基于数据挖掘算法的移动电子商务群体用户访问控制模型

李艳

摘  要： 基于数据挖掘算法的移动电子商务群体用户访问控制模型，挖掘群体用户在移动电子商务网络中的频繁浏览页面，提高用户访问控制精确度。先通过MFP数据挖掘算法获取用户最大向前引用序列，通过用户最大向前引用序列建立基于数据挖掘算法的用户访问控制模型，模型中的事件产生器接收最大向前引用序列数据后，事件分析处理器利用决策树的贪心算法创建序列数据决策树，通过属性选择度量算法形成多重分类器分类序列数据，响应单元在接收序列数据为正常数据时输出相应值且同意用户访问，在接收序列数据为异常数据时抑制序列数据并拒绝用户访问。实验结果表明，该模型在并发用户数量为200人时，再次登录的响应时间仅为524 ms，可有效控制移动电子商务群体用户对于网站的访问响应时间，在移动电子商务网站3 500条信息中拦截危险访问信息准确率高达95%以上。

关键词： 访问控制模型; 数据挖掘算法; 移動电子商务; 群体用户; 事件产生器; 多重分类器

中图分类号： TN919?34; TP311                   文献标识码： A                      文章编号： 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

近年来，随着科技的高速发展以及各种智能化设备诞生，移动电子商务作为互联网背景下的衍生品发展迅速[1]。移动电子商务是基于移动通信设备的一种电子商务形式[2?3]。

数据挖掘是指从大量待挖掘数据中寻找相关性，利用数据间关联提取有效信息的方法[4?5]。移动电子商务群体访问量巨大，网络需要处理大批量数据，一些不法分子利用移动电子商务进行网络诈欺、窃取用户信息等。若移动电子商务中用户访问控制模型不够高效，会造成分类准确性低、不够安全等弊端[6]。为解决以上问题，提出基于数据挖掘算法的移动电子商务群体用户访问控制模型。该模型将数据挖掘技术应用于用户访问控制模型中，先通过数据技术挖掘移动电子商务群体的最大向前引用序列，再依据该序列建立用户访问控制模型控制用户访问[7]，可有效控制危险信息在移动电子商务网络中蔓延。

1  移动电子商务群体用户访问控制模型

1.1  移动电子商务群体用户访问模式挖掘

图1为移动电子商务群体用户浏览行为图示。网站页面由A，B，C等节点表示，群体用户浏览页面集合用{ABCD，ABDGH}表示。用户浏览行为主要分为同一用户在不同时间内浏览页面集合及相同时间内不同用户浏览页面集合[8]。

移动电子商务群体用户在电子商务网站中利用网页间超链接与点击浏览网站页面实现网页前进与后退[9]。图2为移动电子商务群体用户在移动电子商务网站中的访问路径图。

通过图2可挖掘用户在移动电子商务网站中的最大向前引用序列。图2中用户在移动电子商务网站中访问过程为：{AB，C，D，C，B，EG，AHUV，U，HV}。

利用MFP数据挖掘算法可知该移动电子商务网站中最大向前引用是{ABCD，ABEG，AHUV，AHW}，通过图1所示可对用户浏览页面展示。若浏览页面为新访问页面，起始页面为空节点，设用户访问序列为{（[s1]，[d1]），（[s2]，[d2]），…，（[sn]，[dn]）}，通过访问序列获取网站最大向前引用。依据浏览者ID将log内的访问数据重新排列，获取新访问序列{（[s1]，[d1]），（[s2]，[d2]），…，（[sn]，[dn]）}，（[si]，[di]）需满足访问者的时间序列，浏览者的最大向前引用利用MFP算法可得。

通过该算法获取图2访问路径图的网页最大向前引用序列，建立用户访问控制模型，对移动电子商务群体用户访问进行有效控制。

1.2  基于数据挖掘算法的用户访问控制模型

基于数据挖掘算法的用户访问控制模型见图3。

从图3可看出，该用户访问控制模型的核心部分为事件分析处理器，事件产生器接收最大向前引用序列数据后，事件分析处理器利用决策树的贪心算法对序列数据进行处理，贪心算法按照从上至下击破递归步骤创建决策树。通过属性选择度量算法形成多重分类器，分类正常和异常序列数据，响应单元在接收序列数据为正常数据时输出相应数据且同意用户访问，在接收序列为异常数据时抑制序列数据并拒绝用户访问[10]。

2  实验分析

为检测本文模型对移动电子商务群体用户访问控制情况，在OPNET仿真平台中进行仿真模拟实验，并将本文模型实验结果与HDFS访问控制模型以及个性化访问控制模型实验结果进行比较。

对于移动电子商务群体用户来说，初次访问时系统身份认证响应时间直接影响用户的使用体验，验证并发用户数为200人时，三种模型所控制的移动电子商务网站响应时间的仿真实验结果如图4所示。

通过图4可看出，随着并发用户数量增加，网站响应时间有所提升，本文模型控制的移动电子商务网站响应时间最短，在并发用户数量为200人时，响应时间仅为811 ms，低于HDFS模型与个性化模型214 ms与313 ms。

在并发用户数量为200人时，对用户再次访问移动电子商务网站进行仿真实验。三种模型的仿真实验结果见图5。

通过图5可看出，群体用户再次登录时，网络响应时间相比初次登录时有所下降。本文模型在并发用户数量为200人时，再次登录响应时间仅为524 ms，说明本文模型可有效控制移动电子商务群体用户对网站的访问响应时间。

在仿真平台中输入“is”“mkdir”“put”“cat”“clothes”五个移动电子商务群体常用的命令，通过仿真平台比较三种模型的控制性能，三种模型控制的移动电子商务网站中对5个常用命令的分类正确率如图6所示。

通过图6可看出，本文模型对于5个输入指令分类的正确率均在95%以上，而另外两种模型对于输入指令的分类正确率较低，说明本文模型能对输入命令进行有效分類，可有效减轻输入命令集群造成的网站运行负担。

在采用三种模型控制的移动电子商务网站中输入五个常用命令的执行时间如图7所示。

通过图7可看出，本文模型控制的移动电子商务网站对于常用命令执行时间较短。在仿真平台中重复步骤500次，三种模型的响应时间结果见表1。

通过表1可看出，对于跨域单点登录功能，本文模型控制的移动电子商务网站在相对于另两种模型控制的电子商务网站用时较短，说明本文模型在长时间的工作中，跨域单点登录功能较强。

在仿真平台中将本文模型与个性化和HDFS模型相对比，检测三种模型对危险访问信息控制情况，结果见表2。

通过表2可看出，本文模型可有效拦截移动电子商务网络中危险信息，在3 500条信息中拦截危险访问信息准确率高达95%以上，可有效提升移动电子商务网络中的安全性，验证了本文模型的安全性提高效果。

为检测本文模型的适用应用环境，将本文模型与多种用户访问控制模型进行特性对比，对比结果见表3。

通过表3可看出，对于多种用户控制模型来说，本文模型具有时态性、行为性与角色等多种方面特性，为移动电子商务网络提供更优质的服务与更好的隐私保护。

3  结  论

近年来，移动电子商务发展迅速，对人们的生产以及生活产生了极大影响。本文研究的基于数据挖掘算法的移动电子商务群体用户访问控制模型可突出移动电子不受空间与时间限制，增强移动电子商务网站安全性。挖掘群体用户在移动电子商务网络中频繁浏览页面，通过数据挖掘获取移动电子商务网站中最大向前引用序列，利用最大向前引用序列建立用户访问控制模型，在不影响控制精度的前提下，加快网站响应速度以及安全性，避免移动电子商务网站受非法用户的浏览与修改。实验结果表明，该模型控制的移动电子商务网站响应时间较快，是一种有效的访问控制模型。

参考文献

[1] 张逸凡，赵斌，孙鸿艳，等.基于时空轨迹的移动对象汇聚模式挖掘算法[J].数据采集与处理，2018，33（3）：103?111.

[2] 金涛，郑紫微，陈平顺，等.基于Android终端与数据挖掘的FMIPv6切换算法[J].计算机应用研究，2016，33（4）：1224?1227.

[3] 史文浩，江国华，秦小麟，等.基于用户信任值的HDFS访问控制模型研究[J].计算机科学与探索，2016，10（1）：25?35.

[4] 杜巍，高长元.移动电子商务环境下个性化情景推荐模型研究[J].情报理论与实践，2017，40（10）：60?65.

[5] 肖会敏，祝晓梦.移动电子商务视域下用户满意度影响因素研究及实证分析[J].数学的实践与认识，2018，48（7）：147?155.

[6] 印凯泽，汪海航.基于CP?ABE的多云存储系统中访问控制模型的研究[J].计算机科学，2016，43（9）：165?168.

[7] 李欣颖，徐恺英，冯扬.O2O模式移动商务消费者采纳行为分析：两个理论模型的比较[J].情报理论与实践，2018，41（4）：112?116.

[8] 刘宇涵，韦恒.移动电子商务环境下顾客消费体验对购买决策的影响：以北京消费者市场为例[J].哈尔滨工业大学学报（社会科学版），2017，19（4）：134?140.

[9] 李君昌，樊重俊，杨云鹏，等.基于系统动力学的移动电子商务产业演化研究[J].科技管理研究，2018，38（3）：168?178.

[10] 叶艺勇.移动电子商务消费者交易信任度评估仿真研究[J].计算机仿真，2017，34（8）：247?250.