【技术实现步骤摘要】
基于改进的粒子群算法优化的支持向量机的数据加密传输的电子商务交易系统
[0001]本专利技术创造涉及电子商务领域，具体涉及一种数据加密传输的电子商务交易系统。
技术介绍
[0002]随着互联网技术的发展，网络空间已成为现代社会人们生存和发展的基础，然而，由于互联网的不安全性，存在着各种各样的信息安全问题，网络攻击包括伪装、欺骗、窃听、非法访问、篡改、否认、伪造、拒绝服务、传播病毒等。区块链是一种新的数据结构，具有分散性，不需要信任，它由网络中的所有节点拥有、管理和监督，不接受单方控制，电子商务作为如今商业银行的新型金融模式，主要是以电子商务中的核心企业作为切入点，通过电子商务中多个企业的联系来提供相关金融产品以及电子商务服务，电子商务可以对商业银行的业务结构进行一定的改善，使商业银行具有更强的竞争优势。通常，数据的真实性取决于系统中心或第三方实体的信任，如主节点、中央数据库、系统负责人、数据库管理员等，一旦系统中心不再受信任，就会破坏数据的真实性，很难找到，因此有必要对电子商务平台的数据进行加密，加密的数字电子商务平台数据中没有节点、服务器和数据库的集中，系统的运行和维护不依赖于管理人员，网络节点将特定时间内交易信息的数字指纹严格封装成块，并快速广播到整个网络，结合散列技术用于在区块之间形成紧密链接的链，以构成高度安全的公共帐户，即区块链，因此区块链技术对数据加密有很好的效果，但对于采用区块链技术的电子商务平台数据加密，加密过程复杂，加密后的数据容易失真甚至丢失，这影响了电子商务平台数据加密的安全性与可靠性。>
技术实现思路
[0003]针对上述问题，本专利技术旨在提供一种数据加密传输的电子商务交易系统。
[0004]本专利技术创造的目的通过以下技术方案实现：
[0005]一种数据加密传输的电子商务交易系统，其特征在于，包括智能化参数设置模块、区块链模块、加密模块、电子商务交易测评模块和交易模块，其中，智能化参数设置模块用来量化用户的需求，包括交易ID、交易种类、时间戳、保密级别、交易对象、交易地址和交易金额，以字典的方式建立，包括键和键值，将量化后的用户需求存储至区块链模块，区块链模块用来安全存储、更新、记录数据以及交易活动，并且整理区块链中记录的电子商务交易行为，按照交易种类对数据进行分组，删除完全重复的数据，标注并且及时补充缺省的数据，检测每一组交易种类中每一种数据的键值结果是否落入一定的区间，所述区间包括正常值区间、异常值区间和不可信区间，其中，正常值区间表示该用户存储的键值是正确的，异常值区间表示该用户存储的键值是不正确的，此时会高亮异常值，不可信区间表示该用户存储的键值是存在问题的，需要对用户本次键值的存储重新检查数据输入的结果是否正确，如果用户输入的键值的结果不正确，则对该区块链中存储的交易行为进行修改，如果用
户输入的键值的结果是正确的，那么需要重新对用户的交易行为进行检测；加密模块采用了基于神经网络混沌序列的对称块加密算法和基于神经网络混沌吸引子的非对称加密算法对数据进行二次加密，电子商务交易测评模块选用支持向量机为用户选择合适的电子商务交易类型，用户在交易模块完成交易。
[0006]进一步的，智能化参数设置模块用来量化用户的需求，包括交易ID、交易种类、时间戳、保密级别、交易对象、交易地址和交易金额，以字典的方式建立，包括键和键值，记为{Key:Value}，其中，时间戳根据标准时间输入后，通过哈希函数进行统一编号，其选取范围是数字与26个小写字母的组合，保密级别包括公开、普通保密以及特殊保密三个级别。
[0007]进一步的，通过区块链模块，整理区块链内的交易行为，按照交易种类对数据进行区分，删除完全重复的数据，缺省的数据需要标注并且及时补充，每一组交易种类中每一种数据的键值结果都要落入一定的区间，区间包括正常值区间、异常值区间和不可信区间，其中，正常值区间表示该用户存储的键值是正确的，异常值区间表示该用户存储的键值是不正确的，此时会高亮异常值，不可信区间表示该用户存储的键值是存在问题的，需要对用户本次键值的存储重新检查数据输入的结果是否正确，如果用户输入的键值的结果不正确，则对该区块链中存储的交易行为进行修改，如果用户输入的键值的结果是正确的，那么需要重新对用户的交易行为进行检测。
[0008]进一步的，所述加密模块，采用了基于神经网络混沌序列的对称块加密算法对数据进行加密，假设E
K
()表示加密操作，M表示需要加密的数据，D
K
()表示解密，C表示加密后需要解密的数据，满足：E
K
(M)＝C，D
K
(C)＝M，并且有：D
K
(E
K
(M))＝M，其中，基于神经网络混沌序列的对称块加密算法需满足要加密的明文是56位，检查位为8位，总位为64位，具体步骤如下：
[0009](1)首先对明文进行初始变换，将信息块为两部分，然后通过函数对乘积进行变换，需要执行16次；
[0010](2)乘积变换后，将两部分信息合并以执行逆初始变换操作，左移位的消息变为48位；
[0011](3)用最终结果替换32位新数据；
[0012](4)根据上述步骤(1)
‑
(3)执行更换操作，经过16个执行周期后，完成加密过程。
[0013]进一步的，所述加密模块，假设给定密钥k，如果k生成的子密钥是k1，k2，k16，则k称为弱密钥，满足：
[0014]DC(DC(M,k),k)＝M
[0015]DC
‑1(DC
‑1(M,k),k)＝M
[0016]DC(M,k)＝DC
‑1(M,k)
[0017]其中，DC()表示基于神经网络混沌序列的对称块加密算法，DC
‑1()表示基于神经网络混沌序列的对称块的解密算法，如果C＝DC(M,k)，就有C`＝DC(M`,k`)，其中，M`，C`和k`是取非操作，加密数据时使用的是公钥，而解密数据时使用的是私钥，传统的对称加密系统每次使用相同的密钥进行加密和解密，公钥加密系统使用两个不相关的密钥来确保网络的安全、数据的安全和密钥本身的安全，表达式如下所示：
[0018]E
K1
(M)＝C
[0019]D
K2
(C)＝M
[0020]D
K2
(E
K1
(M))＝M
[0021]基于神经网络混沌序列的对称块加密算法对电子商务平台的数据进行加密，混沌神经网络由混沌神经元、外部输入和内部反馈输入组成，单个混沌神经元具有来自内部神经元的反馈和外部输入项，以及来自神经元本身的不稳定项和阈值，由M个混沌神经元组成的混沌神经网络的i个神经元的方程如下所示：
[0022][0023]其中，x
i
(t+1)是第i个混沌神经元在离散时间(t+1)的输出，f
i
是第i个混沌神经元的连续输出函数，M是混沌神经元的数量，W
【技术保护点】
【技术特征摘要】
1.一种数据加密传输的电子商务交易系统，其特征在于，包括智能化参数设置模块、区块链模块、加密模块、电子商务交易测评模块和交易模块，其中，智能化参数设置模块用来量化用户的需求，包括交易ID、交易种类、时间戳、保密级别、交易对象、交易地址和交易金额，以字典的方式建立，包括键和键值，将量化后的用户需求存储至区块链模块，区块链模块用来安全存储、更新、记录数据以及交易活动，并且整理区块链中记录的电子商务交易行为，按照交易种类对数据进行分组，删除完全重复的数据，标注并且及时补充缺省的数据，检测每一组交易种类中每一种数据的键值结果是否落入一定的区间，所述区间包括正常值区间、异常值区间和不可信区间，其中，正常值区间表示该用户存储的键值是正确的，异常值区间表示该用户存储的键值是不正确的，此时会高亮异常值，不可信区间表示该用户存储的键值是存在问题的，需要对用户本次键值的存储重新检查数据输入的结果是否正确，如果用户输入的键值的结果不正确，则对该区块链中存储的交易行为进行修改，如果用户输入的键值的结果是正确的，那么需要重新对用户的交易行为进行检测；加密模块采用了基于神经网络混沌序列的对称块加密算法和基于神经网络混沌吸引子的非对称加密算法对数据进行二次加密，电子商务交易测评模块选用支持向量机为用户选择合适的电子商务交易类型，用户在交易模块完成交易；所述智能化参数设置模块用来量化用户的需求，包括交易ID、交易种类、时间戳、保密级别、交易对象、交易地址和交易金额，以字典的方式建立，包括键和键值，记为{Key:Value}，其中，时间戳根据标准时间输入后，通过哈希函数进行统一编号，其选取范围是数字与26个小写字母的组合，保密级别包括公开、普通保密以及特殊保密三个级别；所述电子商务交易测评模块采用粒子群算法优化支持向量机的核函数参数和惩罚因子。2.根据权利要求1所述的一种数据加密传输的电子商务交易系统，其特征在于，所述加密模块，采用了基于神经网络混沌序列的对称块加密算法对数据进行加密，假设E
K
()表示加密操作，M表示需要加密的数据，D
K
()表示解密，C表示加密后需要解密的数据，满足：E
K
(M)＝C，D
K
(C)＝M，并且有：D
K
(E
K
(M))＝M，其中，基于神经网络混沌序列的对称块加密算法需满足要加密的明文是56位，检查位为8位，总位为64位，具体步骤如下：(1)首先对明文进行初始变换，将信息块为两部分，然后通过函数对乘积进行变换，需要执行16次；(2)乘积变换后，将两部分信息合并以执行逆初始变换操作，左移位的消息变为48位；(3)用最终结果替换32位新数据；(4)根据上述步骤(1)
‑
(3)执行更换操作，经过16个执行周期后，完成加密过程。3.根据权利要求1或2所述的一种数据加密传输的电子商务交易系统，其特征在于，设置所述粒子群算法采用下列步骤在搜索空间中进行(t+1)时刻的更新：步骤(1)：对粒子群中的各粒子进行相似更新检测：令z
i
表示粒子群中的第i个粒子，z
l
表示粒子群中的第l个粒子，当粒子z
i
和粒子z
l
在t时刻满足：|X
i
(t)
‑
X
l
(t)|≤L(t)且|Pbest
i
(t)
‑
Pbest
l
(t)|≤L(t)时，则判定粒子z
i
和粒子z
l
在t时刻为相似更新粒子，其中，X
i
(t)表示t时刻粒子z
i
在搜索空间的位置，X
l
(t)表示t时刻粒子z
l
在搜索空间的位置，Pbest
i
(t)表示t时刻粒子z
i
在搜索空间的个体最优位置，Pbest
l
(t)表示t时刻粒子z
l
在搜索空间
的个体最优位置，L(t)为粒子群在t时刻的相似检测阈值，且其中，L
i
(t)表示t时刻粒子z
i
在搜索空间的邻域相似值，且其中，表示t时刻粒子群中距离位置X
i
(t)第a近的粒子的位置，c为给定的正整数，且c<N，N为粒子群中的粒子总数；将粒子群中判定为相似更新粒子的粒子进行归类，具体为：设S
k
(t)表示t时刻将粒子群中的粒子和其相似更新粒子进行归类所得的第k个类，类S
k
(t)中的粒子采用下列方式在粒子群中选取：在当前粒子群的未归类粒子中随机选取一个粒子加入类S
k
(...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。