发明内容
本发明的目的在于提供基于云安全的电子商务验证方法,解决电子商务安全验证的问题。
本发明的目的可以通过以下技术方案实现:
基于云安全的电子商务验证方法,包括以下步骤:
步骤一:买家发起对交易网站的信息验证;
步骤二:对买家进行身份验证;买家在客户端的登录界面输入账号和密码后进行验证,对账号和密码进行加密,将加密后的账号和密码发送到交易平台进行账号和密码验证,当验证失败时,向买家客户端发送验证失败信号;当验证成功时,生成验证码,将验证码发送给买家手机,买家根据接收到的验证码进行验证;
步骤三:对买家的异常登录验证进行限制;当买家在N分钟内超过D次验证失败时,将对应的买家标记为可疑买家,获取可疑买家的IP地址,将获得的IP地址与信息储存库内的信息进行匹配,当没有匹配成功时,对可疑买家的IP地址进行禁止登录F天;
步骤四:对买家的异常消费进行监控;
步骤五:对买家进行支付验证。
进一步地,步骤一中买家发起对交易网站的信息验证的方法包括:获取买家需要进行交易的网站名称,根据获取的网站名称检索对应网站的官方备案信息,根据备案信息获得官方网站的网址和网址首页截图,将官方网站的网址标记为标准网址,将官方网站网址首页截图标记为标准图像,获取买家目前打开的网站网址和首页截图,将当前网站的网址标记为验证网址,将当前网站网址首页截图标记为验证图像,将验证网址与标准网址进行匹配,当匹配失败时,生成网站报警信号,对买家进行警告;当匹配成功时,生成网站安全信号;将标准图像与验证图像进行图像预处理,并将图像预处理之后的图像标记为标准灰度图像和验证灰度图像,将标准灰度图像和验证灰度图像进行对比,当标准灰度图像与验证灰度图像不相同时,生成网站报警信号,对买家进行警告;当标准灰度图像与验证灰度图像相同时,检查网站下方的网站备案认证信息,当没有网站备案认证信息时,生成网站报警信号,对买家进行警告;当具有网站备案认证信息时,生成网站安全信号。
进一步地,对账号和密码进行加密的方法包括:设置密码库,密码库用于储存密码符号,获取买家验证的账号和密码,设置分割模型,将账号和密码输入到分割模型中进行分割,获得若干个数据段,将数据段输入到密码库中进行匹配,获得对应的密码符号。
进一步地,步骤四中对买家的异常消费进行监控的方法包括:要求买家设置异常消费验证密码,获取买家的预估消费区间,当买家进行商品消费时,获取买家进行消费的价格,将买家进行消费的价格与预估消费区间进行比较,当买家进行消费的价格超过预估消费区间时,对买家进行异常消费验证,当买家没有验证通过时,禁止买家进行支付,当买家验证通过时,允许买家进行支付;当买家进行消费的价格没有超过预估消费区间时,不进行操作。
进一步地,获取买家的预估消费区间的方法包括:获取买家消费记录、买家年龄和性别,将买家消费记录、买家年龄和性别整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取输出结果,输出结果为买家的预估消费区间。
进一步地,分割模型的建立方法包括:获取若干组历史分割数据,历史分割数据就是买家账号和密码,设置预设分割条件,预设分割条件用于对数据分割提供分割依据,构建人工智能模型,将若干组历史分割数据、对应的预设分割条件和对应的分割结果输入到人工智能模型中进行学习训练,将若干组历史分割数据、对应的预设分割条件和对应的分割结果按照设定比例划分为训练集、测试集和校验集;设定比例包括4:2:1、4:3:1和3:2:2;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验,将训练完成的人工智能模型标记为分割模型。
本发明的有益效果:通过对交易网站进行验证,避免部分买家因为缺乏对假冒网站进行辨别的专业知识,导致上当受骗的问题,保障买家的财产和信息安全;通过对买家的账号和密码进行加密,确保买家的信息安全,避免明文发送被非法分子截获,造成经济损失和信誉安全;通过对买家的异常登录验证进行限制,避免黑客反复登录造成服务器超负荷运行,导致服务器崩溃;通过对买家的异常消费进行监控,避免不是买家本人使用买家账号进行消费,保障买家利益,避免带来不必要的冲突和麻烦。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,基于云安全的电子商务验证方法,包括以下步骤:
步骤一:买家发起对交易网站的信息验证;因为目前诈骗越来高级和多样化,让人防不胜防,就有使用假冒网站进行诈骗的,因为部分买家缺乏对假冒网站进行辨别的专业知识,导致上当受骗;
获取买家需要进行交易的网站名称,根据获取的网站名称检索对应网站的官方备案信息,根据备案信息获得官方网站的网址和网址首页截图,将官方网站的网址标记为标准网址,将官方网站网址首页截图标记为标准图像,获取买家目前打开的网站网址和首页截图,将当前网站的网址标记为验证网址,将当前网站网址首页截图标记为验证图像,将验证网址与标准网址进行匹配,当匹配失败时,生成网站报警信号,对买家进行警告;当匹配成功时,生成网站安全信号;将标准图像与验证图像进行图像预处理,并将图像预处理之后的图像标记为标准灰度图像和验证灰度图像,图像预处理包括图像分割、图像去噪、图像增强和灰度变换,将标准灰度图像和验证灰度图像进行对比,当标准灰度图像与验证灰度图像不相同时,生成网站报警信号,对买家进行警告;当标准灰度图像与验证灰度图像相同时,检查网站下方的网站备案认证信息,当没有网站备案认证信息时,生成网站报警信号,对买家进行警告;当具有网站备案认证信息时,生成网站安全信号;
通过对交易网站进行验证,避免部分买家因为缺乏对假冒网站进行辨别的专业知识,导致上当受骗的问题,保障买家的财产和信息安全;
步骤二:对买家进行身份验证;买家在客户端的登录界面输入账号和密码后进行验证,对账号和密码进行加密,将加密后的账号和密码发送到交易平台进行账号和密码验证,当验证失败时,向买家客户端发送验证失败信号;当验证成功时,生成验证码,将验证码发送给买家手机,买家根据接收到的验证码进行验证;
对账号和密码进行加密的方法包括:设置密码库,密码库用于储存密码符号,密码符号为随机设置,例如:a、ac、hu、1d、-k和交底as等,获取买家验证的账号和密码,设置分割模型,将账号和密码输入到分割模型中进行分割,获得若干个数据段,将数据段输入到密码库中进行匹配,获得对应的密码符号;
分割模型的建立方法包括:获取若干组历史分割数据,历史分割数据就是买家账号和密码,设置预设分割条件,预设分割条件用于对数据分割提供分割依据,例如将语句设为预设分割条件,分割数据为“郭某某”按照语句分割的分割结果为“郭”“某”“某”或者“郭”“某某”,构建人工智能模型,人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络,将若干组历史分割数据、对应的预设分割条件和对应的分割结果输入到人工智能模型中进行学习训练,将若干组历史分割数据、对应的预设分割条件和对应的分割结果按照设定比例划分为训练集、测试集和校验集;设定比例包括4:2:1、4:3:1和3:2:2;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验,将训练完成的人工智能模型标记为分割模型;
步骤三:对买家的异常登录验证进行限制;当买家在N分钟内超过D次验证失败时,N为比例系数,N>3,且N正整数,D为比例系数,D>5,且D正整数,将对应的买家标记为可疑买家,获取可疑买家的IP地址,将获得的IP地址与信息储存库内的信息进行匹配,信息储存库用于储存买家信息,买家信息包括IP地址、账号、交易记录和在线记录等信息,当没有匹配成功时,对可疑买家的IP地址进行禁止登录F天,F为比例系数,F>1,且F正整数,当匹配成功时,获取可疑买家的交易记录,根据交易记录判断对应账号是否为正常账号,正常账号就是正常进行商品交易的账号,而不是从来没有进行过商品交易的账号或者是仅仅交易了几件低价值的商品,当判断是正常账号时,向买家发送提示信息,提示买家进行密码或者账号找回,不要不停的进行验证;当判断不是正常账号时,对可疑买家的IP地址进行禁止登录E天,E为比例系数,E>1,且E正整数;
步骤四:对买家的异常消费进行监控;
步骤四中对买家的异常消费进行监控的方法包括:要求买家设置异常消费验证密码,获取买家的预估消费区间,当买家进行商品消费时,获取买家进行消费的价格,将买家进行消费的价格与预估消费区间进行比较,当买家进行消费的价格超过预估消费区间时,对买家进行异常消费验证,当买家没有验证通过时,禁止买家进行支付,当买家验证通过时,允许买家进行支付;当买家进行消费的价格没有超过预估消费区间时,不进行操作;
获取买家的预估消费区间的方法包括:获取买家消费记录、买家年龄和性别,将买家消费记录、买家年龄和性别整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取输出结果,输出结果为买家的预估消费区间;
预测模型的获取方法包括:获取买家历史数据;买家历史数据包括买家消费记录、买家年龄和性别;为买家历史数据设置预估消费区间;预估消费区间就是预估买家的消费区间;构建人工智能模型;所述人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络;将买家历史数据和对应的预估消费区间按照设定比例划分为训练集、测试集和校验集;所述设定比例包括2:1:1、3:2:1和3:1:1;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为预测模型;
步骤五:对买家进行支付验证;
步骤五中对买家进行支付验证的方法包括:
步骤S11:获取银行卡号、银行卡预留手机号、持卡人姓名和持卡人身份证号;
步骤S12:同意服务协议,并填写发送的验证码;
步骤S13:获取支付指纹信息,并将支付指纹信息进行储存;
步骤S14:获取手势信息,并将手势信息发送至储存模块进行储存,手势信息用于买家在支付时做的手势;
步骤S15:获取语音密码,并将语音密码发送至储存模块进行储存,语音密码用于客户在支付时说的语音信息,语音信息由客户自己决定,例如:芝麻开门、我密码忘了等各种语音;
步骤S16:客户选定所需支付步骤,其中,必定包括步骤S11和步骤S12,步骤S13至步骤S15由客户根据自己需求选定;通过可以选择步骤S13至步骤S15的设置,满足不同人群的需求,避免出现客户孩子知道银行卡密码后直接付款,给客户和平台带来不必要的麻烦和经济损失。
本发明在使用时,买家发起对交易网站的信息验证;获取买家需要进行交易的网站名称,根据获取的网站名称检索对应网站的官方备案信息,根据备案信息获得官方网站的网址和网址首页截图,将官方网站的网址标记为标准网址,将官方网站网址首页截图标记为标准图像,获取买家目前打开的网站网址和首页截图,将当前网站的网址标记为验证网址,将当前网站网址首页截图标记为验证图像,将验证网址与标准网址进行匹配,当匹配失败时,生成网站报警信号,对买家进行警告;当匹配成功时,生成网站安全信号;将标准图像与验证图像进行图像预处理,并将图像预处理之后的图像标记为标准灰度图像和验证灰度图像,将标准灰度图像和验证灰度图像进行对比,当标准灰度图像与验证灰度图像不相同时,生成网站报警信号,对买家进行警告;当标准灰度图像与验证灰度图像相同时,检查网站下方的网站备案认证信息,当没有网站备案认证信息时,生成网站报警信号,对买家进行警告;当具有网站备案认证信息时,生成网站安全信号;
对买家进行身份验证;买家在客户端的登录界面输入账号和密码后进行验证,对账号和密码进行加密,将加密后的账号和密码发送到交易平台进行账号和密码验证,当验证失败时,向买家客户端发送验证失败信号;当验证成功时,生成验证码,将验证码发送给买家手机,买家根据接收到的验证码进行验证;
设置密码库,密码库用于储存密码符号,获取买家验证的账号和密码,设置分割模型,将账号和密码输入到分割模型中进行分割,获得若干个数据段,将数据段输入到密码库中进行匹配,获得对应的密码符号;获取若干组历史分割数据,历史分割数据就是买家账号和密码,设置预设分割条件,预设分割条件用于对数据分割提供分割依据,构建人工智能模型,将若干组历史分割数据、对应的预设分割条件和对应的分割结果输入到人工智能模型中进行学习训练,将若干组历史分割数据、对应的预设分割条件和对应的分割结果按照设定比例划分为训练集、测试集和校验集;设定比例包括4:2:1、4:3:1和3:2:2;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验,将训练完成的人工智能模型标记为分割模型;
对买家的异常登录验证进行限制;当买家在N分钟内超过D次验证失败时,将对应的买家标记为可疑买家,获取可疑买家的IP地址,将获得的IP地址与信息储存库内的信息进行匹配,当没有匹配成功时,对可疑买家的IP地址进行禁止登录F天,当匹配成功时,获取可疑买家的交易记录,根据交易记录判断对应账号是否为正常账号,当判断是正常账号时,向买家发送提示信息,当判断不是正常账号时,对可疑买家的IP地址进行禁止登录E天;对买家的异常消费进行监控;要求买家设置异常消费验证密码,获取买家的预估消费区间,当买家进行商品消费时,获取买家进行消费的价格,将买家进行消费的价格与预估消费区间进行比较,当买家进行消费的价格超过预估消费区间时,对买家进行异常消费验证,当买家没有验证通过时,禁止买家进行支付,当买家验证通过时,允许买家进行支付;当买家进行消费的价格没有超过预估消费区间时,不进行操作;获取买家消费记录、买家年龄和性别,将买家消费记录、买家年龄和性别整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取输出结果,输出结果为买家的预估消费区间;对买家进行支付验证。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上内容仅仅是对本发明结构所做的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。