輸入金庫密碼時的按鍵特征；按鍵特征包括：點擊位置偏移，點擊間隔，累計錯誤輸入次數以及密碼輸入時間；利用風險預測網絡處理按鍵特征，得到按鍵特征的預估風險等級；若按鍵特征的預估風險等級為低風險，且用戶輸入的密碼通過密碼校驗，控制銀行金庫的安全門開啟；若按鍵特征的預估風險等級為高風險，控制銀行金庫的安全門關閉。本方案用預先構建的風險預測網絡處理用戶輸入金庫密碼時的按鍵特征，預測出用戶輸入金庫密碼的場景的風險等級，基于預測結果控制金庫的安全門的開啟或關閉，從而有效避免了高風險場景下金庫門開啟導致的財物損失。

技術領域

本發明涉及安防技術領域，特別涉及一種基于按鍵特征的銀行金庫的管控方法和裝置。

背景技術

銀行金庫是銀行的重點區域，儲存有大量貴重物品，金庫的物品被盜或被搶將給銀行帶來巨大損失。為了保護金庫內物品的安全，現有銀行多采用密碼鎖的方式控制金庫的安全門。

然而，在某些高風險場景中（例如，發生暴力犯罪事件時）持有金庫安全門密碼的管理員可能會被脅迫打開安全門，現有的密碼鎖無法識別這類場景，一旦管理員輸入了正確的密碼安全門就會開啟，導致金庫內的財物失竊。

發明內容

基于上述現有技術問題，本發明提供一種基于按鍵特征的銀行金庫的管控方法和裝置，以提供一種能夠識別高風險場景并在高風險場景下自動控制金庫的安全門的管控方案。

本發明第一方面提供一種基于按鍵特征的銀行金庫的管控方法，包括：

記錄用戶在虛擬密碼鍵盤上輸入金庫密碼時的按鍵特征；其中，所述按鍵特征包括：點擊位置偏移，點擊間隔，累計錯誤輸入次數以及密碼輸入時間；

利用風險預測網絡處理所述按鍵特征，得到所述按鍵特征的預估風險等級；其中，所述風險預測網絡是，利用樣本數據集預先訓練得到的反向傳播神經網絡；所述樣本數據集的每一個樣本數據，均包括按鍵特征和所述按鍵特征對應的實際風險等級；

若所述按鍵特征的預估風險等級為低風險，且用戶輸入的密碼通過密碼校驗，控制銀行金庫的安全門開啟；

若所述按鍵特征的預估風險等級為高風險，控制所述銀行金庫的安全門關閉。

可選的，所述若所述按鍵特征的預估風險等級為低風險，且用戶輸入的密碼通過密碼校驗，控制銀行金庫的安全門開啟，包括：

若所述按鍵特征的預估風險等級為低風險，比較所述用戶輸入的密碼和銀行金庫的開啟密碼；

若所述用戶輸入的密碼和所述銀行金庫的開啟密碼一致，確定所述用戶輸入的密碼通過密碼校驗，并控制所述銀行金庫的安全門開啟。

可選的，訓練所述風險預測網絡的方法，包括：

根據初始反向傳播神經網絡的架構，生成由多個參數向量構成的參數向量集合；其中，所述參數向量集合的維數等于所述初始反向傳播神經網絡中參數的個數，所述參數向量的每一個元素均對應于所述初始反向傳播神經網絡的一個參數；

利用遺傳算法對所述參數向量集合進行優化處理，得到目標參數向量；

將所述目標參數向量的每一個元素賦值于所述元素對應的所述初始反向傳播神經網絡中的參數，得到初始預測網絡；

針對樣本數據集的每一個樣本數據，利用所述初始預測網絡處理所述樣本數據的按鍵特征，得到所述樣本數據的預估風險等級；

根據每一個所述樣本數據的預估風險等級和所述樣本數據的實際風險等級，計算所述初始預測網絡的損失函數；