基于贝叶斯网络的移动支付风险评估模型

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (5): 60-64.

基于贝叶斯网络的移动支付风险评估模型

张璇1，2，林逸风1，白川1，王旭3，马暮婷1，于倩1，2

1.云南大学软件学院，昆明 650091
2.云南大学云南省软件工程重点实验室，昆明 650091
3.云南大学经济学院，昆明 650091

出版日期:2014-03-01 发布日期:2015-05-12

Risk assessment model for mobile payment based on Bayesian network

ZHANG Xuan1，2, LIN Yifeng1, BAI Chuan1, WANG Xu3, MA Muting1, YU Qian1，2

1.School of Software, Yunnan University, Kunming 650091, China
2.Software Engineering Key Laboratory of Yunnan, Yunnan University, Kunming 650091, China
3.School of Economics, Yunnan University, Kunming 650091, China

Online:2014-03-01 Published:2015-05-12

摘要/Abstract

摘要： 随着信息技术和网络的迅猛发展，支付业务、技术及工具不断创新，移动支付的发展在逐渐加快。移动支付给人们生活带来方便和快捷的同时，也存在着较高的潜在风险，容易遭受非法入侵和恶意攻击。就移动支付风险的分析及风险值的计算理论方面开展工作，在贝叶斯网络的基础上，针对移动支付的主要组成主体，提出移动支付风险评估模型，通过使用该模型进行移动支付风险评估不仅可以对目前移动支付的风险进行评估，还可以根据风险评估结果引导风险控制，对比风险控制前后的风险值判断风险控制的效果，通过案例分析，提出的移动支付风险评估模型可以很好地完成移动支付的风险评估要求。

关键词: 移动支付, 险评估, 贝叶斯网络

Abstract: With the development of the information technology and the networks, more and more payment businesses, techniques and tools are provided, as one of them, mobile payments are also promoted. Mobile payments make people’s lives easier and faster, however, potential risk, vulnerabilities and malicious attacks are also aroused. In this paper, risk analysis and assessment of mobile payment are presented. Based on Bayesian networks, by analyzing the entities of mobile payment system, it proposes a risk assessment model for mobile payment. By using this model, the risk of mobile payment can be calculated and the result can be used to help proposing risk control solutions. The risk value before and after risk control can be compared to show the feasibility of the risk control solution. The last case study shows that the model meets the needs of risk assessment of mobile payment.

Key words: mobile payment, risk assessment, Bayesian network

张璇1，2，林逸风1，白川1，王旭3，马暮婷1，于倩1，2. 基于贝叶斯网络的移动支付风险评估模型[J]. 计算机工程与应用, 2014, 50(5): 60-64.

ZHANG Xuan1，2, LIN Yifeng1, BAI Chuan1, WANG Xu3, MA Muting1, YU Qian1，2. Risk assessment model for mobile payment based on Bayesian network[J]. Computer Engineering and Applications, 2014, 50(5): 60-64.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[4]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[5]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[6]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[7]	杨文霞，王峥，李娜，马建芬. 轻量级移动支付协议LMPP的安全性分析与改进[J]. 计算机工程与应用, 2019, 55(16): 88-93.
[8]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[9]	李茜1，王峥1，马建芬1，李娜2. 轻量级移动支付协议公平性分析[J]. 计算机工程与应用, 2018, 54(19): 82-87.
[10]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.
[11]	朱雪彤1，钱秀娟2，孙薇薇1，侯宪春1，陈广生3，王永利4. 面向普适健康监测的心脏病分析方法[J]. 计算机工程与应用, 2018, 54(1): 159-165.
[12]	王东1，2，陈志1，岳文静3，刘亚威1. 使用贝叶斯网络的社交网络信任驱动推荐方法[J]. 计算机工程与应用, 2017, 53(9): 146-151.
[13]	沈一超，倪世宏，张鹏. 基于贝叶斯网络的飞行动作识别方法[J]. 计算机工程与应用, 2017, 53(24): 161-167.
[14]	高志方，盛冠帅，彭定洪. 妥协率法在信息安全风险评估中的应用[J]. 计算机工程与应用, 2017, 53(23): 82-87.
[15]	丁东1，付晓东1，2，岳昆3. 基于贝叶斯网络的在线商品评价质量评估[J]. 计算机工程与应用, 2017, 53(2): 21-26.