《基于复杂对应系统的用户行为一致性度测量方法.pdf》由会员分享，可在线阅读，更多相关《基于复杂对应系统的用户行为一致性度测量方法.pdf（22页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN104133808A43申请公布日20141105CN104133808A21申请号201410327709222申请日20140710G06F17/1620060171申请人同济大学地址200092上海市杨浦区四平路1239号72发明人蒋昌俊陈闳中闫春钢丁志军王咪咪赵培海74专利代理机构上海天协和诚知识产权代理事务所31216代理人叶凤54发明名称基于复杂对应系统的用户行为一致性度测量方法57摘要一种基于复杂对应系统的用户行为一致性度测量方法，应用于互联网支付平台安全。整个方案分为三个阶段第一阶段根据现有用户行为模型分析复杂对应关系特征，第二阶段根据用户行为特征建立行为轮廓。
2、，构建用户行为关系矩阵，第三阶段根据用户复杂对应特征，完成用户行为矩阵分解，计算用户行为一致性度，检测用户行为与预期行为的一致程度。对用户的内部行为关系进行了较细致的分析，建立了用户行为关系的轮廓，并对复杂对应关系进行区分和分类，给出了基于复杂对应关系用户行为的一致性测量和分析构架。有效地将复杂对应关系进行区分和计算，解决了存在复杂对应模型对的行为一致性测度问题，并大大缩短了运算时间。51INTCL权利要求书5页说明书11页附图5页19中华人民共和国国家知识产权局12发明专利申请权利要求书5页说明书11页附图5页10申请公布号CN104133808ACN104133808A1/5页21一种基于。
3、复杂对应系统的用户行为一致性度测量方法，其特征在于，整个方案分为三个阶段第一阶段具体实施步骤步骤11，在已有工作流网的基础上，对交叉序关系进行细分，细化行为轮廓关系；步骤12，分析复杂对应关系，将复杂对应关系分类，确定各个类的行为特征；步骤13，同时根据用户之间的间接关系分析用户活动间的传递依赖关系；以上步骤11、12和13是并列进行着；第二阶段具体实施步骤步骤21，根据步骤12完成的复杂对应关系的分类及其每个类的行为特征，确定五类对应关系之间的相关性；步骤22，根据步骤11细化的行为轮廓关系，建立用户扩展的行为轮廓关系；步骤23，在步骤22的基础上并结合步骤13，根据公式I,J1,2,N把用。
4、户行为关系转化成矩阵元素其中AIJ为行为关系矩阵中的元素；步骤24，在步骤22和23的基础上，构建用户行为关系矩阵图；其构造步骤如下所示从矩阵MD1MD2MD3MD4MDNMD权利要求书CN104133808A2/5页3权利要求书CN104133808A3/5页4第三阶段具体实施步骤步骤31，根据步骤21确定的五类用户复杂对应类以及步骤24建立的行为关系矩阵图，将用户行为关系矩阵进行分解；步骤32，根据用户实际模型与预期模型的对应关系，计算用户模型与预期模型的行为一致性，其中，一致的行为关系表现出用户活动的一致的部分，用行为矩阵的面积来刻画其整个一致的行为关系，一致度值越高代表该用户行为与预期。
5、行为越一致，一致度值越低代表该用户行为与预期行为越不一致，当一致度特别低时，怀疑该用户行为为非法行为。2如权利要求1所述的基于复杂对应系统的用户行为一致性度测量方法，其特征在于，步骤31中，所述将用户行为关系矩阵进行分解，其行为关系矩阵图中元素的求解算法为输入两个工作流网N1P1,T1；F1和N2P2,T2；F2，其中他们中有着对应关系的变迁集AA1,A2,AN、BB1,B2,BM、I1,2,N、进行排序的行为关系权利要求书CN104133808A4/5页5矩阵MDA0和MDB0；输出行为关系矩阵图MDA、MDB中的元素AIJI,J1,2,N、BIJI,J1,2,M；1先确定MDA中对角线的元。
6、素AIII1,2,N，依次判断AII1,2,N是否处于环结构中，若AI不在环结构中，那么输出AII2，执行步骤2；否则输出AII0，执行步骤2；2再确定AI,I1、AI1,II1,2,N1的值，在网N1中，依次计算AI与AI1的行为关系，然后将行为关系转化为整数P，输出AI,I1AI1,IP，执行步骤3；3再确定AI,I2、AI2,II1,2,N2的值；若AI,I1AI1,I2，输出AI,I2AI2,IMINAI,I1,AI1,I2；否则，若AI,I1AI1,I21，那么输出AI,I2AI2,I1；否则，若AI,I1AI1,I21，那么判断AI与AI2的行为关系，并转化为行为关系数值Q，输出A。
7、I,I2AI2,IQ，执行步骤4；4同理，确定AI,IH、AIH,II1,2,NHH3,N1，输出AI,IHAIH,I，直到最后一个元素A1N，算法终止；同理根据该行为关系矩阵图中元素的求解算法，计算出MDB中的元素BIJI,J1,2,M，从而得到矩阵MDB。3如权利要求1所述的基于复杂对应系统的用户行为一致性度测量方法，其特征在于，步骤32中，所述计算用户模型与预期模型的行为一致性，其一致性度的求解算法为输入两个工作流网N1P1,T1；F1和N2P2,T2；F2，他们的行为关系矩阵MDA0和MDB0，是由步骤31步骤中的行为关系矩阵图中元素的求解算法求得；输出一致性度BP1先根据MDA0与M。
8、DB0中变迁集的对应关系，将MDA0和MDB0分别分为P和Q个对应集合，将MDA0依次标记为A1,A2,AM、AM1,AM2,ALAS1,AN，执行步骤22先根据MDA0中第一个与MDB0对应的集合A1,A2,AM，取MDA0中前M阶方阵记为模块1，并执行步骤3；3根据MDA0中第二个与MDB0对应的集合AM1,AM2,AL，取MDA0中第1M行和M1L列组成的MLM阶矩阵及其转置矩阵记为模块2，并执行步骤4；4仿照之前的步骤，直到MDA0中第P个与MDB0对应的集合AS1,AN，取MDA0中第1M行和S1N列组成的MNS阶矩阵及其转置矩阵记为模块P，并执行步骤5；5根据MDA0中第二个与MD。
9、B0对应的集合AM1,AM2,AL，取MDA0中第M1L行和M1L列组成的LM阶方阵记为模块P1，并执行步骤6；6仿照步骤4，将MDA0中M1L行和S1N列组成的LMNS阶矩阵及其转置矩阵记为模块P2，并执行步骤7；7一直这样进行下去，直到MDA0中第P个与MDB0对应的集合AS1,AN，取S1N行和S1N列组成的NS阶方阵记为模块并执行步骤8；8若PQ，同理将MDB0也分解为对应模块，并标记模块名从权利要求书CN104133808A5/5页6则执行步骤10；否则若PQ，将MDB0中非重复对应关系也分解为对应模块，执行步骤9；9锁定重复对应的变迁集合，以重复对应的集合组成的区域依次记为模块执行。
10、步骤10；10在MDA0中，依次对模块中的矩阵元素进行排查，找出其AI、AI与MDB0相同模块中不同的元素BI、BJ，若PQ，输出一致性度BP，算法终止；否则若PQ，则锁定模块1C、2C,QPC，输出一致性度BP，算法终止。权利要求书CN104133808A1/11页7基于复杂对应系统的用户行为一致性度测量方法技术领域0001本发明涉及用户行为一致性度测量，可应用于互联网支付平台安全。0002背景技术随着计算机的飞速发展，网上支付平台的应用越来越广泛，对于用户在支付过程中的行为一致性检测技术的要求也越来越严格。0003由于系统设计师和建模者对相同的真实世界现象所持有的观点的不同，从而导致不同模。
11、型的建立。模型的一致性关系到模型元素在模型匹配情况下的匹配的语义学。那么存在复杂对应的情况便不言而喻，统计表明对于流程模型中存在的对应中，有超过40是复杂对应的，超过7是有着交叉重复对应的。如何对电子交易过程中用户的行为和预期行为进行一致性分析，在存在于复杂系统中的模型间便显得至关重要。0004先前就两个模型即测量用户行为模型、预期模型之间的一致性有过一些研究，提出了如迹匹配、互模拟、行为轮廓等测量方法见后面的批注15，但是这些方法在复杂对应方面，未能有效区分行为间的复杂对应的情况，从而在计算精度上面大打折扣。0005提供以下索引，索引所对应的公开文献为与本发明技术方案接近或者相关技术，并也视。
12、为本发明说明书的组成部分。因此，本发明技术方案中涉及的技术术语以及技术方案实施所依赖的在先技术可参见如下资料00061MATTHIASWEIDLICH,JANMENDLING,MATHIASWESKEEFCIENTCONSISTENCYMEASUREMENTBASEDONBEHAVIORALPROLESOFPROCESSMODELSJIEEETRANSACTIONSONSOFTWAREENGINEERING,2011,37341042900072MATTHIASWEIDLIC,BEHAVIOURALPROFILESARELATIONALAPPROACHTOBEHAVIOURCONSISTENC。
13、YDB/OLINSTITUTIONALREPOSITORYOFTHEUNIVERSITYOFPOTSDAMURLHTTP/OPUSKOBVDE/UBP/VOLLTEXTE/2011/5559/URNURNNBNDEKOBV517OPUS55590,201100083SERGEYSMIRNOV,MATTHIASWEIDLICH,JANMENDLINGBUSINESSPROCESSMODELABSTRACTIONBASEDONBEHAVIORALPROFILESCHEIDELBERGSPRINGERVERLAG,201011600094MATTHIASWEIDLICH,MATHIASWESKE,J。
14、ANMENDLINGCHANGEPROPAGATIONINPROCESSMODELSUSINGBEHAVIOURALPROLESCWASHINGTONIEEECOMPUTERSOCIETYWASHINGTON,2009334000105MATTHIASWEIDLICH,JANMENDLINGPERCEIVEDCONSISTENCYBETWEENPROCESSMODELSJINFORMATIONSYSTEMS,2012,372809800116吴哲辉，PETRI网导论M机械工业出版社，2006年。发明内容0012本发明目的在于克服现有技术的不足，用于测量用户行为模型与预期模型的行为一致性，对复杂。
15、对应的行为关系进行具体分类分析，确定各个复杂类的行为对应特征；解决含有交叉重复对应的行为一致性问题，利用矩阵的相关知识，计算了模型的行为一致性，测说明书CN104133808A2/11页8量了含有复杂对应关系的行为一致性服从度。0013为此，给出的技术方案为0014一种基于复杂对应系统的用户行为一致性度测量方法，其特征在于，整个方案分为三个阶段0015第一阶段具体实施步骤0016步骤11，在已有工作流网的基础上，对交叉序关系进行细分，细化行为轮廓关系；0017步骤12，分析复杂对应关系，将复杂对应关系分类，确定各个类的行为特征；0018步骤13，同时根据用户之间的间接关系分析用户活动间的传递依。
16、赖关系；0019以上步骤11、12和13是并列进行着；0020第二阶段具体实施步骤0021步骤21，根据步骤12完成的复杂对应关系的分类及其每个类的行为特征，确定五类对应关系之间的相关性；0022步骤22，根据步骤11细化的行为轮廓关系，建立用户扩展的行为轮廓关系；0023步骤23，在步骤22的基础上并结合步骤13，根据公式I,J1,2,N把用户行为关系转化成矩阵元素其中AIJ为行为关系矩阵中的元素；0024步骤24，在步骤22和23的基础上，构建用户行为关系矩阵图；0025其构造步骤如下所示从矩阵MD1MD2MD3MD4MDNMD0026说明书CN104133808A3/11页90027说明。
17、书CN104133808A4/11页100028说明书CN104133808A105/11页110029第三阶段具体实施步骤0030步骤31，根据步骤21确定的五类用户复杂对应类以及步骤24建立的行为关系矩阵图，将用户行为关系矩阵进行分解；0031步骤32，根据用户实际模型与预期模型的对应关系，计算用户模型与预期模型的行为一致性，00320033其中，一致的行为关系表现出用户活动的一致的部分，用行为矩阵的面积来刻画其整个一致的行为关系，一致度值越高代表该用户行为与预期行为越一致，一致度值越低代表该用户行为与预期行为越不一致，当一致度特别低时，怀疑该用户行为为非法行为。附图说明0034图1系统架。
18、构图0035图2业务流程PETRI网图0036图3是图2的行为关系图0037图4是图3的分解图0038图5是算法1流程图0039图6是算法2流程图0040具体实施方式案例对用户的内部行为关系进行了较细致的分析，建立了用户行为关系的轮廓，并对复杂对应关系进行区分和分类，给出了基于复杂对应关系用户行为的一致性测量和分析构架，如图1所示。该构架能够有效区分复杂对应关系，并依此对行为对应关系做到更为精确的判定。有效地将复杂对应关系进行区分和计算，解决了存在复杂对应模型对的行为一致性测度问题，并大大缩短了运算时间。0041用户行为一致性度测量方法系统结构图，如图1所示。整个方案分为三个阶段第一阶段根据现。
19、有用户行为模型分析复杂对应关系特征，第二阶段根据用户行为特征建立行为轮廓，构建用户行为关系矩阵，第三阶段根据用户复杂对应特征，完成用户行为矩阵分解，计算用户行为一致性度，检测用户行为与预期行为的一致程度。0042第一阶段具体实施步骤说明书CN104133808A116/11页120043步骤11，在已有工作流网的基础上，对交叉序关系进行细分，细化行为轮廓关系。0044步骤12，分析复杂对应关系，将复杂对应关系分类，确定各个类的行为特征。0045步骤13，同时根据用户之间的间接关系分析用户活动间的传递依赖关系。0046其中以上步骤11、12和13是并列进行着的。0047第二阶段具体实施步骤004。
20、8步骤21，根据步骤12完成的复杂对应关系的分类及其每个类的行为特征，确定五类对应关系之间的相关性。0049步骤22，根据步骤11细化的行为轮廓关系，建立用户扩展的行为轮廓关系。0050步骤23，在步骤22的基础上并结合步骤13，根据公式I,J1,2,N把用户行为关系转化成矩阵元素其中AIJ为行为关系矩阵中的元素。0051步骤24，在步骤22和23的基础上，构建用户行为关系矩阵图。0052其构造步骤如下所示从矩阵MD1MD2MD3MD4MDNMD0053说明书CN104133808A127/11页130054说明书CN104133808A138/11页140055第三阶段具体实施步骤0056步。
21、骤31，根据步骤21确定的五类用户复杂对应类以及步骤24建立的行为关系矩阵图，将用户行为关系矩阵进行分解具体见算法1。0057步骤32，根据用户实际模型与预期模型的对应关系，计算用户模型与预期模型的行为一致性具体见算法2。0058说明书CN104133808A149/11页150059其中，一致的行为关系表现出用户活动的一致的部分，我们用行为矩阵的面积来刻画其整个一致的行为关系，一致度值越高代表该用户行为与预期行为越一致，一致度值越低代表该用户行为与预期行为越不一致，当一致度特别低时，我们怀疑该用户行为为非法行为。0060算法1行为关系矩阵图中元素的求解算法。具体流程见图50061输入两个工作。
22、流网N1P1,T1；F1和N2P2,T2；F2，其中他们中有着对应关系的变迁集AA1,A2,AN、BB1,B2,BM、I1,2,N、进行排序的行为关系矩阵MDA0和MDB0。0062输出行为关系矩阵图MDA、MDB中的元素AIJI,J1,2,N、BIJI,J1,2,M。00631先确定MDA中对角线的元素AIII1,2,N，依次判断AII1,2,N是否处于环结构中，若AI不在环结构中，那么输出AII2，执行步骤2；否则输出AII0，执行步骤2。00642再确定AI,I1、AI1,II1,2,N1的值。在网N1中，依次计算AI与AI1的行为关系，然后将行为关系转化为整数P，输出AI,I1AI1,。
23、IP，执行步骤3。00653再确定AI,I2、AI2,II1,2,N2的值。若AI,I1AI1,I2，输出AI,I2AI2,IMINAI,I1,AI1,I2；否则，若AI,I1AI1,I21，那么输出AI,I2AI2,I1；否则，若AI,I1AI1,I21，那么判断AI与AI2的行为关系，并转化为行为关系数值Q，输出AI,I2AI2,IQ，执行步骤4。00664同理，确定AI,IH、AIH,II1,2,NHH3,N1，输出AI,IHAIH,I，直到最后一个元素A1N，算法终止。0067同理我们根据算法1，可以计算出MDB中的元素BIJI,J1,2,M，从而得到矩阵MDB。0068算法2一致性度。
24、的求解算法。具体流程见图60069输入两个工作流网N1P1,T1；F1和N2P2,T2；F2，他们的行为关系矩阵MDA0和MDB0由算法1求得。0070输出一致性度BP。00711先根据MDA0与MDB0中变迁集的对应关系，将MDA0和MDB0分别分为P和Q个对应集合，将MDA0依次标记为A1,A2,AM、AM1,AM2,ALAS1,AN，执行步骤200722先根据MDA0中第一个与MDB0对应的集合A1,A2,AM，取MDA0中前M阶方阵记为模块1，并执行步骤3。00733根据MDA0中第二个与MDB0对应的集合AM1,AM2,AL，取MDA0中第1M行和M1L列组成的MLM阶矩阵及其转置矩。
25、阵记为模块2，并执行步骤4。00744仿照之前的步骤，直到MDA0中第P个与MDB0对应的集合AS1,AN，取MDA0中第1M行和S1N列组成的MNS阶矩阵及其转置矩阵记为模块P，并执行步骤5。说明书CN104133808A1510/11页1600755根据MDA0中第二个与MDB0对应的集合AM1,AM2,AL，取MDA0中第M1L行和M1L列组成的LM阶方阵记为模块P1，并执行步骤6。00766仿照步骤4，将MDA0中M1L行和S1N列组成的LMNS阶矩阵及其转置矩阵记为模块P2，并执行步骤7。00777一直这样进行下去，直到MDA0中第P个与MDB0对应的集合AS1,AN，取S1N行和S。
26、1N列组成的NS阶方阵记为模块并执行步骤8。00788若PQ，同理将MDB0也分解为对应模块，并标记模块名从则执行步骤10；否则若PQ，将MDB0中非重复对应关系也分解为对应模块，执行步骤9。00799锁定重复对应的变迁集合，以重复对应的集合组成的区域依次记为模块执行步骤10。008010在MDA0中，依次对模块中的矩阵元素进行排查，找出其AI、AI与MDB0相同模块中不同的元素BI、BJ，若PQ，输出一致性度BP，算法终止；否则若PQ，则锁定模块1C、2C,QPC，输出一致性度BP，算法终止。0081下面给出图2的一个例子。0082根据算法1，分别得到图2A、B、C、D的行为关系矩阵图MDA。
27、、MDB、MDC、MDD如图3所示，然后根据算法2的步骤19，分别对其进行分解，以MDA、MDB为例，如图4所示。根据算法2的步骤10，可得图2中A和B的一致性度为同理可得到图2中B和C的一致性度为而图中C和D中，有AA1,AB1,AB2且有BAB1,AB2，有图2中C和D的轮廓一致性度为0083图2所示的用户A的行为与B的行为一致度达到75，图2所示的用户B的行为与C的行为一致度达到80，图2所示的用户C的行为与D的行为一致度约达到81，都比较高，表明该用户行为与预期行为一致，我们判定该用户行为为合法行为。0084本发明的创新点说明书CN104133808A1611/11页1700851利用。
28、行为轮廓技术，将用户行为模式一致性量化。00862对用户复杂行为关系进行分类，并确定了各个复杂类的行为特征及性质。00873提出行为矩阵的方法，将模型对间的行为关系转化为行为关系矩阵的元素，缩短了计算时间。00884区分了交叉重复对应的情况，提高精确度，解决了存在交叉重复模型对的行为一致性测度问题。说明书CN104133808A171/5页18图1说明书附图CN104133808A182/5页19图2说明书附图CN104133808A193/5页20图3图4说明书附图CN104133808A204/5页21图5说明书附图CN104133808A215/5页22图6说明书附图CN104133808A22。