秦瑩

摘? 要： 針對(duì)當(dāng)前電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)方法存在效率低、偏差大等弊端，為了提高電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)精度，提出數(shù)據(jù)挖掘技術(shù)的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型。首先，收集電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)一維時(shí)間序列數(shù)據(jù)，并將其重構(gòu)成一個(gè)多維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列;然后，采用數(shù)據(jù)挖掘技術(shù)對(duì)多維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列進(jìn)行分析，構(gòu)建電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型;最后，采用Matlab 2019平臺(tái)上，與其他電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明文中方法的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)偏差很小，可以高精度跟蹤電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)變化特點(diǎn)，而且電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)的效率很高，預(yù)測(cè)效果顯著優(yōu)于其他電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型，驗(yàn)證了該電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型的可行性。

關(guān)鍵詞： 電子商務(wù)時(shí)代; 電子交易; 支付風(fēng)險(xiǎn)管理; 數(shù)據(jù)挖掘技術(shù); 多維時(shí)間序列; 風(fēng)險(xiǎn)預(yù)測(cè)

中圖分類號(hào)： TN99?34; TP391? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）21?0106?04

E?commerce mobile payment risk prediction based on data mining technology

QIN Ying

（Wuzhou University， Wuzhou 543000， China）

Abstract： The current e?commerce mobile payment risk prediction method has some disadvantages like low efficiency and large deviation. Therefore， an e?commerce mobile payment risk prediction model based on data mining technology is proposed to improve its risk prediction accuracy. The one?dimensional time series data of e?commerce mobile payment risk is collected and reconstructed into a multi?dimensional time series of e?commerce mobile payment risk， which is then analyzed by data mining technology to build the e?commerce mobile payment risk prediction model. Experiments were performed on platform Matlab 2019 to make comparison between the proposed model and other models. The results show that the prediction deviation of the proposed model is very small. The proposed model can track the change characteristics of e?commerce mobile payment risk accurately and predict risk efficiently with significantly better risk prediction effect than other models， which verifies its feasibility.

Keywords： e?commerce era; e?transaction; payment risk management; data mining technology; multidimensional time series; risk prediction

0? 引? 言

隨著電子商務(wù)技術(shù)的不斷發(fā)展，越來越多的人開始在網(wǎng)上進(jìn)行交易[1?3]。網(wǎng)上交易過程中，存在許多風(fēng)險(xiǎn)，其中移動(dòng)支付風(fēng)險(xiǎn)是最常見的一種，經(jīng)常出現(xiàn)網(wǎng)絡(luò)詐騙等，因此如何對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，降低電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)出現(xiàn)的概率，成為當(dāng)前電子商務(wù)領(lǐng)域研究中的一個(gè)熱點(diǎn)[4?6]。

針對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)問題，當(dāng)前許多研究機(jī)構(gòu)進(jìn)行了深入分析，出現(xiàn)了許多電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)方法[7?9]。當(dāng)前有基于時(shí)間序列法的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型，其將電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)歷史數(shù)據(jù)組合在一起，產(chǎn)生一個(gè)時(shí)間序列數(shù)據(jù)，這些數(shù)據(jù)之間存在較強(qiáng)的時(shí)間序列相關(guān)性，然后根據(jù)相關(guān)性特點(diǎn)建立電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型，其只能對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)線性變化特點(diǎn)進(jìn)行建模，因此電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)誤差比較大[10?12];隨后出現(xiàn)了基于人工神經(jīng)網(wǎng)絡(luò)的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型，它們可以對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)非線性變化特點(diǎn)進(jìn)行建模，但是由于電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)具有混沌性，它們忽略了混沌性，存在效率低、偏差大等弊端[13?15]。

為了提高電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)精度，本文提出數(shù)據(jù)挖掘技術(shù)的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型，與其他電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了本文電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型的可行性。

1? 相關(guān)理論

1.1? 時(shí)間序列數(shù)據(jù)的混沌處理技術(shù)

電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)與網(wǎng)絡(luò)安全性、網(wǎng)民素質(zhì)、相關(guān)法律的完善等有關(guān)，這些影響之間也互相干擾和影響，使得電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)變化很復(fù)雜，包括了一定的周期性變化規(guī)律，同時(shí)具有隨機(jī)性、非平穩(wěn)性，而且還具有一定的混沌性，這導(dǎo)致電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)表面上看沒有什么變化規(guī)律可循，實(shí)際上從深層次分析，具有一定的規(guī)律性。對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)數(shù)據(jù)通過混沌分析，使其變化規(guī)律體現(xiàn)出來，為后續(xù)的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)建模提供幫助。對(duì)于一個(gè)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)歷史數(shù)據(jù)集合，可以描述為[x（t）]，[t=]1，2，…，[N]，其中，[N]表示電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)歷史數(shù)據(jù)的數(shù)量，采用互信息法和關(guān)聯(lián)維算法確定其嵌入維[m]和延遲時(shí)間[τ]，根據(jù)嵌入維[m]和延遲時(shí)間[τ]可以產(chǎn)生一個(gè)多維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)歷史數(shù)據(jù)集，可以描述為：

[X（t）=x（t），x（t+τ），…，x[t+（m-1）τ]]

1.2? BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種流程的數(shù)據(jù)挖掘技術(shù)，相對(duì)于其他數(shù)據(jù)挖掘技術(shù)，其建模過程更加簡(jiǎn)單，容易實(shí)現(xiàn)，而且建模性能很好，因此本文將其引入到電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)的建模過程中。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖1所示。

BP神經(jīng)網(wǎng)絡(luò)的工作原理為：首先通過電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)數(shù)據(jù)分別確定輸入層和輸出層的節(jié)點(diǎn)數(shù)量，并根據(jù)輸入層的節(jié)點(diǎn)數(shù)確定隱含層的節(jié)點(diǎn)數(shù)量，然后初始化相關(guān)參數(shù)，進(jìn)行正向?qū)W習(xí)，并計(jì)算電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)誤差，最后根據(jù)預(yù)測(cè)誤差進(jìn)行反向?qū)W習(xí)，直至電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)誤差達(dá)到實(shí)際應(yīng)用的要求。

2? 電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型工作步驟

1） 收集電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)數(shù)據(jù)，考慮到電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的影響因素作用已體現(xiàn)在數(shù)據(jù)值的變化中，本文只采集電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)值，風(fēng)險(xiǎn)值的大小由專家確定，這樣得到一個(gè)一維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列數(shù)據(jù)樣本集合。

2） 采用互信息法和關(guān)聯(lián)維算法確定一維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列數(shù)據(jù)樣本的嵌入維和延遲時(shí)間。

3） 根據(jù)嵌入維和延遲時(shí)間，得到一個(gè)多維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列數(shù)據(jù)樣本。

4） 采用BP神經(jīng)網(wǎng)絡(luò)對(duì)多維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列數(shù)據(jù)樣本進(jìn)行學(xué)習(xí)，建立電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型。

綜上可知，基于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)流程如圖2所示。

3? 電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果與分析

3.1? 測(cè)試環(huán)境及對(duì)比模型

電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)測(cè)試的硬件環(huán)境為：AMD Ryzen 3 3300X CPU，金士頓Fury DDR3 1866 8 GB，影馳HOF PRO 1TB M.2 SSD;軟件環(huán)境為：編程工具為Matlab 2019，平臺(tái)為L(zhǎng)inux。在相同測(cè)試環(huán)境中，選擇時(shí)間序列分析法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)對(duì)比測(cè)試。

3.2? 電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的時(shí)間序列數(shù)據(jù)

采用一個(gè)電子商務(wù)系統(tǒng)、一段時(shí)間的移動(dòng)支付風(fēng)險(xiǎn)作為研究對(duì)象，共得到100個(gè)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)歷史數(shù)據(jù)，它們組成一個(gè)一維的時(shí)間序列，具體如圖3所示。

3.3? 嵌入維和延遲時(shí)間的確定

對(duì)圖2的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的時(shí)間序列數(shù)據(jù)，確定其嵌入維和延遲時(shí)間，它們變化曲線如圖4所示。從圖4可以看出，電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的時(shí)間序列數(shù)據(jù)的嵌入維和延遲時(shí)間分別為5和5 ms，然后根據(jù)它們重構(gòu)多維的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的時(shí)間序列數(shù)據(jù)，并作為數(shù)據(jù)挖掘技術(shù)的學(xué)習(xí)樣本數(shù)據(jù)。

數(shù)據(jù)的嵌入維和延遲時(shí)間

3.4? 電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的單步預(yù)測(cè)結(jié)果

采用3種電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行建模與分析，統(tǒng)計(jì)它們的單步電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)精度，結(jié)果如圖5所示。

從圖5的單步電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)精度可以得到如下結(jié)論：

1） 傳統(tǒng)時(shí)間序列分析法的單步電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果最差，得到的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)誤差最大，這是因?yàn)槠錄]有考慮電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的非線性，只是描述了電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)簡(jiǎn)單的變化規(guī)律，這樣無法獲得理想的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果。

2） BP神經(jīng)網(wǎng)絡(luò)的單步電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果要高于傳統(tǒng)時(shí)間序列分析法，這是由于其非線性建模能力要好于傳統(tǒng)時(shí)間序列分析法，但是由于沒有考慮電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的混沌特性，使得預(yù)測(cè)值與實(shí)際值有較大的偏差，使電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)效果無法達(dá)到最優(yōu)。

3） 本文模型的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)值與真實(shí)值偏差很小，電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)效果要優(yōu)于傳統(tǒng)時(shí)間序列分析法和BP神經(jīng)網(wǎng)絡(luò)，這是因?yàn)楸疚姆椒ň哂蠦P神經(jīng)網(wǎng)絡(luò)良好的預(yù)測(cè)能力，同時(shí)考慮了電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的混沌性，將原始的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)數(shù)據(jù)重構(gòu)成一個(gè)多維電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)數(shù)據(jù)，可以更好地從電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)數(shù)據(jù)中發(fā)現(xiàn)變化規(guī)律，得到最優(yōu)的預(yù)測(cè)效果，對(duì)比結(jié)果證明了本文模型的優(yōu)越性。

3.5? 電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)的多步預(yù)測(cè)結(jié)果

由于電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)防范的目標(biāo)是降低支付風(fēng)險(xiǎn)的概率，因此單步的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果對(duì)保障電子商務(wù)移動(dòng)支付安全實(shí)際應(yīng)用價(jià)值不大，因此要進(jìn)行電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)多步預(yù)測(cè)實(shí)驗(yàn)，它們的預(yù)測(cè)結(jié)果如圖6所示。

從圖6可以看出，多步的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果要差于單步的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，這是因?yàn)槎嗖筋A(yù)測(cè)有一定的誤差累計(jì)結(jié)果，但是電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果仍然可以滿足實(shí)際要求，同時(shí)本文模型的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果要優(yōu)于傳統(tǒng)時(shí)間序列分析法和BP神經(jīng)網(wǎng)絡(luò)，再一次驗(yàn)證了本文模型的優(yōu)越性。

3.6? 預(yù)測(cè)結(jié)果分析

為了更好地體現(xiàn)本文電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型的可行性，采用該模型對(duì)10種電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列樣本數(shù)據(jù)進(jìn)行建模預(yù)測(cè)，首先確定10種電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列樣本數(shù)據(jù)重構(gòu)的嵌入維和延遲時(shí)間，具體如表1所示。

并統(tǒng)計(jì)10種電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列樣本數(shù)據(jù)預(yù)測(cè)精度，具體如表2所示。

對(duì)表2的10種電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)時(shí)間序列樣本數(shù)據(jù)預(yù)測(cè)精度進(jìn)行分析可以發(fā)現(xiàn)，本文模型的單步預(yù)測(cè)精度均超過了97%，電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)誤差很小，而且預(yù)測(cè)精度十分穩(wěn)定，沒有出現(xiàn)較大的波動(dòng)性，說明本文電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果十分可靠，可以應(yīng)用于實(shí)際的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)管理中。而對(duì)比模型的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)精度要低于94%，預(yù)測(cè)效果明顯差于本文模型，而且預(yù)測(cè)精度波動(dòng)比較大，不穩(wěn)定。從多步預(yù)測(cè)精度可以看出，本文模型的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)同樣更好，說明本文模型具有較好的通用性。

3.7? 電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)效率對(duì)比

統(tǒng)計(jì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)單步預(yù)測(cè)時(shí)間，結(jié)果如表3所示。從表3可以看出，本文模型的預(yù)測(cè)時(shí)間要少于傳統(tǒng)時(shí)間序列分析法和BP神經(jīng)網(wǎng)絡(luò)，提高了電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)效率。

4? 結(jié)? 語

電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)與其他因素相關(guān)，其波動(dòng)性較大，采用傳統(tǒng)方法無法對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)變化趨勢(shì)進(jìn)行預(yù)測(cè)，使得電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性不高。在分析了電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)變化特點(diǎn)的基礎(chǔ)上，引入數(shù)據(jù)挖掘技術(shù)對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)進(jìn)行建模與預(yù)測(cè)，并與其他電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行對(duì)比實(shí)驗(yàn)。從仿真對(duì)比實(shí)驗(yàn)結(jié)果可知，本文方法的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)值與真實(shí)值偏差很小，電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)精度很高，有效減少了電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)誤差，且對(duì)比模型的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)精度均低于本文模型，同時(shí)本文方法的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)建模的時(shí)間少，對(duì)比結(jié)果表明，本文模型可以對(duì)電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)進(jìn)行更精確、更快、更可靠的預(yù)測(cè)，是一種有效的電子商務(wù)移動(dòng)支付風(fēng)險(xiǎn)預(yù)測(cè)模型。

參考文獻(xiàn)

[1] 張鶴冰，襲希，白世貞.基于貝葉斯網(wǎng)絡(luò)的中國電子商務(wù)信用風(fēng)險(xiǎn)因素研究[J].運(yùn)籌與管理，2019，28（5）：99?107.

[2] 李波，王汝鋒，陳蔚淳.電子商務(wù)下風(fēng)險(xiǎn)規(guī)避制造商對(duì)供應(yīng)鏈決策策略的影響研究[J].管理工程學(xué)報(bào)，2019，33（2）：173?179.

[3] 梁其鈺.我國跨境電子商務(wù)支付面臨的風(fēng)險(xiǎn)與防范機(jī)制[J].對(duì)外經(jīng)貿(mào)實(shí)務(wù)，2018（11）：57?60.

[4] 李道全，吳興成，郭瑞敏.一種基于二層節(jié)點(diǎn)和客觀風(fēng)險(xiǎn)的電子商務(wù)交易信任模型[J].計(jì)算機(jī)科學(xué)，2016，43（5）：117?121.

[5] 邵建利，宋寧，張滟.電子商務(wù)中第三方支付平臺(tái)欺詐風(fēng)險(xiǎn)識(shí)別研究[J].商業(yè)研究，2014（11）：34?40.

[6] 紀(jì)乃華，姚惠萍，王穎潔.電子商務(wù)交易評(píng)估算法[J].計(jì)算機(jī)仿真，2013，30（6）：428?431.

[7] 徐瑤之，吳吉義，胡玉平，等.電子商務(wù)企業(yè)的金融支持體系研究?基于資金供給與需求的分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2013，43（5）：116?123.

[8] 陽震青，彭潤(rùn)華.旅游移動(dòng)支付風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系構(gòu)建[J].企業(yè)經(jīng)濟(jì)，2012，31（11）：91?94.

[9] 盧志剛，張曉旭.基于云重心Shapley值法的電子商務(wù)聲譽(yù)聯(lián)盟利益分配策略[J].計(jì)算機(jī)應(yīng)用，2012，32（10）：2931?2934.

[10] 薛偉蓮，王蕾.電子商務(wù)環(huán)境下供應(yīng)鏈信息風(fēng)險(xiǎn)的模糊評(píng)價(jià)[J].大連海事大學(xué)學(xué)報(bào)，2011，37（1）：99?102.

[11] 衛(wèi)志誠，邵堃，劉磊.一種結(jié)合客觀風(fēng)險(xiǎn)的電子商務(wù)交易評(píng)估模型[J].計(jì)算機(jī)工程，2012，38（11）：277?280.

[12] 余樂安.基于最小二乘近似支持向量回歸模型的電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警[J].系統(tǒng)工程理論與實(shí)踐，2012，32（3）：508?514.

[13] 劉永磊，金志剛，郝琨，等.基于STRIDE和模糊綜合評(píng)價(jià)法的移動(dòng)支付系統(tǒng)風(fēng)險(xiǎn)評(píng)估[J].信息網(wǎng)絡(luò)安全，2020，20（2）：49?56.

[14] 張璇，林逸風(fēng)，白川，等.基于貝葉斯網(wǎng)絡(luò)的移動(dòng)支付風(fēng)險(xiǎn)評(píng)估模型[J].計(jì)算機(jī)工程與應(yīng)用，2014，50（5）：60?64.

[15] 王忠群，汝志愿，皇蘇斌，等.基于證據(jù)網(wǎng)絡(luò)的C2C商品購買風(fēng)險(xiǎn)動(dòng)態(tài)評(píng)估模型[J].控制與決策，2018，33（3）：521?528.

作者簡(jiǎn)介：秦? 瑩（1986—），女，山東臨沂人，碩士，講師，研究方向?yàn)殡娮由虅?wù)、商務(wù)英語。