王倩倩

（德州职业技术学院 山东省德州市 253104）

现代电商领域的迅猛发展，逐渐出现了越来越多的电商数据，有效对这些电商数据进行管理，不仅可以保障电商客户的权益，而且还会推动电商领域向着更加良好的方向发展。电商数据管理时，持有方应数据分发系统传输电商数据集的规范，客户传输需求说明，之后以此为基础，分发系统会自动采集客户所需的电商数据集。由此发现，数据分发系统在其中占据举足轻重的地位。但对于现有常见电商数据分发系统来说，依然存在一些问题，如数据持有方与客户现在提供信任的过程中，应向系统方提交一定的费用，若不支付费用，则将出现单点失灵的现象，从而使系统中断运行等。针对这一问题，科学领域对此展开了大量研究，得到了诸多研究成果，如OrtizLizcano María Isabel（2023）等人研究中，以区块链技术为依托，开发出了一款分散式的数据分发系统，该系统有效改善了传统分发系统的不足[1]。Joshi Sudhanshu（2023）等人构建出了一个区块链模型，该模型当中，利用访问类的方式，解决应用程序的各种事物[2]。施秦（2023）对数字贸易中的区块链技术进行了研究，通过研究可以发现，应用区块链技术后，可提供国际贸易全流程协议服务，将贸易无纸化管理等，大大提升了贸易数据的管理质量[3]。由此可以发现，将数据块技术应用到电商数据分发系统当中后，将会有效提升整个系统的性能，更好地对电商数据分类与分发。为此，本文以“以区块链为基础的电商数据分发技术”为课题展开了研究。

1 区块链技术

近年来，区块链技术应用得越来越广泛。该技术最早出现在比特币网络中，通过其可自由复制的特点，将相关数据存储到各个节点上，以构建出一个分布式的比特币分布式系统。通过大量实践研究表明，该技术存在诸多优势，具体包括：

（1）权力下放。整个网络内，无第三方机构的参加，不仅减少了系统使用的成本，而且还提高了系统的使用效率。

（2）拜占庭宽容。区块链网络当中，包含了大量拜占庭节点，这些节点能够展示出所有的行为，如崩溃、攻击等。所以，现代分布式系统开发时，拜占庭式容忍度至关重要。

（3）可靠性，将数据录入到区块链系统后，只有满足条件时，才可对数据修改，而修改条件通常非常苛刻，如只有掌握51%以上的节点等[4]。正是由于区块链技术存在上述诸多优势，使其被广泛应用到大数据管理领域当中。

2 基于区块链技术的电商数据分发系统设计

2.1 总体构架

本文为了进一步提升电商数据分类与分发效果，以区块链技术为核心，设计出了一种电商数据分发系统，该系统主要由四层结构构成，由上至下依次为：

（1）应用层，用于信息的处理，其中包含两部分，一个是去中心化应用，是系统的核心应用，相关机构以该应用为基础，对系统应用予以开发，且在系统内，设计了合约的维护接口，为系统维护提供支持。另一个是中心化应用，由实名服务应用与撮合平台构成，前者可用于系统的监督，后者用于各方面用户间的交易活动。

（2）功能层，即设置系统所具备的所有功能，包括协议功能、AI 功能、智能合约功能、存储功能、通信功能与认证功能等。

（3）数据存储层，用于电商数据的索引、查询条件过滤。

（4）数据层，即多个数据库，用于电商大数据的存储。

2.2 系统功能

2.2.1 协议功能

在该系统内，协议功能是较为关键的功能之一，用于对信息通信而提供相应的规则，协议类型有很多，如跨链协议、应用层协议等，其中，跨链协议为最重要的一部分，可对核心链与分任务间的接口进行定义，确保用户对系统使用时，无需连接多条链路，降低了系统的工作量，且可实时掌握数据的去向。在该协议的作用下，能够针对交易的具体类型、时间等因素，自动匹配最佳的核心链与分任务，从而提升系统的运行效率[5]。

2.2.2 存储功能

该功能设计时，选择了SIA 模型。该模型具有诸多优势，不但能够进行开源设计，而且还符合去中心化的要求，以此降低存储开销。存储功能运行时，以智能合约中设置的佣金形式，为存储资源提供方支付相应的租金。在对存储内容分析与提取时，选择的是AI 算法，以此得到大量广告分层。AI 算法处理的数据非常广泛，包含所有与系统相关的数据，如用户行为数据，区块链运行数据等，在保证整个分发系统正常运行的基础上，提升了整个系统的安全性与稳定性，为电商数据管理提供有力支持[6]。

2.2.3 AI 功能

该功能模块为分布系统中的重要内容之一，可用于数据的管理，对数据质量进行控制，以及帮助系统完成数据分发等工作。从数据管理角度来说，系统内部产生数据集群后，AI 功能模块可对该集群予以全面分析，评估数据的影响力与吸引力，进而以此为基础，自动形成相应的提供方向，为数据的应用提供支持。同时，该功能还可对数据的类别予以分析，及时寻找出其中的敏感、冗余等类型信息，并从集群中将这几类数据清除，从而提升数据集的质量。在电商信息话题当中，大部分非常重要，因而需要注重AI 功能的设计与开发。此外，在AI 功能当中，还可以与用户操作习惯为基础，结合不同关键词的访问频率，从数据集中提取出相应的内容，并通过个性化的方式，将其传输给用户。从通信功能角度来说，选择的是P2P协议，并设置了相应的收费模式[7]。相对于免费方案来说，这一方案虽然会收取一定的费用，但通信质量大大提升。

2.2.4 智能合约功能

在本系统当中，设计出了智能合约功能，其可以看作协议功能的一部分，但其作用又高于普通协议功能。从本质上来说，智能合约即为数字形式的承诺，通过承诺定义了合约的本质与目的。若在电子商务交易活动中，卖方承诺向买方提供货物产品，而买方则承诺卖方承诺支付一定的费用。

2.2.5 通信功能

电商数据分发系统由诸多模块构成，各模块运行时，均需要以大量数据为依托，因而本系统设计出了通信功能模块。在信息通信过程中，先数据打包处理，使其成为相应的报文信息，然后按照网络协议中的内容，将数据报文数据传输给其他功能模块或业务层，这些报文信息经过解析处理后，提取出其中包含的内容，并以此为基础，查询并执行与之相匹配的信息分发流程，进而将保温发送给相应的用户端。

2.2.6 认证功能

该模块主要对用户、信息流等进行认证，以保证系统运行的安全性。本系统当中，主要采用的是基于IPTABLES 的WEB 认证模块。该模块具有良好的性能，能够与数据库服务器放入到相同Linux 服务器内，使得模块的运行效率非常高；可通过对IPTABELS日志字段信息的全面分析，确定出准确的认证时间，以此为计费功能的实现提供支持。

3 电商数据处理方法

现代计算机领域内，存在诸多数据处理方法，每种方法具有不同的特点，可应用到不同领域。本系统设计当中，选择的是基于稀疏最小二乘支持向量机算法，该算法的运算效率高，结果较为准确，有利于提升电商数据的精确性。该算法的原理为：获得电商数据样本后，以此为基础，通过不断的迭代计算，完成样本的训练工作，其中，非支持向量索引集合设定为Q，支持向量索引集合设定为P。迭代运算时，每反向拟合1 次，均会增加1 个支持向量。系统运行过程中，因向量集P 不断发生变化，因而每次迭代计算之后，都要对决策函数系数(α)与阈值(b)进行调节，以逐渐提升计算结果的精确性[8]。由此，可确定出电商数据分类的方法，具体为：

3.1 迭代计算过程

由上述介绍可知，每次迭代后，都要确定出新的α与b，为了实现这一目的，先作出以下假设：在支持向量集P 内，导入第s 个训练样本，之后以此为基础，按照下述公式进行计算：

以谢尔曼原理为依据，对上述公式进行推导，从而转换成公式（3）：

由公式（3）可知，通过n 次迭代运算后，能够推导出第n+1 次的迭代过程，而不用其他运算，使得整个运算流程大大精简，提升了系统的运算效率。最后，通过上述公式的整理，能够得到最终的计算函数：

3.2 确定支持向量

对于上述算法来说，需要由集合Q 内，提取想用的支持向量s，这一环节进行得好坏，直接影响整个算法的应用结果。为了实现这一目的，本系统设计当中，选择了反向拟合算法的方式，对集合Q 中的数据予以筛选，具体方法为：

利用公式（5），即可推导出支持向量s 的优化问题，具体为：

当迭代结果达到下述条件时，表明结果精确度较高，符合预期要求，可停止继续迭代运算。

3.3 分析模型构建

在数据样本采集时，选择的是电商金融数据，针对研究需求，选择了10 组具有效性、可灌性、合理性的特征当作数据KPCA 特征提取技术的特征输入量，具体为：资金使用情况（A）、用户信用水平（B）、资金流动比率（C）、业务成交量（D）、销售毛利率（E）、净利率（F）、资产收益率（G）、市盈率（H）、资产负债率（I）、关键业务利润率（J）。之后以此为基础，将核参数设定成26，通过高斯核函数的方式，对样本予以计算，从而得到如表1所示结果。

通过表1 的观察能够发现，对于本文选取的10 组特征来说，A、B、C、D、I 五个的贡献率较高，贡献率综合在85%以上，由此，本研究当中，选择这5 个指标作为具体最终的样本特征，以降低运算工作量。安昭相应的分类标准，针对数据的有效性，可将其划分成4 种类型，若有效性是0，表明其属于非法数据，应将其清除。分类时，具体原则见表2。

表2：数据分类原则表

4 系统测试

为了进一步验证本系统的有效性，本文通过模拟仿真的方式，对该系统的电商数据分类效果进行了测试。测试共由2 部分构成，一个是分类的准确率，另一个是通过与常规数据分发平台的对比，确定出本系统在对数据分发时的应用效果，以此判断本系统是否可以大规模推广。

4.1 电商数据分类测试

数据分类测试时，共选择了2000 样本，1000 个用于训练，1000 个用于测试。通过对γ 的调节，确定出合理的运算参数，当ε 为0.4 或0.5 时，则可停止迭代运算。通过测试，能够得到如表3所示结果。通过该结果的观察能够发现，当ε=0.4，且γ2=23时，分类准确性为83.5%。所以，将ε=0.4，且γ2=23当作数据分类参数。

表3：分类测试结果表

4.2 电商数据分发系统性能测试

在测试过程中，由100 个节点作为起点，将节点数量增加到1000 个，以此推导出分配时间的比值。通过测试分析能够发现，节点数量较小时，本系统与常规系统间的差异并不是很大，而随着节点，本系统与常规系统间的差异越来越大，且本系统的性能更加良好，可伸缩性优秀，且分布容量较高。

5 总结

综上所述，本文以区块链技术为核心，开发出了一款电商数据分发系统，该系统共由6大模块构成，分别为：协议功能、存储功能、AI 功能、智能合约功能、通信功能、认证功能，同时，设计出了最小二乘支持向量机的算法，在这些功能与算法的共同配合下，完成数据分类与分发操作，在提升系统安全性的同时，提高了数据分类准确性，扩大了系统容量，强化了系统的伸缩性。