書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價

面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價

出版社：清華大學出版社出版時間：2017-04-01
開本： 其他 頁數(shù)： 217
本類榜單：管理銷量榜
中 圖 價:¥24.0(4.9折) 定價  ¥49.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標記、光盤等附件不全詳細品相說明>>
本類五星書更多>

面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價 版權(quán)信息

  • ISBN：9787302512578
  • 條形碼：9787302512578 ; 978-7-302-51257-8
  • 裝幀：一般膠版紙
  • 冊數(shù)：暫無
  • 重量：暫無
  • 所屬分類：>

面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價 本書特色

《面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價》針對交易風險問題，探索現(xiàn)行電子商務(wù)平臺中不夠完善的交易安全保障相關(guān)技術(shù)，規(guī)避電子商務(wù)交易糾紛，有助于擴充電子商務(wù)平臺的技術(shù)支撐，完善體系框架，提升電子商務(wù)平臺的服務(wù)水平。

面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價 內(nèi)容簡介

隨著網(wǎng)絡(luò)零售業(yè)的快速發(fā)展，網(wǎng)絡(luò)零售交易投訴事件時有發(fā)生。本書以網(wǎng)絡(luò)零售領(lǐng)域的交易糾紛規(guī)避為出發(fā)點，考慮到網(wǎng)絡(luò)零售與線下零售相比的虛擬性特點，結(jié)合網(wǎng)絡(luò)零售交易糾紛中反映出的信用評價體系不完善、監(jiān)管機制不健全的特點，從應用技術(shù)角度對電子商務(wù)交易主體識別、電子商務(wù)平臺鑒別、電子商務(wù)信用評價和風險預警機制、交換協(xié)議等進行了研究，以期減少電子商務(wù)平臺的交易投訴問題，提高用戶體驗和滿意度，建立客觀公正的電子商務(wù)信用評估體系，對電子商務(wù)主體及交易過程實施有效監(jiān)管，促進電子商務(wù)穩(wěn)健發(fā)展。 本書內(nèi)容來自作者所在的科研團隊近年來的研究成果，可供從事電子商務(wù)教學與科研的高校師生及相關(guān)從業(yè)人員參考。

面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價 目錄

目錄

第1章引言

1.1研究背景

1.2研究內(nèi)容

1.2.1電子商務(wù)交易主體鑒別

1.2.2電子商務(wù)平臺鑒別

1.2.3電子商務(wù)交易信用評價

1.2.4電子商務(wù)交易風險預警

1.2.5電子商務(wù)交易公平交換協(xié)議

1.3本書結(jié)構(gòu)

小結(jié)

參考文獻

第2章電子商務(wù)交易主體鑒別技術(shù)

2.1身份認證技術(shù)

2.2驗證碼技術(shù)

2.2.1驗證碼技術(shù)分類

2.2.2驗證碼的識別

2.2.3驗證碼的作用

2.3常見電子商務(wù)平臺的主體鑒別技術(shù)

2.3.1B2C電子商務(wù)網(wǎng)站主體鑒別技術(shù)

2.3.2大型團購電子商務(wù)網(wǎng)站的主體鑒別技術(shù)

2.4面向電子商務(wù)平臺的新一代主體鑒別機制

2.4.1傳統(tǒng)電子商務(wù)平臺主體鑒別機制的特點

2.4.2面向電子商務(wù)平臺的新一代驗證碼技術(shù)

2.4.3新一代主體鑒別機制分析
——基于滑動驗證碼的主體鑒別機制

小結(jié)

參考文獻

第3章電子商務(wù)平臺鑒別技術(shù)

3.1電子商務(wù)平臺鑒別技術(shù)研究現(xiàn)狀

3.2主動探測式電子商務(wù)釣魚網(wǎng)站檢測機制

3.2.1主動探測式電子商務(wù)釣魚網(wǎng)站檢測機制

3.2.2主動探測式電子商務(wù)釣魚網(wǎng)站檢測機制流程

3.3相似字符庫的構(gòu)建及疑似釣魚網(wǎng)站URL的生成

3.3.1相似字符庫的構(gòu)建

3.3.2疑似釣魚網(wǎng)站URL的生成算法

3.3.3疑似釣魚網(wǎng)站URL有效性的檢測

3.4基于電子商務(wù)網(wǎng)站W(wǎng)eb頁面身份的疑似釣魚網(wǎng)站判定

3.4.1電子商務(wù)網(wǎng)站的Web頁面身份

3.4.2基于電子商務(wù)Web頁面身份的疑似
釣魚網(wǎng)站判定

3.5基于Web頁面相似性的疑似釣魚網(wǎng)站判定

3.5.1Web頁面文本相似性的度量

3.5.2Web頁面結(jié)構(gòu)相似性的度量

3.5.3基于Web頁面相似性的疑似釣魚網(wǎng)站判定

3.6基于*優(yōu)敏感特征的疑似釣魚網(wǎng)站判定

3.6.1特征項分類能力影響因素分析

3.6.2信息增益算法應用于釣魚網(wǎng)站檢測
敏感特征項選取的性能分析

3.6.3面向釣魚網(wǎng)站敏感特征選擇的
信息增益算法IIGAIN

3.6.4IIGAIN用于釣魚網(wǎng)站敏感特征
選擇的實驗分析

3.6.5基于*優(yōu)敏感特征的疑似
釣魚網(wǎng)站URL的判定

小結(jié)

參考文獻

第4章電子商務(wù)交易信用評價機制

4.1電子商務(wù)交易信用評價機制研究現(xiàn)狀

4.2電子商務(wù)交易信用評價機制模型

4.2.1常用信用評價機制模型

4.2.2累加信用評價模型的改進模型

4.2.3云模型在信用評價中的應用

4.3基于交易連續(xù)性與云模型的電子商務(wù)
交易信用評價模型

4.3.1交易連續(xù)性的提出

4.3.2信用評價模型的基本思路

4.3.3信用評價指標的選取

4.3.4基于交易連續(xù)性的信用值生成

4.3.5基于云模型的信用等級確定

4.4基于交易連續(xù)性與云模型的電子商務(wù)
交易信用評價體系實證分析

4.4.1模擬實驗

4.4.2實證實驗

小結(jié)

參考文獻

第5章電子商務(wù)交易風險預警機制

5.1電子商務(wù)交易風險預警研究現(xiàn)狀

5.2基于交易連續(xù)性的電子商務(wù)交易風險評估

5.2.1風險評估因素分析

5.2.2基于交易連續(xù)性的風險評估模型

5.2.3實驗與分析

5.3基于KMV模型的電子商務(wù)交易風險評估

5.3.1KMV模型

5.3.2基于KMV模型的C2C電子商務(wù)
交易風險評估模型

5.4基于馬爾可夫鏈的風險預警模型

5.4.1馬爾可夫鏈

5.4.2電子商務(wù)預警模型的構(gòu)建

5.4.3基于馬爾可夫鏈的預警模型

小結(jié)

參考文獻

第6章一種可預警的基于無證書短簽名的公平交換協(xié)議

6.1電子商務(wù)公平交換協(xié)議研究現(xiàn)狀

6.2公平交換協(xié)議模型

6.2.1電子支付

6.2.2公平交換協(xié)議

6.2.3數(shù)字簽名

6.3無證書短簽名

6.3.1無證書數(shù)字簽名的形式化定義

6.3.2無證書數(shù)字簽名安全模型

6.3.3短簽名

6.3.4一種高效的無證書短簽名的設(shè)計

6.4可預警的基于無證書短簽名的公平交換協(xié)議

6.4.1協(xié)議模型概述

6.4.2協(xié)議時序及數(shù)據(jù)格式設(shè)計

6.4.3協(xié)議在電子商務(wù)交易階段應用實例

6.4.4協(xié)議公平性分析

6.4.5協(xié)議模型與SET協(xié)議的對比

小結(jié)

參考文獻



展開全部

面向糾紛避免的電子商務(wù)交易主體鑒別及信用評價 節(jié)選

第3章電子商務(wù)平臺鑒別技術(shù) 3.1電子商務(wù)平臺鑒別技術(shù)研究現(xiàn)狀 日益猖獗的網(wǎng)絡(luò)釣魚攻擊嚴重影響了電子商務(wù)及網(wǎng)絡(luò)營銷的發(fā)展，損害了電子商務(wù)平臺及廣大網(wǎng)民的利益。防御和檢測釣魚網(wǎng)站已成為全球普遍關(guān)注的問題。 從參與方的角度分類，網(wǎng)絡(luò)釣魚防御和檢測可以分為服務(wù)器端防御、用戶端防御和獨立的第三方檢測機制［1］。服務(wù)器端防御是指網(wǎng)站服務(wù)器端借助其他技術(shù)，如數(shù)字水。2］、數(shù)字指紋［3］、動態(tài)安全皮膚［4］和雙重認證協(xié)議［5］等，向用戶證明網(wǎng)站身份的真實性。用戶端防御是指在用戶瀏覽器中安裝插件，檢測到釣魚網(wǎng)頁后及時提示用戶或保護用戶敏感信息輸入等。獨立的第三方檢測機制的主要目的是發(fā)現(xiàn)并共享釣魚網(wǎng)站相關(guān)信息，包括釣魚垃圾郵件過濾［6，7］、網(wǎng)絡(luò)行為檢測［8］、個人信息保護［9］、網(wǎng)頁異常檢測［9~11］以及網(wǎng)頁相似性檢測等［11，12］。 網(wǎng)絡(luò)釣魚防御和檢測技術(shù)的研究已經(jīng)取得了一定進展，其中以用戶端防御和獨立的第三方檢測機制的研究*為活躍。下面重點介紹4種釣魚網(wǎng)站檢測機制，基于URL的檢測機制，基于Web頁面異常的檢測機制、綜合URL與Web頁面的檢測機制和基于Web頁面身份的檢測機制。 1. 基于URL的檢測機制 基于URL的檢測機制是指根據(jù)網(wǎng)站的URL地址判斷該網(wǎng)站是否為釣魚網(wǎng)站。*初的方法是根據(jù)黑名單中存儲的被確認為釣魚網(wǎng)站的URL地址，當瀏覽器瀏覽黑名單中的網(wǎng)站URL地址時，提醒用戶當前網(wǎng)站為釣魚網(wǎng)站。例如微軟IE瀏覽器自帶的Microsoft Phishing Filter［13］、谷歌公司出品的Google SafeBrowsing［14］、斯坦福大學開發(fā)的SpoofGuard［15］，以及TrustWatch［16］、雅虎等知名IT企業(yè)均采用黑名單防御釣魚網(wǎng)站。URL黑名單檢測技術(shù)檢測精準、使用簡單，但無法檢測不在黑名單內(nèi)的釣魚網(wǎng)站，而且確認黑名單需要人工驗證，耗時費力。 Garera等人通過分析釣魚網(wǎng)站URL結(jié)構(gòu)，選取了由頁面特征、域名特征、類型特征和單詞特征等共18個特征構(gòu)成的特征集合，利用回歸濾波器(Logistic Regression Filter)分類URL［17］； 梁雪松通過使用啟發(fā)式分析改進了基于瀏覽器的釣魚網(wǎng)站檢測技術(shù)［18］； 黃華軍等人抽取了URL中的12個特征向量，用SVM進行訓練和分類，提出了基于異常特征的釣魚網(wǎng)站URL檢測技術(shù)［19］； 鄭禮雄等人提出了基于域名信息的釣魚URL探測方法［20］。 基于機器學習的URL檢測技術(shù)可以檢測未知的釣魚網(wǎng)站而且具有很高的效率，但也具有較高的誤判率和漏判率，因為URL中并不具有竊取用戶信息的釣魚攻擊網(wǎng)站的決定性特征。

商品評論(0條)
暫無評論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服