DS证据推理下抗信誉共谋攻击的行为信任研究

As a new attack on reputation system, the high simulation of collusion, the Strong evolutionary of coconspirator behavior and the loose coupling of the coconspirators highlight the limits of present researches. The problem of how to detect reputation collusion attack is not only an unresolved problem of attack-resistant behavior trust management research, but also the pressing difficulty of E-commerce. Merging implicit and explicit entity behavior analysis, the uncertain reasoning, rough set reduce and social network are combined to provide new method for reputation collusion attack detection：①Implicit and explicit entity behavior analysis are combined to find the hidden evidences by using reduction algorithm so to reduce the interference of the high simulation of collusion. The process of obtaining the evidences could be extended to other malicious behavior detection. ②The dynamic adjustment mechanism with learning ability is designed by using reduction algorithm. Based on the improved QPOS with memory ability and two times counting of distances among the evidences, a new fusion method is proposed. So that the detection reasoning algorithm is proposed to restrain the evolution of coconspirators and to provide new method for mass high conflicting evidences fusion in E-commerce. ③Using reasoning results as the seeds and not denial relationship of coconspirators as diffusing path, the single seed multi-diffusion attack detection model is propose to avoid the bias of the weak relationship as evidence enlarging. Through this model the attacks of large group with weak relation are detected effectively.This project aims to provide new method for resisting reputation collusion attack, upgrades attack-resistant capability of the existing trust and reputation systems and provide theoretical guidance in accord with reality for improving online business behavior supervision level and creating credible online shopping environment.

作为针对信誉系统的新型攻击，信誉共谋的高仿真性、信誉共谋者行为的强进化性、信誉共谋者关系的松耦合性，使抗信誉共谋攻击研究具高复杂性和挑战性，成为学术界和电商实践的紧迫难题。本课题通过DS证据推理、社会网络等方法结合，拟形成以下创新：①融合隐式和显式行为分析，基于约简发掘共谋中隐藏的证据，降低共谋高仿真性的干扰，方法可推广到其他恶意行为检测中；②设计具学习能力的证据动态调整机制，跟踪信誉共谋者进化，建立带记忆量子粒子群模糊聚类下基于二次证据距离的证据合成方法，构建识别推理算法，可为电商下海量高冲突证据融合提供新方法；③以推理结果为种子，用共谋者间不可抵赖关系为扩散路径，构建单种子多向扩散攻击识别模型，克服以弱关系作为证据可能造成的偏差放大，有效识别松耦合共谋群体所产生的攻击。本课题旨在为抗信誉共谋攻击提供新方法，提升信誉系统的抗攻击能力，为建立在线信任、抑制网络欺诈提供科学依据和理论指导。

近年，愈演愈烈的信誉欺诈已成为电子商务发展的巨大障碍，突显信任管理的缺失。行为信任是根据实体彼此间的交互经验动态更新实体间信任关系的信任管理方法，通常通过信任和信誉系统解决在线信任建立问题。信誉共谋是针对信誉系统的新型攻击，指多个实体(卖家)串通，通过非合法手段，不合理提升信誉值从而获利，同时可能损害其他实体(诚实卖家和买家)的利益。本课题中，抗信誉共谋攻击是通过识别方法和模型，及时发现信誉共谋从而对其产生直接抑制作用。. 针对上述问题，聚焦于第三方平台的B2C和C2C电子商务，本课题基于现有的行为信任研究，对抗信誉共谋攻击进行研究。从攻击整体表现、攻击者行为和攻击者关系，三方面层层深入地对信誉共谋进行全面、系统的研究，针对信誉共谋的高仿真性、信誉共谋者行为的强进化性、信誉共谋者关系的松耦合性，通过引入隐式行为分析，降低信誉共谋高仿真性的干扰；通过带学习能力的推理方法，抑制信誉共谋者的强进化性；通过推理结合社会网络，解决信誉共谋者关系松耦合性带来的隐蔽性，从而识别并抵制信誉共谋攻击。. 本项目主要贡献在于基于DS证据理论提出了一个创新的识别框架，通过融和显式和隐式用户行为来识别共谋攻击；通过交易实体间的不可否认关系构造增强的网络证据，设计一种新的融合方法合成可能存在高冲突的增强证据；并通过遗传算法动态搜索各证据的近似最优参数，从而使提高识别的正确率。通过6个月内持续收集国内大型电子商务平台上的真实交易和用户行为数据(攻击数据561，交易8885，买家139,864，行为日志215,844)，设计实验验证了本项目提出的识别框架可得到识别率为83%，错误识别率为2.4%。据文献统计所知，本项目的研究是针对电子商务虚假交易识别的大规模研究之一。. 从国家宏观层面看，本项目与中华人民共和国商务部2011年发布的《“十二五”电子商务信用体系建设指导意见》，工业和信息化部2012年制定的《电子商务“十二五”发展规划》的战略需求吻合。本项目具有重要的行业管理和政策意义。从微观角度看，本项目是对传统安全机制的有效补充，实现更高层面上的安全策略，可丰富现有在线交易系统的内涵，为规范实体商业行为，提高在线交易监管水平，为协助打击网络欺诈行为提供理论和方法支持。因此，本项目在理论和实践上都有非常重要的意义。