CN113556318B - 基于云安全的电子商务验证方法 - Google Patents

基于云安全的电子商务验证方法 Download PDF

Info

Publication number
CN113556318B
CN113556318B CN202110633656.7A CN202110633656A CN113556318B CN 113556318 B CN113556318 B CN 113556318B CN 202110633656 A CN202110633656 A CN 202110633656A CN 113556318 B CN113556318 B CN 113556318B
Authority
CN
China
Prior art keywords
buyer
verification
website
password
segmentation
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.)
Active
Application number
CN202110633656.7A
Other languages
English (en)
Other versions
CN113556318A (zh
Inventor
乔佳乐
王明泽
毕明曼
祁慧晓
杨萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Jiaojiu Network Technology Co ltd
Original Assignee
Guangxi Jiaojiu Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi Jiaojiu Network Technology Co ltd filed Critical Guangxi Jiaojiu Network Technology Co ltd
Priority to CN202110633656.7A priority Critical patent/CN113556318B/zh
Publication of CN113556318A publication Critical patent/CN113556318A/zh
Application granted granted Critical
Publication of CN113556318B publication Critical patent/CN113556318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/18—Network architectures or network communication protocols for network security using different networks or channels, e.g. using out of band channels
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了基于云安全的电子商务验证方法，属于电子商务技术领域；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，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。

Description

基于云安全的电子商务验证方法
技术领域
本发明属于电子商务技术领域；具体是基于云安全的电子商务验证方法。
背景技术
电子商务账户中通常都有一些资金，因此，电子商务账户涉及到金融安全。如何确定账户在互联网的虚拟环境中安全是重点问题。大多数电子商务账户都会采取身份认证的方式来防止账户被盗用的情况；目前的一些认证方式包括账号和密码认证、地址认证和问题认证等，但这些认证方式的认证数据都是用户在注册账户时预先设定好的，是固定不变的，一旦这些认证数据泄漏，用户的账户将面临被盗用的风险。而且网站的登录是网站安全运营的至关重要的一步，其中有很多不法分子常用的攻击网站的一种方式就是登录攻击，不法分子通过多次失败登录向网站服务器发送无效的登录信息，致使网站服务器不停地对网站无效的登录信息进行校验，由此占用了网站服务器大量的资源，拖慢网站的反应速度，严重时甚至会导致网站崩溃。
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。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
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。

Claims (3)

1.基于云安全的电子商务验证方法，其特征在于，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；
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；
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；
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。
2.根据权利要求1所述的基于云安全的电子商务验证方法，其特征在于，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。
3.根据权利要求2所述的基于云安全的电子商务验证方法，其特征在于，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。
CN202110633656.7A 2021-06-07 2021-06-07 基于云安全的电子商务验证方法 Active CN113556318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110633656.7A CN113556318B (zh) 2021-06-07 2021-06-07 基于云安全的电子商务验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110633656.7A CN113556318B (zh) 2021-06-07 2021-06-07 基于云安全的电子商务验证方法

Publications (2)

Publication Number Publication Date
CN113556318A CN113556318A (zh) 2021-10-26
CN113556318B true CN113556318B (zh) 2023-07-07

Family

ID=78130378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110633656.7A Active CN113556318B (zh) 2021-06-07 2021-06-07 基于云安全的电子商务验证方法

Country Status (1)

Country Link
CN (1) CN113556318B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427943A (zh) * 2019-08-27 2019-11-08 国家电网有限公司 一种基于r-cnn的智能电表数值识别方法
CN111222687A (zh) * 2019-12-06 2020-06-02 北京国电通网络技术有限公司 基于同源异构神经网络的电力负荷概率预测方法及装置
CN112907305A (zh) * 2021-04-13 2021-06-04 长沙银行股份有限公司 基于大数据分析的客户全周期管理系统
CN112905580A (zh) * 2021-03-19 2021-06-04 贵州航天云网科技有限公司 一种基于工业大数据的多源异构数据融合系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106470192B (zh) * 2015-08-19 2019-12-10 阿里巴巴集团控股有限公司 身份验证方法、装置及系统
CN108173877A (zh) * 2018-02-02 2018-06-15 克洛斯比尔有限公司 用于防止钓鱼网站的方法和设备
CN110909984B (zh) * 2019-10-28 2023-04-07 苏宁金融科技(南京)有限公司 业务数据处理模型训练方法、业务数据处理方法及装置
CN112235306B (zh) * 2020-10-15 2021-10-26 上海行蕴信息科技有限公司 一种基于云安全的电子商务账户验证方法
CN112837069B (zh) * 2021-03-23 2022-05-10 中科柏诚科技（北京）股份有限公司 基于区块链与大数据的安全支付方法及云平台系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427943A (zh) * 2019-08-27 2019-11-08 国家电网有限公司 一种基于r-cnn的智能电表数值识别方法
CN111222687A (zh) * 2019-12-06 2020-06-02 北京国电通网络技术有限公司 基于同源异构神经网络的电力负荷概率预测方法及装置
CN112905580A (zh) * 2021-03-19 2021-06-04 贵州航天云网科技有限公司 一种基于工业大数据的多源异构数据融合系统及方法
CN112907305A (zh) * 2021-04-13 2021-06-04 长沙银行股份有限公司 基于大数据分析的客户全周期管理系统

Also Published As

Publication number Publication date
CN113556318A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
US11710055B2 (en) Processing machine learning attributes
US11792176B1 (en) Scalable risk-based authentication methods and systems
US11443224B2 (en) Automated machine learning feature processing
US11310281B2 (en) Systems and methods for monitoring computer authentication procedures
US20190392440A1 (en) Systems and methods for authenticating online users
US8745698B1 (en) Dynamic authentication engine
US8762279B2 (en) Online challenge-response
CN107220890A (zh) 信贷额度确定方法及装置
US20030046237A1 (en) Method and system for enabling the issuance of biometrically secured online credit or other online payment transactions without tokens
US11470116B2 (en) Auto-generated synthetic identities for simulating population dynamics to detect fraudulent activity
PT1080415T (pt) Sistema e método para autenticação de utilizadores da rede
Mohammed et al. A multi-layer of multi factors authentication model for online banking services
CN112513842A (zh) 预授权访问请求筛查
CN116596536A (zh) 一种互联网金融安全支付方法及系统
JP2002108823A (ja) 本人認証方法、ワンストップサービス方法及び関連するシステム
US20210233088A1 (en) Systems and methods to reduce fraud transactions using tokenization
CN113556318B (zh) 基于云安全的电子商务验证方法
US20220101328A1 (en) Systems, methods, and devices for assigning a transaction risk score
US20210185036A1 (en) Secure authentication system
US10708260B1 (en) Method and system for detecting two-factor authentication
US11663357B2 (en) System and method of providing secure access to personal information
Alex et al. AN INTELLIGENT CREDIT CARD FRAUD DETECTION SYSTEM
CN117408705B (zh) 一种基于人工智能的异常检测方法及系统
Bala et al. Data Mining and E-banking Security
US20210390551A1 (en) Intelligent transaction pre-authorization using a browser extension

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230518

Address after: No. 203, 2nd Floor, Building A, Building 4, No. 23 Chuangxin Road, High tech Zone, Nanning City, Guangxi Zhuang Autonomous Region, 530000 (The market entity is "one photo with multiple addresses", and the registration information of its business premises is detailed in the QR code)

Applicant after: Guangxi jiaojiu Network Technology Co.,Ltd.

Address before: 510000 1127, No. 72, Huatuo Road, shisan village, Shibi street, Panyu District, Guangzhou City, Guangdong Province

Applicant before: Guangzhou Kangchen Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant