电子商务背景下的数据取证算法研究

来源:用户上传      作者:

　　摘要：伴随着移动互联网络和各类电子产品的普及，网上购物成为了一种非常受欢迎的购物方式，与电子商务相关的网络犯罪也越来越多，增长速度惊人。对待电子商务背景下的犯罪案件，需要使用有效工具进行犯罪取证分析。但在这个过程中，常存在证据数据来源广、具有不确定性且数量过多的问题，因此，本文着重研究了证据融合过程中证据理论的相关改进，以获得一致性较高的证据链。
　　关键词：电子商务；用户数据；取证算法；证据理论
　　中图分类号：TP399 文献标识码：A 文章编号：1007-9416（2019）01-0132-01
　　0 引言
　　随着移动互联网络和各类电子产品的快速发展，电子商务产业也呈现出良好的发展局势，越来越多人开始信任和依赖网上购物，用户数据与日倍增。良好的发展趋势下，却同时產生了许多与电子商务相关的网络犯罪。如果没有足够的安全防护，电子商务产业难以得到深入持久的发展。因此，对待日益猖獗的电子商务犯罪，研究如何获取其犯罪证据，并根据证据分析得到一致性结论判定，可以有效打击电子商务犯罪。
　　1 电子商务犯罪概述
　　电子商务犯罪，可以简单理解为在电子商务背景下发生的犯罪活动，即只要是发生在电子商务过程中任意环节的犯罪活动，我们都可以将其分类为电子商务犯罪。如果要具体划分，则主要分为以下两种类型。
　　（1）侵害到交易程序的犯罪活动。比如，窃取电子商务用户信息，在电子商务用户系统中，非法使用其个人信息的行为，给被害人造成严重损失。再比如，伪造或者篡改用户信息的行为。这一类行为是指通过破坏交易信息完整性，导致交易双方信息接收错误，而破坏整个电子商务交易的行为。还包括破坏电子商务系统的行为。通过非法入侵，修改程序或者数据，导致整个系统的混乱，这种行为有可能会给交易双方带来非常严重的损失。
　　（2）通过电子商务系统的使用，对整个社会产生严重危害的犯罪行为。比如，利用电子商务系统，进行非法洗钱。犯罪分子正是钻了电子商务客户身份较为模糊这个空子，通过便捷的网络银行，用虚假电子商务行为给自己打掩护。这种匿名的方式，可以让犯罪分子轻松利用安全漏洞，进行金钱的非法转移。
　　2 “犯罪证据”——电子商务用户数据的预处理
　　为了获取具有较高可信度的电子商务犯罪证据，我们需要采集在这个过程中产生的用户信息数据以及相关记录数据，对这些数据进行取证分析，得到一个较为一致的证据链，即可信度较高的结论，判定是否存在犯罪行为。由于电子商务用户数据的复杂性，其来源广、维度高、数据量大，且更新频率快，在取证分析之前，我们需要先对用户数据进行预处理，去除冗余和噪声数据，然后再使用证据分析理论对其进行处理。
　　数据预处理的方法有很多，针对电子商务用户信息的特殊性，可以使用模糊聚类算法先将其进行处理，即获得若干个柔性划分的大类，产生标签化数据，然后再对其进行具体的犯罪证据分析。国内外已经有很多学者对这个问题进行了大范围的探讨，也使用了很多智能算法去改进聚类。比如Liu Suhua等人在研究中提出，可以利用模拟退火算法对其进行改进，模拟退火算法是全局优化算法中十分经典的一个例子，将其应用到聚类分析中，主要是考虑到聚类中心的距离问题。使用这种方法去改进虽然可以达到一定预期的聚类效果，但是为了使模拟退火算法的效果达到最优，我们需要使其完成全局收敛，也就是说需要温度下降的过程非常非常缓慢，这耗费了大量的时间，使整个聚类算法运行完成结束需要经历漫长的等待时间，而大部分计算过程都是经不起这种等待的。后来，Tim和Kruse两人在研究中提出，可以在FCM计算方法的目标函数里面掺入对其类中心排斥的各种项，这样就可以得到若干新的目标函数，也就可以避免产生完全一样导致重复的类中心，优化整个算法。
　　3 证据理论相关研究
　　经过数据预处理之后，我们需要将这些多源异构的数据进行证据融合来获取相应的确定证据结论。围绕着电子商务用户数据，通过证据理论对其进行融合处理，形成有效的证据链以及证据体系。电子商务犯罪行为或者是利用电子商务系统从事的犯罪活动，都会在相关设备中留下大量证据数据，这就对犯罪取证提出了需求。我们需要将犯罪者留在电子商务系统中的“痕迹”作为有效的、具有一致性的证据提供给刑侦人员，才能将电子商务犯罪的行为绳之以法。
　　D-S证据理论是证据融合领域中非常受欢迎的一种算法，经常用于处理犯罪证据。它是一种不精确信息的推理理论，十分适用于电子商务背景下的模糊数据分析处理。它也给不确定证据的判定和合成提供了很重要的新思路。因此，在电子商务背景下的犯罪信息取证分析中，也可以采用这种理论进行证据融合，将来源独立的电子商务用户数据即疑似证据进行组合，以获取较为可信的证据结论，作为判定是否存在电子商务犯罪的证据呈上法庭。
　　4 证据融合——证据链的获取
　　对电子商务犯罪证据的处理流程是以模糊聚类算法和证据融合方法的综合研究为基础的。首先，要对电子商务用户数据即犯罪痕迹进行相应的采集工作，获取互联网络中的数据流；然后对这些数据进行模糊聚类，即数据预处理工作，生成原始证据；最后，使用证据理论融合方法，对这些用户数据进行融合，也就是说，最终会得到一个较为一致的结果，即是否存在电子商务犯罪行为，或利用电子商务系统对社会造成不良影响的行为，并保存最终的取证分析结论。
　　通过证据融合相关理论的取证分析，对电子商务用户数据中的数据、记录信息进行证据融合，将不确定信息转化为可信的证据链和证据体系，最终给出一个较为一致的结论，为电子商务犯罪的审判提供可信判定。
　　参考文献
　　[1] 张雁，林英.计算机取证关键技术研究[J].现代计算机（专业版），2009（12）：26-28.
　　[2] 韩德强，杨艺.D-S证据理论进展及相关问题探讨[J].控制与决策，2014，29（1）：1-11.
　　[3] 高新波.模糊聚类分析及其应用[M].西安：西安电子科技大学出版社，2004.
　　[4] 蒋宏，曾潮缤.云存证技术在电子商务监管中的应用[J].价值工程，2017，36（33）：74-76.
　　[5] 李珊琼.电子商务背景下计算机动态取证面临的问题和对策[J].电子技术与软件工程，2017（20）：139.
　　[6] 潘成林.电子商务市场消费者维权的困境与出路[J].管理观察，2016（23）：12-14.
　　Abstract：With the popularity of mobile Internet and various electronic products， online shopping has become a very popular way of shopping. There are more and more cyber crimes related to electronic commerce， and the growth rate is astonishing. To deal with criminal cases under the background of e-commerce， we need to use effective tools to conduct criminal forensic analysis. But in this process， there are many problems such as wide sources， uncertainty and excessive quantity of evidence data. Therefore， this paper focuses on the improvement of evidence theory in the process of evidence fusion， in order to obtain a consistent evidence chain.
　　Key words：Electronic Commerce； User Data； Forensics Algorithm； Evidence Theory
转载注明来源:https://www.xzbu.com/8/view-14760553.htm