基于行為模式的電子交易過程中信任評估研究

1、.：.；本文作者(王志兵 李長云),請您在閱讀本文時尊重作者版權(quán)。摘 要:在開放動態(tài)的網(wǎng)絡(luò)環(huán)境中,買賣者的行為信任問題曾經(jīng)成為電子商務(wù)開展的重要妨礙。提出了以買賣過程中呈現(xiàn)出的行為方式為證據(jù)的信任評價方法。該方法經(jīng)過構(gòu)建行為方式匹配級和可信屬性為節(jié)點的貝葉斯網(wǎng)可信評價模型,計算推導(dǎo)出電子買賣過程中消費(fèi)可信指數(shù)和銷售可信指數(shù)的等級。在一個實踐的電子買賣平臺上驗證了該方法的有效性。關(guān)鍵詞:信任評價; 電子買賣; 買賣行為; 行為方式文章編號:1001-3695(2021)03-0945-03doi:10.3969/j.issn.1001-3695.2021.03.037Research on cr

2、edit assessment based on trade behavior for e-commerceWANG Zhi-bing, LI Chang-yun(School of Computer Communication, Hunan University of Technology, Zhuzhou Hunan 412021, China)Abstract:The open dynamic internet has made traders credit the significant obstacle to the development of e-commerce. This p

3、aper put forward that credit assessing could be based on the trade behavior. With this method presented a bayes model for assessment, composed of nodes of behavior pattern matching levels and nodes of credibility attributes; and the grade of the consumption credit index and that of the seller credit

4、 index could be inferred. The effectiveness of this method has been verified by an actual electronic trading platform.Key words:credit assessment; e-commerce; trade behavior; behavior pattern0 引言伴隨互聯(lián)網(wǎng)的開展,電子商務(wù)迅速崛起,2021年第1季度國內(nèi)電子買賣規(guī)模到達(dá)467億元,但僅29.2%的網(wǎng)民認(rèn)可網(wǎng)上電子買賣平安1。如何在開放動態(tài)的網(wǎng)絡(luò)中建立一套完善的信譽(yù)評價模型,全面客觀地反映買賣各方的信譽(yù)表

5、現(xiàn),提高網(wǎng)上買賣的平安,已變得極為關(guān)鍵24。用戶信任不僅包括對用戶的身份信任,也包括對用戶的行為信任。傳統(tǒng)的以授權(quán)和認(rèn)證為根底的平安機(jī)制主要針對用戶的身份信任問題,對用戶的行為信任問題并不是特別有效5。例如,在數(shù)字化電子資源的訂購方面,校園網(wǎng)用戶可以合法下載文章,但假設(shè)利用下載工具大量下載文章,其行為能夠是不可信的。目前,淘寶、易趣等大多數(shù)的電子買賣網(wǎng)站主要采用累加信任模型或平均值信任模型經(jīng)過累加計算用戶的信譽(yù)反響評分或累加后除以評分次數(shù)得到用戶的信譽(yù)積分,來構(gòu)成用戶的信譽(yù)記錄和信譽(yù)度,并最終確定用戶的信譽(yù)等級。用戶某一時辰的信譽(yù)總積分為一切買賣得分的代數(shù)和或平均值,且不同的信譽(yù)積分對應(yīng)不同的

6、信譽(yù)等級6。這種方式存在評價過于客觀、信譽(yù)積分只與買賣次數(shù)有關(guān)、難以處置詆毀及合謀欺詐等問題7。針對電子買賣中的行為信任問題,本文提出了一種以買賣過程中呈現(xiàn)出的行為方式為證據(jù)的可信評價方法。行為方式是軟件可察看行為中能夠反復(fù)出現(xiàn)的具有某些特征的事件序列,是軟件可信性在軟件運(yùn)轉(zhuǎn)態(tài)中的一種外在目的。經(jīng)過構(gòu)建以行為方式匹配級為節(jié)點的貝葉斯網(wǎng)可信評價模型,計算由監(jiān)測效力獲得的實踐買賣行為與由專家閱歷設(shè)定的行為方式的匹配度及匹配級,以方式匹配級為條件,經(jīng)過貝葉斯網(wǎng)的概率計算,推導(dǎo)出電子買賣過程中消費(fèi)可信指數(shù)和銷售可信指數(shù)的等級。該方法交融了用戶信任評價中的專家客觀閱歷與實踐買賣行為,有效改善了目前信任評

7、價客觀性過強(qiáng)、信任積分只與買賣次數(shù)有關(guān)等缺乏。1 根本思想基于買賣行為信息的可信性評價的根本思想是以買家、賣家在買賣過程中呈現(xiàn)出的買賣行為為證據(jù)進(jìn)展買賣雙方的信任評價。它的整體模型如圖1所示。經(jīng)過電子買賣平臺中的監(jiān)測點,行為監(jiān)測效力監(jiān)測、搜集和組織軟件在運(yùn)轉(zhuǎn)過程中的可察看行為;參照根據(jù)領(lǐng)域?qū)＜议啔v建立的行為方式庫,對可察看行為進(jìn)展方式匹配;根據(jù)匹配結(jié)果和可信評價模型,對可信屬性進(jìn)展評價。行為監(jiān)測效力的義務(wù)是搜集軟件在電子買賣平臺運(yùn)轉(zhuǎn)過程中的可察看行為。經(jīng)過包裝器方法、AOP方法等技術(shù)監(jiān)視和搜集系統(tǒng)與外界的交互事件,以及系統(tǒng)內(nèi)部構(gòu)件之間的交互事件。監(jiān)測效力的另一個義務(wù)是如何組織好這些交互事件。組

8、織的方法根據(jù)運(yùn)用目的的不同,可以以義務(wù)為線索,也可以以事件發(fā)生源構(gòu)件或事件目的構(gòu)件為線索,最終構(gòu)成一個事件序列。行為方式由運(yùn)用領(lǐng)域?qū)＜腋鶕?jù)以往的閱歷知識預(yù)先設(shè)計并運(yùn)用方式言語描畫,存放在行為方式庫中。以監(jiān)測效力搜集和組織的交互事件序列為源,以方式庫中的行為方式為參照,進(jìn)展方式匹配,計算事件序列匹配到哪些行為方式及其匹配度和匹配級。可信屬性評價模型是貝葉斯網(wǎng)模型,它的一部分節(jié)點為方式匹配級,另外部分節(jié)點為用戶可信屬性。以方式匹配級為條件,經(jīng)過貝葉斯網(wǎng)的概率計算,可以得出可信屬性各等級的概率,取概率最大的等級為可信屬性的評價值8,9。2 評價模型及可信值計算2.1 設(shè)定行為方式行為方式是軟件可察看

9、行為中能夠反復(fù)出現(xiàn)的具有某些特征的事件序列,是軟件可信性在軟件運(yùn)轉(zhuǎn)態(tài)中的一種外在目的。行為方式主要由跡方式構(gòu)成。所謂跡指的是事件序列片斷,跡方式那么是對跡的籠統(tǒng)和概括。為表示類似跡的共性和統(tǒng)計特性,跡方式運(yùn)用以事件標(biāo)志為字母的正那么表達(dá)式來描畫。例如,跡方式(a*b)表示以事件a開場中間接假設(shè)干恣意事件并以事件b終了的跡,如ab、acdeab和afcb等;跡方式“(ab)2,6表示事件a和b交替出現(xiàn)26次的跡,如abab、abababab等。行為方式由運(yùn)用領(lǐng)域?qū)＜翌A(yù)先設(shè)計并運(yùn)用方式言語描畫,存放在行為方式庫中。經(jīng)過對大量電子買賣過程的察看和分析,設(shè)定如下五種行為方式:a)(Pa)。買家搜索商品

10、(search)- 買家下訂單(order)-買家預(yù)付款(imprest)-買家確認(rèn)收貨(accept),跡方式表示為(soi) 1,*a。b)(Pb)。買家下訂單(order)-賣家確認(rèn),修正價錢(modification)-買家預(yù)付款(imprest)-賣家發(fā)貨(consignment)-買家收貨、付款(payment),跡方式表示為。(o*m*i*c*p) 1,。c)(Pc)。賣家查看訂單(examine)- 賣家修正價錢(modification)-查看付款信息(inquire)-發(fā)貨(consignment),跡方式表示為:em*qc。d)(Pd)。買家多次(兩次以上)下訂單不付款,

11、跡方式表示為o2,*(p)。e)(Pe)。買家多次(兩次以上)下訂單、預(yù)付款而賣家不發(fā)貨,跡方式表示為(op)2,*(c)。2.2 計算方式匹配度及方式匹配級行為方式匹配是指以某個行為方式為參照,搜索事件跡中符合該行為方式的一切不交叉的子跡。為表達(dá)事件跡匹配行為方式的程度,引進(jìn)匹配度的概念。對于指定的事件跡,事件跡匹配某行為方式的一切子跡的事件數(shù)相對事件跡中事件總數(shù)的比例,稱為事件跡在該方式下的匹配度。設(shè)事件跡為T,方式為P,T匹配P的子跡分別為T1,T2,Tk,跡中事件個數(shù)運(yùn)用函數(shù)eventsum統(tǒng)計,那么T在P下的匹配度M的計算為M=ki=1eventsum(Ti,*)eventsum(T

12、)(1)行為方式匹配的目的之一就是計算匹配度,算法總體過程如下:首先查找并保管事件跡中符合行為方式的跡方式的一切不交叉的子跡;然后按照式(1)計算匹配度。方式匹配級是將軟件可察看行為對行為方式的匹配度劃分為假設(shè)干個等級N,并將這些等級從高到低進(jìn)展順序編號為整型變量i,iN,它們所代表的匹配度區(qū)間范圍從低到高的順序分別是0,1/N,1/N,2/N,(N-1)/N,1,匹配度落在哪一個范圍,匹配級就是哪一級。假設(shè)一切方式匹配級分為四級,分別為完全匹配(匹配級為1)、比較匹配(匹配級為2)、根本匹配 (匹配級為3)和不匹配(匹配級為4)。2.3 建立評價模型貝葉斯網(wǎng)絡(luò)是目前不確定知識表達(dá)和推理領(lǐng)域最

13、有效的實際之一。一個貝葉斯網(wǎng)絡(luò)是由一些節(jié)點及銜接這些節(jié)點的有向邊構(gòu)成的有向無環(huán)圖。節(jié)點代表隨機(jī)變量;節(jié)點間的有向邊代表了節(jié)點間的關(guān)系,用條件概率表達(dá)關(guān)系強(qiáng)度。貝葉斯網(wǎng)絡(luò)適用于表達(dá)和分析不確定性和概率性的事件,可以從不完全、不準(zhǔn)確或不確定的知識或信息中作出推理。因此,筆者運(yùn)用貝葉斯網(wǎng)絡(luò)來構(gòu)建可信評價模型10,11。評價模型建立可信證據(jù)與可信屬性間的映射關(guān)系。在可信評價的貝葉斯模型中,節(jié)點變量有兩種類型,即方式匹配級和用戶可信屬性。設(shè)定行為方式后,分析每一種行為方式和需評價的可信屬性能否能夠條件相關(guān),從而對每一個可信屬性選擇確定其評價證據(jù)的方式集合。對于每一個可信屬性,以可信屬性為根節(jié)點,以相關(guān)方

14、式的匹配級作為子節(jié)點,分別建立各個可信屬性的貝葉斯網(wǎng)絡(luò)模型的構(gòu)造。對以上五種方式、消費(fèi)可信指數(shù)及銷售可信指數(shù)進(jìn)展分析,Pa、Pb、Pd與消費(fèi)可信指數(shù)(Ca)相關(guān),Pb、Pc、Pe與銷售可信指數(shù)(Cb)相關(guān)。貝葉斯網(wǎng)評價模型構(gòu)造如圖2所示。2.4 計算可信值單方式匹配級條件下的可信屬性評價的貝葉斯計算公式為p(Cai/Paj)=p(Paj/Cai)p(Cai)p(Paj)(2)p(Cai)表示屬性Ca在等級i的先驗概率;如表1中,p(Ca2)為0.4。p(Paj)表示方式Pa的匹配級j的先驗概率;如表1中,p(Pa2)為0.3。p(Paj/Cai)表示可信屬性根節(jié)點Ca在i這個等級的條件下方式P

15、a在j等級下的條件概率;如表1 中,p(Pa2/Ca2)為0.25。在一樣的方式匹配級條件下,經(jīng)過貝葉斯網(wǎng)的概率計算,計算出可信屬性各等級的概率,取概率最大的等級為該可信屬性的評價等級。3 實驗及分析本文方法在一個名叫信購網(wǎng)的C2C買賣平臺上得到初步驗證。信購網(wǎng)運(yùn)用SSH技術(shù)開發(fā),主要包括系統(tǒng)管理、店鋪管理、商品管理三大模塊,具有對店鋪中的商品進(jìn)展管理,對商品進(jìn)展分類、開店、租店、店鋪審核、店鋪信息管理等功能。經(jīng)過基于動態(tài)AOP的監(jiān)測器對系統(tǒng)的接口數(shù)據(jù)進(jìn)展監(jiān)測,過濾器對監(jiān)測數(shù)據(jù)進(jìn)展過濾后得到系統(tǒng)運(yùn)轉(zhuǎn)跡12。為確定貝葉斯網(wǎng)中的先驗概率參數(shù),在知買家的消費(fèi)可信指數(shù)和賣家的銷售可信指數(shù)的前提下,使信

16、購網(wǎng)在不同的典型場景下運(yùn)轉(zhuǎn),由監(jiān)測效力搜集軟件的可察看行為,計算出與可信屬性相關(guān)方式的匹配度乃至匹配級。同時,對于每一次運(yùn)轉(zhuǎn),由領(lǐng)域?qū)＜覕喽尚艑傩缘牡燃?。在信購網(wǎng)中,將可信屬性信任等級也分為四級,分別為非常信任(信任等級為1)、比較信任(信任等級為2)、根本信任(信任等級為3)和不信任(信任等級為4)。表1為本文監(jiān)測的信購網(wǎng)中10次電子買賣過程的跡描畫及行為方式匹配級。表1 信購網(wǎng)中買賣數(shù)據(jù)例如買賣過程事件跡Pa匹配級Pb匹配級Pc匹配級Pd匹配級Pe匹配級消費(fèi)可信指數(shù)Ca銷售可信指數(shù)Cbsoisoiemeiqcpa1334413 oosoisoiasoaisoiaoo2444413soso

17、isoieamaooiqcp2234411aiesoioomoiqoocoiai2434423saoiesoimoiqas3444224aioioipsoia3444224iaemsoioiacs3424422aoemsoiiaqicsp4224431asooaemqoasocampaspas4432443osoosoaaas4442442搜集大量實驗數(shù)據(jù)后,根據(jù)本文方法對消費(fèi)可信指數(shù)及銷售可信指數(shù)進(jìn)展計算,結(jié)果如圖3所示。圖3(a)是樣本數(shù)為20次時的驗證情況,當(dāng)驗證次數(shù)為10次時,計算得到的消費(fèi)可信指數(shù)和銷售可信指數(shù)的準(zhǔn)確性分別為80%和70 %,隨著驗證次數(shù)的添加,其可信指數(shù)的準(zhǔn)確性也逐

18、漸提高,當(dāng)驗證次數(shù)到達(dá)50次時,其準(zhǔn)確性分別到達(dá)88%和84%;(b)是為樣本數(shù)為40次時的驗證情況,當(dāng)驗證次數(shù)為10次時,計算得到的消費(fèi)可信指數(shù)和銷售可信指數(shù)準(zhǔn)確性均到達(dá)80%,當(dāng)驗證次數(shù)到達(dá)50次時,其準(zhǔn)確性分別到達(dá)92%和86%。經(jīng)過驗證實驗,闡明本文方法是有效的。4 終了語相比已有任務(wù),本文方法具備如下特點:a)客觀性和客觀性相結(jié)合。本文提出的方法是以電子買賣過程中的行為信息為評價證據(jù)的,因此本質(zhì)上是客觀性的評價方法,但也具備客觀性評價方法的特點,如在行為方式的設(shè)計、評價模型的構(gòu)建過程中需求自創(chuàng)領(lǐng)域?qū)＜业拈啔v知識。b)以可信屬性和方式匹配級為節(jié)點的貝葉斯網(wǎng)評價模型,可以從不確定性的軟件

19、運(yùn)轉(zhuǎn)行為中推導(dǎo)出軟件的可信性。評價模型既納入了領(lǐng)域?qū)＜业拈啔v知識,又包含了客觀數(shù)據(jù)的分析結(jié)果,蘊(yùn)涵了可信屬性和行為方式間的條件相關(guān)關(guān)系。本文方法的缺乏之處在于需求有相關(guān)的專家閱歷知識作根底以及對無先驗知識的行為難以準(zhǔn)確處置。進(jìn)一步的研討任務(wù)有:根據(jù)多維可信屬性的評價結(jié)果,對電子買賣過程進(jìn)展整體可信性綜合評價;以行為方式的匹配和分析為根底,研討電子買賣過程中買、賣雙方行為預(yù)測的模型和方法。參考文獻(xiàn):1中國互聯(lián)網(wǎng)信息中心. 第24次中國互聯(lián)網(wǎng)絡(luò)開展情況統(tǒng)計報告EB/OL. (2021-07-16)nic/uploadfiles/pdf/2021/7/16/125126.pdf.2王懷民,唐揚(yáng)斌,尹

20、剛,等. 互聯(lián)網(wǎng)軟件的可信機(jī)理J. 中國科學(xué)E 輯,2006,36(10):1156-1169.3王遠(yuǎn),呂建,徐鋒,張林. 一個適用于網(wǎng)構(gòu)軟件的信任度量及演化模型J. 軟件學(xué)報, 2006, 17(4):682-690.4黃海生,王汝傳. 基于隸屬云實際的客觀信任評價模型研討J. 通訊學(xué)報, 2021, 29(4):13-19.5田立勤,林闖. 可信網(wǎng)絡(luò)中一種基于行為信任預(yù)測的博弈控制機(jī)制J. 計算機(jī)學(xué)報,2007,30(11):1930-1938.6LI Qin-fang, LIU Zhong-ying. Research on Chinese C2C e-business institut

21、ional trust mechanism: case study on Taobao and Ebay(cn) C/Proc of International Conference on Wireless Communications, Networking and Mobile Computing. Shanghai:s.n.,2007: 3787-3790.7JSANG A, ISMAIL R, BOYD C. A survey of trust and reputation systems for online service provisionJ. Decision Support Systems, 2007, 43(2):618-644.8MAN Jun-feng, WEN Zhi-cheng, LI Chang-yun, et al. Research on running time behavior analyzing and trend predicting of modern distribu