本文選題：信譽(yù)共謀　切入點(diǎn)：弱決策證據(jù)　出處：《廣東工業(yè)大學(xué)》2017年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)信息技術(shù)的迅猛發(fā)展,電子商務(wù)行業(yè),尤其是網(wǎng)絡(luò)購物呈高增長態(tài)勢發(fā)展。同時,電商平臺的刷單、售假、虛假促銷、價(jià)格欺詐等有違誠信經(jīng)營的網(wǎng)絡(luò)欺詐問題隨之而來。信譽(yù)共謀作為針對信譽(yù)系統(tǒng)的新型攻擊,突顯電子商務(wù)信任管理的缺失,在整個經(jīng)濟(jì)環(huán)境缺乏誠信保證的條件下,信任管理的匱乏制約著電子商務(wù)健康、快速的發(fā)展。本文致力于電子商務(wù)信譽(yù)共謀攻擊識別算法的研究,一方面可降低在線交易風(fēng)險(xiǎn),提高消費(fèi)者在線購物行為,完善在線信譽(yù)體系,營造良好的電子商務(wù)信譽(yù)環(huán)境,另一方面可有效補(bǔ)充傳統(tǒng)安全機(jī)制,實(shí)現(xiàn)更高層面上的安全策略,為協(xié)助打擊網(wǎng)絡(luò)欺詐行為提供理論和方法支持。本文面向電子商務(wù)信譽(yù)共謀攻擊問題,使用D-S不確定推理理論,以提高信譽(yù)共謀攻擊識別效果為目標(biāo),重點(diǎn)研究信譽(yù)共謀攻擊中證據(jù)沖突衡量方法、基于弱決策證據(jù)融合的識別算法和基于證據(jù)可靠性度量的識別算法,具體內(nèi)容如下:1.針對現(xiàn)有證據(jù)沖突衡量方法無法準(zhǔn)確表達(dá)信譽(yù)共謀中兩兩證據(jù)間決策差異的問題,綜合考慮證據(jù)潛在決策、mass值、結(jié)構(gòu)關(guān)系多方面因素,提出一種基于證據(jù)決策距離的證據(jù)沖突衡量方法。實(shí)驗(yàn)結(jié)果表明,本文的證據(jù)沖突衡量方法可有效描述證據(jù)間在獨(dú)立決策上差異,更合理地衡量證據(jù)間的沖突問題,是后續(xù)識別算法研究的重要基礎(chǔ)。2.針對信譽(yù)共謀攻擊具強(qiáng)仿真性,所抽取的特征對攻擊者和誠實(shí)實(shí)體的辨別能力不強(qiáng),其量化證據(jù)表現(xiàn)為弱決策證據(jù)的問題,提出一種基于弱決策證據(jù)融合的識別算法。所提出的識別算法考慮不同情況中弱決策證據(jù)對證據(jù)融合的影響,充分發(fā)揮弱決策證據(jù)的決策作用,降低融合結(jié)果的決策不確定性。多個實(shí)驗(yàn)的多個性能指標(biāo)表明,所提出的算法可效識別二類別信譽(yù)共謀攻擊,優(yōu)于現(xiàn)有算法,而且可擴(kuò)展到多類別識別問題中,具有良好的擴(kuò)展性。3.針對信譽(yù)共謀攻擊中證據(jù)源具多樣性,證據(jù)可靠性不盡相同,直接合成可能導(dǎo)致融合結(jié)果偏離真實(shí)情況的問題,提出一種基于證據(jù)可靠性度量的識別算法。所提出的識別算法針對不同情形設(shè)計(jì)雙向多重的證據(jù)可靠性度量方法,可準(zhǔn)確度量證據(jù)可靠性,基于此提高識別算法的準(zhǔn)確度。多個實(shí)驗(yàn)的多個性能指標(biāo)表明,所提出的算法可效識別二類別信譽(yù)共謀攻擊,性能優(yōu)于現(xiàn)有算法,并可擴(kuò)展到多類別識別問題中,擴(kuò)展性良好。
[Abstract]:With the rapid development of the Internet information technology , the electronic commerce industry , especially the network shopping , has developed rapidly . Based on this method , the accuracy of the recognition algorithm is improved . Multiple performance indexes of multiple experiments show that the proposed algorithm can identify two kinds of reputation collusion attacks , the performance is superior to the existing algorithm , and can be extended to the multi - category identification problem , and has good expansibility .

【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP393.08;F724.6;F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李穎;王亞民;;基于信任機(jī)制的虛擬社區(qū)知識共享模型研究[J];情報(bào)科學(xué);2015年12期

2 胡海亮;鐘求喜;劉瀏;;基于迭代合成的D-S證據(jù)理論改進(jìn)方法[J];計(jì)算機(jī)應(yīng)用研究;2016年10期

3 畢文豪;張安;李沖;;基于新的證據(jù)沖突衡量的加權(quán)證據(jù)融合方法[J];控制與決策;2016年01期

4 湯潮;蔣雯;陳運(yùn)東;吳翠翠;孔繁峨;;新不確定度量下的沖突證據(jù)融合[J];系統(tǒng)工程理論與實(shí)踐;2015年09期

5 甘早斌;曾燦;馬堯;魯宏偉;;基于信任網(wǎng)絡(luò)的C2C電子商務(wù)信任算法[J];軟件學(xué)報(bào);2015年08期

6 張燕平;張順;錢付蘭;張以文;;基于用戶聲譽(yù)的魯棒協(xié)同推薦算法[J];自動化學(xué)報(bào);2015年05期

7 畢凱;王曉丹;邢雅瓊;;基于模糊測度和證據(jù)理論的模糊聚類集成方法[J];控制與決策;2015年05期

8 王亮;呂衛(wèi)民;滕克難;金永川;;基于分類修正的多證據(jù)合成方法[J];控制與決策;2015年01期

9 張柯麗;李忠獻(xiàn);楊義先;;一種識別和追蹤惡意匿名評價(jià)者的信任模型[J];上海交通大學(xué)學(xué)報(bào);2014年07期

10 朱友清;周石琳;鄒煥新;;基于相容系數(shù)的沖突證據(jù)合成方法及評價(jià)準(zhǔn)則[J];系統(tǒng)工程與電子技術(shù);2014年06期

，

本文編號：1692933