分出恶意用户和诚信用户，前者为诚信用户，而后者为恶意用户．最后，依据3式求得卖家的信用度P为1776，因为评价率l
NNo1000150085，所以再根据6式，求得N1000
Q177608515096．可见，考虑评价率所得结果与不考虑的结果有一定差距，考虑到评
价率的结果应该更为客观，更能准确反映卖家信用度的真实情况．22结果分析通过实验可以看出，本文提出的信用评价模型，在综合考虑交易金额、交易时间、评价方信用度、未做评价交易以及相同用户多次评价等因素的影响基础上，可以有效区分恶意用户和诚信用户．当恶意用户做出不诚实评价时，可以减小它对卖家信用度评价的影响．而且，还可以根据实际交易数据，适当的调整特定参数，使信用度的计算更加灵活．文献7中提出的信用评价模型，虽然可以有效地减少信誉榨取行为的损害程度，但是没有考虑评价差异的影响．文献8，提出了一种基于声誉的信任机制，它较为全面地考虑了影响信任度量的信任因素，可以有效地对抗共谋和诬陷等攻击，但若用于淘宝，将是一个巨大的挑战．而本文提出的信用模型，主要建立在淘宝现有的信用评价基础之上．总之，该信用评价模型可以减少信用欺诈等行为，提高C2C电子商务的安全性，同时，为买家挑选商品提供了可靠的依据．
3信用评价系统实现
图1展示了评价模型的电子商务网站功能模块，从中可以体现出，是如何将提出的信用评价模型应用到实际的电子商务中的．
图1
C2C电子商务网站功能模块
Fig1Fu
ctio
moduleofC2Cecommercesites当买家需要购买商品时，在看中一款商品的同时，还要到信用展示模块查看卖家的信用度，这里可以显示卖家信用度和评价率等信息．在确定该卖家诚信可靠的情况下，与其进行交易．商品交易完成，买家在交易评价模块，给予卖家一个原始评价值，该值将在C2C电
f子商务动态信用评价模型中进行处理．同时，卖家也将对买家进行打分，给予一个原始评价值．双方评价完成后，信用评价模型从商品交易管理模块取得交易双方的ID、交易金额、双方交易次数、交易时间4个数据，利用交易双方的ID从用户管理中心模块，取得与该卖家交易的买家数目、与该卖家交易的所有买家的总交易次数、以及买家对交易未评价的次数．从交易评价、商品交易管理、用户管理中心3个模块中取得上述数据之后，利用提出的信用评价模型进行计算，得到计算公式所需要的参数．然后，根据式4计算出每个买家对该卖家交易评价值的权重σ．最后，用3式、6式计算得到r