[发明专利]一种用户信任综合评估方法

说明书

本发明公开了一种用户信任综合评估方法，包括(1)将获取的用户行为特征数据分为静态行为特征数据和动态行为特征数据；(2)预处理所述静态行为特征数据和动态行为特征数据；(3)计算静态特征信任度和动态特征信任度；(4)加权求和所述静态特征信任度和动态特征信任度得到综合信任值。本方法采用静态特征信任度结合动态特征信任度的动态化评估方法取代传统信任系统的静态化评估方法，信任评估结果客观性更强，准确性更高；具有百万级别用户海量行为特征数据处理能力，能够实现大规模用户的并发身份信任评估。

技术领域

本发明涉及信任评估，尤其是一种用户信任综合评估方法。

背景技术

根据已公开数据可获得以下专利技术，《一种基于用户信任的动态分级访问控制方法》研究通过比较用户的动态信任值与分级动态信任阈值从而确定用户的访问权限；《一种可信网络中用户行为的信任评估方法》研究通过电子商务中用户动态的交易时长、交易结果、交易价值和信任值四个属性计算信任评估向量；《一种基于用户诚实度的动态的Web服务信任评估方法》研究通过挖掘用户偏好从而对用户进行聚类，进而根据群用户的动态诚实度对web服务进行信任评估；《一种基于多参数区间数多属性决策的云服务信任评估方法》研究多参数多属性决策的主值模型算法从而对云服务做出信任评估；《一种基于改进AHP的用户行为信任评估方法及系统》研究基于AHP思想的综合信任度算法评估用户行为是否存在安全威胁。这些专利的共同缺点是无法实现大规模用户的并发身份信任评估，缺少大数据技术支持。

发明内容

本发明能够以多种方式实现，包括方法、系统、设备、装置或计算机可读介质，在下面论述本发明的几个实施例。

一种用户信任综合评估方法，包括步骤：

(1)将获取的用户行为特征数据分为静态行为特征数据和动态行为特征数据；

(2)预处理所述静态行为特征数据和动态行为特征数据；

(3)计算静态特征信任度和动态特征信任度；

(4)加权求和所述静态特征信任度和动态特征信任度得到综合信任值。

进一步地，预处理所述静态行为特征数据的方法包括将同一类静态行为特征数据根据相同规则转换为静态特征值。

进一步地，预处理所述动态行为特征数据的方法为将动态行为特征数据转换为动态特征值。

进一步地，将动态行为特征数据转换为动态特征值的方法包括将同一类动态行为特征数据根据相同规则转换为动态特征值和/或根据动态行为特征数据包含的成功事件个数和失败事件个数计算动态特征值。

进一步地，当动态行为特征数据包含多个子动态行为特征数据时，分别对每一子动态行为特征数据进行预处理。

进一步地，当动态行为特征数据包含多个子动态行为特征数据时，该动态行为特征数据的动态特征值为多个子动态行为特征数据动态特征值的加权和。

进一步地，根据动态行为特征数据包含的成功事件个数和失败事件个数计算动态特征值的方法为：

F_i＝F_s/(F_s+γ*F_f)

其中，F_i表示动态行为特征数据对应的动态特征值，F_s表示成功事件个数，F_f表示失败事件个数，γ代表失败系数。

进一步地，可利用分层思想构建特征信任度求解模型，第一层为目标层，分为静态行为特征数据目标层和动态行为特征数据目标层，第二层为区块层，用于存储不同种类用户行为特征数据的标签，以及各用户行为特征数据对应的权重，第三层为特征层，用于存储获取的目标用户行为特征数据对应的特征值。