專利名稱：電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式的共謀團(tuán)體識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種網(wǎng)絡(luò)中共謀團(tuán)體的識(shí)別方法，尤其涉及一種電子商務(wù)網(wǎng)絡(luò)中基于 行為收益模式的共謀團(tuán)體識(shí)別方法.屬干信息安全領(lǐng)域，特別是電子商務(wù)網(wǎng)絡(luò)安全領(lǐng)域。
背景技術(shù)：
電子商務(wù)網(wǎng)絡(luò)的出現(xiàn)在很大程度上改變了購物模式，電子商務(wù)技術(shù)得到迅猛發(fā) 展，現(xiàn)在日趨成熟，其良好的購物方式使得電子商務(wù)在中國逐漸盛行。典型的如淘寶網(wǎng)，拍 拍網(wǎng)等電子商務(wù)系統(tǒng)。但是電子商務(wù)信譽(yù)系統(tǒng)由于網(wǎng)絡(luò)天生的開放性、匿名性和難以追蹤 性等特點(diǎn)，惡意用戶很容易侵入到網(wǎng)絡(luò)中并發(fā)起攻擊與欺騙。因此，電子商務(wù)網(wǎng)絡(luò)在帶來便 利的同時(shí)，也產(chǎn)生一些欺騙威脅，商家與買家之間經(jīng)常利用欺騙獲取利益。為了解決這一問 題，電子網(wǎng)絡(luò)引入信譽(yù)信任機(jī)制，對(duì)網(wǎng)絡(luò)中惡意用戶的活動(dòng)起到了比較好的抑制作用。信譽(yù)機(jī)制的原理是通過買賣雙方在對(duì)方違反交易原則時(shí)給對(duì)方賦予低信任評(píng)價(jià)， 使其在后期的交易中不能繼續(xù)獲利的方法抑制惡意用戶的活動(dòng)，實(shí)踐證明該機(jī)制的效果顯 著。但信譽(yù)系統(tǒng)本身的信譽(yù)數(shù)據(jù)對(duì)節(jié)點(diǎn)本身信任的依賴，需要用戶對(duì)交易做出正確的信任 評(píng)價(jià)，而惡意用戶利用這個(gè)弱點(diǎn)，使其遭受攻擊?，F(xiàn)有的電子商務(wù)中，針對(duì)信任機(jī)制的攻擊 主要是共謀團(tuán)體攻擊，例如利用Sybil鼓吹信譽(yù)。當(dāng)共謀團(tuán)體攻擊形成后，首先是某些商家 信譽(yù)迅速抬高，形成不正當(dāng)競爭，或者是某些商家利用小商品抬高信譽(yù)，而在高價(jià)格商品上 進(jìn)行欺騙，以次充好；或者是利用攻擊淹沒自己的不良記錄?，F(xiàn)有的信任管理系統(tǒng)針對(duì)共謀團(tuán)體的識(shí)別方案主要是基于對(duì)用戶IP聚類分析與 節(jié)點(diǎn)評(píng)價(jià)行為的相似性。但基于用戶IP的共謀團(tuán)體識(shí)別方案的工作原理是通過對(duì)用戶的 IP來源進(jìn)行聚類分析，將來源相近的用戶視作共謀團(tuán)體成員。該方案來自P2P信任網(wǎng)絡(luò)，正 確運(yùn)行的前提是，共謀團(tuán)體的成員同時(shí)在地理分布上也是鄰近的，即該方案只限于識(shí)別由 IP比較接近的用戶組成的特殊共謀團(tuán)體，一般用于電子商務(wù)發(fā)展的前期。但是現(xiàn)實(shí)中惡意 用戶可以很方便的通過虛擬社區(qū)集合大量IP分布于各地的用戶組成共謀團(tuán)體發(fā)起攻擊， 在這種情況下，基于用戶IP的共謀團(tuán)體識(shí)別方案無效。行為相似度進(jìn)行判定的工作原理是 根據(jù)同一共謀團(tuán)體中的成員由于發(fā)起攻擊的需要，在行為模式上表現(xiàn)出較大的相似性，由 此可以識(shí)別共謀團(tuán)體。其需要共謀團(tuán)體成員發(fā)起攻擊時(shí)各個(gè)用戶保持均衡，這對(duì)對(duì)等的串 謀團(tuán)體比較有效，但是對(duì)于Sybil攻擊中用戶評(píng)價(jià)行為隨機(jī)分布時(shí)或故意模擬正常用戶的 攻擊缺少有力的抵制。因此，需要對(duì)這些特征的共謀團(tuán)體攻擊行為提出一種新型的識(shí)別方案。

發(fā)明內(nèi)容
技術(shù)問題本發(fā)明的目的是為電子商務(wù)信譽(yù)網(wǎng)絡(luò)信任機(jī)制提供一種更為有效的共 謀團(tuán)體識(shí)別方案。技術(shù)方案本發(fā)明的電子商務(wù)信譽(yù)信任系統(tǒng)中共謀團(tuán)體識(shí)別方案。該方案通過分 析用戶在進(jìn)行共謀時(shí)的最終目的是為獲得金錢利益。如果團(tuán)體共謀進(jìn)行欺騙，其欺騙對(duì)象為團(tuán)體外部用戶，所以團(tuán)體成員用戶之間的交易較大，而對(duì)外部交易很少，否則團(tuán)體交易收 益將減少，欺騙成本將增加。本發(fā)明通過改進(jìn)相似度方法，檢測用戶所獲取信譽(yù)集中于某個(gè) 用戶或團(tuán)體，而金錢收益卻不集中在該團(tuán)體來檢測電子商務(wù)用戶是否存在共謀。與現(xiàn)有的 共謀團(tuán)體識(shí)別方案比較，該發(fā)明通過直接限制欺騙收益，提高欺騙成本限制共謀。其識(shí)別方 法更符合經(jīng)濟(jì)學(xué)博弈原理，更接近共謀團(tuán)體形成的本質(zhì)原因，可以有效的對(duì)電子商務(wù)中共 謀團(tuán)體進(jìn)行識(shí)別，減少電子商務(wù)中的風(fēng)險(xiǎn)。本發(fā)明中涉及的共謀團(tuán)體定義如下所示假設(shè)用戶a正常情況下通過交互可以獲得收益分為兩個(gè)部分信譽(yù)Ta與金錢Ma， 記作U (Ta,Ma)，而當(dāng)用戶a參與用戶團(tuán)體活動(dòng)形成集合G，如果滿足下列條件a獲取的來自 團(tuán)體G中的信譽(yù)Te, a與a的總信譽(yù)Ta的比值為r，a獲取的來自團(tuán)體G的金錢收入Mg, a在 a的總收入軋的比值為s，如果1~與8的比值(或差)不小于設(shè)定值ε。則我們稱該集合 G U {a}構(gòu)成一個(gè)共謀團(tuán)體。該方法的工作原理是利用共謀團(tuán)體在電子商務(wù)網(wǎng)絡(luò)中利用鼓吹信譽(yù)，欺騙團(tuán)體外 部用戶，使其相信被鼓吹的用戶信譽(yù)可靠，以期獲取金錢上的收入。其信譽(yù)鼓吹在共謀團(tuán)體 中，而主要金錢收入是在團(tuán)體外部，因此我們可以利用這一特征識(shí)別共謀團(tuán)體。本發(fā)明的電子商務(wù)信譽(yù)信任系統(tǒng)中共謀團(tuán)體識(shí)別方案具體步驟如下(1)用戶的信任管理由中心服務(wù)TTP統(tǒng)一管理，每一個(gè)用戶在隱私允許的前提下 可以查看用戶交易的行為歷史記錄與信任評(píng)價(jià)記錄，以及該用戶的商品交易的價(jià)格。(2)每個(gè)用戶在交易之前通過下載TTP上的將要交易的對(duì)手(或稱敵手)交易記 錄集合，對(duì)提供記錄的用戶進(jìn)行異常評(píng)價(jià)。如果記錄數(shù)過多(超過200)，則利用分布式任務(wù)分解，從中選取與記錄數(shù)目相對(duì) 應(yīng)的子集進(jìn)行評(píng)價(jià)，以期壓縮計(jì)算規(guī)模。其方法是將提供評(píng)價(jià)記錄的用戶按照提供記錄數(shù) 的多少進(jìn)行排序，按照算法取一個(gè)子集進(jìn)行判定。判斷行為異常過程如下，滿足如下評(píng)價(jià)行為記錄為可能存在的異常行為第一種如果用戶與被評(píng)價(jià)用戶交易次數(shù)的信任評(píng)價(jià)與其提供評(píng)價(jià)總數(shù)的比值高 于閾值；第二種存在用戶集合交易次數(shù)與支付比在總體交易的次數(shù)與支付比的差(或比 值)高于閾值；第三種存在用戶集合交易的受益者為被評(píng)價(jià)用戶主體。(3)針對(duì)行為異常的情況，啟動(dòng)共謀檢測首先從收集需要評(píng)價(jià)用戶的評(píng)分?jǐn)?shù)據(jù) (包括評(píng)價(jià)分?jǐn)?shù)與交易收益量)；然后根據(jù)該數(shù)據(jù)計(jì)算服務(wù)用戶從各個(gè)使用用戶評(píng)價(jià)中獲 得的收益比例與各個(gè)用戶主要支付對(duì)象；最后根據(jù)用戶收益比與受益比進(jìn)行聚類，判斷是 否有用戶群能夠高于閾值進(jìn)而判斷共謀團(tuán)體。(4)根據(jù)檢測結(jié)果，匯報(bào)檢測出的可能存在共謀團(tuán)體的風(fēng)險(xiǎn)，提供給用戶決策是否 交易。進(jìn)一步的，電子商務(wù)系統(tǒng)使用的信任評(píng)價(jià)管理是集中管理模式，在評(píng)價(jià)之后不能 更改信任評(píng)價(jià)。進(jìn)一步的，用戶之間信任互評(píng)價(jià)過程行為如下用戶i作為買家通過交易平臺(tái)與 賣家j進(jìn)行交易，交易完成后，i對(duì)j的服務(wù)與服務(wù)項(xiàng)目進(jìn)行評(píng)價(jià)，j對(duì)i的支付行為進(jìn)行評(píng)價(jià)，形成二者的相互評(píng)價(jià)。所述的評(píng)價(jià)數(shù)據(jù)至少包括(被評(píng)價(jià)用戶的ID，評(píng)價(jià)用戶的ID， 用戶提交的產(chǎn)品評(píng)價(jià)，被評(píng)價(jià)產(chǎn)品的ID，評(píng)價(jià)結(jié)果，具體評(píng)分，交易支付給用戶的收益數(shù)額 (金錢、虛擬貨幣))。進(jìn)一步的，在提供評(píng)價(jià)記錄的用戶數(shù)過多時(shí)，使用分布式任務(wù)分解，挑選提供記錄 的用戶子集，根據(jù)概率選擇其中部分用戶，經(jīng)由多次交易形成多次異常判定，覆蓋該被評(píng)價(jià) 用戶的提供評(píng)價(jià)記錄的用戶。這樣將計(jì)算任務(wù)在較可信網(wǎng)絡(luò)中分配到多次交易中，降低計(jì) 算規(guī)模。選擇提供評(píng)價(jià)記錄的用戶子集規(guī)模壓縮取法如下(1)設(shè)提供評(píng)價(jià)記錄的用戶集合為Sp使用堆排序根據(jù)各個(gè)用戶提供總記錄數(shù)進(jìn) 行非遞增排序得SM，使用堆排序根據(jù)各個(gè)用戶與其總交易額多少進(jìn)行非遞增排序得Sj,2 ；(2)對(duì)Sm，Sj,2分別從第一個(gè)用戶開始順序取Ig I Sja I +b，Ig I Sj,21 +b個(gè)用戶，其中 b為一個(gè)常數(shù)；(3)對(duì)(2)所得的兩個(gè)集合進(jìn)行合并，得到用于判定的子集。進(jìn)一步的，所述判斷異常行為的判定公式如下
χ
(1) S=I K ,'J |>ει；^其中Tm表示用戶i對(duì)j的信任評(píng)價(jià)記錄，Sj是所有與j交易 k=l
過的用戶集合，ε工為異常判定閾值；
τ. Σ 2L(2)存在用戶數(shù)目《^不腫滿足s=(l f丨-丨,If^ I) ，其中Mi」表示用戶i對(duì)
'“‘tl
k=l
j的收益數(shù)額，Xsum為判定異常用戶數(shù)目閾值，ε 2為異常判定閾值；
Mj(3)存在用戶數(shù)目@ X疆S=' ψΤΓ ‘ 其中Gi表示i所交易過的用戶集
Zjm i.k
合，ε 3為異常判定閾值。進(jìn)一步的，所述的聚類方法為(1)初始化共謀團(tuán)體集合G0 ；(2)令j表示被評(píng)價(jià)用戶，Gtl = {j}，所有評(píng)價(jià)過用戶j的用戶集為Sj ；(3)令Gj表示用戶j評(píng)價(jià)的用戶集合，求解集合S，如果S=Gj η S廣0，則S υ {j}。(4)如果S=0，則對(duì)每一個(gè)i e Sj進(jìn)行判定，如果
M-!!^丨絕則&^卯否則 對(duì)每一個(gè)！ e Sj進(jìn)行判定，
I .^fus |>ε3>如果則 Gtl = Gtl U {i}。
fc=i ‘本發(fā)明具體實(shí)現(xiàn)步驟如下
(1)對(duì)于每一個(gè)新加入的用戶，電子商務(wù)平臺(tái)為用戶建立信任管理數(shù)據(jù)庫；(2)用戶在進(jìn)行交易之前，用戶獲取所要交易敵手(賣家)的的評(píng)價(jià)記錄與提供相 關(guān)評(píng)價(jià)的用戶集合；(3)根據(jù)提供相關(guān)評(píng)價(jià)的用戶數(shù)目進(jìn)行挑選進(jìn)行判定是否存在異常的子集，挑選 的算法詳見實(shí)施過程；(4)對(duì)提供相關(guān)評(píng)價(jià)的用戶子集根據(jù)記錄進(jìn)行分析是否有交易記錄行為異常，即 提供評(píng)價(jià)記錄的用戶集合所提交評(píng)價(jià)記錄的評(píng)分與交易收益是否超過設(shè)定的合理閾值，表 現(xiàn)出行為異常的用戶我們稱之為異常用戶。算法詳見實(shí)施過程；(5)如果存在異常行為，則認(rèn)為可能存在共謀欺騙，啟動(dòng)共謀欺騙檢測；(6)啟動(dòng)共謀檢測過程，將所有提供相關(guān)評(píng)價(jià)的用戶數(shù)據(jù)(歷史評(píng)價(jià)信息)進(jìn)行收 集；(7)使用聚類算法對(duì)所有用戶進(jìn)行判定，利用受益相似進(jìn)行衡量，如果存在可能共 謀的用戶集合大于閾值，則判定為存在共謀。算法詳見實(shí)施過程；(8)將檢測結(jié)果反饋給用戶，由用戶根據(jù)風(fēng)險(xiǎn)判定是否進(jìn)行交易。有益效果本發(fā)明所采用的基于博弈受益人的共謀團(tuán)體檢測算法，通過用戶分布 式檢測網(wǎng)絡(luò)中用戶的評(píng)分行為，從而發(fā)現(xiàn)那些行為表現(xiàn)異常的用戶，然后通過對(duì)這些異常 用戶之間的交易收益與交易受益進(jìn)行分析，確認(rèn)是否存在共謀團(tuán)體。與其他識(shí)別算法如基 于相似度，IP過濾的共謀團(tuán)體識(shí)別算法相比，該算法適用識(shí)別更為準(zhǔn)確，可以準(zhǔn)確識(shí)別大多 數(shù)的電子商務(wù)團(tuán)體共謀行為，大大提高了電子商務(wù)網(wǎng)絡(luò)信任模型對(duì)共謀攻擊的抵制能力。


圖1為本發(fā)明的原理示意圖。圖2為本發(fā)明的工作流程圖。
具體實(shí)施例方式本發(fā)明的原理示意圖如圖1所示，用戶在搜索確定需要交易之前，首先從信任管 理中心系統(tǒng)下載被評(píng)價(jià)用戶數(shù)據(jù)，根據(jù)提供評(píng)價(jià)記錄的用戶所提供的評(píng)價(jià)記錄數(shù)目與交易 額進(jìn)行排序，得到一個(gè)有序非遞增序列；然后，如果序列過長，則進(jìn)行用戶規(guī)模壓縮，確定子 集。對(duì)上述所得子集進(jìn)行檢測行為異常，如果發(fā)現(xiàn)在對(duì)該節(jié)點(diǎn)評(píng)分的節(jié)點(diǎn)中，行為異常的節(jié) 點(diǎn)超過一定數(shù)量，則啟動(dòng)共謀團(tuán)體檢測算法，判斷是否存在團(tuán)體共謀行為。如果發(fā)現(xiàn)有共謀 團(tuán)體，反饋給用戶一個(gè)風(fēng)險(xiǎn)分析，清除該團(tuán)體對(duì)信任值計(jì)算的干擾，輔助用戶提供決策。參考流程圖2，下面給出詳細(xì)過程第一步每一個(gè)用戶在登錄中心信任管理系統(tǒng)后，系統(tǒng)將為其分配用戶標(biāo)識(shí)ID， 建立信任管理數(shù)據(jù)庫。數(shù)據(jù)庫至少保存(1)用戶交易記錄；(2)用戶交易被評(píng)價(jià)信息；(3) 用戶評(píng)價(jià)交易對(duì)手的評(píng)價(jià)信息。第二步用戶在完成交易后，對(duì)交易結(jié)果進(jìn)行評(píng)價(jià)好評(píng)或者壞評(píng)，以及具體的評(píng) 分。完成評(píng)價(jià)后提交的評(píng)價(jià)數(shù)據(jù)包括以下三部分(1)評(píng)價(jià)用戶ID(標(biāo)識(shí)評(píng)價(jià)是由誰做出的)，IDi(2)被評(píng)價(jià)用戶ID〔標(biāo)識(shí)被評(píng)價(jià)對(duì)象是誰〕，IDj
(3)評(píng)價(jià)具體結(jié)果Tiij和交易金額Miij，(下標(biāo)表示用戶i對(duì)j的)該評(píng)價(jià)的內(nèi)容可以使用XML描述如下〈rating〉<UserID>IDi</UserID><ServiceID>IDj</ServiceID><rateResult>Ti, j</rateResult><volume>Mij j</volume>〈/rating〉第三步用戶向信任管理中心系統(tǒng)提交評(píng)價(jià)數(shù)據(jù)后，信任管理系統(tǒng)同時(shí)記錄用戶 的評(píng)分行為，由信任管理系統(tǒng)統(tǒng)一管理所有用戶評(píng)分行為與評(píng)價(jià)數(shù)據(jù)。用戶在使用評(píng)價(jià)數(shù) 據(jù)時(shí)，首先從信任管理系統(tǒng)將所使用的數(shù)據(jù)一起下載。在本發(fā)明中，為避免大規(guī)模下載檢測數(shù)據(jù)，我們采用分布式任務(wù)分解，利用多次交 易重復(fù)檢測的方法。每一個(gè)被評(píng)價(jià)用戶不是一次將其所有相關(guān)數(shù)據(jù)下載，而是使用下載其 中部分子集。其數(shù)據(jù)記錄集合截取處理過程如下面算法所示算法選擇用戶子集算法輸入數(shù)據(jù)查詢請(qǐng)求；輸出與被評(píng)價(jià)用戶評(píng)價(jià)記錄相關(guān)的，用于判定是否存在共謀的提供評(píng)價(jià)用戶子 集；Function SelectSubSet (IDi, IDj, Tijj, Mijj) {If (用戶數(shù)目過多){對(duì)用戶按照提供評(píng)價(jià)記錄數(shù)目非遞增排序，并取前l(fā)g|SM|+b個(gè)用戶；對(duì)用戶按照交易額大小非遞增排序，并取前Ig|SM|+b個(gè)用戶；對(duì)所得的兩個(gè)集合進(jìn)行合并，得到Ssub ；}else Ssub賦值為所有用戶集合；返回 Ssub ；}算法中b的選取是一個(gè)經(jīng)驗(yàn)參數(shù)，可以設(shè)定為大于整數(shù)2的數(shù)。算法并不是檢測 所有用戶，降低了檢測的用戶規(guī)模，但經(jīng)過多次(小于等于10)檢測，在概率上可以達(dá)到覆 蓋大多數(shù)的結(jié)果。在需要精確結(jié)果的情況下，可以不使用壓縮算法。第四步用戶i對(duì)第三步所得Ssub子集中的用戶的評(píng)分結(jié)果進(jìn)行分析，檢查是否存 在行為異常的節(jié)點(diǎn)，統(tǒng)計(jì)檢測到的異常節(jié)點(diǎn)數(shù)，若數(shù)量超過一定值，則啟動(dòng)共謀團(tuán)體檢測算 法進(jìn)行檢測。發(fā)現(xiàn)單個(gè)行為異常是進(jìn)行共謀團(tuán)體檢測的基礎(chǔ)，本發(fā)明對(duì)共謀團(tuán)體的檢測是建立 在對(duì)異常用戶集合中共同行為分析之上的。本發(fā)明所提出的共謀團(tuán)體檢測方法所涉及的相關(guān)算法分別敘述如下(1)信任管理節(jié)點(diǎn)在整個(gè)共謀團(tuán)體檢測算法中扮演核心角色，負(fù)責(zé)監(jiān)測異常節(jié)點(diǎn) 行為、收集節(jié)點(diǎn)行為向量、計(jì)算節(jié)點(diǎn)之間行為相似度以及判別是否存在共謀團(tuán)體等任務(wù)。信任管理節(jié)點(diǎn)在接受到節(jié)點(diǎn)評(píng)價(jià)數(shù)據(jù)之后的處理過程如下面的算法所示算法檢測單用戶異常算法輸入對(duì)被評(píng)價(jià)用戶j提供評(píng)價(jià)的用戶集合(Ssub)；輸出是否可能存在異常用戶的判斷結(jié)果；Function findException (Ssub) {for (yke Ssub) GetData(T^My); //對(duì)被評(píng)價(jià)用戶j的提供評(píng)價(jià)用戶集合Sj中的每一Il個(gè)用戶從信任管理系統(tǒng)下載評(píng)價(jià)數(shù)據(jù)，GetData原語用來表示得到數(shù)據(jù)；for (Vie Ssub){
Τ.T ΣΤ^·Μ..
權(quán)利要求
1.一種電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式識(shí)別的共謀團(tuán)體識(shí)別方法，其特征在于該識(shí) 別方法包括如下步驟1)對(duì)于每一個(gè)新加入的用戶，電子商務(wù)平臺(tái)為用戶建立信任管理數(shù)據(jù)庫；2)用戶在進(jìn)行交易之前，用戶獲取所要交易敵手即賣家的的評(píng)價(jià)記錄與提供相關(guān)評(píng)價(jià) 的用戶集合；3)根據(jù)提供相關(guān)評(píng)價(jià)的用戶數(shù)目進(jìn)行挑選，如果用戶數(shù)目較多，則利用分布式任務(wù)分 解，選擇用戶子集，壓縮異常判定的用戶規(guī)模；4)對(duì)每一個(gè)選擇出的用戶子集根據(jù)記錄進(jìn)行分析是否有交易記錄行為異常，利用異常 判定公式進(jìn)行判定是否存在異常的用戶；5)如果子集中存在足夠的用戶數(shù)目滿足異常判定公式，則認(rèn)為該提供評(píng)價(jià)的用戶集合 有可能存在共謀欺騙，開始啟動(dòng)共謀欺騙檢測程序；6)啟動(dòng)共謀檢測過程，將所有提供相關(guān)評(píng)價(jià)的用戶歷史評(píng)價(jià)信息數(shù)據(jù)進(jìn)行收集，根據(jù) 用戶數(shù)據(jù)，使用異常判定方法對(duì)所有用戶進(jìn)行判定，將滿足異常條件的用戶進(jìn)行共謀聚類， 組成新的集合；然后利用基于行為收益模式識(shí)別的共謀團(tuán)體識(shí)別方法進(jìn)行團(tuán)體判定，即用 受益集中或相似進(jìn)行衡量；如果存在可能共謀的用戶集合受益人的集中程度大于閾值，則 判定該用戶集合為共謀團(tuán)體；7)將檢測結(jié)果反饋給用戶，由用戶根據(jù)風(fēng)險(xiǎn)判定是否進(jìn)行交易。
2.如權(quán)利要求1所述的電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式識(shí)別的共謀團(tuán)體識(shí)別方法， 其特征在于所述的分布式任務(wù)分解是將判定用戶集是否存在共謀分解為多個(gè)用戶通過多 次判定子集。
3.如權(quán)利要求1或2所述的電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式識(shí)別的共謀團(tuán)體識(shí)別方 法，其特征在于所述的壓縮異常判定的用戶規(guī)模的計(jì)算公式為=IgIsj,il+b，IgIsj,,ι+b進(jìn)行 子集挑選方法，其中，設(shè)提供評(píng)價(jià)用戶j記錄的用戶集合為Sp使用堆排序?qū)Ζ筛鶕?jù)各個(gè)用 戶提供總記錄數(shù)進(jìn)行非遞增排序得sM，使用堆排序?qū)Ζ筛鶕?jù)各個(gè)用戶與其總交易額多少 進(jìn)行非遞增排序得Sj,2 ；b是常數(shù)。
4.如權(quán)利要求ι所述的電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式識(shí)別的共謀團(tuán)體識(shí)別方法， 其特征在于所述異常判定公式為
5.如權(quán)利要求1所述的電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式識(shí)別的共謀團(tuán)體識(shí)別方法， 其特征在于所述的共謀團(tuán)體識(shí)別方法利用博弈原理，如果存在共謀，共謀團(tuán)體將會(huì)在交易 中使收益人，受益人集中在共謀團(tuán)體內(nèi)部，對(duì)外部付出為零或很少，則可以利用該特征進(jìn)行 聚類。
6.如權(quán)利要求1或5所述的電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式識(shí)別的共謀團(tuán)體識(shí)別方法，其特征在于所述共謀聚類的方法為初始化共謀團(tuán)體集合G。 ；令j表示被評(píng)價(jià)用戶，G。 = {j}，所有評(píng)價(jià)過用戶j的用戶集 為S」；令G^表示用戶j評(píng)價(jià)的用戶集合；1)求解集合S，如果S = Gj Π Sj為空集，則將j并入S;
全文摘要
電子商務(wù)網(wǎng)絡(luò)中基于行為收益模式的共謀團(tuán)體識(shí)別方法涉及一種網(wǎng)絡(luò)中共謀團(tuán)體的識(shí)別方法，該方案通過分析用戶在進(jìn)行共謀時(shí)的最終目的是為獲得金錢利益。如果團(tuán)體共謀進(jìn)行欺騙，其欺騙對(duì)象為團(tuán)體外部用戶，所以團(tuán)體成員用戶之間的交易較大，而對(duì)外部交易很少，否則團(tuán)體交易收益將減少，欺騙成本將增加。本發(fā)明通過改進(jìn)相似度方法，檢測用戶所獲取信譽(yù)集中于某個(gè)用戶或團(tuán)體，而金錢收益卻不集中在該團(tuán)體來檢測電子商務(wù)用戶是否存在共謀。該發(fā)明通過直接限制欺騙收益，提高欺騙成本限制共謀。其識(shí)別方法更符合經(jīng)濟(jì)學(xué)博弈原理，更接近共謀團(tuán)體形成的本質(zhì)原因，可以有效的對(duì)電子商務(wù)中共謀團(tuán)體進(jìn)行識(shí)別，減少電子商務(wù)中的風(fēng)險(xiǎn)。
文檔編號(hào)G06F21/00GK102004999SQ20101057427
公開日2011年4月6日 申請(qǐng)日期2010年12月6日 優(yōu)先權(quán)日2010年12月6日
發(fā)明者趙亮, 鮑宇 申請(qǐng)人:中國礦業(yè)大學(xué)