基于數據挖掘算法的移動電子商務群體用戶訪問控制模型

李艷

摘? 要： 基于數據挖掘算法的移動電子商務群體用戶訪問控制模型，挖掘群體用戶在移動電子商務網絡中的頻繁瀏覽頁面，提高用戶訪問控制精確度。先通過MFP數據挖掘算法獲取用戶最大向前引用序列，通過用戶最大向前引用序列建立基于數據挖掘算法的用戶訪問控制模型，模型中的事件產生器接收最大向前引用序列數據后，事件分析處理器利用決策樹的貪心算法創(chuàng)建序列數據決策樹，通過屬性選擇度量算法形成多重分類器分類序列數據，響應單元在接收序列數據為正常數據時輸出相應值且同意用戶訪問，在接收序列數據為異常數據時抑制序列數據并拒絕用戶訪問。實驗結果表明，該模型在并發(fā)用戶數量為200人時，再次登錄的響應時間僅為524 ms，可有效控制移動電子商務群體用戶對于網站的訪問響應時間，在移動電子商務網站3 500條信息中攔截危險訪問信息準確率高達95%以上。

關鍵詞： 訪問控制模型; 數據挖掘算法; 移動電子商務; 群體用戶; 事件產生器; 多重分類器

中圖分類號： TN919?34; TP311? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）04?0153?04

Data mining algorithm based access control model for users of mobile

e?commerce community

LI Yan

（College of Business， Shanxi University， Taiyuan 030031， China）

Abstract： The data mining algorithm based access control model for users of mobile e?commerce community can mine the frequent browsing pages of community users in the mobile e?commerce network and improve the accuracy of user access control. The maximum forward reference sequence of users is obtained by means of the MFP data mining algorithm， by which user access control model based on the data mining algorithm is established. After the event generator in the model receives the maximum forward reference sequence data， and then sequence data decision tree is created by means of the decision tree greedy algorithm used in the event analysis processor. The multiple classifier classification sequence data is formed by means of the attribute selection measurement algorithm. The response unit outputs the corresponding values and agrees with user access when the sequence data is accepted as normal data， and restrains sequence data and refuses user access when the sequence data is accepted as abnormal data. The experimental results show that when the number of concurrent users is 200， the response time of re?login is only 524 ms， which can effectively control the response time to access websites of mobile e?commerce community users. The accuracy of intercepting dangerous access information is 95% in 3500 messages of mobile e?commerce websites.

Keywords： access control model; data mining algorithm; mobile e?commerce; group users; event generator; multiple classifiers

0? 引? 言

近年來，隨著科技的高速發(fā)展以及各種智能化設備誕生，移動電子商務作為互聯網背景下的衍生品發(fā)展迅速[1]。移動電子商務是基于移動通信設備的一種電子商務形式[2?3]。

數據挖掘是指從大量待挖掘數據中尋找相關性，利用數據間關聯提取有效信息的方法[4?5]。移動電子商務群體訪問量巨大，網絡需要處理大批量數據，一些不法分子利用移動電子商務進行網絡詐欺、竊取用戶信息等。若移動電子商務中用戶訪問控制模型不夠高效，會造成分類準確性低、不夠安全等弊端[6]。為解決以上問題，提出基于數據挖掘算法的移動電子商務群體用戶訪問控制模型。該模型將數據挖掘技術應用于用戶訪問控制模型中，先通過數據技術挖掘移動電子商務群體的最大向前引用序列，再依據該序列建立用戶訪問控制模型控制用戶訪問[7]，可有效控制危險信息在移動電子商務網絡中蔓延。

1? 移動電子商務群體用戶訪問控制模型

1.1? 移動電子商務群體用戶訪問模式挖掘

圖1為移動電子商務群體用戶瀏覽行為圖示。網站頁面由A，B，C等節(jié)點表示，群體用戶瀏覽頁面集合用{ABCD，ABDGH}表示。用戶瀏覽行為主要分為同一用戶在不同時間內瀏覽頁面集合及相同時間內不同用戶瀏覽頁面集合[8]。

移動電子商務群體用戶在電子商務網站中利用網頁間超鏈接與點擊瀏覽網站頁面實現網頁前進與后退[9]。圖2為移動電子商務群體用戶在移動電子商務網站中的訪問路徑圖。

通過圖2可挖掘用戶在移動電子商務網站中的最大向前引用序列。圖2中用戶在移動電子商務網站中訪問過程為：{AB，C，D，C，B，EG，AHUV，U，HV}。

利用MFP數據挖掘算法可知該移動電子商務網站中最大向前引用是{ABCD，ABEG，AHUV，AHW}，通過圖1所示可對用戶瀏覽頁面展示。若瀏覽頁面為新訪問頁面，起始頁面為空節(jié)點，設用戶訪問序列為{（[s1]，[d1]），（[s2]，[d2]），…，（[sn]，[dn]）}，通過訪問序列獲取網站最大向前引用。依據瀏覽者ID將log內的訪問數據重新排列，獲取新訪問序列{（[s1]，[d1]），（[s2]，[d2]），…，（[sn]，[dn]）}，（[si]，[di]）需滿足訪問者的時間序列，瀏覽者的最大向前引用利用MFP算法可得。

通過該算法獲取圖2訪問路徑圖的網頁最大向前引用序列，建立用戶訪問控制模型，對移動電子商務群體用戶訪問進行有效控制。

1.2? 基于數據挖掘算法的用戶訪問控制模型

基于數據挖掘算法的用戶訪問控制模型見圖3。

從圖3可看出，該用戶訪問控制模型的核心部分為事件分析處理器，事件產生器接收最大向前引用序列數據后，事件分析處理器利用決策樹的貪心算法對序列數據進行處理，貪心算法按照從上至下擊破遞歸步驟創(chuàng)建決策樹。通過屬性選擇度量算法形成多重分類器，分類正常和異常序列數據，響應單元在接收序列數據為正常數據時輸出相應數據且同意用戶訪問，在接收序列為異常數據時抑制序列數據并拒絕用戶訪問[10]。

2? 實驗分析

為檢測本文模型對移動電子商務群體用戶訪問控制情況，在OPNET仿真平臺中進行仿真模擬實驗，并將本文模型實驗結果與HDFS訪問控制模型以及個性化訪問控制模型實驗結果進行比較。

對于移動電子商務群體用戶來說，初次訪問時系統身份認證響應時間直接影響用戶的使用體驗，驗證并發(fā)用戶數為200人時，三種模型所控制的移動電子商務網站響應時間的仿真實驗結果如圖4所示。

通過圖4可看出，隨著并發(fā)用戶數量增加，網站響應時間有所提升，本文模型控制的移動電子商務網站響應時間最短，在并發(fā)用戶數量為200人時，響應時間僅為811 ms，低于HDFS模型與個性化模型214 ms與313 ms。

在并發(fā)用戶數量為200人時，對用戶再次訪問移動電子商務網站進行仿真實驗。三種模型的仿真實驗結果見圖5。

通過圖5可看出，群體用戶再次登錄時，網絡響應時間相比初次登錄時有所下降。本文模型在并發(fā)用戶數量為200人時，再次登錄響應時間僅為524 ms，說明本文模型可有效控制移動電子商務群體用戶對網站的訪問響應時間。

在仿真平臺中輸入“is”“mkdir”“put”“cat”“clothes”五個移動電子商務群體常用的命令，通過仿真平臺比較三種模型的控制性能，三種模型控制的移動電子商務網站中對5個常用命令的分類正確率如圖6所示。

通過圖6可看出，本文模型對于5個輸入指令分類的正確率均在95%以上，而另外兩種模型對于輸入指令的分類正確率較低，說明本文模型能對輸入命令進行有效分類，可有效減輕輸入命令集群造成的網站運行負擔。

在采用三種模型控制的移動電子商務網站中輸入五個常用命令的執(zhí)行時間如圖7所示。

通過圖7可看出，本文模型控制的移動電子商務網站對于常用命令執(zhí)行時間較短。在仿真平臺中重復步驟500次，三種模型的響應時間結果見表1。

通過表1可看出，對于跨域單點登錄功能，本文模型控制的移動電子商務網站在相對于另兩種模型控制的電子商務網站用時較短，說明本文模型在長時間的工作中，跨域單點登錄功能較強。

在仿真平臺中將本文模型與個性化和HDFS模型相對比，檢測三種模型對危險訪問信息控制情況，結果見表2。

通過表2可看出，本文模型可有效攔截移動電子商務網絡中危險信息，在3 500條信息中攔截危險訪問信息準確率高達95%以上，可有效提升移動電子商務網絡中的安全性，驗證了本文模型的安全性提高效果。

為檢測本文模型的適用應用環(huán)境，將本文模型與多種用戶訪問控制模型進行特性對比，對比結果見表3。

通過表3可看出，對于多種用戶控制模型來說，本文模型具有時態(tài)性、行為性與角色等多種方面特性，為移動電子商務網絡提供更優(yōu)質的服務與更好的隱私保護。

3? 結? 論

近年來，移動電子商務發(fā)展迅速，對人們的生產以及生活產生了極大影響。本文研究的基于數據挖掘算法的移動電子商務群體用戶訪問控制模型可突出移動電子不受空間與時間限制，增強移動電子商務網站安全性。挖掘群體用戶在移動電子商務網絡中頻繁瀏覽頁面，通過數據挖掘獲取移動電子商務網站中最大向前引用序列，利用最大向前引用序列建立用戶訪問控制模型，在不影響控制精度的前提下，加快網站響應速度以及安全性，避免移動電子商務網站受非法用戶的瀏覽與修改。實驗結果表明，該模型控制的移動電子商務網站響應時間較快，是一種有效的訪問控制模型。

參考文獻

[1] 張逸凡，趙斌，孫鴻艷，等.基于時空軌跡的移動對象匯聚模式挖掘算法[J].數據采集與處理，2018，33（3）：103?111.

[2] 金濤，鄭紫微，陳平順，等.基于Android終端與數據挖掘的FMIPv6切換算法[J].計算機應用研究，2016，33（4）：1224?1227.

[3] 史文浩，江國華，秦小麟，等.基于用戶信任值的HDFS訪問控制模型研究[J].計算機科學與探索，2016，10（1）：25?35.

[4] 杜巍，高長元.移動電子商務環(huán)境下個性化情景推薦模型研究[J].情報理論與實踐，2017，40（10）：60?65.

[5] 肖會敏，祝曉夢.移動電子商務視域下用戶滿意度影響因素研究及實證分析[J].數學的實踐與認識，2018，48（7）：147?155.

[6] 印凱澤，汪海航.基于CP?ABE的多云存儲系統中訪問控制模型的研究[J].計算機科學，2016，43（9）：165?168.

[7] 李欣穎，徐愷英，馮揚.O2O模式移動商務消費者采納行為分析：兩個理論模型的比較[J].情報理論與實踐，2018，41（4）：112?116.

[8] 劉宇涵，韋恒.移動電子商務環(huán)境下顧客消費體驗對購買決策的影響：以北京消費者市場為例[J].哈爾濱工業(yè)大學學報（社會科學版），2017，19（4）：134?140.

[9] 李君昌，樊重俊，楊云鵬，等.基于系統動力學的移動電子商務產業(yè)演化研究[J].科技管理研究，2018，38（3）：168?178.

[10] 葉藝勇.移動電子商務消費者交易信任度評估仿真研究[J].計算機仿真，2017，34（8）：247?250.