一种基于分支进程的模型一致性分析方法及系统

摘要

本发明提供一种基于分支进程的模型一致性分析方法及系统，其系统包括模型构建模块、分支进程展开模块、依赖关系确定模块、三维图构建模块以及一致性分析模块。分析方法为：根据用户行为运行轨迹，构建用户交易PN机模型；分别建立用户交易PN机模型以及预期模型的分支进程展开BPU

说明书

技术领域

本发明涉及一种一致性分析方法及系统，特别是涉及一种基于分支进程的模型一致性分 析方法及系统。

背景技术

随着互联网的飞速发展以及计算机科学技术的不断进步，网上支付平台的应用越来越广 泛，越来越多的人通过网络交易和支付方式开展业务活动，网络交易的发展前景十分广阔。

在网络交易过程中，为了实时对交易行为进行监控和分析，针对每个捕捉到的用户交易 行为的踪迹，我们构建基于PN机的动态交易行为模型，以此来分析交易行为模型与预期的交 易流程行为的一致性。计算其行为一致性度，我们认为行为一致性度较小的行为为非正常行 为，为此需要解决基于一致性度分析的交易流程行为实时监控技术。

现有技术中就两个模型之间的行为一致性有过一些研究，一类是只研究一致性质，即研 究一致、非一致，不涉及度量的概念；一类从度量角度研究一致性，如仅仅从结构角度研究 网模型间相似度。行为轮廓虽然结合了网的结构和动态行为关系，但是仅仅从模型的大致轮 廓出发研究一致性度，对于模型的一致性检测不够精确，且对于含有环结构的模型，并未涉 及。而且仅仅通过分析两个网的变迁之间的行为关系，又不能从整体角度进行网的一致性分 析。

为此，本专利研究基于分支进程展开的模型一致性分析方法及系统。从而对用户交易过 程中的行为一致进行判定，以此来判定用户的合法性。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于分支进程的模型一致性 分析方法及系统，用于解决现有技术中环结构模型及重名活动对的行为一致性测度问题。

为实现上述目的及其他相关目的，本发明提供一种基于分支进程的模型一致性分析方法， 其特征在于，包括如下步骤：S1，根据用户行为运行轨迹，构建用户交易PN机模型；S2， 分别建立用户交易PN机模型的分支进程展开BPU₁、以及预期模型的分支进程展开BPU₂； S3，从行为运行角度，对步骤S2中的分支进程展开中的变迁间的行为依赖关系进行分析，并 确定其行为依赖关系R_i；S4，根据步骤S3确定的变迁间的所述行为依赖关系以及所述分支 进程展开分别构建两个模型的行为关系三维图；S5，比较分析两模型的所述行为关系三维图， 计算用户行为一致性度，检测用户行为与预期行为的一致程度。。

优选地，所述行为依赖关系R_i分为四类：选择关系SR、顺序关系OR、并发关系CR、 逆顺关系IOR。

优选地，步骤S4还具体包括如下步骤：步骤S4还具体包括如下步骤：S41，分别获取 分支进程展开BPU₁、BPU₂的多重变迁集L₁＝{t₁₁，t₁₂，…，t_1n}、L₂＝{t₂₁，t₂₂，…，t_2m}；S42，以L₁中的变迁作为坐标轴的x轴和y轴，以变迁间的行为依赖关系Ri作为坐标轴的z轴，输出行 为关系三维图BRTDG₁，同样以L₂中的变迁作为坐标轴的x轴和y轴，以变迁间的行为依赖 关系Ri作为坐标轴的z轴，输出行为关系三维图BRTDG₂。

优选地，步骤S5还具体包括如下步骤：步骤S5还具体包括如下步骤：S51，获取两关 系三维图中的所有元素；S52，通过分析比较获取两关系三维图中相一致的元素；S53，采用 如下公式计算用户模型与预期模型的一致性度：

优选地，步骤S51还具体包括如下步骤：S511，分析L₁中的变迁t₁₁、t₁₂…t_1n变迁间的行 为依赖关系，令t_i＝t_1i，i＝j＝1，执行步骤S512；S512，若t_i和t_j只满足一种行为依赖关系， 那么就形成一个新的点v_ij＝(t_i，t_j，R_m)，并输出BRTDG＝BRTDG∪v_ij；否则执行步骤S513； S513，若t_i和t_j先后满足关系Rm、Rn，则形成两个点v_ij1＝(t_i，t_j，R_m)，v_ij2＝(t_i，t_j，R_n)，并 形成向量e_ij＝v_ij1→v_ij2，输出BRTDG＝BRTDG∪e_ij；否则，执行步骤S514；S514，执行i＝i+1， 若i≤n，则返回步骤S512；若i＞n，则执行步骤S515；S515，执行i＝1，j＝j+1，若j≤n，则 返回步骤S512；若j＞n，则执行步骤S516；S516，根据步骤S512形成点集V₁＝{v₁₁，v₁₂，…，v_1n}， 根据步骤S513形成向量集E₁＝{e₁₁，e₁₂，…，e_1s}，执行步骤S517；S517，令t_i＝t_2i，i＝j＝1，重复 步骤S512-S516，分析L₂中的变迁t₂₁、t₂₂...t_2n变迁间的行为依赖关系，形成点集 V₂＝{v₂₁，v₂₂，…，v_2m}以及向量集E₂＝{e₂₁，e₂₂，…，e_2t}。

优选地，步骤S52还具体包括如下步骤：S521，逐一将通过步骤S516得到的BRTDG₁中的点与通过步骤S517得到的BRTDG₂中的每一点进行比较，若对于两个图上的点v_1s、v_2s， 其中v_1s＝(x_1i，y_1j，z_1t)、v_2s＝(x_2i，y_2j，z_2t)且v_1s∈V₁，v_2s∈V₂，满足z_1t＝z_2t，则输出V₁＝V₁∪v_1s， V₂＝V₂∪v_2s，V₁^～＝V₁，V₂^～＝V₂，否则，输出V₁＝V₁，V₂＝V₂，V₁^～＝V₁\{v_1s}，V₂^～＝V₂\{v_2s}； S522，逐一将通过步骤S516得到的BRTDG₁中的向量与通过步骤S517得到的BRTDG₂中的 每一向量进行比较，若对于两个图上的向量e_1s、e_2s，其中e_1s＝v_1i→v_1j、e_2s＝v_2i→v_2j且 v_1i∈V₁，v_1j∈V₁，v_2i∈V₂，v_2j∈V₂，满足e_1s＝e_2s，则输出E₁＝E₁∪e_1s，E₂＝E₂∪e_2s，E₁^～＝E₁， E₂^～＝E₂，否则，输出E₁＝E₁，E₂＝E₂，E₁^～＝E₁\{e_1s}，E₂^～＝E₂\{e_2s}。

优选地，步骤S53中通过公式$D_b=\frac{|{V_1}^{~}\times {V_2}^{~}|+|{E_1}^{~}\times {E_2}^{~}|}{|V_1\times V_2|+|E_1\times E_2|}$计算行为一致性度，

其中：D^b-一致性度，

-两个三维图中一致点的集合，

-两个三维图中一致向量的集合，

V₁、V₂-点集，

E₁、E₂-向量集。

为实现上述目的及其他相关目的，本发明提供一种基于分支进程的模型一致性分析系统， 其特征在于，包括：模型构建模块，用于根据用户行为运行轨迹，构建用户交易PN机模型； 分支进程展开模块，用于建立用户交易PN机模型的分支进程展开BPU₁、以及预期模型的 分支进程展开BPU₂；依赖关系确定模块，用于从行为运行角度，对所述分支进程展开模块所 建立的分支进程展开中的变迁间的行为依赖关系进行分析，并确定其行为依赖关系R_i；三维 图构建模块，用于根据所述依赖关系确定模块所确定的变迁间的所述行为依赖关系以及所述 分支进程展开模块所建立的所述分支进程展开分别构建两个模型的行为关系三维图；一致性 分析模块，用于比较分析所述三维图构建模块所构建的两模型的所述行为关系三维图，计算 用户行为一致性度，检测用户行为与预期行为的一致程度。

优选地，所述行为依赖关系R_i分为四类：选择关系SR、顺序关系OR、并发关系CR、 逆顺关系IOR。

优选地，三维图构建模块具体执行如下操作步骤：分别获取分支进程展开BPU₁、BPU₂的多重变迁集L₁＝{t₁₁，t₁₂，…，t_1n}、L₂＝{t₂₁，t₂₂，…，t_2m}；以L₁中的变迁作为坐标轴的x轴和y 轴，以变迁间的行为依赖关系Ri作为坐标轴的z轴，输出行为关系三维图BRTDG₁，同样以 L₂中的变迁作为坐标轴的x轴和y轴，以变迁间的行为依赖关系Ri作为坐标轴的z轴，输出 行为关系三维图BRTDG₂。

优选地，一致性分析模块还具体包括：元素获取模块，用于获取两关系三维图中的所有 元素；分析比较模块，用于对所述元素获取模块中的元素进行分析比较获取两关系三维图中 相一致的元素；一致度计算模块，用于接收所述元素获取模块以及所述分析比较模块的输出 结果，并采用如下公式计算用户模型与预期模型的一致性度：

优选地，元素获取模块具体执行如下操作步骤：步骤一，分析L₁中的变迁t₁₁、t₁₂…t_1n变 迁间的行为依赖关系，令t_i＝t_1i，i＝j＝1，执行步骤二；步骤二，若t_i和t_j只满足一种行为依 赖关系，那么就形成一个新的点v_ij＝(t_i，t_j，R_m)，并输出BRTDG＝BRTDG∪v_ij；否则执行步 骤三；步骤三，若t_i和t_j先后满足关系Rm、Rn，则形成两个点v_ij1＝(t_i，t_j，R_m)，v_ij2＝(t_i，t_j，R_n)， 并形成向量e_ij＝v_ij1→v_ij2，输出BRTDG＝BRTDG∪e_ij；否则，执行步骤四；步骤四，执行i＝i+1， 若i≤n，则返回步骤二；若i＞n，则执行步骤五；步骤五，执行i＝1，j＝j+1，若j≤n，则返 回步骤二；若j＞n，则执行步骤六；步骤六，根据步骤二形成点集V₁＝{v₁₁，v₁₂，…，v_1n}，根据 步骤三形成向量集E₁＝{e₁₁，e₁₂，…，e_1s}，执行步骤七；步骤七，令t_i＝t_2i，i＝j＝1，重复前述步 骤二至六，分析L₂中的变迁t₂₁、t₂₂...t_2n变迁间的行为依赖关系，形成点集 V₂＝{v₂₁，v₂₂，…，v_2m}以及向量集E₂＝{e₂₁，e₂₂，…，e_2t}。

优选地，分析比较模块具体执行如下操作步骤：步骤八，逐一将通过步骤六得到的 BRTDG₁中的点与通过步骤七得到的BRTDG₂中的每一点进行比较，若对于两个图上的点v_1s、 v_2s，其中v_1s＝(x_1i，y_1j，z_1t)、v_2s＝(x_2i，y_2j，z_2t)且v_1s∈V₁，v_2s∈V₂，满足z_1t＝z_2t，则输出 V₁＝V₁∪v_1s，V₂＝V₂∪v_2s，V₁^～＝V₁，V₂^～＝V₂，否则，输出V₁＝V₁，V₂＝V₂，V₁^～＝V₁\{v_1s}， V₂^～＝V₂\{v_2s}；步骤九，逐一将通过步骤六得到的BRTDG₁中的向量与通过步骤七得到的 BRTDG₂中的每一向量进行比较，若对于两个图上的向量e_1s、e_2s，其中e_1s＝v_1i→v_1j、 e_2s＝v_2i→v_2j且v_1i∈V₁，v_1j∈V₁，v_2i∈V₂，v_2j∈V₂，满足e_1s＝e_2s，则输出E₁＝E₁∪e_1s， E₂＝E₂∪e_2s，E₁^～＝E₁，E₂^～＝E₂，否则，输出E₁＝E₁，E₂＝E₂，E₁^～＝E₁\{e_1s}， E₂^～＝E₂\{e_2s}。

优选地，一致度计算模块接收所述元素获取模块以及所述分析比较模块的输出结果后， 通过公式$D_b=\frac{|{V_1}^{~}\times {V_2}^{~}|+|{E_1}^{~}\times {E_2}^{~}|}{|V_1\times V_2|+|E_1\times E_2|}$计算行为一致性度，

其中：D_b-一致性度，

-两个三维图中一致点的集合，

-两个三维图中一致向量的集合，

V₁、V₂-点集，

E₁、E₂-向量集。

如上所述，本发明的一种基于分支进程的模型一致性分析方法及系统，具有以下有益效 果：

1.利用分支进程技术，更精确地获取用户行为模式一致性度；

2.提出行为关系三维图的方法，将模型对间的行为关系转化为三维空间中的点和向量， 缩短了计算时间；

3.区别于以往只考虑结构的方法，从理论上给出了一种动态的一致性度测量方法；

4.区分了含有环结构的情况，提高了精确度，解决了存在环结构的用户模型一致性测量 问题。

附图说明

图1显示为本发明的一致性分析方法流程示意图。

图2显示为本发明的用户交易PN机模型示意图。

图3显示为本发明的预期模型示意图。

图4显示为本发明的PN机模型的分支进程展开示意图。

图5显示为本发明的预期模型的分支进程展开示意图。

图6显示为本发明的三维图中的元素获取算法流程图。

图7显示为本发明的PN机模型的行为关系三维图。

图8显示为本发明的预期模型的行为关系三维图。

图9显示为本发明的一致度计算流程图。

图10显示为本发明的一致性分析系统结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露 的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加 以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精 神下进行各种修饰或改变。

请参阅图1-图10。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的 基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及 尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型 态也可能更为复杂。

实施方式一：

如图1所示为基于分支进程的模型一致性分析方法流程图，包括如下步骤：根据用户行 为运行轨迹，构建用户交易PN机模型；分别建立用户交易PN机模型的分支进程展开BPU₁、 以及预期模型的分支进程展开BPU₂；从行为运行角度，对上述分支进程展开中的变迁间的行 为依赖关系进行分析，并确定其行为依赖关系R_i；根据确定的变迁间的所述行为依赖关系以 及所述分支进程展开分别构建两个模型的行为关系三维图；比较分析两模型的所述行为关系 三维图，计算用户行为一致性度，检测用户行为与预期行为的一致程度。具体分析方法如下：

根据用户行为运行轨迹，构建如图2所示的用户交易PN机模型N₁，而预期模型如图3 所示的N₂；对这两个模型进行分支进程展开，分别获取如图4、图5所示的分支进程展开BPU₁、 BPU₂，如图2、图4所示，由于模型N₁含有环结构，其BPU₁中存在重名变迁，有可能在网 中的两个变迁有不只一种行为关系，从图中4可看出BPU₁存在重名变迁t₁、t₂、t₄、t₆。设置 了四类行为依赖关系：选择关系SR、顺序关系OR、并发关系CR、逆顺关系IOR，从行为 运行角度，对上述所建立的分支进程展开中的变迁间的行为依赖关系进行分析，确定属于上 述四类行为依赖关系中的哪一种。

分别获取分支进程展开BPU₁、BPU₂的多重变迁集L₁＝{t₁₁，t₁₂，…，t_1n}、 L₂＝{t₂₁，t₂₂，…，t_2m}；以L₁中的变迁作为坐标轴的x轴和y轴，以变迁间的行为依赖关系Ri 作为坐标轴的z轴，输出行为关系三维图BRTDG₁，同样以L₂中的变迁作为坐标轴的x轴和 y轴，以变迁间的行为依赖关系Ri作为坐标轴的z轴，输出行为关系三维图BRTDG₂。

采用如图6所示的算法来获取两关系三维图中的所有元素，以其中的一个三维图为例， 对于变迁t_i和t_j，若只满足一种行为依赖关系，则判断满足何种行为依赖关系，确定后形成 一个新的点v_ij＝(t_i，t_j，R_m)，并输出BRTDG＝BRTDG∪v_ij；若不只满足一种行为依赖关系， 则判断t_i和t_j先后满足哪两种关系，对于确定的先后关系Ri、Rj，则形成两个点 v_ij＝(t_i，t_j，R_m)，v_ij2＝(t_i，t_j，R_n)，并形成向量e_ij＝v_ij1→v_ij2，输出BRTDG＝BRTDG∪e_ij。

为实现不同变迁间关系的确定以及所有元素的获取，采用循环执行步骤，具体为：步骤 一，分析L₁中的变迁t₁₁、t₁₂…t_1n变迁间的行为依赖关系，令t_i＝t_1i，i＝j＝1，执行步骤二；

步骤二，若t_i和t_j只满足一种行为依赖关系，那么就形成一个新的点v_ij＝(t_i，t_j，R_m)， 并输出BRTDG＝BRTDG∪v_ij；否则执行步骤三；

步骤三，若t_i和t_j先后满足关系Rm、Rn，则形成两个点v_ij1＝(t_i，t_j，R_m)，v_ij2＝(t_i，t_j，R_n)， 并形成向量e_ij＝v_ij1→v_ij2，输出BRTDG＝BRTDG∪e_ij；否则，执行步骤四；

步骤四，执行i＝i+1，若i≤n，则返回步骤二；若i＞n，则执行步骤五；

步骤五，执行i＝1，j＝j+1，若j≤n，则返回步骤二；若j＞n，则执行步骤六；

步骤六，根据步骤二形成点集V₁＝{v₁₁，v₁₂，…，v_1n}，根据步骤三形成向量集 E₁＝{e₁₁，e₁₂，…，e_1s}，执行步骤七；

步骤七，令t_i＝t_2i，i＝j＝1，重复前述步骤二至六，分析L₂中的变迁t₂₁、t₂₂...t_2n变迁 间的行为依赖关系，形成点集V₂＝{v₂₁，v₂₂，…，v_2m}以及向量集E₂＝{e₂₁，e₂₂，…，e_2t}。

所获得的PN机模型的行为关系三维图如图7所示，图中的标出的点形成点集V₁，带有 箭头的向量形成向量集E₁；预期模型的行为关系三维图如图8所示，图中的标出的点形成点 集V₂，带有箭头的向量形成向量集E₂。

对上述获得的点集以及向量集进行分析比较，并获取两关系三维图中相一致的元素，其 具体的算法如图9所示：逐一将前述得到的BRTDG₁中的点以及BRTDG₂中的每一点进行比 较，若对于两个图上的点v_1s、v_2s，其中v_1s＝(x_1i，y_1j，z_1t)、v_2s＝(x_2i，y_2j，z_2t)且v_1s∈V₁，v_2s∈V₂， 满足z_1t＝z_2t，则输出V₁＝V₁∪v_1s，V₂＝V₂∪v_2s，V₁^～＝V₁，V₂^～＝V₂，否则，输出V₁＝V₁，V₂＝V₂， V₁^～＝V₁\{v_1s}，V₂^～＝V₂\{v_2s}；逐一将前述得到的BRTDG₁中的向量与BRTDG₂中的每一 向量进行比较，若对于两个图上的向量e_1s、e_2s，其中e_1s＝v_1i→v_1j、e_2s＝v_2i→v_2j且 v_1i∈V₁，v_1j∈V₁，v_2i∈V₂，v_2j∈V₂，满足e_1s＝e_2s，则输出E₁＝E₁∪e_1s，E₂＝E₂∪e_2s，E₁^～＝E₁， E₂^～＝E₂，否则，输出E₁＝E₁，E₂＝E₂，E₁^～＝E₁\{e_1s}，E₂^～＝E₂\{e_2s}。

如图9所示，由上述获取的分析结果，通过公式$D_b=\frac{|{V_1}^{~}\times {V_2}^{~}|+|{E_1}^{~}\times {E_2}^{~}|}{|V_1\times V_2|+|E_1\times E_2|}$计算行为一致 性度。

对于本例中，根据以上算法，得出两个分支进程的行为关系三维图的总共元素个数为98， 一致的元素个数为90，不一致的元素如图7、图8中加粗的点与向量，共8个，故可知模型 N₁和N₂的一致性度为

实施方式二：

如图8所示为基于分支进程的模型一致性分析系统结构图，系统包括模型构建模块、分 支进程展开模块、依赖关系确定模块、三维图构建模块、以及由元素获取模块、分析比较模 块、一致度计算模块所构成的一致性分析模块。其中，模型构建模块，用于根据用户行为运 行轨迹，构建用户交易PN机模型；分支进程展开模块，用于建立用户交易PN机模型的分支 进程展开BPU₁、以及预期模型的分支进程展开BPU₂；依赖关系确定模块，用于从行为运行 角度，对所述分支进程展开模块所建立的分支进程展开中的变迁间的行为依赖关系进行分析， 并确定其行为依赖关系Ri；三维图构建模块，用于根据所述依赖关系确定模块所确定的变迁 间的行为依赖关系以及所述分支进程展开模块所建立的分支进程展开分别构建两个模型的行 为关系三维图；一致性分析模块，用于比较分析所述三维图构建模块所构建的两模型的行为 关系三维图，计算用户行为一致性度，检测用户行为与预期行为的一致程度，其又包括用于 获取两关系三维图中的所有元素的元素获取模块、用于对元素获取模块中的元素进行分析比 较获取两关系三维图中相一致的元素的分析比较模块、用于接收元素获取模块以及分析比较 模块的输出结果计算一致度的一致度计算模块。基于分支进程一致性度计算公式：

其各模块的分析过程如下：

模型构建模块，根据用户行为运行轨迹，构建如图2所示的用户交易PN机模型N₁，而 预期模型如图3所示的N₂；分支进程展开模块对这两个模型进行分支进程展开，分别获取如 图4、图5所示的分支进程展开BPU₁、BPU₂。如图2、图4所示，由于模型N₁含有环结构， 其BPU₁中存在重名变迁，有可能在网中的两个变迁有不只一种行为关系，从图4中可看出 BPU₁存在重名变迁t₁、t₂、t₄、t₆。设置四类行为依赖关系：选择关系SR、顺序关系OR、并 发关系CR、逆顺关系IOR，依赖关系确定模块，从行为运行角度，对上述所建立的分支进程 展开中的变迁间的行为依赖关系进行分析，确定属于上述四类行为依赖关系中的哪一种。

在三维图构建模块中，分别获取分支进程展开BPU₁、BPU₂的多重变迁集 L₁＝{t₁₁，t₁₂，…，t_1n}、L₂＝{t₂₁，t₂₂，…，t_2m}；以L₁中的变迁作为坐标轴的x轴和y轴，以变迁间 的行为依赖关系Ri作为坐标轴的z轴，输出行为关系三维图BRTDG₁，同样以L₂中的变迁作 为坐标轴的x轴和y轴，以变迁间的行为依赖关系Ri作为坐标轴的z轴，输出行为关系三维 图BRTDG₂。

采用如图6所示的算法来获取两关系三维图中的所有元素，以其中的一个三维图为例， 在元素获取模块中，对于变迁t_i和t_j，若只满足一种行为依赖关系，则判断满足何种行为依 赖关系，确定后形成一个新的点v_ij＝(t_i，t_j，R_m)，并输出BRTDG＝BRTDG∪v_ij；若不只满足 一种行为依赖关系，则判断t_i和t_j先后满足哪两种关系，对于确定的先后关系Rm、Rn，则形 成两个点v_ij1＝(t_i，t_j，R_m)，v_ij2＝(t_i，t_j，R_n)，并形成向量e_ij＝v_ij1→v_ij2，输出 BRTDG＝BRTDG∪e_ij。

在元素获取模块的执行操作中，为实现不同变迁间关系的确定以及所有元素的获取，采 用循环执行步骤，具体为：步骤一，分析L₁中的变迁t₁₁、t₁₂…t_1n变迁间的行为依赖关系，令 t_i＝t_1i，i＝j＝1；

步骤二，若t_i和t_j只满足一种行为依赖关系，那么就形成一个新的点v_ij＝(t_i，t_j，R_m)， 并输出BRTDG＝BRTDG∪v_ij；否则执行步骤三；

步骤三，若t_i和t_j先后满足关系Rm、Rn，则形成两个点v_ij1＝(t_i，t_j，R_m)，v_ij2＝(t_i，t_j，R_n)， 并形成向量e_ij＝v_ij1→v_ij2，输出BRTDG＝BRTDG∪e_ij；否则，执行步骤四；

步骤四，执行i＝i+1，若i≤n，则返回步骤二；若i＞n，则执行步骤五；

步骤五，执行i＝1，j＝j+1，若j≤n，则返回步骤二；若j＞n，则执行步骤六；

步骤六，根据步骤二形成点集V₁＝{v₁₁，v₁₂，…，v_1n}，根据步骤三形成向量集 E₁＝{e₁₁，e₁₂，…，e_1s}，执行步骤七；

步骤七，令t_i＝t_2i，i＝j＝1，重复前述步骤二至六，分析L₂中的变迁t₂₁、t₂₂...t_2n变迁 间的行为依赖关系，形成点集V₂＝{v₂₁，v₂₂，…，v_2m}以及向量集E₂＝{e₂₁，e₂₂，…，e_2t}。

所获得的PN机模型的行为关系三维图如图7所示，图中的标出的点形成点集V₁，带有 箭头的向量形成向量集E₁；预期模型的行为关系三维图如图8所示，图中的标出的点形成点 集V₂，带有箭头的向量形成向量集E₂。

将元素获取模块获得的点集以及向量集输入分析比较模块中，在分析比较模块中完成对 元素获取模块中的元素的分析比较，并获取两关系三维图中相一致的元素，其具体的算法如 图9所示：逐一将前述元素获取模块得到的BRTDG₁中的点以及BRTDG₂中的每一点进行比 较，若对于两个图上的点v_1s、v_2s，其中v_1s＝(x_1i，y_1j，z_1t)、v_2s＝(x_2i，y_2j，z_2t)且v_1s∈V₁，v_2s∈V₂， 满足z_1t＝z_2t，则输出V₁＝V₁∪v_1s，V₂＝V₂∪v_2s，V₁^～＝V₁，V₂^～＝V₂，否则，输出V₁＝V₁，V₂＝V₂， V₁^～＝V₁\{v_1s}，V₂^～＝V₂\{v_2s}；逐一将前述元素获取模块得到的BRTDG₁中的向量与 BRTDG₂中的每一向量进行比较，若对于两个图上的向量e_1s、e_2s，其中e_1s＝v_1i→v_1j、 e_2s＝v_2i→v_2j且v_li∈V₁，v_1j∈V₁，v_2i∈V₂，v_2j∈V₂，满足e_1s＝e_2s，则输出E₁＝E₁∪e_1s， E₂＝E₂∪e_2s，E₁^～＝E₁，E₂^～＝E₂，否则，输出E₁＝E₁，E₂＝E₂，E₁^～＝E₁\{e_1s}， E₂^～＝E₂\{e_2s}。

如图9所示，一致度计算模块接收元素获取模块以及分析比较模块的输出结果后，通过 公式$D_b=\frac{|{V_1}^{~}\times {V_2}^{~}|+|{E_1}^{~}\times {E_2}^{~}|}{|V_1\times V_2|+|E_1\times E_2|}$计算行为一致性度。

对于本例中，根据以上算法，得出两个分支进程的行为关系三维图的总共元素个数为98， 一致的元素个数为90，不一致的元素如图7、图8中加粗的点与向量，共8个，故可知模型 N₁和N₂的一致性度为

一致度值越高代表该用户行为与预期行为越一致，一致度值越低代表该用户行为与预期 行为越不一致，当一致度值特别低时，我们怀疑该用户行为为非法行为或者预期模型的构建 存在问题。

该方法在用户交易模型过程出现循环结构的情况下，可以进行有效区分，从而大大增加 了精度。

经过实验证明，该方法在准确率和计算时间上都优于先前的研究。

综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技 术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡 所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等 效修饰或改变，仍应由本发明的权利要求所涵盖。