李 黎，梁 剑

(四川大学锦城学院，四川 成都 611731)

1 引言

近年来在我国电子商务市场的迅猛发展下，从而带动出一系列相应的服务中介机构，例如第三方支付系统，它的作用主要是完成第三方担保的支付功能，同时也保证了双方的买卖信用等类似问题，然而第三方支付系统的发展迅猛，信息泄露等问题也随之而来。现阶段信息泄露风险逐渐增大，却缺乏完整的信息泄露风险预警系统，对于买家而言存在巨大的信息泄露风险。买家的个人身份信息、设备信息、消费和产品的使用记录以及浏览记录等信息都暴露在所谓的大网络数据库中。

针对上述问题目前大部分改善方法如下：文献[1]在神经网络基础上建立动态风险指标，输入多种参数变量，使输出结果的预警效果达到最优，但是该方法涉及变量较多，极易受环境影响产生巨大误差。文献[2]针对固定阈值难以应付复杂多变的数据行为，使用无监督学习发简历多维度模型，确定异常及可能泄露的区域，但是规划时间窗口提取特征过于繁琐，时效性较差。文献[3]对历史审计数据分类，精简用户特征描述，降低冗余计算量，然而大部分信息泄露的大数据环境中一定存在着相应的信息泄露节点，但是K-means和naive Bayes算法不易检测出信息泄露点的具体位置，从而会导致影响整体检测的进程以及准确率。

为此，分布式信息泄漏检测模型必须要求检测对象在检测过程中保证运动轨迹无偏移，并且存在信息泄露精准度较低的情况。……