一种购物平台安全防御能力评估方法、系统及存储介质
本发明属于推荐系统安全、对抗性机器学习、时序数据异常检测,具体涉及一种购物平台安全防御能力评估方法、系统及存储介质。
背景技术:
1、电子商务平台的商品推荐系统已广泛应用于各大购物网站,推荐系统通过分析用户的点击、收藏、购买等行为数据,为用户推送其可能感兴趣的商品。推荐系统排序的公正性直接影响平台的用户体验和商业生态健康,购物平台通常部署时序异常检测模块来识别和拦截对推荐排名的异常交互行为,以维护推荐排序的公正性。
2、目前,为评估该异常检测模块的有效性,基于强化学习的推荐系统安全性测试方法被引入购物平台安全防御能力评估中。该方法的奖励函数通过采集目标商品在推荐列表中的排名位置,计算相邻决策步之间的排名变化量,以目标商品排名变化为唯一奖励信号,驱动智能体生成交互行为序列,并根据防御系统对该交互行为序列的检出响应来评估平台的检测能力。
3、然而,异常检测模块依据排名变化在高灵敏度时段和低灵敏度时段输出的交互行为序列趋同,导致奖励函数被限定在最大化排名变化这一单一目标上,无法根据检测环境和资源余量调整生成策略,使得防御系统的检出率仅能反映其对单一交互行为序列的检测表现,最终输出的评估结果难以全面反映购物平台在动态检测环境下的真实防御水平。
技术实现思路
1、为了解决上述背景问题,本发明提供了一种购物平台安全防御能力评估方法、系统及存储介质。
2、为了实现上述目的,本发明提供一种购物平台安全防御能力评估方法,包括:
3、采集购物平台中目标商品的当前搜索排名数据、商品广告流量预算消耗数据,以及目标商品所属账户在预设时间内的交互时序风险值。
4、将所述当前搜索排名数据、商品广告流量预算消耗数据和交互时序风险值输入bat-rl模型,输出购物平台的防御能力评估等级;所述bat-rl模型将传统actor-critic网络中actor网络的状态输入层从单一维度扩展为三维复合状态,将环境奖励函数从单一收益奖励替换为三维复合奖励函数,所述三维复合奖励函数由一个正向收益项、资源消耗惩罚项和时序风险惩罚项加权构成。
5、所述bat-rl模型将三个输入拼接为三维复合状态向量;actor网络基于所述三维复合状态向量经前向传播输出多维离散组合动作;采集执行所述多维离散组合动作后的搜索排名变化量、流量资源消耗量和时序风险值;所述三维复合奖励函数将所述搜索排名变化量作为正向收益项、将所述流量资源消耗量作为资源消耗惩罚项、将所述时序风险值作为时序风险惩罚项,加权聚合输出综合奖励值;依据所述综合奖励值,输出购物平台的防御能力评估等级。
6、优选地,所述交互时序风险值的获取,具体包括:采集目标商品所属账户在预设时间内的交互时序数据,将所述交互时序数据输入影子lstm风险感知网络,输出目标商品所属账户的交互时序风险值;所述影子lstm风险感知网络由输入层、两层lstm、全连接映射层、softmax分类层、kl散度计算层和风险值归一化层依次连接。
7、优选地,所述影子lstm风险感知网络输出交互时序风险值的具体步骤为:将交互时序数据输入两层lstm和全连接映射层,经softmax分类层输出当前行为序列属于各类行为的概率分布;计算该概率分布与离线预存的正常行为基准分布之间的kl散度;将kl散度经阈值截断归一化至零到一区间,输出交互时序风险值。
8、优选地,所述影子lstm风险感知网络和所述bat-rl模型之间不存在参数共享与梯度反传关系,仅通过数据流接口单向输入至actor网络的输入层。
9、优选地,所述bat-rl模型还包括:在输入层与第一隐藏层之间新增一个归一化预处理层,所述归一化预处理层采用minmax归一化方法,将三个输入数据分别缩放到0到1区间。
10、优选地,所述三维复合奖励函数表达式为:
11、;
12、其中,为奖励值;δrank表示正向收益项;为资源消耗惩罚项;为时序风险惩罚项;、和为权重系数。
13、优选地,所述多维离散组合动作具体包括:模拟账户编号、交互类型和单步交互数量三个维度的离散动作;所述模拟账户编号通过将actor网络输出层中对应可用测试账户总数的神经元经softmax激活后选取;所述交互类型通过将actor网络输出层中对应预设交互类型总数的神经元经softmax激活后选取;所述单步交互数量通过将actor网络输出层中对应单步最大交互次数上限的神经元经relu激活并取整后输出。
14、优选地,所述影子lstm风险感知网络包含两层lstm结构,第一层为双向lstm,前向和后向隐藏状态维度各为64维,拼接输出128维特征,用于从正反两个方向捕捉时序上下文关联;第二层为单向lstm,隐藏状态维度为128维,仅输出最终时间步的隐状态,将整条时序交互序列压缩为128维固定长度特征向量;所述128维固定长度特征向量经全连接映射层和softmax分类层后输出当前行为序列的概率分布,用于与正常行为基准分布进行kl散度比较。
15、本发明还提供一种购物平台安全防御能力评估系统,包括:
16、数据采集模块,用于采集购物平台中目标商品的当前搜索排名数据、商品广告流量预算消耗数据,以及目标商品所属账户在预设时间内的交互时序风险值。
17、模型组成模块,用于将所述当前搜索排名数据、商品广告流量预算消耗数据和交互时序风险值输入bat-rl模型,输出购物平台的防御能力评估等级;所述bat-rl模型将传统actor-critic网络中actor网络的状态输入层从单一维度扩展为三维复合状态,将环境奖励函数从单一收益奖励替换为三维复合奖励函数,所述三维复合奖励函数由一个正向收益项、资源消耗惩罚项和时序风险惩罚项加权构成。
18、应用模块,用于所述bat-rl模型将三个输入拼接为三维复合状态向量;actor网络基于所述三维复合状态向量经前向传播输出多维离散组合动作;采集执行所述多维离散组合动作后的搜索排名变化量、流量资源消耗量和时序风险值;所述三维复合奖励函数将所述搜索排名变化量作为正向收益项、将所述流量资源消耗量作为资源消耗惩罚项、将所述时序风险值作为时序风险惩罚项,加权聚合输出综合奖励值;依据所述综合奖励值,输出购物平台的防御能力评估等级。
19、本发明还提供一种计算机可读存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器加载时,能够执行所述购物平台安全防御能力评估方法中任一项所述的步骤。
20、本发明提供的一种购物平台安全防御能力评估方法具有以下有益效果:本发明提出的交互时序风险值让智能体感知到检测灵敏度的动态变化,能够区分高灵敏度时段和低灵敏度时段;预算消耗数据让智能体感知到资源余量,能够控制策略的可持续性。有了这两个信息后,奖励函数不再只看排名变化,而是在排名提升、资源消耗、被识别风险三个维度之间做权衡,输出的行为序列能够随检测环境和资源余量自适应调整。防御系统获取多样化行为模式下的检出响应数据,评估结果自然全面反映平台在动态检测环境下的真实防御水平。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com