CN1598840A - 基于历史信息的电子商务系统中交易双方信任度测定方法 - Google Patents

Abstract

本发明公开了一种基于历史信息的电子商务系统中交易双方信任度测定方法，该方法包括以下步骤：1.在交易辅助设备上设置信息推荐者及相应的采信程度；2.在交易辅助设备上设置信息收集的广度和深度；3.通过交易辅助设备之间的网络通信收集与交易对方有关的历史信息；4.综合处理来自多个推荐者的历史信息；5.在交易辅助设备上设置信任度阀值和置信度；6.计算信任度并进行信任判断；7.结束。本发明与现有技术相比，其显著优点是：通过收集交易对方的历史信息，对其进行信任度评估测定，以此作出安全判断，从而在交易实施前进行相关的安全保护。

Description

基于历史信息的电子商务系统中交易双方信任度测定方法

一、技术领域

本发明涉及一种Internet网上电子商务系统的交易安全保障机制，特别是一种基于历史信息的电子商务系统中交易双方信任度测定方法。

二、背景技术

随着Internet网的广泛普及，基于该网络平台的电子商务系统发展迅速，出现了许多实际运行的系统，如网上书店Amazon、网上二手货交易市场eBay和网上拍卖市场eTrade等。与此同时，电子商务系统的交易安全问题日益受到关注，如货物递送延期、交易中的恶意欺诈等。当前的电子商务系统采用传统的安全手段，如非对称加密技术、集中式数字证书体系、访问控制列表等，仅能保障交易中信息传递的保密性以及鉴别交易者身份等，并为安全问题发生后进行相关的处理提供线索，而这种事后处理的安全机制并不适用于所有的交易活动，如大额交易、与时间相关的商品交易等。一种更为合理的安全保障机制，应能够在实际交易进行之前评估测定交易对方的信任度，拒绝与信任度低的交易者进行交易，从而尽可能避免在交易过程中出现安全问题。

三、发明内容

本发明的目的是针对现有的电子商务系统的安全机制只能进行事后处理的缺点，提供一种基于历史信息的电子商务系统中交易双方信任度测定方法，以辅助交易者在完成实际交易之前对交易对方进行安全判断，从而提高电子商务系统中交易安全保障的能力。

为实现上述目的，本发明的技术方案是：一种基于历史信息的电子商务系统中交易双方信任度测定方法，该方法包括以下步骤：1、在交易辅助设备上设置信息推荐者及相应的采信程度；2、在交易辅助设备上设置信息收集的广度和深度；3、通过与交易对方或其他合作者的交易辅助设备进行网络通信来收集与交易对方有关的历史信息；4、综合处理来自多个推荐者的历史信息；5、在交易辅助设备上设置信任度阀值和置信度；6、计算信任度并进行信任判断；7、结束。

本发明与现有技术相比，其显著优点是：通过收集交易对方的历史信息，对其进行信任度评估测定，以此作出安全判断，从而在交易实施前进行相关的安全保护。

四、附图说明

图1是C2C(客户对客户)电子商务系统的工作流程图。

图2是本发明方法的流程图。

图3是多条与交易对方相关的历史信息推荐路径示意图。

图4是模拟实验场景示意图。

图5是不同的历史信息集对信任度测定的实验比较示意图。

五、具体实施方式

如图1所示，从交易者角度看，典型的C2C电子商务系统首先根据交易者提交的兴趣要求，进行兴趣匹配，找到交易对方，接着对交易对方的信任度进行测定，如果符合信任度要求，则进行实质性的交易协商，协商达成一致后，签署交易合同，最后完成资金转帐和货物递送。信任度测定通常包括历史信息收集、历史信息处理、信任度计算和判断。

本发明的方法如图2所示，首先需要设置交易者的信息推荐者以及相应的采信程度，初始设置的采信程度通常划分为三级，分别是完全采信、部分采信和不采信，对应的采信因子为1、0.5和0。在对交易对方的历史信息进行收集之前，为保证能在一定的时间内完成信息收集，还需要设置信息收集的深度和广度。设置收集深度限制了信息推荐者向其自身的信息推荐者收集信息的传递推荐次数，设置收集广度限制了交易者的收集信息的范围。当设置好信息收集的深度和广度后，通过统一的网络通信协议，从多个相关推荐者处收集到关于交易对方的历史信息，一个历史信息包含两部分，即诚信交易次数和恶意欺诈次数。由于信息来源于多个信息推荐者、且信息推荐者的信息可能还来自于另外的信息推荐者，所以往往会形成如图3所示的多条信息推荐路径。在此情况下，实际的历史信息可能被多次传递，从而出现信息的冗余，另外，对不同采信度的推荐者处所收集到的历史信息的采纳程度不同，因此在计算交易对方的信任度之前需要对收集到的信息进行综合处理。历史信息的综合处理通过以下公式计算，该综合信息包括诚信交易活动次数M，恶意欺诈行为次数N：

$M=M_d+\mathrm{int}(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{C}_i\·M_i^d)$ $N=N_d+\mathrm{int}(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{C}_i\·N_i^d);$

其中，M_d、N_d分别表示交易者自身记录关于交易对方的诚信交易次数和恶意欺诈次数，M_i ^d、N_i ^d分别表示编号i为的经验收集路径上获得的关于交易对方的诚信交易次数和恶意欺诈次数，C_i是综合采信因子：

公式中C_i，j是编号为i的经验收集路径上第j个推荐者的采信因子。对收集到的关于交易对方的历史信息进行综合处理之后，交易者需要设置对该交易对方的信任度阀值α，α∈[0，1]，以及置信度λ，λ＜1。交易对方的信任度V按如下公式计算：

$V=P_{\mathrm{\α}}(X\≤M)=\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{C}_{M+N}^l{\mathrm{\α}}^l{(1-\mathrm{\α})}^{M+N-l}$

当V＜λ时，表明该交易对方的信任度达不到要求，应拒绝与其进行交易，反之，则表明该交易对方达到信任度要求，可继续与其进行交易。

本发明设计了模拟实验来验证该信任度评估方法的合理性。实验场景如图4所示，其中A为交易者，G为A的交易对方，B、C、D、E、F是A的直接或间接信息推荐者，他们之间的采信因子标注在相连与两者的边上。由于无法确切了解信息推荐者的行为，在模拟实验中我们假设A对信息推荐者的采信程度取决于该最终信息推荐者所提供的推荐经验值的相对误差程度，即采信程度越低，该最终信息推荐者所提供的信息相对误差范围越大，反之亦然。令最终信息推荐者E，F的每次推荐信息服从某个正态分布N(μ，σ)，μ为最终信息推荐者的实际记录信息，σ表示该信息的误差程度，该值越大误差程度越大。针对上述实验场景中A对最终信息推荐者E，F的采信程度的差异，本发明分别给定σ_E＝0.003*μ和σ_F＝0.005*μ。为使实验更接近实际情况，如只有在对交易对方缺乏直接历史信息时，才需要通过其他信息推荐者获得相关信息，本发明设定A对G的直接历史信息少于两个最终信息推荐者E、F，在模拟实验中E和F获得的关于G的信息的总数取100-500之间的随机数，而A对G的直接信息总数则取50-100之间的随机数。设置置信度λ＝0.01，和A对G的信任度阀值为0.90，在不同的G的固有信任度(从0.6到0.98，其中间隔为0.01)下，各进行1000次的随机模拟实验并统计拒绝的次数，其结果形成如图5所示的拒绝曲线。图中，横坐标为被评估实体G的固有信任度，纵坐标为每1000次模拟实验中G被A拒绝的次数。各曲线依次为获得如下不同历史信息进行判断的实验结果：1、全部信息；2、除信息推荐路径“E→C→A”以外的全部信息；3、A自身记录的信息；4、信息推荐路径“F→D→A”的所提供的信息。

图5所示的实验结果可以看出，采用全部信息的拒绝曲线相对于采纳其他信息的拒绝曲线，其曲线的下降过程最快，而仅采用A对G直接信息的拒绝曲线其下降过程最慢，这表明本方法在获得较全面历史信息时，其判断的精确性较高。另外，可以看到所有曲线只在横坐标0.9(A对G的信任度阀值)附近发生很陡的下降，说明本方法能够很好的根据历史信息计算出一个合理的信任度。所有拒绝曲线发生跳变的区域都在信任度阀值附近，但均偏向左侧，这意味着一些固有信任度略低于阀值的交易对方可能不会被拒绝，而固有信任度高于阀值的交易对方几乎不被拒绝。实际上，信任度的使用方式并不局限于这种绝对的是非判断，也可用于多个未被拒绝交易对方之间的比较和选择。

Claims (3)

1、一种基于历史信息的电子商务系统中交易双方信任度测定方法，其特征是该方法包括以下步骤：

(1)在交易辅助设备上设置信息推荐者及相应的采信程度；

(2)在交易辅助设备上设置信息收集的广度和深度；

(3)利用交易辅助设备间的网络通信收集与交易对方有关的历史信息；

(4)综合处理来自多个推荐者的历史信息；

(5)在交易辅助设备上设置信任度阀值和置信度；

(6)测定信任度并进行信任判断；

(7)结束。

2、根据权利要求1所述的一种基于历史信息的电子商务系统中交易双方信任度测定方法，其特征是：在步骤(4)中，通过以下公式计算综合后的交易对方的历史信息：

$M=M_d+\mathrm{int}(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{C}_i\·M_i^d)$     $N=N_d+\mathrm{int}(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{C}_i\·N_i^d)$

其中：M为诚信交易活动次数，N为恶意欺诈行为次数，M_d、N_d分别表示交易者自身记录关于交易对方的诚信交易次数和恶意欺诈次数，M_i ^d、N_i ^d分别表示编号为i的经验收集路径上获得的关于交易对方的诚信交易次数和恶意欺诈次数；

其中，C_i是综合采信因子，C_i，j是编号为i的经验收集路径上第j个推荐者的采信因子。

3、根据权利要求1所述的一种基于历史信息的电子商务系统中交易双方信任度测定方法，其特征是：在步骤(6)中，信任度V通过以下公式计算：

$V=P_{\mathrm{\α}}(X\≤M)=\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{C}_{M+N}^l{\mathrm{\α}}^l{(1-\mathrm{\α})}^{M+N-l}$

其中：α，α∈[0，1]为信任度阀值，λ，λ＜1为置信度；

当V＜λ时，拒绝与其进行交易，反之，则可继续与其进行交易。

Images