C2C电子商务中基于声誉的信任评估模型

王超，仲红，石润华，陆小玲

安徽大学计算机与信号处理教育部重点实验室，合肥 230601

C2C电子商务中基于声誉的信任评估模型

王超，仲红，石润华，陆小玲

安徽大学计算机与信号处理教育部重点实验室，合肥 230601

C2C模式电子交易平台以其便利、自由和高效性，而得到迅速发展，但由于其中信任评价机制的不完善，使得对交易参与者的监管难度增大，交易中仍存在较大的风险。针对目前信任评价机制的不完善，提出了基于声誉的信任机制，通过计算交易参与方的信任度以达到识别不诚实的个体的目的。通过进一步研究和分析影响评价的因素，使用时间窗口和交易窗口机制对参与计算的评价进行选择，并综合考虑评价者的自身信任度。对模型的有效性和效率都进行了理论分析和实验验证。结果表明，提出的模型能够有效地应用于C2C电子商务系统中。

电子商务；消费者对消费者（C2C）；信任评估；声誉；信用

1 引言

电子商务随着互联网的高速发展，已经发展成为一个极具影响力的商业模式，由最初美国的eBay，到现在国内发展起来的淘宝、当当等实力雄厚的电商，电子商务成为了现代人们生活中一个必备的元素。

电子商务（Electronic Commerce，EC）是指在互联网开放的网络环境下，基于浏览器等应用方式，买卖双方在不谋面的情况下进行各种商贸活动，实现商户之间的网上交易和在线电子支付等各种交易行为的一种新型的商业运营模式。根据参与方的不同可分为B2B模式（Business-to-Business）、B2C模式（Business-to-Consumer）和C2C模式（Consumer-to-Consumer）[1]，而近期，C2B模式（Consumer-to-Business）也开始兴起。电子商务平台提供在线交易平台给买卖双方，然而，交易的双方，特别是在C2C模式中，在某种程度上，都对自己的真实信息有所隐瞒：交易双方真实信息的缺失以及对对方的不了解，这样会导致交易中存在很大的风险性[2-3]，如欺诈交易、发布虚假信息、质量和售后服务得不到保障等问题。电子商务中的安全性问题，归结其因，就在于信任的缺失，并且严重影响现代电子商务的发展。所以，怎样建立一个行而有效的信任评估机制，是解决目前电子商务一个核心问题。

目前，国内外的学者提出了多种电子商务中的信任评价模型，以减少电子商务中恶意行为的发生。其中，使用声誉机制是一种典型的信任评估方法，它的基本思想是：允许交易的参与方在交易结束后，对对方进行评分，可分为好评（Positive，+1分）、中评（Neutral，0分）和差评（Negative，-1分），系统再对每个人的评分，计算出个人的信任值，这样，用户就能够根据系统提供的信息，在交易时对对方进行评估，以决定是否与对方发生交易。这一机制鼓励交易参与方从其他参与方处获得好评，来获取更高的信誉，国外著名的电子商务网站eBay中的反馈系统[4-5]，就是采用这种机制，并且被广泛地沿用。然而这种方法有时无法区分反馈是真实的，还是恶意诋毁[6]，为此，需要进一步确定评价真实可信性，Xiong和Liu[7]在其信任模型PeerTrust中提出的时间因素和交易金额作为信任计算的权重因子，来提高信誉值计算的可信度。姜守旭、李建中[8]提出了局部声誉与全局声誉，来提高声誉计算的精确度，并使用质量模型来保证交易参与方评价的真实性。Fan Wu[9]更进一步完善了各种影响评价的因素，包括交易参与方的信用货声誉、交易金额、交易发生时间，以及交易双方的经验，从这些方面计算评价的权重和衰减，并采用动态的时间窗口来实时监督交易参与方的变化，全面地整合了影响评价权重的因素，使得评价体系更加全面。张仕斌、徐春香[10]在电子商务的信任评估模型中引入云模型理论，使得模型能够很好地应对电子商务中十分复杂、充满随机性的环境。

此外，国内外的学者还提出了多种电子商务中信任评估模型，例如引入模糊集合的信任模型[11-12]，角色分离的信任评估模型等[13-15]，虽然从其他角度对信任模型有了较大的改进和发展，但都缺乏对信用反馈中影响评价因素的考虑，忽略了如今的电子商务中的实际情况，没有考虑各个因素对评价影响的差异性，使得评价的真实可信度的缺失，从而最终会导致评价结果偏离真实情形。

本文深入调研目前C2C电子商务的现状，分析影响评价的因素的差异性，结合目前电子商务的现状，首次使用时间窗口和交易窗口机制两个机制对参与计算的评价进行选择，并综合考虑评价者的自身信任度，以进一步提高评价的可信性，最终提出基于声誉的C2C电子商务信任评估模型。此外，使用买家的理解能力，模型为买家在选择交易方时提供决策辅助，以进一步保障买家的权益，提高交易成功率；建立观察组，对其进行重点监督。最后，通过实验的验证和数据分析，本模型具有较好的正确性和实用性，能够有效地应用于C2C电子商务系统中。

2 预备知识

本文使用Gambetta[16]和Abdul-Rahman与Haile[17]给出的有关信任和声誉的定义：

信任（Trust，T）：个体A对个体B的信任是个体A期望个体B为A服务（即执行A的利益所依赖的动作）的主观可能性。

声誉（Reputation，R）：声誉是基于对某个个体历史行为的观察或评价信息而得出的对该个体未来行为的期望，在电子商务中即交易参与方中卖家的信任值。

直接信任（Direct Trust，DT）：电子商务中，买家在与卖家的直接交易行为中，根据交互情况所获得的直接经验。

推荐信任（Recommend Trust，RT）：电子商务中，买家通过其他买家对卖家的评价值，来获得对该卖家的推荐信任值，即卖家的声誉。

综合信任值（T）：电子商务中，它是买家的直接信任和该卖家的推荐信任值的函数。计算公式如公式（1）：

其中，α、β是置信因子，后面会给出其具体计算，由它们决定直接信任和推荐信任的权重。

3 基于声誉的信任评估模型

3.1 影响评价因素的分析

在目前的信任机制中，考虑到影响评价的因素主要有交易时间、交易金额、评价者的属性（如信用度）等。但电子商务在发展的过程中，为了解决其中的缺陷，也做了不断的进步与完善，如支付宝等着这样支付软件的支持，所以也改变了在进行信任评价过程中各个影响因素的作用，所以需要进一步对评价系统进行改进与完善。

在本文中，首先对这些影响评价的影响因子进行分析，并提取出最合适的因素。目前电子商务的规模不断地扩大，吸引了众多个体经营者和消费者，交易量也在不断刷新记录，这也导致经营者的规模大小不一，其消费群体也不尽相同。

交易时间，这一评价因数是指交易发生时间到计算信用值之间的时间差，距离越久的评价，其所占评价的权重越低。然后，如今的电子商务中，如淘宝、天猫商城等，一般都采用了一个时间窗口的机制，其显示的评价内容都是半年之内评价的平均值。但由于电子商务网站中各个卖家的交易次数的相差巨大，有些卖家半年内的评价有超过几十万条，而有些卖家的评价只有几百，甚至更少。如此巨大的差距，若采用交易时间的衰减，会使小额交易量的卖家的信誉值偏低，但如果仅仅采用这样大范围时间窗口，而不衰减，则会使得交易量较大的卖家在积累大量买家评价之后，新的评价将很难在其中体现出来。在本文中，采用两套机制来进行控制，时间窗口机间衰减处理，认为其在近期内是具有真实性的数据，并将大交易量的卖家在时间窗口内按照交易窗口进行分段，得到其信用波动图形，以获得更好效果。

交易金额，这一评价因数的存在，是为了强化大额交易的权重，防止卖家在交易中使用小额交易积累信用，而在大额交易时存在欺诈等行为。但目前的电子商务中，现金的交易不再是买卖双方的直接进行，货到付款、支付宝等多元化的付款防止能够有效地遏止现金交易中产生欺诈行为等，所以在本模型中，不考虑交易金额的影响，认为每笔交易具有同等的评价权重。

评价者的属性，一般指的是评价者的信用度/声誉值。在对卖家的评价时，经常还要考虑评价者评价的可信程度，是否存在恶意诋毁等行为，这一点也是至关重要的。买家也在不断的交易中获得更高的信用度，这样就能提高其评价的权重。此外，买家的另一个属性买家的理解能力也非常重要，这是需要有一定的网上购物经验时，才会不断地增强。所以，对商品进行分类，构建买家和卖家的购物向量和销售向量VB和VS，VB来记录买家的购物次数和对每类商品的购买经验，购买经验在其选择卖家中将会体现出很好的作用。

最后，结合当前模型（如淘宝等）中防止买卖双方通过大量较多虚假交易、评价信息来相互刷高信用，对买家与卖家之间在一定时间内（如一个自然月），对相同买家和卖家之间的交易评价只取其中至多3次，加入最终评价值的计算；买家对相同商品的多次评价只取其中一次进行评价计算；限定买家在一定时间内，信誉值增长的速度，只取这段时间内前5次的交易进行买家的信用计算。此外，为了进一步加强评价的可信度，对非虚拟商品的交易，卖方需提供真实可查询的物流信息，否则，此次交易的相互评价信息将不参加买卖双方的信用计算。

3.2 买卖双方信用度、信誉值的计算

在计算买卖双方信用度、信誉值中，采用加权平均法进行计算。为了使得评价值得精确性，并不采用{-1，0，1}这三个值来进行信用评价，而是采用[0，5]这样的5分制。买卖双方在最初时，没有任何交易记录，系统会给出一个较低的初始信用值C0和R0，这样可以保证最初进入系统的买家用户的评价所占的权重较低，需要进一步积累才能获得较高的评价权重。买家i在进行m次交易之后，他的信用积累如公式（2）：

其中，ck表示第k次交易中，卖家根据买家的行为所做出的评价。

在每次交易结束时，买家都会对卖家在此次交易中的行为做出评价，常用的评价指标包括商品与描述的相符程度、发货速度和服务态度等，买家根据交易发生过程中的直接经验，给出对此次交易的交易满意度S，并最终得出此次交易的评价DT。其中，第k次交易满意度Sk∈[0，5]，综合评价DT的计算如公式（3）：

若交易满意度Sk低于该卖家的信誉值Rk，则使用交易满意度比上卖家的信誉度作为此次交易的评价；若交易满意度高于卖家信誉值，则表示买家在此次交易中是满意的，则给予满分的评价。

在买家对卖家评价生成之后，卖家的声誉值也会相应地进行更新，但根据不同的买家的信用度不同，所以所提供的评价所占权重也不相同，故卖家j在时间窗口或交易窗口中的第n次交易结束之后信誉值得计算如公式（4）：

其中，Ck表示第k次交易中对应买家的信用值，DTk表示第k次交易中对应买家给卖家j的直接评价，表示初始信用值，即上个时间窗口或交易窗口中所积累的声誉值，m表示保留评价的个数，由于是交易积累的声誉，所以其权值为1，最初时=R0。

3.3 其他辅助策略

（1）辅助决策

当买家在具有一定交易经验之后，系统会对其购买商品的类别进行分类和统计，根据统计信息为其计算理解能力（Savvy）值，记为Sy，在之后的买家选择交易方时，根据自身的理解能力值，来计算出对交易方的综合信任值。买家用户的理解能力表现在两个方面：是否与对方有过交易经验和买家用户对该卖家所属类别的熟悉度。为此，直接交易次数记为DTT（Direct Trade Time）为每个买家用户的交易向量VB，里面记录买家对每类商品的购物次数；而相对于卖家用户建立向量VS，对其所属类别标记为1，其他为0。买家i对卖家j的熟悉度为F，计算公式如（5）：

根据买家i是否与卖家j有过交易经验和买家对该卖家所属类别的熟悉度，计算买家对该卖家的理解能力Sy，如公式（6）：

其中0＜α2＜α1≤1，其中c1和c2是控制参数。

根据买家i的理解能力Sy，在选择与之交易的卖家j时，可以得到最终的信任度Tij，计算公式如（7）：

其中，置信因子α=Syij，β=1-Syij，当Syij＞0且DTTij=0时，DTk取该买家与该类买家交易的中卖家信用最接近该卖家信誉值，上下浮动为±0.1，n为所取历史评价的个数。

（2）设立观察组

为了进一步对交易参与方的有效监督，设立观察组（Observation Group，OG），对系统中表现较差的个体进行重点监督。需要分别对买家和卖家分别建立观察组，在观察组中的交易参与方，进行诚实交易之后，达到正常信誉/信用值之后，会从观察组中移除，返回正常用户组；但若处于观察组期间，再次出现相关不利行为，会加大惩罚力度。

在如今的电子商务中，对于买家的信用值，所考虑的相当少，但是买家也确实存在一些问题需要得到关注，如是否如实填写评价信息、是否频繁退换货等。买家在进行商品的选购过程中，实际上是参考了其他消费者的所提出的的意见作为参考的，而这些参考信息是电子商务赖以生存的宝贵资源，当其享受了这样的权利的时候，在自己发生交易行为时，就应该给予真实可信的评价信息供其他人参考，以尽到自己的义务，如果长期不进行评价，本文认为这是一种有损其信用值的行为，会对其信用值进行扣除。故针对多次出现上述行为的买家，加入观察组OGB中，并提醒用户改正其行为。

对于卖家而言，系统根据其分类向量VS，按照其分类，将同类别的卖家进行分组，对于同行业中表现较差的卖家，如声誉值过低，或者投诉率较高等，将其加入观察组OGS中，对其进行重点监督。

4 模拟实验及分析

本文通过模拟目前C2C电子商务的运行模式，进行仿真实验，并与当前的评价体系进行对比。在实验中，使用C++编写交易平台，模拟真实C2C电子商务中的交易参与方：买家用户组和卖家用户组，随机选择交易对象，并在交易结束后对对方进行评价，数据库中记录交易的时间、相互的评价等，并实时更新买卖双方信用值和信誉值的变化；为了进一步符合现实社会中的情形，设置一定20%的买家和卖家用户的交易数量较大，并进行多次实验，分别计算本文提出模型与当前模型的评价结果，以达到数据的真实性代表性。在实验中，使用CM（Current model）来代表目前各大电子商务平台中所使用的评价模型（如天猫等），将其评价指标也按照5分制来进行比较；使用RBM（Reputation Based model）来代表本文模型。模拟实验中的相关参数如表1所示。

表1 模拟实验中参数设置

图1反映的是两个不同买家用户在交易过程中的表现，卖家用户对其进行评价，得出其在交易行为发生过程中的信用值，能够使刚进入系统的买家用户的权值较低，具有较多良好交易行为买家的信用值逐步变高，以提高其评价的权重。然而，目前各大电子商务平台中的方法，交易次数越多，其信用值越高的方案，此方法能够更好地体现公平，能够使买家也需要对自己的行为进行约束，不进行恶意的行为，其信用值才会不断增加，否则，也会被系统识别并进行惩罚，这样对整个系统的良性发展提供了较为重要的基础。

图1 买家的信用积累

图2反映了一个交易量较少的卖家（本文中的交易窗口大小设为200，一个时间窗口内交易次数不大于200时，认为其交易量较少），在一个时间窗口中，不断积累信用的过程。能够看出，当在加入了买家信用作为权重之后，在信用积累的速度上，明显要小于当前模型中的积累速度，能够有效地防止一些非法卖家用户通过不正当的手段，来较快地刷高自己的信用值，来谋取不正当的利益。

图2 一个时间窗口内少交易量卖家的声誉积累

图3反映的是由于有些卖家的交易量在一个时间窗口内较多时，会由于积累的历史数据较多，从而使得新的评价不能够及时有效地反应在卖家的信誉值上，使用目前的计算方法，曲线的变化趋于平缓，不利于反应卖家的真实信誉，并且随着交易量的继续增加，效果会变得更加不明显，这样对于买家的参考意义也越来越小。对于同一个卖家，当其在一个时间窗口内的交易量加大时，本文模型使用交易窗口来进一步细化其声誉值的变化过程，从而能够正确地反应出其交易过程中的各个小时间段（对应于一个交易窗口内的交易时间段）的信用变化。如图4所示，是将交易第5个交易窗口内的卖家的声誉变化清晰地反映出来。能够看出，在交易量积累的同时，现有模型几乎失去了其应有的参考价值，而本文模型依然能够很好地反应出卖家声誉值的变化，具有更高的实时性和准确性，能够给消费者一个真实、有效的参考标准。

图3 一个时间窗口内多交易量卖家的声誉积累

图4 最后一个交易窗口内卖家声誉变化

在图5中，情形1反应的是买家没有与该卖家进行过交易，Syij=0，且对于卖家所销售的商品并不熟悉，不能提供参考信息；情形2反应的是买家有一定的购买经验，且在与该卖家有过历史交易，Syij=α2但对该卖家的评价并不高，所以系统降低了该卖家对于此买家的声誉值；情形3反应的是买家有一定的购买经验，并对该卖家的历史交易（次数较少）评价较高，Syij=α2所以系统提高了该卖家的声誉值；情形4反应的是买家该卖家进行过较多次数的交易，或者是具有很多的购买经验，Syij=α1系统根据其历史数据，较大程度地提高该买家对此卖家的声誉值。通过四种不同情形下，不同买家对同一卖家做出各自符合自身情况的判断，能够更好地帮助用户决定是否与该卖家进行交易，这样能够给消费者带来更大的便利。

图5 辅助决策系统对买家的参考

5 结论

针对当前C2C电子商务中存在的问题，经过进一步研究和分析影响评价的因素，结合当前电子商务中广泛使用的第三方安全支付手段，本文提出基于声誉的C2C电子商务信任评估模型，使用时间窗口和交易窗口机制对参与计算的评价进行选择，综合考虑评价者的自身信任度。并使用买家理解能力进行辅助决策，建立观察组等方法进一步加强信任机制的有效性。最后利用仿真实验将模型与当前模型进行对比，实验结果表明，本模型更能够真实地体现出评价的真实可信性，能够有效地应用于C2C电子商务系统中。

[1]Turban E，King D，Viehland D，et al.Electronic commerce：a managerial perspective[M].[S.l.]：Englewood Cliffs，1999.

[2]Jøsang A，Ismail R，Boyd C.A survey of trust and reputation systems for online service provision[J].Decision Support Systems，2007，43（2）：618-644.

[3]Jones K，Leonard L N K.Trust in consumer-to-consumer electronic commerce[J].Information&Management，2008，45（2）：88-95.

[4]Resnick P，Zeckhauser R.Trust among strangers in Internet transactions：em pirical analysis of eBay’s reputation system[J].Advances in Applied M icroeconom ics，2002，11：127-157.

[5]Li D，Li J，Lin Z.Online consumer-to-consumer market in China：a comparative study of Taobao and eBay[J]. Electronic Commerce Research and Applications，2008，7（1）：55-67.

[6]Zhang J.The roles of players and reputation：evidence from eBay online auctions[J].Decision Support Systems，2006，42，1800-1818.

[7]Xiong L，Liu L.Peertrust：supporting reputation-based trust for peer-to-peer electronic communities[J].IEEE Transactions on Know ledge and Data Engineering，2004，16（7）：843-857.

[8]姜守旭，李建中.一种P2P电子商务系统中基于声誉的信任机制[J].软件学报，2007，18（10）：2551-2563.

[9]Wu F，Li H H，Kuo Y H.Reputation evaluation for choosing a trustworthy counter-party in C2C e-commerce[J]. Electronic Commerce Research and Applications，2011，10：428-436.

[10]张仕斌，许春香.基于云模型的信任评估方法研究[J].计算机学报，2013，36（2）：422-431.

[11]Song S S，Hwang K，Zhou R F，et al.Trusted P2P transactions with fuzzy reputation aggregation[J].IEEE Internet Computing，2005，9（6）：24-34.

[12]王家昉，冯志勇，徐超，等.多Agent系统中基于认知的信任框架研究[J].计算机学报，2010，33（1）：139-151.

[13]周国强，曾庆凯.一种角色分离的信任评估模型[J].软件学报，2012，23（12）：3187-3197.

[14]甘早斌，曾灿，李开，等.电子商务下的信任网络构造与优化[J].计算机学报，2012，25（1）：56-58.

[15]唐伟.C2C电子商务信任评价模型设计与实现[J].计算机工程与应用，2012，48（1）：94-97.

[16]Gambetta D.Can we trust trust[J].Trust：Making and Breaking Cooperative Relations，2000：213-237.

[17]Abdul-Rahman A，Hailes S.Supporting trust in virtual communities[C]//Proceedings of the 33rd Annual Hawaii International Conference on System Sciences，2000，1（9）.

WANG Chao,ZHONG Hong,SHI Runhua,LU Xiaoling

Key Laboratory of Intelligent Computing&Signal Processing,Ministry of Education,Anhui University,Hefei 230601,China

C2C e-commerce trading platform develops rapidly because it provides a convenient,free and efficient way, However the current evaluation mechanism is not good enough to regulate the auction participants,thus trading still has considerable risk.So the reputation-based trust mechanism is proposed,which is based on the trust of trading participants, to distinguish the dishonest individuals.Considering the im pact factors of the trust evaluation,two different criteria,the time window and trade window,are used to select the evaluations that involved in the calculation,customers’own trust is considered as well.The effectiveness and efficiency of the modal are proved by theoretical analysis and simulation study. The results show that the proposed model can be applied to the C2C e-commerce system s effectively.

e-commerce;Consumer-to-Consumer（C2C）;trust evaluation;reputation;credit

WANG Chao,ZHONG Hong,SH I Runhua,et al.Trust evaluation model based on reputation for C2C e-commerce. Computer Engineering and Applications,2014,50（17）：120-124.

A

TP393

10.3778/j.issn.1002-8331.1401-0219

国家自然科学基金（No.61173188，No.61173187）；安徽大学“211工程”基金（No.02303402）。

王超（1989—），男，硕士研究生，主要研究领域为网络与信息安全；仲红（1965—），女，教授，博导，主要研究领域为网络与信息安全；石润华（1974—），男，教授，博导，主要研究领域为网络与信息安全。E-mail：wangchao4@aliyun.com

2014-01-15

2014-05-20

1002-8331（2014）17-0120-05

CNKI网络优先出版：2014-06-04,http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1401-0219.htm l