基于正態云模型的網絡異常交易風險評價仿真

桑 振,胡 建

(河北農業大學,河北 保定071000)

1 引言

網絡交易即在信息網絡中在企業之間、企業與消費者之間以及消費者個人與個人之間,通過網絡通訊手段進行的交易,網絡交易的實現得利于對計算機、網絡以及遠程通信技術的使用,實現了交易過程的電子與數字化[1-3]。網絡交易的出現打破了傳統的面對面交易的模式,只需要通過網絡就可以完成各種商品的購買,同時網絡交易還配備了完善的物流配送系統以及方便高效的資金的結算系統[4]。

網絡交易過程中也容易出現交易異常的情況,相關學者針對網絡異常交易作了相應的研究,文獻[5]提出基于模糊層次分析法對交易風險進行評價,采用層次分析法以及模糊綜合評價進行風險權重確定與評價,該方法對風險評價的準確性不夠高,且較復雜;文獻[6]提出基于模糊物元法對交易風險進行評價,采用模糊物元法對風險管理的流程進行梳理,準確把握交易過程的風險源,此方法比較簡單,但是評價結果的精度較低。

因此本文提出基于正態云模型的網絡異常交易風險評價方法,正態云模型是一種新型的風險評價算法,它通過將隨機性和模糊性相結合,實現定量描述待評價目標,并采取定性與定量映射的方式,通過數值描述轉換概念性自然語言[7,8]。該模型應用范圍較廣,已涉及評價預測、數據挖掘及智能控制等多個領域,普適性較高[9],其創新性在于通過選取恰當的指標構建三層評價指標體系,以體系內目標層與指標層分別作為因變量和自變量,創建正態云模型并估計模型參數,運用該模型實現對網絡異常交易風險的綜合評價,為企業管理層合理制定符合自身企業減低網絡異常交易風險的科學戰略提供有效幫助。

2 基于正態云模型的網絡異常交易風險評價算法

以網絡交易的發展趨勢與網絡異常交易風險種類為依據,選取產品識別風險、電子支付風險、質量控制風險以及信息傳送風險作為評價網絡異常交易風險的主要指標,由于風險評估相關專家均具備主觀偏好,故而在指標量化處理四個影響指標時,需通過非確準數據或者定性語言值形容評估值,并采用正態云模型對此類語言值實施定量化表示,獲得網絡異常交易風險評價結果,實現對網絡異常交易的風險評價。基于正態云模型的網絡異常交易評價整體過程見圖1。

圖1 網絡異常交易風險評價過程圖

2.1 構建網絡異常交易風險評價指標體系

選用包含目標層、準則層及指標層的三層指標結構,其中目標層為網絡異常交易風險評價度y,準則層為所選取出的四個關鍵影響因素產品識別風險x1、電子支付風險x2、質量控制風險x3及信息傳送風險x4,同時該層也屬于一級指標,指標層屬于二級指標,對應準則層各影響因素共包含8個二級指標,構建網絡異常交易風險評價指標體系,如表1所示。

表1 網絡異常交易風險評價指標體系

2.2 正態云模型構建及參數估計

2.2.1 正態云模型

網絡異常交易評先評價度y作為因變量,準則層各影響因素作為自變量,以自變量作為樣本輸入,因變量作為輸出,二者均屬于正態云數據,同時以實數表示的廣義正態云線性回歸模型即為回歸參數,即

yi(xi)=c0+c1x1i+c2x2i+…+cqxqi

(1)

式(1)中,i=1,2,…,n,回歸參數以cj表示,且j=0,1,…,q,此參數屬于實數值;因變量yi與自變量xi均屬于正態云表示的樣本數據。

繼續通過正態云xji=(Exj1,Enj1,Hej1)表示自變量,其中(Ex,En,He)代表三個數字特征,因此式(1)可調整成:

y(xi)=co(1,0,0)+c1(Ex1i,En1i,He1i)+c2(Ex2i,En2i,He2i)+…+cq(Exqi,Enqi,Heqi)

(2)

設定系數ki∈R與n個正態云模型Ci=(Exi,Eni,Hei)均在論域U內,通過軟和運算n個正態云模型Ci,可將全新的綜合正態云Cs=(Exs,Ens,Hes)獲取到,其表達式為

Cs=(Exs,Ens,Hes)

(3)

以綜合正態云的設定為依據,可得出式(2)中正態云線性回歸模型y(xi)的合成云模型

y(xi)=(Ex,En,He)yi

(4)

通過式(4)能夠得出,模糊線性回歸模型與經典線性回歸模型二者的推廣模式即為正態云線性回歸模型,若此式模型內的云因變量y(xi)與云自變量xji對全部i,j均有Heji=0,那么該模型即向具備正態模糊數模式的模糊線性回歸模型轉化;若此式模型內的云因變量y(xi)與云自變量xji對全部i,j均有Enji=Heji=0,那么該模型即向經典線性回歸模型轉化。

2.2.2 模型參數估計

(5)

(6)

由式(6)可得出間距均方誤差E′為

(7)

結合微積分得知,為對模型中的回歸參數cj實施估計,應使間距均方誤差E′對全部回歸參數cj的一階偏導數均達到零,如下式

(8)

(X′1X1+X′2X2)c=X′1Y1+X′2Y2

(9)

式(9)中,因X′1X1+X′2X2具有可逆性,故該式兩側均與(X′1X1+X′2X2)-1相乘之后,能夠將正態云回歸模型的參數估計值獲取到,即為

c=(X′1X1+X′2X2)-1(X′1X1+X′2X2)

(10)

2.3 基于正態云模型的綜合評價算法

由于網絡異常交易風險評價指標集U內具備定量與定性兩類指標,為符合所構建正態云模型的需求,應分別對兩類指標實施處理,同時運用量化方式數值化處理其中的定量指標。設定論域上具備評價指標集U={u1,u2,…,un},與其相對的評價結果等級集合以V={v1,v2,…,vm}表示,假設網絡異常交易風險評價指標集內的定量與定性指標數量分別為p個與a個,則總評價指標數量n=p+a,基于正態云模型的網絡異常交易風險評價過程為:

1)確定定性指標等級隸屬度:以論域U評價結果的等級集合V為依據,將群決策專家所決策出的定性指標等級決策值vi獲取到;在此基礎上,將評價隸屬于vi等級的指標ui的專家總數表示為ni,則其隸屬度為μij=ni/n,a個定性指標的等級隸屬度矩陣為R1=(μij)a×m。

(11)

超熵Heij可經由試驗等方式取值,故ui與等級概念值vj相對的云模型以Cij(Exij,Enij,Heij)表示,與其對應的定量指標等級標準矩陣為

C=[Cij(Exij,Enij,Heij)]p×m

(12)

依據式(12)向隸屬度矩陣內代入定量指標的云化值,可得R2=(μij)p×m,基于此將每個指標值及其等級隸屬度確定。當所構建正態云模型反復N次運行后,各隸屬度的平均綜合值為

(13)

3)排序評價:對定性與定量指標的等級隸屬度矩陣R1與R2實施綜合后,將整個指標體系的等級隸屬度矩陣獲取到,即為R=(μij)n×m,本研究中依據實際所需劃分最終評價等級為較優、優、一般及較差四個等級;指標權重向量以W表示,且W=[Wi(Exi,Eni,Hei)]1×n,結合W與R可得綜合評價向量B,表示為

B=W×R=[Bj(Exj,Enj,Hej)]1×m

(14)

以綜合評價向量B與各熵值的大小為依據,同時與隸屬度相應的評價等級相結合,按照從優到劣的順序排列次序后,實現對評價目標的網絡異常交易風險的評價。

3 結果分析

選取A～E5個網絡營銷企業作為實驗對象,運用本文算法對各個實驗企業的網絡異常交易的風險進行評價,檢驗本文算法的評價效果。5個實驗企業中,A企業為家居類產品進行網絡交易的企業,B、C企業的銷售產品為服飾類,D、E企業的銷售產品為護膚彩妝類。

通過本文算法對5個實驗企業(A～E)的異常交易風險展開評價,獲取到各實驗企業一級評價指標與網絡異常交易風險優度的正態云數據,詳見表2。

表2 正態云數據統計

通過matlab軟件向本文算法內的式(12)代入表2中正態云數據,可獲取到各項評價指標的正態云回歸系數,見表3。

表3 各項評價指標的正態云回歸系數

分析表3能夠得知,四個評價指標的正態云回歸系數由大到小排序依次為c4>c3>c2>c1,說明對于各個實驗企業網絡異常交易風險的影響程度而言,由高到低排序各評價指標均為信息傳送風險—質量控制風險—電子支付風險—產品識別風險,由此可見,信息傳送風險對網絡異常交易風險的影響最大,而產品識別風險的影響相對較小。

依據表2內正態云數據,通過本文算法得出各實驗企業網絡異常交易風險評價指標的等級隸屬度及綜合評價向量值,則各實驗企業網絡異常交易風險評價結果如表4所示。

表4 各實驗企業網絡異常交易風險評價結果

依據表4內所得數據對各實驗企業的網絡異常交易風險按由高到低實施排序,所得排序結果詳見表5。

表5 各實驗企業網絡異常交易風險評價水平排序

由表5能夠得出,5個實驗企業中,企業E的網絡異常交易風險位于首位,企業D的網絡異常交易風險水平與E較為接近,企業A的網絡異常交易風險水平排在最末位,其它兩個企業的網絡異常交易風險水平居中,可見,在所選取的5個實驗企業中,護膚彩妝類企業的網絡異常交易風險相對較高,服飾類企業居中,而家居類企業的網絡異常交易風險水平相對較低,需要重點關注網絡異常水平較高的企業,并重點針對網絡異常交易風險中的信息傳送風險與質量控制風險方面的風險予以降低。

為了進一步檢驗本文算法的評價效果,選取基于模糊分析法的風險評價算法與基于模糊物元法的風險評價算法作為本文算法的對比方法,兩個對比算法分別出自文獻[5]與文獻[6]。對比三種算法的評價誤差情況,對比結果如圖2所示。

圖2 各算法評價結果誤差情況對比

通過圖2能夠得出,三種算法中,文獻[6]算法的評價結果誤差最高,本文算法雖存在誤差,但誤差相對于其它兩種算法較低,由此可見,本文算法評價結果可信度較高,可用于實際網絡異常教育風險評價中,為企業有效減低其網絡網絡異常交易風險提供科學依據。

4 結論

本文針對基于正態云模型的網絡異常交易風險評價算法實施仿真分析,構建包含兩級指標層與目標層的網絡異常交易風險評價指標體系,以目標層作為因變量,指標層作為自變量,構建正態云模型并對模型參數實施估計,運用參數估計后的正態云模型對網絡異常交易風險實施綜合評價。通過實驗驗證可知,本文算法的評價結果誤差低,所得結果準確可靠,可為企業制定有效地降低網絡異常交易風險提供依據。