一种网络交易信息追溯系统的制作方法

1.本发明涉及电子商务信息管理技术领域，特别是涉及一种网络交易信息追溯系统。


背景技术：

2.网络交易是利用计算机技术、网络技术和远程通信技术，实现整个商务过程中的电子化、数字化和网络化，随着互联网时代的发展，电子商务的网络交易已经越来越多的应用于各种商务贸易活动中，同时网络交易过程中信息追溯和数据安全问题也越来越具有挑战性，是为了保证企业、组织和消费者能够利用数字化沟通渠道，保证交易顺利进行，通常采用各种算法对信息进行预测分析处理来解决数据安全问题，算法的复杂程度和鲁棒性将会影响信息追溯过程过程中的数据安全，且所有的算法都不具有普世的功能，会存在一定的技术缺陷，特别是在信息追溯过程中，信息处理的数据量庞大，并且在网络交易过程中设计到隐私数据的查询，不匹配的信息处理算法会影响数据处理的速度和系统的稳定性，为了提高信息追溯过程中信息管理程度和避免算法失灵的风险扩散，我们提出了一种网络交易信息追溯系统。


技术实现要素：

3.针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种网络交易信息追溯系统，预测模块利用贝叶斯预测模型对采集到的交易信息进行分析预测，再利用数据分析模块对交易信息建立空间模型进行分析得到空间数据的空间相关关系，克服了贝叶斯预测模型对数据缺失敏感和考虑不到数据之间的关系的问题，在利用简短算法简化交易信息的分类分析的同时又考虑了交易信息内的数据关系，保证了再信息追溯过程中的数据安全和准确获取。
4.其解决的技术方案是，一种网络交易信息追溯系统，包括日志追踪模块、数据存储模块、数据分析模块、路径分析模块、预测模块、警报模块，日志追踪模块记录网络交易双方的交易信息，并将交易信息存储于数据存储模块，数据分析模块通过对交易信息和交易预测信息的分析得到信息的信息标识；此系统管理过程具体如下：
5.(1)预测模块利用朴素贝叶斯模型对交易信息中的实时交易信息进行预测分析得到风险级数，具体的分析过程如下：
6.步骤1、以一个交易过程为一个样本，一个样本有n个阶段，不同的阶段用类别标记x
t
，t∈[1，n]来标记，t为标号，样本y的类别标记记为y＝{x1，x2，x3...，x
n
}，预测分析过程中将一个类别标记为的样本误认为x
t
所产生的损失记为不同标记类别下的各个信息特征x
e
，e∈[1，k]发生的概率服从正态分布，根据实时交易信息可以得到后验概率p(x
e
|y)，再求得样本y分类为x
i
所产生的期望损失，即在样本y上的条件风险r(x
i
|y)：
[0007][0008][0009]
其中μ
y
为类别为y的样本中特征x
e
的均值，σ
y
为在类别为y的样本中特征x
e
的标准差；
[0010]
步骤2、判定标准函数为h：x
e
→
y，利用判定标准函数使得条件风险取得最小化总体风险r(h)＝e[r(h(x
e
)|x
e
)]，h
*
为最小化总体风险时的点集，r(h
*
)为贝叶斯风险，1
‑
r(h
*
)为最好分类时的风险值，
[0011]
h
*
(x
e
)＝arg min r(x
i
|y)，
[0012]
步骤3、根据1
‑
r(h
*
)进行对样本进行贝叶斯分类得到最好的分类性能，再利用分类过后的1
‑
r(h
*
)和路径分析模块分析得到的交易过程中的每一个阶段对应的交易结点的难易度得到风险级数z，并将风险级数发送至数据分析模块；
[0013]
(2)数据分析模块接收风险级数，同时数据分析模块以交易信息为样本数据，建立空间分析模型对样本数据进行量化分析处理得到交易之间的空间相关关系，将交易过程中的空间相关关系考虑到信息追溯过程中，并进一步计算得到的加权权重f
t
；
[0014]
(3)数据分析模块再利用svm算法对交易信息进行处理，根据处理的结果信息和加权权重得到不同的信息标识，根据信息标识对交易信息进行信息追溯。
[0015]
所述数据分析模块接收风险级数，同时数据分析模块以交易信息中为样本数据，对样本数据中的关系进行分析，建立空间分析模型对交易过程中的交易信息进行关系分析，具体分析过程如下：
[0016]
步骤一、交易信息中的空间数据包括位置信息、时间信息、交易信息量，以一个交易过程中的每一个交易结点的空间数据为样本数据，数据分析模块对空间信息进行分析得到空间数据关系，交易双方的空间数据设为x包括的要素有空间特征、属性特征、时间特征、信息量、风险信息；
[0017]
步骤二、将对交易过程产生影响的因素记为影响空间关系的要素，计算空间自相关系数i，
[0018][0019][0020]
其中z
i
是要素i的属性与其平均值的偏差，w
i，j
是要素i和j之间的空间权重，n是要素总和，s0是所有空间权重的聚合；
[0021]
步骤三、对空间自相关系数i和风险级数z进行计算得到加权权重f
t
，计算公式如下：
[0022]
f
t
＝i
×
z
[0023]
加权权重在每一个交易结点的值是不同的，在每一个实际交易数据的样本中的每一个阶段都存在多个对应的加权权重。
[0024]
所述路径分析模块根据交易过程中每一个阶段对应的交易结点的难易度得到风险级数z，利用突变级数法对交易结点的难以程度进行分析，计算过程如下：
[0025]
f(x)＝x ax bx，
[0026]
其中f(x)是一个状态变量x的势函数，状态变量表示的是交易状态对应的变量，a，b为两个交易状态的的控制变量，再利用归一公式对上述设函数进行评价，对所有的交易结点进行评估得到风险级数z，方程如下：
[0027][0028]
根据模糊数学理论对所有的交易结点进行评估分析，评估结果相同的设为一个风险级数。
[0029]
所述日志追踪模块记录网络交易过程中双方的交易信息，交易信息中包括交易验证信息、空间信息、实时交易信息，日志追踪模块可以记录整个交易过程的数据信息，当出现网络交易异常时，日志追踪模块会将交易异常的交易信息发送至警报模块。
[0030]
所述警报模块可以对整个网络交易过程进行监督，当警报模块接收到日志追踪模块发送的交易异常的交易信息时，警报模块想交易的双方发送警报信息，在信息追溯的过程中访问到交易过程中的隐私数据时，数据分析模块将对加密数据进行重新分析来确定信息的浏览，在浏览交易信息的过程中出现身份验证未通过时，警报模块将发出警报信息。
[0031]
由于以上技术方案的采用，本发明与现有技术相比具有如下优点；
[0032]
1.系统的预测模块利用了贝叶斯预测算法对交易过程中的交易信息进行分类和预测，贝叶斯算法具有稳定的分类效率，并且与其他分类算法相比具有最小的误差率，贝叶斯算法可以对信息追溯过程中庞大的数据量进行快速处理，并且将已经产生的网络交易中的交易信息进行重新利用来预测交易过程中的风险，提高了信息追溯过程中的信息管理的效率。
[0033]
2.系统中的路径分析模块利用每一个网络交易过程中的所产生的交易信息对一条交易链的各个过程进行分析，确定在交易过程中的每一个交易结点的风险级数，数据分析模块在利用预测模块和路径分析模块的分析结果进行分析，建立空间分析模型，将数据之间的关系考虑在内，在朴素贝叶斯模型处理后再通过数据采集模块利用空间分析模型和相关性的结合进行再次分析，克服了朴素贝叶斯模型的预测太过简单，并且考虑不到数据之间的关系，克服了朴素贝叶斯模型对数据之间的关系和数据缺失不敏感，大大提高了信息追溯过程中信息处理的速度，加强了信息追溯过程中的数据安全性。
附图说明
[0034]
图1为本系统的整体模块图；
[0035]
图2为本系统的整体计算流程图；
[0036]
图3为预测模块的计算流程图；
[0037]
图4为数据分析模块的计算流程图。
具体实施方式
[0038]
有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1至图4对实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的结构内容，均是以说明书附图为参考。
[0039]
一种网络交易信息追溯系统，包括日志追踪模块、数据存储模块、数据分析模块、路径分析模块、预测模块、警报模块，日志追踪模块记录网络交易双方的交易信息，并将交易信息存储于数据存储模块，数据分析模块通过对交易信息和交易预测信息的分析得到信息的信息标识，信息追溯过程中可以根据信息查找信息；网络交易的过程可以被分类为多个步骤，不同的操作步骤的出现交易信息泄露的概率不同，对已经完成交易的交易过程的交易信息的分析可以降低网络交易过程中出现的数据泄露，使得交易信息的安全性可以保证，同时简化交易信息的分析算法也会提高追溯系系统中的信息管理效率，此系统管理过程具体如下：
[0040]
(1)交易信息中包括实时交易信息，实时交易信息是在已经完成的交易过程中的进行实时交易时产生的交易数据，预测模块对已经产生的交易数据进行分析对交易过程中的风险进行预测，预测模块利用朴素贝叶斯模型对交易信息中的实时交易信息进行预测分析得到风险级数，朴素贝叶斯模型在对交易信息进行分类时的误差会被降低，具体的分析过程如下：
[0041]
步骤1、以一个交易过程为一个样本，一个样本有n个阶段，不同的阶段用类别标记x
t
，t∈[1，n]来标记，t为标号，样本y的类别标记记为y＝{x1，x2，x3...，x
n
}，预测分析过程中将一个类别标记为的样本误认为x
t
所产生的损失记为不同标记类别下的各个信息特征x
e
，e∈[1，k]发生的概率服从正态分布，根据实时交易信息可以得到后验概率p(x
e
|y)，再求得样本y分类为x
i
所产生的期望损失，即在样本y上的条件风险r(x
i
|y)：
[0042][0043][0044]
其中μ
y
为类别为y的样本中特征x
e
的均值，σ
y
为在类别为y的样本中特征x
e
的标准差；
[0045]
步骤2、判定标准函数为h：x
e
→
y，利用判定标准函数使得条件风险取得最小化总体风险r(h)＝e[r(h(x
e
)|x
e
)]，h
*
为最小化总体风险时的点集，r(h
*
)为贝叶斯风险，1
‑
r(h
*
)为最好分类时的风险值，
[0046]
h
*
(x
e
)＝arg min r(x
i
|y)，
[0047]
步骤3、根据1
‑
r(h
*
)进行对样本进行贝叶斯分类得到最好的分类性能，再利用分类过后的1
‑
r(h
*
)和路径分析模块分析得到的交易过程中的每一个阶段对应的交易结点的难易度得到风险级数z，并将风险级数发送至数据分析模块，通过朴素贝叶斯模型对总体的交易信息进行总体的风险预测，再利用路径分析模块对具体的交易结点进行分析得到风险级数；
[0048]
(2)数据分析模块结合预测模块和路径分析模块的分析结果对数据之间的关系进
行分析，数据分析模块接收风险级数，同时数据分析模块以交易信息为样本数据，建立空间分析模型对样本数据进行量化分析处理得到交易之间的空间相关关系，将交易过程中的空间相关关系考虑到信息追溯过程中，并进一步计算得到的加权权重f
t
；
[0049]
(3)svm算法是机器学习中常见的训练算法，数据分析模块再利用svm算法对交易信息进行处理，svm算法根据处理的结果信息和加权权重得到不同的信息标识，根据信息标识对交易信息进行信息追溯，当信息追溯过程中出现了信息查询异常时，数据分析模块将信息追溯过程中的异常操作发送至警报模块。
[0050]
所述数据分析模块接收风险级数，同时数据分析模块以交易信息中为样本数据，对样本数据中的关系进行分析，建立空间分析模型对交易过程中的交易信息进行关系分析，空间分析模块是以空间位置为基础建立的模型，可以通过对交易信息的分析得到信息之间的关系，具体分析过程如下：
[0051]
步骤一、交易信息中的空间数据包括位置信息、时间信息、交易信息量，一个阶段中可以包括多个交易结点，以一个交易过程中的每一个交易结点的空间数据为样本数据，数据分析模块对空间信息进行分析得到空间数据关系，交易双方的空间数据设为x包括的要素有空间特征、属性特征、时间特征、信息量、风险信息；
[0052]
步骤二、将对交易过程产生影响的因素记为影响空间关系的要素，计算空间自相关系数i，
[0053][0054][0055]
其中z
i
是要素i的属性与其平均值的偏差，w
i，j
是要素i和j之间的空间权重，n是要素总和，s0是所有空间权重的聚合；
[0056]
步骤三、对空间自相关系数i和风险级数z进行计算得到加权权重f
t
，计算公式如下：
[0057]
f
t
＝i
×
z
[0058]
加权权重在每一个交易结点的值是不同的，在每一个实际交易数据的样本中的每一个阶段都存在多个对应的加权权重。
[0059]
所述路径分析模块根据交易过程中每一个阶段对应的交易结点的难易度得到风险级数z，利用突变级数法对交易结点的难以程度进行分析，突变级数法可以进行多目标分析，计算过程如下：
[0060]
f(x)＝x ax bx，
[0061]
其中f(x)是一个状态变量x的势函数，状态变量表示的是交易状态对应的变量，a，b为两个交易状态的的控制变量，再利用归一公式对上述设函数进行评价，对所有的交易结点进行评估得到风险级数z，方程如下：
[0062]
[0063]
根据模糊数学理论对所有的交易结点进行评估分析，评估结果相同的设为一个风险级数。
[0064]
所述日志追踪模块记录网络交易过程中双方的交易信息，交易信息中包括交易验证信息、空间信息、实时交易信息，日志追踪模块可以记录整个交易过程的数据信息，当出现网络交易异常时，日志追踪模块会将交易异常的交易信息发送至警报模块，警报模块根据异常的交易信息的类型发出警报。
[0065]
所述警报模块可以对整个网络交易过程进行监督，当警报模块接收到日志追踪模块发送的交易异常的交易信息时，警报模块想交易的双方发送警报信息，在信息追溯的过程中访问到交易过程中的隐私数据时，数据分析模块将对加密数据进行重新分析来确定信息的浏览，在浏览交易信息的过程中出现身份验证未通过时，警报模块将发出警报信息，实时交易信息是在网络交易进行时产生的，并被存储于数据存储模块，警报模块发出警报信息后，交易的双方都将会收到，交易暂停。
[0066]
本发明具体使用时，系统主要包括日志追踪模块、数据存储模块、数据分析模块、路径分析模块、预测模块、警报模块，日志追踪模块记录网络交易双方的交易信息，并将交易信息存储于数据存储模块，当交易过程中存在明显异常时，日志追踪模块记录的交易过程中的交易信息，并发送至警报模块，预测模块利用朴素贝叶斯模型对交易信息中的实时交易信息进行预测分析得到风险级数，利用到了朴素贝叶斯模型对交易信息进行分类的效率高和简单的特点，再数据分析模块通过对交易信息和交易预测信息的分析得到信息的信息标识，信息标识可以被用来进行信息追溯，数据分析模块利用接收的风险级数和交易信息中为样本数据建立空间分析模型对样本数据中的关系进行分析，数据分析模块与预测模块和路径分析模块对交易信息的分析提高了信息追溯过程中交易信息的管理与分析，提高了信息的管理效率，所述警报模块可以对整个网络交易过程进行监督，当警报模块接收到日志追踪模块发送的交易异常的交易信息时，警报模块向交易的双方发送警报信息，信息追溯过程中访问到交易过程中的隐私数据时，数据分析模块、预测模块、路径追踪模块的分析有利于提高交易信息的安全性。
[0067]
以上所述是结合具体实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施仅局限于此；对于本发明所属及相关技术领域的技术人员来说，在基于本发明技术方案思路前提下，所作的拓展以及操作方法、数据的替换，都应当落在本发明保护范围之内。