CN108460258A - 一种用户信任综合评估方法 - Google Patents
一种用户信任综合评估方法 Download PDFInfo
- Publication number
- CN108460258A CN108460258A CN201810094007.2A CN201810094007A CN108460258A CN 108460258 A CN108460258 A CN 108460258A CN 201810094007 A CN201810094007 A CN 201810094007A CN 108460258 A CN108460258 A CN 108460258A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- belief
- dynamic behaviour
- degree
- trust
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户信任综合评估方法,包括(1)将获取的用户行为特征数据分为静态行为特征数据和动态行为特征数据;(2)预处理所述静态行为特征数据和动态行为特征数据;(3)计算静态特征信任度和动态特征信任度;(4)加权求和所述静态特征信任度和动态特征信任度得到综合信任值。本方法采用静态特征信任度结合动态特征信任度的动态化评估方法取代传统信任系统的静态化评估方法,信任评估结果客观性更强,准确性更高;具有百万级别用户海量行为特征数据处理能力,能够实现大规模用户的并发身份信任评估。
Description
技术领域
本发明涉及信任评估,尤其是一种用户信任综合评估方法。
背景技术
根据已公开数据可获得以下专利技术,《一种基于用户信任的动态分级访问控制方法》研究通过比较用户的动态信任值与分级动态信任阈值从而确定用户的访问权限;《一种可信网络中用户行为的信任评估方法》研究通过电子商务中用户动态的交易时长、交易结果、交易价值和信任值四个属性计算信任评估向量;《一种基于用户诚实度的动态的Web服务信任评估方法》研究通过挖掘用户偏好从而对用户进行聚类,进而根据群用户的动态诚实度对web服务进行信任评估;《一种基于多参数区间数多属性决策的云服务信任评估方法》研究多参数多属性决策的主值模型算法从而对云服务做出信任评估;《一种基于改进AHP的用户行为信任评估方法及系统》研究基于AHP思想的综合信任度算法评估用户行为是否存在安全威胁。这些专利的共同缺点是无法实现大规模用户的并发身份信任评估,缺少大数据技术支持。
发明内容
本发明能够以多种方式实现,包括方法、系统、设备、装置或计算机可读介质,在下面论述本发明的几个实施例。
一种用户信任综合评估方法,包括步骤:
(1)将获取的用户行为特征数据分为静态行为特征数据和动态行为特征数据;
(2)预处理所述静态行为特征数据和动态行为特征数据;
(3)计算静态特征信任度和动态特征信任度;
(4)加权求和所述静态特征信任度和动态特征信任度得到综合信任值。
进一步地,预处理所述静态行为特征数据的方法包括将同一类静态行为特征数据根据相同规则转换为静态特征值。
进一步地,预处理所述动态行为特征数据的方法为将动态行为特征数据转换为动态特征值。
进一步地,将动态行为特征数据转换为动态特征值的方法包括将同一类动态行为特征数据根据相同规则转换为动态特征值和/或根据动态行为特征数据包含的成功事件个数和失败事件个数计算动态特征值。
进一步地,当动态行为特征数据包含多个子动态行为特征数据时,分别对每一子动态行为特征数据进行预处理。
进一步地,当动态行为特征数据包含多个子动态行为特征数据时,该动态行为特征数据的动态特征值为多个子动态行为特征数据动态特征值的加权和。
进一步地,根据动态行为特征数据包含的成功事件个数和失败事件个数计算动态特征值的方法为:
Fi=Fs/(Fs+γ*Ff)
其中,Fi表示动态行为特征数据对应的动态特征值,Fs表示成功事件个数,Ff表示失败事件个数,γ代表失败系数。
进一步地,可利用分层思想构建特征信任度求解模型,第一层为目标层,分为静态行为特征数据目标层和动态行为特征数据目标层,第二层为区块层,用于存储不同种类用户行为特征数据的标签,以及各用户行为特征数据对应的权重,第三层为特征层,用于存储获取的目标用户行为特征数据对应的特征值。
本发明具有的积极有益技术效果包括:采用静态特征信任度结合动态特征信任度的动态化评估方法取代传统信任系统的静态化评估方法,信任评估结果客观性更强,准确性更高;具有百万级别用户海量行为特征数据处理能力,能够实现大规模用户的并发身份信任评估。
本发明的其他方面和优点根据下面结合附图的详细的描述而变得明显,所述附图通过示例说明本发明的原理。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1为本发明实施例提供的用户信任综合评估方法流程图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
一种用户信任综合评估方法,包括步骤:
(1)将获取的用户行为特征数据分为静态行为特征数据和动态行为特征数据;
(2)预处理所述静态行为特征数据和动态行为特征数据;
(3)计算静态特征信任度和动态特征信任度;
(4)加权求和所述静态特征信任度和动态特征信任度得到综合信任值。
获取用户行为特征数据后,根据数据特征将用户行为特征数据分为静态行为特征数据和动态行为特征数据,作为实施例,获取到的用户静态行为特征数据包括收入、职称、工作类型、年龄数据,获取到的用户动态行为特征数据包括登录系统、存取款、使用信用卡消费情况的数据。
预处理静态行为特征数据的方法为将同一类静态行为特征数据根据相同规则转换为静态特征值,包括但不限于将不同区间取值的某类静态行为特征数据转换为不同静态特征值,还包括根据差值比方法将静态行为特征数据转换为静态特征值。作为实施例,采用差值比方法将月收入转换为静态特征值,比如设定最小值为1000,最大值为50000,该用户月收入为13000元,则利用差值比方法计算的静态特征值为(13000-1000)/(50000-1000)=0.245。将静态行为特征数据转换为静态特征值,可以实现把不同类型的静态行为特征数据转换为可进行信任度计算的数字化静态特征值,不同类型静态行为特征数据可根据不同规则进行静态特征值转换,但同一类型静态行为特征数据采用针对所有用户都相同的规则进行静态特征值转换。
预处理动态行为特征数据的方法为将动态行为特征数据转换为动态特征值,进一步地,将动态行为特征数据转换为动态特征值的方法包括将同一类动态行为特征数据根据相同规则转换为动态特征值和/或根据动态行为特征数据包含的成功事件个数和失败事件个数计算动态特征值,具体计算方法为Fi=Fs/(Fs+γ*Ff),其中,Fi表示动态行为特征数据对应的动态特征值,Fs表示成功事件个数,Ff表示失败事件个数,γ代表失败系数。当动态行为特征数据包含多个子动态行为特征数据时,分别对每一子动态行为特征数据进行预处理,且该动态行为特征数据的动态特征值为多个子动态行为特征数据动态特征值的加权和。
作为实施例,获取的用户登录操作这一动态行为特征数据包括登录成功与否、登录时间、登录次数三个子动态行为特征数据,三个子动态行为特征数据对应的权重分别为0.4、0.3、0.3,登录成功与否数据中包括15次登录成功事件,5次登录失败事件,假设失败系数γ=3,则登录成功与否数据对应的动态特征值为15/(15+3*5)=0.5,假设该用户登录时长数据对应的动态特征值为3,登录次数数据对应的动态特征值为4,则该用户的登录操作这一动态行为特征数据对应的动态特征值为0.5*0.4+3*0.3+4*0.3=2.3。将动态行为特征数据转换为动态特征值,可以实现把不同类型的动态行为特征数据归一化为可进行信任度计算的数字化动态特征值,不同类型动态行为特征数据可根据不同规则进行动态特征值转换,但同一类型动态行为特征数据采用针对所有用户都相同的规则进行动态特征值转换。当动态行为特征数据包含多个多级子动态行为特征数据时,对每一个子动态行为特征数据分别进行动态特征值归一化处理,然后对所有的子动态特征值进行加权求和得到该动态行为特征数据对应的动态特征值,可以有效保证基于用户行为特征数据评估用户信任度的客观性和合理性。
计算特征信任度的方法为:
TRUST=FBLOCK1*WBLOCK1+FBLOCK2*WBLOCK2+FBLOCK3*WBLOCK3+…+FBLOCKM*WBLOCKM}*WSTATIC1
其中,TRUST表示特征信任度,FBLOCK1、FBLOCK2、FBLOCK3、…、FBLOCKM表示每一类用户行为特征数据对应的特征值,WBLOCK1、WBLOCK2、WBLOCK3、…、WBLOCKM表示每一类用户行为特征数据对应的权重,其中特征信任度包括静态特征信任度和动态特征信任度。当所述特征信任度为静态特征信任度时,FBLOCK表示用户静态行为特征数据对应的静态特征值,WBLOCK表示用户静态行为特征数据对应的权重,当所述特征信任度为动态特征信任度时,FBLOCK表示用户动态行为特征数据对应的动态特征值,WBLOCK表示用户动态行为特征数据对应的权重。采用静态特征信任度结合动态特征信任度的动态化评估方法取代传统信任系统的静态化评估方法,信任评估结果客观性更强,准确性更高。
作为实施例,用户静态行为特征数据中收入、职称、工作类型、年龄对应的权重为0.4、0.3、0.2、0.1,对应的静态特征值分别为5、3、3、5,则静态特征信任度=0.4*5+0.3*3+0.2*3+0.1*5=4;用户动态行为特征数据中登录系统、存取款、使用信用卡消费对应的权重为0.1、0.4、0.5,对应的动态特征值分别为2.3、5、4.5,则动态特征信任度=0.1*2.3+0.4*5+0.5*4.5=4.48,假设静态特征信任度权重为0.4,动态特征信任度权重为0.6,那么综合信任值=4*0.4+4.48*0.6=4.288。
本发明涉及的权重根据具体情况和先验知识进行具体设定。
优化地,可利用分层思想构建特征信任度求解模型,第一层为目标层,分为静态行为特征数据目标层和动态行为特征数据目标层,第二层为区块层,用于存储不同种类用户行为特征数据的标签,以及各用户行为特征数据对应的权重,第三层为特征层,用于存储获取的目标用户行为特征数据对应的特征值。区块层与特征层中用户行为特征数据类型与目标层的用户行为特征数据类型一致,静态行为特征数据目标层下的区块层中存储静态行为特征数据的标签及权重,特征层存储获取的目标用户静态行为特征数据对应的静态特征值;动态行为特征数据目标层下的区块层中存储动态行为特征数据的标签及权重,特征层存储获取的目标用户动态行为特征数据对应的动态特征值。特征信任度求解模型能够处理百万级别用户的海量行为特征数据,能够实现大规模用户的并发身份信任评估。
本发明的不同方面、实施例、实施方式或特征能够单独使用或任意组合使用。
本发明优选由软件实现,但是也能够以硬件或硬件和软件的组合实现。本发明也能够被实施为计算机可读介质上的计算机可读代码。计算机可读介质是能够存储之后可由计算机系统读取的数据的任何数据存储设备。计算机可读介质的示例包括:只读存储器、随机存储存储器、CD-ROM、DVD、磁带、光学数据存储设备和载波。计算机可读介质也可分布在网络连接的计算机系统上,从而以分布式方式存储和执行计算机可读代码。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (10)
1.一种用户信任综合评估方法,其特征在于包括步骤:
(1)将获取的用户行为特征数据分为静态行为特征数据和动态行为特征数据;
(2)预处理所述静态行为特征数据和动态行为特征数据;
(3)计算静态特征信任度和动态特征信任度;
(4)加权求和所述静态特征信任度和动态特征信任度得到综合信任值。
2.根据权利要求1所述的一种用户信任综合评估方法,其特征在于,预处理所述静态行为特征数据的方法包括将同一类静态行为特征数据根据相同规则转换为静态特征值。
3.根据权利要求1所述的一种用户信任综合评估方法,其特征在于,预处理所述动态行为特征数据的方法为将动态行为特征数据转换为动态特征值。
4.根据权利要求3所述的一种用户信任综合评估方法,其特征在于,将动态行为特征数据转换为动态特征值的方法包括将同一类动态行为特征数据根据相同规则转换为动态特征值和/或根据动态行为特征数据包含的成功事件个数和失败事件个数计算动态特征值。
5.根据权利要求1所述的一种用户信任综合评估方法,其特征在于,当动态行为特征数据包含多个子动态行为特征数据时,分别对每一子动态行为特征数据进行预处理。
6.根据权利要求5所述的一种用户信任综合评估方法,其特征在于,当动态行为特征数据包含多个子动态行为特征数据时,该动态行为特征数据的动态特征值为多个子动态行为特征数据动态特征值的加权和。
7.根据权利要求4所述的一种用户信任综合评估方法,其特征在于,根据动态行为特征数据包含的成功事件个数和失败事件个数计算动态特征值的方法为:
Fi=Fs/(Fs+γ*Ff)
其中,Fi表示动态行为特征数据对应的动态特征值,Fs表示成功事件个数,Ff表示失败事件个数,γ代表失败系数。
8.根据权利要求1所述的一种用户信任综合评估方法,其特征在于,计算特征信任度的方法为:
TRUST=FBLOCK1*WBLOCK1+FBLOCK2*WBLOCK2+FBLOCK3*WBLOCK3+…+FBLOCKM*WBLOCKM}*WSTATIC1
其中,TRUST表示特征信任度,FBLOCK1、FBLOCK2、FBLOCK3、…、FBLOCKM表示每一类用户行为特征数据对应的特征值,WBLOCK1、WBLOCK2、WBLOCK3、…、WBLOCKM表示每一类用户行为特征数据对应的权重,其中特征信任度包括静态特征信任度和动态特征信任度。
9.根据权利要求1所述的一种用户信任综合评估方法,其特征在于,可利用分层思想构建特征信任度求解模型,第一层为目标层,分为静态行为特征数据目标层和动态行为特征数据目标层,第二层为区块层,用于存储不同种类用户行为特征数据的标签,以及各用户行为特征数据对应的权重,第三层为特征层,用于存储获取的目标用户行为特征数据对应的特征值。
10.根据权利要求9所述的一种用户信任综合评估方法,其特征在于,区块层与特征层中用户行为特征数据类型与目标层的用户行为特征数据类型一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094007.2A CN108460258A (zh) | 2018-01-31 | 2018-01-31 | 一种用户信任综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094007.2A CN108460258A (zh) | 2018-01-31 | 2018-01-31 | 一种用户信任综合评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108460258A true CN108460258A (zh) | 2018-08-28 |
Family
ID=63239153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810094007.2A Pending CN108460258A (zh) | 2018-01-31 | 2018-01-31 | 一种用户信任综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460258A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135141A (zh) * | 2019-04-28 | 2019-08-16 | 佛山科学技术学院 | 一种基于区块链的学生证照真伪的核查方法及装置 |
CN113392385A (zh) * | 2021-06-28 | 2021-09-14 | 中山大学 | 一种云环境下的用户信任度量方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404591A (zh) * | 2008-11-14 | 2009-04-08 | 西安交通大学 | 一种自适应的动态信任权重评估方法 |
CN101764821A (zh) * | 2010-01-19 | 2010-06-30 | 南京邮电大学 | 一种可信网络中用户行为的信任评估方法 |
CN102347958A (zh) * | 2011-11-18 | 2012-02-08 | 上海电机学院 | 一种基于用户信任的动态分级访问控制方法 |
CN102880637A (zh) * | 2012-08-07 | 2013-01-16 | 东南大学 | 一种基于用户诚实度的动态的Web服务信任评估方法 |
CN105871854A (zh) * | 2016-04-11 | 2016-08-17 | 浙江工业大学 | 基于动态授权机制的自适应云访问控制方法 |
CN106330910A (zh) * | 2016-08-25 | 2017-01-11 | 重庆邮电大学 | 车联网中基于节点身份和信誉的强隐私保护双重认证方法 |
CN106656603A (zh) * | 2016-12-24 | 2017-05-10 | 桂林电子科技大学 | 一种基于多参数区间数多属性决策的云服务信任评估方法 |
CN106850613A (zh) * | 2017-01-24 | 2017-06-13 | 中国科学院信息工程研究所 | 一种基于改进ahp的用户行为信任评估方法及系统 |
CN107330461A (zh) * | 2017-06-27 | 2017-11-07 | 安徽师范大学 | 基于情感与信任的协同过滤推荐方法 |
US20170353852A1 (en) * | 2013-05-21 | 2017-12-07 | Brocade Communications Systems, Inc. | Method and System for Selective and Secure interaction of BYOD (Bring Your Own Device) with Enterprise network through mobile wireless networks |
-
2018
- 2018-01-31 CN CN201810094007.2A patent/CN108460258A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404591A (zh) * | 2008-11-14 | 2009-04-08 | 西安交通大学 | 一种自适应的动态信任权重评估方法 |
CN101764821A (zh) * | 2010-01-19 | 2010-06-30 | 南京邮电大学 | 一种可信网络中用户行为的信任评估方法 |
CN102347958A (zh) * | 2011-11-18 | 2012-02-08 | 上海电机学院 | 一种基于用户信任的动态分级访问控制方法 |
CN102880637A (zh) * | 2012-08-07 | 2013-01-16 | 东南大学 | 一种基于用户诚实度的动态的Web服务信任评估方法 |
US20170353852A1 (en) * | 2013-05-21 | 2017-12-07 | Brocade Communications Systems, Inc. | Method and System for Selective and Secure interaction of BYOD (Bring Your Own Device) with Enterprise network through mobile wireless networks |
CN105871854A (zh) * | 2016-04-11 | 2016-08-17 | 浙江工业大学 | 基于动态授权机制的自适应云访问控制方法 |
CN106330910A (zh) * | 2016-08-25 | 2017-01-11 | 重庆邮电大学 | 车联网中基于节点身份和信誉的强隐私保护双重认证方法 |
CN106656603A (zh) * | 2016-12-24 | 2017-05-10 | 桂林电子科技大学 | 一种基于多参数区间数多属性决策的云服务信任评估方法 |
CN106850613A (zh) * | 2017-01-24 | 2017-06-13 | 中国科学院信息工程研究所 | 一种基于改进ahp的用户行为信任评估方法及系统 |
CN107330461A (zh) * | 2017-06-27 | 2017-11-07 | 安徽师范大学 | 基于情感与信任的协同过滤推荐方法 |
Non-Patent Citations (1)
Title |
---|
殷安生: "可信网络中信任评估机制若干关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135141A (zh) * | 2019-04-28 | 2019-08-16 | 佛山科学技术学院 | 一种基于区块链的学生证照真伪的核查方法及装置 |
CN110135141B (zh) * | 2019-04-28 | 2022-11-01 | 佛山科学技术学院 | 一种基于区块链的学生证照真伪的核查方法及装置 |
CN113392385A (zh) * | 2021-06-28 | 2021-09-14 | 中山大学 | 一种云环境下的用户信任度量方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713597B2 (en) | Systems and methods for preparing data for use by machine learning algorithms | |
US10467234B2 (en) | Differentially private database queries involving rank statistics | |
CN111709491B (zh) | 基于自编码器的异常检测方法、装置、设备及存储介质 | |
CN109558951A (zh) | 一种欺诈账号检测方法、装置及其存储介质 | |
WO2013067461A2 (en) | Identifying associations in data | |
US20110264617A1 (en) | Reducing the dissimilarity between a first multivariate data set and a second multivariate data set | |
CN107491674A (zh) | 基于特征信息进行用户验证的方法及装置 | |
CN115510042A (zh) | 基于生成对抗网络的电力系统负荷数据填补方法及装置 | |
CN108460258A (zh) | 一种用户信任综合评估方法 | |
CN111859057B (zh) | 数据特征处理方法及数据特征处理装置 | |
Olech et al. | Hierarchical gaussian mixture model with objects attached to terminal and non-terminal dendrogram nodes | |
CN113158206A (zh) | 一种基于决策树的文档安全等级划分方法 | |
US20040250188A1 (en) | Method and apparatus for generating test data sets in accordance with user feedback | |
CN116467751A (zh) | 一种带有隐私保护的关联规则学习方法 | |
CN110472659A (zh) | 数据处理方法、装置、计算机可读存储介质和计算机设备 | |
US20220309368A1 (en) | Control method, computer-readable recording medium having stored therein control program, and information processing device | |
CN108334935A (zh) | 精简输入的深度学习神经网络方法、装置和机器人系统 | |
KR102268570B1 (ko) | 문서 군집 생성 장치 및 방법 | |
CN115204888A (zh) | 一种目标账户识别方法、装置、存储介质和电子设备 | |
CN113190841A (zh) | 一种使用差分隐私技术防御图数据攻击的方法 | |
Franconi et al. | Spatial and non-spatial model-based protection procedures for the release of business microdata | |
Kiang et al. | The effect of sample size on the extended self-organizing map network for market segmentation | |
Dhamdhere et al. | Peer Group Analysis in Identity and Access Management to Identify Anomalies | |
CN114221824B (zh) | 一种私域网络的安全访问控制方法、系统和可读存储介质 | |
CN113837506A (zh) | 基于物流数据的风控建模方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180828 |
|
RJ01 | Rejection of invention patent application after publication |