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！

申请/专利权人：深圳市小金象科技有限公司

摘要：本发明公开了一种用于金融账号的安全控制方法，涉及信息安全控制技术领域，包括在区块链网络中将金融账号应用场景进行注册作为网络节点，评估节点重要性，设定节点角色；实时监控节点行为，构建风险评估模型对节点进行风险评估；动态设定评估阈值，并根据风险评估结果和评估阈值对节点实施处理措施；将所有数据进行记录存储。本发明通过将金融账号应用场景作为节点注册加入区块链网络，对节点角色进行动态分配，大幅提升了节点控制的灵活性和安全性，并收集节点行为数据进行节点风险评估，动态设定评估阈值进行节点风险判断，有效提高了对于金融风险的响应速度和准确度。

主权项：1.一种用于金融账号的安全控制方法，其特征在于：包括，在区块链网络中将金融账号应用场景进行注册作为网络节点，评估节点重要性，设定节点角色；实时监控节点行为，构建风险评估模型对节点进行风险评估；动态设定评估阈值，并根据风险评估结果和评估阈值对节点实施处理措施；将所有数据进行记录存储；所述在区块链网络中将金融账号应用场景进行注册作为网络节点指将每个金融账号应用场景生成独特的节点身份标识，包括公钥和私钥，金融账号应用场景使用私钥签署注册请求和公钥同步发送至区块链网络中，区块链网络智能合约接收到注册请求验证有效性，验证通过后将金融账号应用场景信息生成网络节点记录在区块链网络中；所述评估节点重要性，设定节点角色指，提取节点特征包括：计算节点效率影响NEIS： ；其中N为考虑时间内节点处理交易数，为第i个交易的处理时间，为第i个交易的请求时间；计算交互节点信任传播分TPS： ；其中J为与该节点交互的节点总数，为节点j的交互权重，为节点j的历史信任传播分；计算节点网络稳定性NSCS： ；其中H为节点在线小时数，F为节点故障小时数；将提取的节点特征进行组合形成特征向量；设计多层感知机结构为： ； ； ；其中x为输入节点特征向量，、以及为多层感知机各层的权重，、以及为多层感知机各层的偏置，、为多层感知机中隐藏层的输出，为多层感知机最终输出，代表节点重要性；使用训练集进行多层感知机训练，并对训练集数据进行标注，定义均方误差作为损失函数，使用Adam优化器对多层感知机参数进行优化训练，优化目标为损失最小；得到训练完毕的多层感知机后将提取的节点特征向量输入多层感知机得到节点重要性，并将最重要的节点设置为中央节点，中央节点生成节点命令并综合管理其余节点；所述实时监控节点行为指中央节点生成节点行为监控命令发送至其余节点，所有节点实时监控自身行为并将监控数据通过加密传输通道传输至中央节点，中央节点接收监控数据后对数据进行清洗过滤后存储至中央数据库；所述构建风险评估模型对节点进行风险评估包括，基于CNN模型设计风险评估模型，包括输入层、卷积层、池化层、全连接层以及输出层；卷积层包括两层，第一卷积层为使用16个过滤器的1D卷积层，第二卷积层为使用32个过滤器的1D卷积层，每个过滤器大小设置为3，第一卷积层和第二卷积层均使用ReLU函数作为激活函数；池化层连接在卷积层后，池化大小设置为2对卷积层输出进行最大池化；全连接层设置在池化层后，设置有64个神经元对池化层输出进行处理；输出层连接在全连接层后，使用sigmoid作为激活函数对全连接层最后一个神经元输出进行处理并最终输出；构建风险评估模型后使用训练集进行模型训练，同步对训练集数据进行标注，定义损失函数为： ；其中为损失，为训练集数据总数，为第i个训练数据的实际标注，为风险评估模型对第i个训练数据的输出；使用Adam优化器进行模型迭代训练，每次迭代后更新模型参数计算损失，直至模型损失没有明显下降后停止迭代获取训练完毕的风险评估模型；将风险评估模型部署至中央数据库中对收集的每个节点行为监控数据进行风险评估得到风险评估结果R；所述动态设定评估阈值指设定初始阈值，当得到新的节点风险评估结果R后计算所有节点风险评估结果的均值和标准差，使用逻辑损失函数计算阈值更新梯度： ； ；其中为逻辑损失，设置为，其中+1代表风险，-1代表无风险，为评估阈值，为k的更新梯度；基于阈值更新梯度进行评估阈值动态更新： ；其中为学习率。

全文数据：

权利要求：

百度查询： 深圳市小金象科技有限公司 一种用于金融账号的安全控制方法