×
面向纠纷避免的电子商务交易主体鉴别及信用评价

包邮面向纠纷避免的电子商务交易主体鉴别及信用评价

¥26.0 (5.3折) ?
1星价 ¥26.0
2星价¥26.0 定价¥49.0
暂无评论
图文详情
  • ISBN:9787302512578
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:217
  • 出版时间:2017-04-01
  • 条形码:9787302512578 ; 978-7-302-51257-8

本书特色

《面向纠纷避免的电子商务交易主体鉴别及信用评价》针对交易风险问题,探索现行电子商务平台中不够完善的交易安全保障相关技术,规避电子商务交易纠纷,有助于扩充电子商务平台的技术支撑,完善体系框架,提升电子商务平台的服务水平。

内容简介

随着网络零售业的快速发展,网络零售交易投诉事件时有发生。本书以网络零售领域的交易纠纷规避为出发点,考虑到网络零售与线下零售相比的虚拟性特点,结合网络零售交易纠纷中反映出的信用评价体系不完善、监管机制不健全的特点,从应用技术角度对电子商务交易主体识别、电子商务平台鉴别、电子商务信用评价和风险预警机制、交换协议等进行了研究,以期减少电子商务平台的交易投诉问题,提高用户体验和满意度,建立客观公正的电子商务信用评估体系,对电子商务主体及交易过程实施有效监管,促进电子商务稳健发展。 本书内容来自作者所在的科研团队近年来的研究成果,可供从事电子商务教学与科研的高校师生及相关从业人员参考。

目录

目录

第1章引言

1.1研究背景

1.2研究内容

1.2.1电子商务交易主体鉴别

1.2.2电子商务平台鉴别

1.2.3电子商务交易信用评价

1.2.4电子商务交易风险预警

1.2.5电子商务交易公平交换协议

1.3本书结构

小结

参考文献

第2章电子商务交易主体鉴别技术

2.1身份认证技术

2.2验证码技术

2.2.1验证码技术分类

2.2.2验证码的识别

2.2.3验证码的作用

2.3常见电子商务平台的主体鉴别技术

2.3.1B2C电子商务网站主体鉴别技术

2.3.2大型团购电子商务网站的主体鉴别技术

2.4面向电子商务平台的新一代主体鉴别机制

2.4.1传统电子商务平台主体鉴别机制的特点

2.4.2面向电子商务平台的新一代验证码技术

2.4.3新一代主体鉴别机制分析
——基于滑动验证码的主体鉴别机制

小结

参考文献

第3章电子商务平台鉴别技术

3.1电子商务平台鉴别技术研究现状

3.2主动探测式电子商务钓鱼网站检测机制

3.2.1主动探测式电子商务钓鱼网站检测机制

3.2.2主动探测式电子商务钓鱼网站检测机制流程

3.3相似字符库的构建及疑似钓鱼网站URL的生成

3.3.1相似字符库的构建

3.3.2疑似钓鱼网站URL的生成算法

3.3.3疑似钓鱼网站URL有效性的检测

3.4基于电子商务网站Web页面身份的疑似钓鱼网站判定

3.4.1电子商务网站的Web页面身份

3.4.2基于电子商务Web页面身份的疑似
钓鱼网站判定

3.5基于Web页面相似性的疑似钓鱼网站判定

3.5.1Web页面文本相似性的度量

3.5.2Web页面结构相似性的度量

3.5.3基于Web页面相似性的疑似钓鱼网站判定

3.6基于*优敏感特征的疑似钓鱼网站判定

3.6.1特征项分类能力影响因素分析

3.6.2信息增益算法应用于钓鱼网站检测
敏感特征项选取的性能分析

3.6.3面向钓鱼网站敏感特征选择的
信息增益算法IIGAIN

3.6.4IIGAIN用于钓鱼网站敏感特征
选择的实验分析

3.6.5基于*优敏感特征的疑似
钓鱼网站URL的判定

小结

参考文献

第4章电子商务交易信用评价机制

4.1电子商务交易信用评价机制研究现状

4.2电子商务交易信用评价机制模型

4.2.1常用信用评价机制模型

4.2.2累加信用评价模型的改进模型

4.2.3云模型在信用评价中的应用

4.3基于交易连续性与云模型的电子商务
交易信用评价模型

4.3.1交易连续性的提出

4.3.2信用评价模型的基本思路

4.3.3信用评价指标的选取

4.3.4基于交易连续性的信用值生成

4.3.5基于云模型的信用等级确定

4.4基于交易连续性与云模型的电子商务
交易信用评价体系实证分析

4.4.1模拟实验

4.4.2实证实验

小结

参考文献

第5章电子商务交易风险预警机制

5.1电子商务交易风险预警研究现状

5.2基于交易连续性的电子商务交易风险评估

5.2.1风险评估因素分析

5.2.2基于交易连续性的风险评估模型

5.2.3实验与分析

5.3基于KMV模型的电子商务交易风险评估

5.3.1KMV模型

5.3.2基于KMV模型的C2C电子商务
交易风险评估模型

5.4基于马尔可夫链的风险预警模型

5.4.1马尔可夫链

5.4.2电子商务预警模型的构建

5.4.3基于马尔可夫链的预警模型

小结

参考文献

第6章一种可预警的基于无证书短签名的公平交换协议

6.1电子商务公平交换协议研究现状

6.2公平交换协议模型

6.2.1电子支付

6.2.2公平交换协议

6.2.3数字签名

6.3无证书短签名

6.3.1无证书数字签名的形式化定义

6.3.2无证书数字签名安全模型

6.3.3短签名

6.3.4一种高效的无证书短签名的设计

6.4可预警的基于无证书短签名的公平交换协议

6.4.1协议模型概述

6.4.2协议时序及数据格式设计

6.4.3协议在电子商务交易阶段应用实例

6.4.4协议公平性分析

6.4.5协议模型与SET协议的对比

小结

参考文献



展开全部

节选

第3章电子商务平台鉴别技术 3.1电子商务平台鉴别技术研究现状 日益猖獗的网络钓鱼攻击严重影响了电子商务及网络营销的发展,损害了电子商务平台及广大网民的利益。防御和检测钓鱼网站已成为全球普遍关注的问题。 从参与方的角度分类,网络钓鱼防御和检测可以分为服务器端防御、用户端防御和独立的第三方检测机制[1]。服务器端防御是指网站服务器端借助其他技术,如数字水印[2]、数字指纹[3]、动态安全皮肤[4]和双重认证协议[5]等,向用户证明网站身份的真实性。用户端防御是指在用户浏览器中安装插件,检测到钓鱼网页后及时提示用户或保护用户敏感信息输入等。独立的第三方检测机制的主要目的是发现并共享钓鱼网站相关信息,包括钓鱼垃圾邮件过滤[6,7]、网络行为检测[8]、个人信息保护[9]、网页异常检测[9~11]以及网页相似性检测等[11,12]。 网络钓鱼防御和检测技术的研究已经取得了一定进展,其中以用户端防御和独立的第三方检测机制的研究*为活跃。下面重点介绍4种钓鱼网站检测机制,基于URL的检测机制,基于Web页面异常的检测机制、综合URL与Web页面的检测机制和基于Web页面身份的检测机制。 1. 基于URL的检测机制 基于URL的检测机制是指根据网站的URL地址判断该网站是否为钓鱼网站。*初的方法是根据黑名单中存储的被确认为钓鱼网站的URL地址,当浏览器浏览黑名单中的网站URL地址时,提醒用户当前网站为钓鱼网站。例如微软IE浏览器自带的Microsoft Phishing Filter[13]、谷歌公司出品的Google SafeBrowsing[14]、斯坦福大学开发的SpoofGuard[15],以及TrustWatch[16]、雅虎等知名IT企业均采用黑名单防御钓鱼网站。URL黑名单检测技术检测精准、使用简单,但无法检测不在黑名单内的钓鱼网站,而且确认黑名单需要人工验证,耗时费力。 Garera等人通过分析钓鱼网站URL结构,选取了由页面特征、域名特征、类型特征和单词特征等共18个特征构成的特征集合,利用回归滤波器(Logistic Regression Filter)分类URL[17]; 梁雪松通过使用启发式分析改进了基于浏览器的钓鱼网站检测技术[18]; 黄华军等人抽取了URL中的12个特征向量,用SVM进行训练和分类,提出了基于异常特征的钓鱼网站URL检测技术[19]; 郑礼雄等人提出了基于域名信息的钓鱼URL探测方法[20]。 基于机器学习的URL检测技术可以检测未知的钓鱼网站而且具有很高的效率,但也具有较高的误判率和漏判率,因为URL中并不具有窃取用户信息的钓鱼攻击网站的决定性特征。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航