DE112014006799T5

DE112014006799T5 - Verfahren zur Messung eines Benutzerverhalten-Konsistenzgrades auf Basis eines komplexen Korrespondenzsystems

Info

Publication number: DE112014006799T5
Application number: DE112014006799.7T
Authority: DE
Inventors: Changjun Jiang; Hongzhong Chen; Chungang Yan; Zhijun Ding; Mimi Wang; Peihai Zhao
Original assignee: Tongji University
Current assignee: Tongji University
Priority date: 2014-07-10
Filing date: 2014-12-31
Publication date: 2017-05-11
Also published as: WO2016004744A1; US20170169350A1; CN104133808B; CN104133808A

Abstract

Ein Verfahren zur Messung des Benutzerverhalten-Konsistenzgrades auf Basis eines komplexen Korrespondenzsystems, das für Sicherheit bei Internet-Bezahlplattformen verwendet wird. Eine gesamte Lösung ist in drei Abschnitte gegliedert: in einem ersten Abschnitt die Analyse komplexer Korrespondenzrelationseigenschaften gemäß einem existierenden Benutzerverhaltensmodell; in einem zweiten Abschnitt das Erstellen eines Verhaltensprofils gemäß Benutzerverhaltenseigenschaften und das Erstellen von Benutzerverhaltensrelationsmatrizen; und in einem dritten Abschnitt das Durchführen von Benutzerverhaltensmatrix-Zerlegung gemäß den komplexen Korrespondenzeigenschaften eines Benutzers, Berechnen eines Benutzerverhalten-Konsistenzgrades und Detektieren eines Konsistenzgrades zwischen Benutzerverhalten und erwarteten Verhalten. Die interne Verhaltensrelation des Benutzers wird ausführlicher analysiert, das Benutzerverhaltensrelationsprofil wird erstellt, die komplexen Korrespondenzrelationen werden erkannt und klassifiziert und Benutzerverhaltenskonsistenzmessung und -analysearchitektur auf Basis der komplexen Korrespondenzrelationen werden gegeben. Die komplexen Korrespondenzrelationen werden effektiv erkannt und berechnet, das Problem der Messung einer Verhaltenskonsistenz eines komplexen Korrespondenzmodellpaars ist gelöst und die Verfahrenszeit ist erheblich verkürzt.

Description

Hintergrund der vorliegenden Erfindung
Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine Messung eines Benutzerverhalten-Konsistenzgrades, der für Sicherheit bei Internet-Bezahlplattformen verwendet werden kann.
Beschreibung des Standes der Technik
Mit der schnellen Entwicklung von Computer wird die Anwendung von Online-Bezahlplattformen zunehmend breiter und die Anforderungen an Detektionstechnologien zur Verhaltenskonsistenz in Bezahlvorgängen von Benutzern werden ebenfalls zunehmend strenger.
Da Systementwickler und Systemmodellierer verschiedene Ansichten zu demselben Realwelt-Phänomen haben, bestehen folglich verschiedene Modelle. Modellkonsistenz bezieht sich auf das Anpassen der Semantik von Modellelementen bei Modellanpassungssituationen. In der Folge existieren klarerweise komplexe Korrespondenzsituationen. Laut Statistiken gibt es bei Korrespondenz in Prozessmodellen mehr als 40% komplexe Korrespondenz und mehr als 7% kreuz-repetitive Korrespondenz. Wie Konsistenzanalyse für Benutzerverhalten und erwartete Verhalten in elektronischen Transaktionsvorgängen durchgeführt wird, hat offensichtlich entscheidende Signifikanz für Modelle existierender komplexer Systeme.
In der Vergangenheit wurden Forschungen zu Konsistenz zwischen zwei Modellen betrieben (d. h. ein Benutzerverhaltensmessmodell und ein Erwartungsmodell) und Messverfahren wie z. B. Trace Matching, Mutual Simulation und Verhaltensanalyse wurden vorgeschlagen (siehe Anmerkungen [1–5] unten). Diese Verfahren können jedoch Situationen komplexer Korrespondenz zwischen Verhalten im Aspekt der komplexen Korrespondenz nicht effektiv unterscheiden, sodass die Berechnungsgenauigkeit stark geschmälert ist.
Es wird das folgende Verzeichnis bereitgestellt, wobei frei verfügbare Literatur entsprechend dem Verzeichnis naher oder entfernter Stand der Technik zu der technischen Lösung der vorliegenden Erfindung ist, der als Teil der Beschreibung der vorliegenden Erfindung betrachtet wird. Daher kann für technische Begriffe, die mit der technischen Lösung der vorliegenden Erfindung in einem Zusammenhang stehen, und für Stand der Technik, von dem die Umsetzung der technischen Lösung abhängt, auf die folgenden Informationen verwiesen werden:

[1] Matthias Weidlich, Jan Mendling, Mathias Weske. Efficient consistency measurement based on behavioral profiles of process models [J]. IEEE Transactions on Software Engineering, 2001, 37(3): 410–129.
[2] Matthias Weidlich, Behavioral profiles – a relational approach to behavior consistency [DB/OL]. Institutional Repository of the University of Potsdam: URL http://opus.kobv.de/ubp/volltexte/2011/5559/URN urn:nbn:de:kobv:517-opus-55590, 2011.
[3] Sergey Smirnov, Matthias Weidlich, Jan Mendling. Business Process Model Abstraction Based an Behavioral Profiles [C]. Heidelberg: Springer Verlag, 2010: 1–16.
[4] Matthias Weidlich, Mathias Weske, Jan Mendling. Change Propagation in Process Models Using Behavioral Profiles [C]. Washington: IEEE Computer Society Washington, 2009: 33–40.
[5] Matthias Weidlich, Jan Mendling. Perceived consistency between process models [J]. Information Systems, 2012, 37(2): 80–98.
[6]
Petri
[M].
2006

Zusammenfassung der vorliegenden Erfindung
Der Zweck der vorliegenden Erfindung ist es, die Mängel des Standes der Technik zu überwinden, um die Verhaltenskonsistenz zwischen einem Benutzerverhaltensmodell und einem Erwartungsmodell zu messen, spezifische klassifizierte Analyse hinsichtlich komplexer Korrespondenz-Verhaltensrelationen durchzuführen und Verhaltenskorrespondenzeigenschaften aller komplexen Klassen zu bestimmen; und das Problem der Messung von Verhaltenskonsistenz, einschließlich kreuz-repetitiver Korrespondenz, zu lösen, Verhaltenskonsistenz von Modellen durch die Verwendung von Wissen hinsichtlich Matrizen zu berechnen und einen Übereinstimmungsgrad von Verhaltenskonsistenz, einschließlich komplexer Korrespondenzrelationen, zu messen. Zu diesem Zweck wird die folgende technische Lösung angewendet:
Ein Verfahren zur Messung des Benutzerverhalten-Konsistenzgrades auf Basis eines komplexen Korrespondenzsystems ist dadurch gekennzeichnet, dass die gesamte Lösung in drei Abschnitte gegliedert ist:
einen ersten Abschnitt, der die folgenden spezifischen Umsetzungsschritte umfasst:
Schritt 1-1: Unterteilen von Kreuzordnungsrelationen, basierend auf einem existierenden Workflow-Netz, und Verfeinern von Verhaltensprofilrelationen;
Schritt 1-2: Analysieren komplexer Korrespondenzrelationen, Klassifizieren der komplexen Korrespondenzrelationen und Bestimmen der Verhaltenseigenschaften jeder Klasse; und
Schritt 1-3: simultanes Analysieren transitiver Abhängigkeitsrelationen zwischen Benutzeraktivitäten gemäß indirekten Relationen zwischen Benutzern,
wobei die Schritte 1-1, 1-2 und 1-3 parallel ausgeführt werden;
einen zweiten Abschnitt, der die folgenden spezifischen Umsetzungsschritte umfasst:
Schritt 2-1: Bestimmen von Korrelationen zwischen fünf Klassen von Korrespondenzrelationen gemäß der Klassifikation der komplexen Korrespondenzrelationen, die in Schritt 1-2 durchgeführt wurden, und den Verhaltenseigenschaften jeder Klasse;
Schritt 2-2: Erstellen von erweiterten Benutzerverhaltensprofilrelationen gemäß den Verhaltensprofilrelationen, die in Schritt 1-1 verfeinert wurden;
Schritt 2-3: Konvertieren von Benutzerverhaltensrelationen in Matrixelemente auf Basis von Schritt 2-2 in Kombination mit Schritt 1-3 gemäß einer Formel
(worin a_ij Elemente in der Verhaltensrelationsmatrix bezeichnet); und
Schritt 2-4: Erstellen eines Benutzerverhaltensrelationsmatrix-Graphen auf Basis der Schritte 2-2 und 2-3,
worin ein Erstellungsschritt davon wie folgt von der Matrix MD₁ → MD₂ → MD₃ → MD₄ ... → MD_n → MD) ist:

einen dritten Abschnitt, der die folgenden spezifischen Umsetzungsschritte umfasst:
Schritt 3-1: Zerlegen der Benutzerverhaltensrelationsmatrizen gemäß den fünf komplexen Benutzerkorrespondenzrelationsklassen, die in Schritt 2-1 bestimmt wurden, und dem Verhaltensrelationsmatrix-Graphen, der in Schritt 2-4 erstellt wurde; und
Schritt 3-2: Berechnen der Verhaltenskonsistenz zwischen einem Benutzermodell und einem Erwartungmodell gemäß Korrespondenzrelationen zwischen einem eigentlichen Modell und dem Erwartungsmodell eines Benutzers, Berechnungsformel: Konsistenzgrad = Bereich der konsistenten Verhaltensrelationsmatrizen / Gesamtbereich der Verhaltensrelationsmatrizen wobei konsistente Verhaltensrelationen konsistente Teile an Benutzeraktivitäten aufweisen, ein Bereich der Verhaltensmatrizen zur Darstellung der gesamten konsistenten Verhaltensrelationen davon verwendet wird, ein höherer Konsistenzwert dafür steht, dass Benutzerverhalten und erwartete Verhalten konsistenter sind, ein geringerer Konsistenzwert dafür steht, dass das Benutzerverhalten und die erwarteten Verhalten inkonsistenter sind, und wenn die Konsistenz besonders gering ist, die Benutzerverhalten als illegale Verhalten verdächtigt werden.
Kurzbeschreibung der Zeichnungen
1 ist ein Systemarchitekturdiagramm.
2 ist ein Geschäftsvorgang-Petri-Netzdiagramm.
3 ist ein Verhaltensrelationsgraph aus 2.
4 ist ein Zerlegungsgraph aus 3.
5 ist ein Flussdiagramm für Algorithmus 1.
6 ist ein Flussdiagramm für Algorithmus 2.
Detaillierte Beschreibung der bevorzugten Ausführungsformen
Eine genauere Analyse wird zu den internen Verhaltensrelationen eines Benutzers durchgeführt, Profile von Benutzerverhaltensrelationen erstellt, komplexe Korrespondenzrelationen werden erkannt und klassifiziert, und Benutzerverhaltenskonsistenzmessung und -analysearchitektur auf Basis der komplexen Korrespondenzrelationen ist gegeben, wie in 1 dargestellt ist. Diese Architektur kann die komplexen Korrespondenzrelationen effektiv erkennen und demgemäß eine präzisere Beurteilung hinsichtlich der Verhaltenskorrespondenzrelationen treffen. Die komplexen Korrespondenzrelationen werden effektiv erkannt und berechnet, das Problem der Verhaltenskonsistenzmessung komplexer Korrespondenzmodellpaare ist gelöst und die Verfahrenszeit erheblich verkürzt.
Wie in 1, die ein Systemstrukturdiagramm eines Verfahrens zur Messung eines Benutzerverhalten-Konsistenzgrades darstellt, gezeigt ist, ist eine gesamte Lösung in drei Abschnitte gegliedert: in einem ersten Abschnitt die Analyse komplexer Korrespondenzrelationseigenschaften gemäß einem traditionellen Benutzerverhaltensmodell, in einem zweiten Abschnitt das Erstellen eines Verhaltensprofils gemäß den Benutzerverhaltenseigenschaften und das Erstellen von Benutzerverhaltensrelationsmatrizen, und in einem dritten Abschnitt das Durchführen von Benutzerverhaltensmatrix-Zerlegung gemäß den komplexen Korrespondenzeigenschaften eines Benutzers, Berechnen eines Benutzerverhalten-Konsistenzgrades und Detektieren eines Konsistenzgrades zwischen Benutzerverhalten und erwarteten Verhalten.
Der erste Abschnitt umfasst die folgenden spezifischen Umsetzungsschritte:
Schritt 1-1: Unterteilen von Kreuzordnungsrelationen, basierend auf einem existierenden Workflow-Netz, und Verfeinern von Verhaltensprofilrelationen;
Schritt 1-2: Analysieren komplexer Korrespondenzrelationen, Klassifizieren der komplexen Korrespondenzrelationen und Bestimmen der Verhaltenseigenschaften jeder Klasse; und
Schritt 1-3: simultanes Analysieren transitiver Abhängigkeitsrelationen zwischen Benutzeraktivitäten gemäß indirekten Relationen zwischen Benutzern,
wobei die Schritte 1-1, 1-2 und 1-3 parallel ausgeführt werden.
Der zweite Abschnitt umfasst die folgenden spezifischen Umsetzungsschritte:
Schritt 2-1: Bestimmen von Korrelationen zwischen fünf Klassen von Korrespondenzrelationen gemäß der Klassifikation der komplexen Korrespondenzrelationen, die in Schritt 1-2 durchgeführt wurden, und den Verhaltenseigenschaften jeder Klasse;
Schritt 2-2: Erstellen von erweiterten Benutzerverhaltensprofilrelationen gemäß den Verhaltensprofilrelationen, die in Schritt 1-1 verfeinert wurden;
Schritt 2-3: Konvertieren von Benutzerverhaltensrelationen in Matrixelemente auf Basis von Schritt 2-2 in Kombination mit Schritt 1-3 gemäß einer Formel
(worin a_ij Elemente in der Verhaltensrelationsmatrix bezeichnet); und
Schritt 2-4: Erstellen eines Benutzerverhaltensrelationsmatrix-Graphen auf Basis der Schritte 2-2 und 2-3,
worin ein Erstellungsschritt davon wie folgt ist (von der Matrix MD₁ → MD₂ → MD₃ → MD₄ ... MD_n → MD):
Der dritte Abschnitt umfasst die folgenden spezifischen Umsetzungsschritte:
Schritt 3-1: Zerlegen von Benutzerverhaltensrelationsmatrizen gemäß den fünf komplexen Benutzerkorrespondenzrelationsklassen, die in Schritt 2-1 bestimmt wurden, und dem Verhaltensrelationsmatrix-Graphen, der in Schritt 2-4 erstellt wurde (für Details siehe Algorithmus 1); und
Schritt 3-2: Berechnen der Verhaltenskonsistenz zwischen einem Benutzermodell und einem Erwartungsmodell gemäß Korrespondenzrelationen zwischen einem aktuellen Modell und dem Erwartungsmodell eines Benutzers (für Details siehe Algorithmus 2), Berechnungsformel: Konsistenzgrad = Bereich der konsistenten Verhaltensrelationsmatrizen / Gesamtbereich der Vehaltenserelationsmatrizen wobei konsistente Verhaltensrelationen konsistente Teile an Benutzeraktivitäten aufweisen, ein Bereich der Verhaltensmatrizen zur Darstellung der gesamten konsistenten Verhaltensrelationen davon verwendet wird, ein höherer Konsistenzwert dafür steht, dass Benutzerverhalten und erwartete Verhalten konsistenter sind, ein geringerer Konsistenzwert dafür steht, dass das Benutzerverhalten und die erwarteten Verhalten inkonsistenter sind, und wenn die Konsistenz besonders gering ist, die Benutzerverhalten als illegale Verhalten verdächtigt werden.
Algorithmus 1: ein Lösungsalgorithmus aus Elementen in einem Verhaltensrelationsmatrix-Graphen (für die spezifischen Prozesse siehe Fig. 5)

Eingabe: zwei Workflow-Netze N₁ = (P₁, T₁; F₁) und N₂ = (P2₁, T₂; F₂), worin sie Transitionsmengen von Korrespondenzrelationen haben A = {a₁, a₂, ..., a_n), B = {b₁, b₂, ..., b_m}
Verhaltensmatrizen MD_A0 und MD_B0 für Bestellen;
Ausgabe: Elemente a_ij (i, j = 1, 2, ..., n) und b_ij (i, j = 1, 2, ..., m) in den Verhaltensrelationsmatrix-Graphen MD_A und MD_B;
(1) zuerst Bestimmen der Elemente a_ii (i = 1, 2, ..., n) von Diagonalen in MD_A, aufeinanderfolgendes Beurteilen, ob a_i (i = 1, 2, ..., n) in einer Ringstruktur ist oder nicht, und wenn a_i nicht in der Ringstruktur ist, Ausgabe von a_ii = 2 und Durchführen von Schritt (2); oder Ausgabe von a_ii = 0 und Durchführen von Schritt (2);
(2) dann Bestimmen von Werten von a_i,i+1 und a_i+1,i (i = 1, 2, ..., n – 1), im Netz N₁, aufeinanderfolgendes Berechnen von Verhaltensrelationen zwischen a_i und a_i+1, dann Konvertieren der Verhaltensrelationen in eine ganze Zahl p, Ausgabe von a_i,i+1 = a_i+1,i = p, und Durchführen von Schritt (3);
(3) dann Bestimmen von Werten von a_i,i+2 und a_i+2,i (i = 1, 2, ..., n – 2); wenn a_i,i+1 ≠ a_i+1,i+2, Ausgabe von a_i,i+2 = a_i+2,i = min{a_i,j+1, a_i+1,i+2}; oder wenn a_i,i+1 = a_i+1,i+2 = 1, Ausgabe von a_i,i+2 = a_i+2,i = 1; oder wenn a_i,i+1 = a_i+1,i+2 ≠ 1, Beurteilen von Verhaltensrelationen zwischen a_i und a_i+2 und Konvertieren der Verhaltensrelationen in einen Relationswert q, Ausgabe von a_i,i+2 = a_i+2,i = q, und Durchführen von Schritt (4);
(4) ähnlich, Bestimmen von a_i,i+h und a_i+h,i (i = 1, 2, ..., n – h) (h = 3, ..., n – 1), Ausgabe von a_i,i+h = a_i+h,i, und Beenden des Algorithmus bis zum letzten Element a_1n.

Ähnlich werden die Elemente b_ij (i, j = 1, 2, ..., m) in MD_B gemäß dem Algorithmus 1 berechnet, um eine Matrix MD_B zu erhalten.
Algorithmus 2: ein Lösungsalgorithmus von Konsistenzgrad (für die spezifischen Prozesse siehe Fig. 6)

Eingabe: zwei Workflow-Netze N₁ = (P₁, T₁; F₁) und N₂ = (P2₁, T₂; F₂), worin die Relationsmatrizen MD_A0 und MD_B0 davon durch den Algorithmus 1 gelöst sind;
Ausgabe: Konsistenzgrad BP
(1) zuerst jeweils Teilen von MD_A0 und MD_B0 in p- und q-entsprechende Mengen gemäß Korrespondenzrelationen der Transitionsmengen in MD_A0 und MD_B0, aufeinanderfolgendes Markieren von MD_A0 als {a₁, a₂, ..., a_m}, {a_m+1, a_m+2, ..., a₁} ... {a_s+1, ..., a_n}, und Durchführen von Schritt (2);
(2) zuerst Nehmen und Markieren von ersten quadratischen Matrizen m-ter Ordnung in MD_A0 als ein Modul 1 gemäß einer ersten Menge {a₁, a₂, ..., a_m}, entsprechend MD_B0, in MD_A0, und Durchführen von Schritt (3);
(3) Nehmen und Markieren einer Matrix m×(1 – m)-ter Ordnung, die aus 1 → (m) Zeilen und (m + 1) → (1) Spalten in MD_A0 besteht, und einer transponierten Matrix davon als ein Modul 2 gemäß einer zweiten Menge {a_m+1, a_m+2, ..., a₁), entsprechend MD_B0, in MD_A0, und Durchführen von Schritt (4);
(4) Durchführen des vorangegangenen Schritts bis zu einer p-ten Menge {a_s+1, ..., a_n}, entsprechend MD_B0, in MD_A0, Nehmen und Markieren einer Matrix m×(n – s)-ter Ordnung, die aus 1 → (m) Zeilen und (s + 1) → (n) Spalten in MD_A0 besteht, und einer transponierten Matrix davon als Modul p, und Durchführen von Schritt (5);
(5) Nehmen und Markieren einer Matrix (1 – m)-ter Ordnung, die aus (m + 1) → (1) Zeilen und (m + 1) → (1) Spalten in MD_A0 besteht, als Modul p + 1 gemäß einer zweiten Menge {a_m+1, a_n+2, ..., a₁), entsprechend MD_B0, in MD_A0, und Durchführen von Schritt (6);
(6) Durchführen von Schritt (4), Markieren einer Matrix (1 – m)×(n – s)-ter Ordnung, die aus (m + 1) → (1) Zeilen und (s + 1) → (n) Spalten in MD_A0 besteht, und einer transponierten Matrix davon als Modul p + 2, und Durchführen von Schritt (7);
(7) Operation so durchführen bis zu einer p-ten Menge {a_s+1, ..., a_n}, entsprechend MD_B0, in MD_A0, Nehmen und Markieren einer Matrix (n – s)-ter Ordnung, die aus s + 1 → n Zeilen und s + 1 → n Spalten besteht, als Modul p(p + 1) / 2, und Durchführen von Schritt (8);
(8) wenn p = q, ähnlich auch Zerlegen von MD_B0 in p(p + 1) / 2 entsprechende Module, Markieren der Module als Modul 1, 2, ... p(p + 1) / 2, und Durchführen von Schritt (10); oder wenn p ≠ q, auch Zerlegen von nichtrepetitiven Korrespondenzrelationen in MD_B0 in p(p + 1) / 2 entsprechende Module, und Durchführen von Schritt (9);
(9) Festsetzen von entsprechenden repetitiven Transitionsmengen, aufeinanderfolgendes Markieren von Bereichen, die aus den entsprechenden repetitiven Mengen bestehen, als Modul p(p + 1) / 2 + 1 = 1_c, p(p + 1) / 2 + 2 = 2_c ..., p(p + 1) / 2 + (q – p) = (q – p)_c, und Durchführen von Schritt (10); und
(10) aufeinanderfolgendes Überprüfen von Matrixelementen in Modul 1, 2, ..., p(p + 1) / 2 in MD_A0, Herausfinden von a_i, a_i und unterschiedlichen Elementen b_i, b_j im selben Modul von MD_B0, wenn p = q, Ausgabe eines Konsistenzgrades BP und Beenden des Algorithmus, und wenn p ≠ q, Festsetzen von Modul 1_c, 2_c, ..., (q – p)_c, Ausgabe eines Konsistenzgrades BP und Beenden des Algorithmus.

Ein Beispiel von 2 wird unten angeführt.
Gemäß Algorithmus 1 werden die Verhaltensrelationsmatrix-Graphen MD_a, MD_b, MD_c und MD_d in 2(a), (b), (c) und (d) (wie dargestellt in 3) jeweils erhalten, und dann wird das Zerlegen jeweils gemäß den Schritten (1)–(9) des Algorithmus 2 durchgeführt, indem MD_a und MD_b als Beispiel genommen wird, wie dargestellt in 4. Gemäß Schritt (10) des Algorithmus 2 kann ein Konsistenzgrad zwischen (a) und (b) in 2 folgendermaßen erhalten werden:
ähnlich kann ein Konsistenzgrad zwischen (c) und (d) in 2 folgendermaßen erhalten werden: 1 – (1 × 2 + 1 × 2 + 1 × 2) + (1 × 1 + 1 × 1 + 1 × 1) / 6 × 6 + 3 × 3 = 0,8; und in (c) und (d) in 2, A ~ {A1, AB1, AB2}, B ~ {AB1, AB2} und damit ist ein Profilkonsistenzgrad zwischen (c) und (d) in 2 wie folgt: 1 – (1 × 1 + 1 × 1) + (1 × 2 + 3 × 2) / 6 × 6 + 3 × 3 = 42 / 52 ≈ 0,81.
Ein Konsistenzgrad zwischen einem Benutzerverhalten (a) und einem Benutzerverhalten (b) wie dargestellt in 2 erreicht 75%, ein Konsistenzgrad zwischen einem Benutzerverhalten (b) und einem Benutzerverhalten (c) wie dargestellt in 2 erreicht 80%, ein Konsistenzgrad zwischen einem Benutzerverhalten (c) und einem Benutzerverhalten (d) wie dargestellt in 2 erreicht 81% und alle Konsistenzgrade sind vergleichbar hoch, was anzeigt, dass die Benutzerverhalten mit den erwarteten Verhalten konsistent sind, sodass beurteilt wird, dass die Benutzerverhalten legale Verhalten sind.
Innovative Punkte der Erfindung

1. Benutzerverhaltensweisenkonsistenz wird mittels Verhaltensprofiltechnologie quantifiziert.
2. Komplexe Benutzerverhaltensrelationen werden klassifiziert und Verhaltenseigenschaften und -beschaffenheit jeder komplexen Klasse bestimmt.
3. Ein Verhaltensmatrixverfahren wird vorgeschlagen, Verhaltensrelationen zwischen Modellpaaren werden in Elemente von Verhaltensrelationsmatrizen konvertiert und die Berechnungszeit verkürzt.
4. Kreuz-repetitive Korrespondenzsituationen werden erkannt, die Genauigkeit wird verbessert und das Problem der Messung von Verhaltenskonsistenz zwischen kreuz-repetitiven Modellen ist gelöst.

Claims

Verfahren zur Messung eines Benutzerverhalten-Konsistenzgrades auf Basis eines komplexen Korrespondenzsystems, dadurch gekennzeichnet, dass eine gesamte Lösung in drei Abschnitte gegliedert ist: einen ersten Abschnitt, der die folgenden spezifischen Umsetzungsschritte umfasst: Schritt 1-1: Unterteilen von Kreuzordnungsrelationen, basierend auf einem existierenden Workflow-Netz, und Verfeinern von Verhaltensprofilrelationen; Schritt 1-2: Analysieren komplexer Korrespondenzrelationen, Klassifizieren der komplexen Korrespondenzrelationen und Bestimmen der Verhaltenseigenschaften jeder Klasse; und Schritt 1-3: simultanes Analysieren transitiver Abhängigkeitsrelationen zwischen Benutzeraktivitäten gemäß indirekten Relationen zwischen Benutzern, wobei die Schritte 1-1, 1-2 und 1-3 parallel ausgeführt werden; einen zweiten Abschnitt, der die folgenden spezifischen Umsetzungsschritte umfasst: Schritt 2-1: Bestimmen von Korrelationen zwischen fünf Klassen von Korrespondenzrelationen gemäß der Klassifikation der komplexen Korrespondenzrelationen, die in Schritt 1-2 durchgeführt wurden, und den Verhaltenseigenschaften jeder Klasse; Schritt 2-2: Erstellen von erweiterten Benutzerverhaltensprofilrelationen gemäß den Verhaltensprofilrelationen, die in Schritt 1-1 verfeinert wurden; Schritt 2-3: Konvertieren von Benutzerverhaltensrelationen in Matrixelemente auf Basis von Schritt 2-2 in Kombination mit Schritt 1-3 gemäß einer Formel
(worin a_ij Elemente in der Verhaltensrelationsmatrix bezeichnet); und Schritt 2-4: Erstellen eines Benutzerverhaltensrelationsmatrix-Graphen auf Basis der Schritte 2-2 und 2-3, worin ein Erstellungsschritt davon wie folgt ist (von der Matrix MD₁ → MD₂ → MD₃ → MD₄ ... → MD_n → MD):

einen dritten Abschnitt, der die folgenden spezifischen Umsetzungsschritte umfasst: Schritt 3-1: Zerlegen von Benutzerverhaltensrelationsmatrizen gemäß den fünf komplexen Benutzerkorrespondenzrelationsklassen, die in Schritt 2-1 bestimmt wurden, und dem Verhaltensrelationsmatrix-Graphen, der in Schritt 2-4 erstellt wurde; und Schritt 3-2: Berechnen von Verhaltenskonsistenz zwischen einem Benutzermodell und einem Erwartungsmodell gemäß Korrespondenzrelationen zwischen einem eigentlichen Modell und dem Erwartungsmodell eines Benutzers, Berechnungsformel: Konsistenzgrad = Bereich der konsistenten Verhaltensrelationsmatrizen / Gesamtbereich der Verhaltensrelationsmatrizen wobei konsistente Verhaltensrelationen konsistente Teile an Benutzeraktivitäten aufweisen, der Bereich der Verhaltensmatrizen zur Darstellung der gesamten konsistenten Verhaltensrelationen davon verwendet wird, ein höherer Konsistenzwert dafür steht, dass Benutzerverhalten und erwartete Verhalten konsistenter sind, ein geringerer Konsistenzwert dafür steht, dass das Benutzerverhalten und die erwarteten Verhalten inkonsistenter sind, und wenn die Konsistenz besonders gering ist, die Benutzerverhalten als illegale Verhalten verdächtigt werden.
Verfahren zur Messung eines Benutzerverhalten-Konsistenzgrades auf Basis eines komplexen Korrespondenzsystems nach Anspruch 1, dadurch gekennzeichnet, dass in Schritt 3-1 des Zerlegens der Benutzerverhaltensrelationsmatrizen ein Lösungsalgorithmus aus Elementen im Verhaltensrelationsmatrix-Graphen davon wie folgt ist: Eingabe: zwei Workflow-Netze N₁ = (P₁, T₁; F₁) und N₂ = (P2₁, T₂; F₂), worin sie Transitionsmengen von Korrespondenzrelationen haben A = {a₁, a₂, ..., a_n), B = {b₁, b₂, ..., b_m},
Verhaltensmatrizen MD_A0 und MD_B0 für Bestellen; Ausgabe: Elemente a_ij (i, j = 1, 2, ..., n) und b_ij (i, j = 1, 2, ..., m) in Verhaltensrelationsmatrix-Graphen MD_A und MD_B; (1) zuerst Bestimmen von Elementen a_ii (i = 1, 2, ..., n) von Diagonalen in MD_A, aufeinanderfolgendes Beurteilen, ob a_i (i = 1, 2, ..., n) in einer Ringstruktur ist oder nicht, und wenn a_i nicht in der Ringstruktur ist, Ausgabe von a_ii = 2 und Durchführen von Schritt (2); oder Ausgabe von a_ii = 0 und Durchführen von Schritt (2); (2) dann Bestimmen von Werten von a_i,i+1 und a_i+1,i (i = 1, 2, ..., n – 1), im Netz N₁, aufeinanderfolgendes Berechnen von Verhaltensrelationen zwischen a_i und a_i+1, dann Konvertieren der Verhaltensrelationen in eine ganze Zahl p, Ausgabe von a_i,i+1 = a_i+1,i = p, und Durchführen von Schritt (3); (3) dann Bestimmen von Werten von a_i,i+2 und a_i+2,i (i = 1, 2, ..., n – 2); wenn a_i,i+1 ≠ a_i+1,i+2, Ausgabe von a_i,i+2 = a_i+2,i = min{a_i,j+1, a_i+1,i+2}; oder wenn a_i,i+1 = a_i+1,i+2 = 1, Ausgabe von a_i,i+2 = a_i+2,i = 1; oder wenn a_i,i+1 = a_i+1,i+2 ≠ 1, Beurteilen von Verhaltensrelationen zwischen a_i und a_i+2 und Konvertieren der Verhaltensrelationen in einen Relationswert q, Ausgabe von a_i,i+2 = a_i+2,i = q, und Durchführen von Schritt (4); (4) ähnlich, Bestimmen von a_i,i+h und a_i+h,i (i = 1, 2, ..., n – h) (h = 3, ..., n – 1), Ausgabe von a_i,i+h = a_i+h,i, und Beenden des Algorithmus bis zum letzten Element a_1n; ähnlich werden Elemente b_ij (i, j = 1, 2, ..., m) in MD_B gemäß dem Lösungsalgorithmus der Elemente im Verhaltensrelationsmatrix-Graphen berechnet, um eine Matrix MD_B zu erhalten.
Verfahren zur Messung eines Benutzerverhalten-Konsistenzgrades auf Basis eines komplexen Korrespondenzsystems nach Anspruch 1, dadurch gekennzeichnet, dass in Schritt 3-2 der Berechnung der Verhaltenskonsistenz zwischen dem Benutzermodell und dem Erwartungsmodell ein Lösungsalgorithmus eines Konsistenzgrades davon wie folgt ist: Eingabe: zwei Workflow-Netze N₁ = (P₁, T₁; F₁) und N₂ = (P2₁, T₂; F₂), worin Relationsmatrizen MD_A0 und MD_B0 davon durch den Lösungsalgorithmus der Elemente im Verhaltensrelationsmatrix-Graphen im Schritt 3-1 gelöst sind; Ausgabe: ein Konsistenzgrad BP (1) zuerst jeweils Teilen von MD_A0 und MD_B0 in p- und q-entsprechende Mengen gemäß Konrrespondenzrelationen von Transitionsmengen in MD_A0 und MD_B0, aufeinanderfolgendes Markieren von MD_A0 als {a₁, a₂, ..., a_m}, {a_m+1, a_m+2, ..., a₁} ... {a_s+1, ..., a_n}, und Durchführen von Schritt (2); (2) zuerst Nehmen und Markieren von ersten quadratischen Matrizen m-ter Ordnung in MD_A0 als ein Modul 1 gemäß einer ersten Menge {a₁, a₂, ..., a_m}, entsprechend MD_B0, in MD_A0, und Durchführen von Schritt (3); (3) Nehmen und Markieren einer Matrix m×(1 – m)-ter Ordnung, die aus 1 → (m) Zeilen und (m + 1) → (1) Spalten in MD_A0 besteht, und einer transponierten Matrix davon als ein Modul 2 gemäß einer zweiten Menge {a_m+1, a_m+2, ..., a₁}, entsprechend MD_B0, in MD_A0, und Durchführen von Schritt (4); (4) Durchführen des vorangegangenen Schritts bis zu einer p-ten Menge {a_s+1, ..., a_n}, entsprechend MD_B0, in MD_A0, Nehmen und Markieren einer Matrix m×(n – s)-ter Ordnung, die aus 1 → (m) Zeilen und (s + 1) → (n) Spalten in MD_A0 besteht, und einer transponierten Matrix davon als Modul p, und Durchführen von Schritt (5); (5) Nehmen und Markieren einer Matrix (1 – m)-ter Ordnung, die aus (m + 1) → (1) Zeilen und (m + 1) → (1) Spalten in MD_A0 besteht, und einer transponierten Matrix davon als Modul p + 1 gemäß einer zweiten Menge {a_m+1, a_m+2, ..., a₁}, entsprechend MD_B0, in MD_A0, und Durchführen von Schritt (6); (6) Durchführen von Schritt (4), Markieren einer Matrix (1 – m)×(n – s)-ter Ordnung, die aus (m + 1) → (1) Zeilen und (s + 1) → (n) Spalten in MD_A0 besteht, und einer transponierten Matrix davon als Modul p + 2, und Durchführen von Schritt (7); (7) Operation so durchführen bis zu einer p-ten Menge {a_s+1, ..., a_n}, entsprechend MD_B0, in MD_A0, Nehmen und Markieren einer Matrix (n – s)-ter Ordnung, die aus s + 1 → n Zeilen und s + 1 → n Spalten besteht, als Modul p(p + 1) / 2, und Durchführen von Schritt (8); (8) wenn p = q, ähnlich auch Zerlegen von MD_B0 in p(p + 1) / 2 entsprechende Module, Markieren der Module als Modul 1, 2,... p(p + 1) / 2, und Durchführen von Schritt (10); oder wenn p ≠ q, auch Zerlegen von nichtrepetitiven Korrespondenzrelationen in MD_B0 in p(p + 1) / 2 entsprechende Module, und Durchführen von Schritt (9); (9) Festsetzen von entsprechenden repetitiven Transitionsmengen, aufeinanderfolgendes Markieren von Bereichen, die aus den entsprechenden repetitiven Mengen bestehen, als Modul p(p+1) / 2 + 1 = 1_c, p(p + 1) / 2 ÷ 2 = 2_c ..., p(p + 1) / 2 ÷ (q – p) = (q – p)_c, und Durchführen von Schritt (10); und (10) aufeinanderfolgendes Überprüfen von Matrixelementen in Modul 1, 2, ..., p(p + 1) / 2 in MD_A0, Herausfinden von a_i, a_i und unterschiedlichen Elementen b_i, b_j im selben Modul von MD_B0, wenn p = q, Ausgabe eines Konsistenzgrades BP und Beenden des Algorithmus, und wenn p ≠ q, Festsetzen von Modul 1_c, 2_c, ...‚ (q – p)_c, Ausgabe eines Konsistenzgrades BP und Beenden des Algorithmus.