本发明涉及区块链技术领域，尤其涉及一种基于联合运营电商交易的买卖信用评定方法。
背景技术：
声誉机制是交易系统的重要组成部分，可以促进交易的合法执行，减少欺诈行为，同时帮助交易参与者甄选交易对手。良好的声誉可以帮助用户得到更多的交易机会。目前基于区块链的快速发展，分布式电商交易系统得到了应用，但其目前的交易的信用量化方案不明确。
技术实现要素：
鉴于目前存在的上述不足，本发明提供一种基于联合运营电商交易的买卖信用评定方法，能够通过公开透明的计算方法结合区块链防篡改、可溯源的特点进行个人信用评级，为买卖双方进行信用背书。
为达到上述目的，本发明的实施例采用如下技术方案：
一种基于联合运营电商交易的买卖信用评定方法，所述基于联合运营电商交易的买卖信用评定方法包括以下步骤：
获得用户在单次交易中获得的声誉评价值记录到区块链上并关联该次交易。
依照本发明的一个方面，所述基于联合运营电商交易的买卖信用评定方法包括以下步骤：
获得用户在单次交易中获得的声誉评价记录到链上并关联该次交易；
获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上。
依照本发明的一个方面，所述基于联合运营电商交易的买卖信用评定方法包括以下步骤：
获得用户在单次交易中获得的声誉评价记录到区块链上并关联该次交易；
获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上；
根据区块链上用户在多个不同交易市场的累积声誉值汇总获得用户全局声誉值。
依照本发明的一个方面，所述获得用户在单次交易中获得的声誉评价记录到区块链上并关联该次交易包括以下步骤：
交易市场根据多个评价指标通过算法设计来分别为交易进行评价并分别得到量化的分值；
将分别得到的各个评价指标对应的分值进行加权平均作为用户本次交易的得分；
其中，所述各个评价指标对应的分值最高不超过预设的阈值。
依照本发明的一个方面，所述获得用户在单次交易中获得的声誉评价包括：结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价。
依照本发明的一个方面，所述用户在单次交易中获得的声誉评价的获得方法可包括：
通过如下公式获得用户在单次交易中获得声誉评价：
其中，ai是各评价指标的得分，wi是各评价指标的权重，rtx是用户获得的声誉评价值；
当结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价时，采用如下公式：
其中，p为各评价指标分值预设的阈值，rc是评价人在本次交易之前的声誉值。
依照本发明的一个方面，所述获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上包括：在计算时可结合交易间隔时间参数进行计算。
依照本发明的一个方面，所述获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上的计算过程如下：
用户在市场m的累积声誉值通过如下公式计算：
其中n是用户在市场m进行交易的次数，γ是一个系统参数，rtx是用户单次交易获得的声誉评价值；
在对交易的时间间隔进行限制时，引入一个时间参数δtx，表示与相同交易对象的上一次交易的时间间隔；则用户在市场m的累积声誉值计算公式可为：
其中，λ是一个系统参数，依交易间隔对声誉倍率的影响的需求而定。
依照本发明的一个方面，所述根据区块链上用户在多个不同交易市场的累积声誉值汇总获得用户全局声誉值包括：使用影响因子反映不同市场中评价的影响力，作为一个倍率系数对全局声誉值计算作出修正。
依照本发明的一个方面，所述根据区块链上用户在多个不同交易市场的累积声誉值汇总获得用户全局声誉值包括：
假设用户一共在q个市场参与了交易活动，其全局声誉的计算方法为：
xm为市场m的影响因子且xm的取值为[0，1]，rm为用户在市场m的累积声誉值。
本发明实施的优点：本发明所述的基于联合运营电商交易的买卖信用评定方法，包括以下步骤：获得用户在单次交易中获得的声誉评价记录到区块链上并关联该次交易；获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上；根据区块链上用户在多个不同交易市场的累积声誉值汇总获得用户全局声誉值；通过公开透明的计算方法结合区块链防篡改、可溯源的特点进行个人信用评级，为买卖双方进行信用背书。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
一种基于联合运营电商交易的买卖信用评定方法，所述基于联合运营电商交易的买卖信用评定方法包括以下步骤：
步骤s1：获得用户在单次交易中获得的声誉评价值记录到区块链上并关联该次交易。
所述获得用户在单次交易中获得的声誉评价记录到区块链上并关联该次交易包括以下步骤：
交易市场根据多个评价指标通过算法设计来分别为交易进行评价并分别得到量化的分值；
将分别得到的各个评价指标对应的分值进行加权平均作为用户本次交易的得分；
其中，所述各个评价指标对应的分值最高不超过预设的阈值。
在实际应用中，所述获得用户在单次交易中获得的声誉评价包括：结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价。
在实际应用中，具体的实现过程可如下：
用户在交易完成后，对交易对手进行评价。市场可以在质量、服务等多个方面设定评价指标。根据开放性的算法设计来为交易进行评价并得到量化的分值。比如，各项按照p分制评分(即每项最高分得到不超过p)，最终交易市场将各个评价项得分进行加权平均作为用户本次交易的得分。各评价项的权重由市场根据自身业务设定。
在现实的社会关系中，通常声誉越高的人给出的评价越让人信服。即评价人自身的声誉将影响评价的价值，进而影响评价人的声誉。因此，在计算中需要同时引入评价人自身声誉的影响系数。框架同样使用开放性的算法，以交易对手方在本次交易之前的全局声誉值计算声誉影响系数。比如，使用二次曲线设计声誉影响系数的算法：
在较高声誉值范围内，评价人的声誉值不同具有近似的影响力；而在较低声誉值范围内，不同的声誉值将产生较大的差异；
同时，因为用户的声誉最大值为p，因此其影响力也有一个上界。这使得信誉良好的用户均具有相对较高的影响力，以免少数高声誉用户控制其他用户的声誉。
用户在单次交易中获得的最终声誉评价将被记录到链上。记录操作需由用户和市场共同签名，并关联该次交易的id(交易同样被记录在链上)。
上述的算法过程可包括：通过如下公式获得用户在单次交易中获得声誉评价：
其中，ai是各评价指标的得分，wi是各评价指标的权重，由市场根据自身业务而设定，rtx是用户获得的声誉评价值；
在现实的社会关系中，通常声誉越高的人给出的评价越让人信服。即评价人自身的声誉将影响评价的价值，进而影响评价人的声誉。因此，在计算中引入评价人自身声誉的影响系数；当结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价时，采用如下公式：
其中，p为各评价指标分值预设的阈值，rc是评价人在本次交易之前的声誉值。在实际应用中，rc表示的是交易对手方在本次交易之前的全局声誉值。该声誉影响系数是一个二次曲线。在较高声誉值范围内，评价人的声誉值不同具有近似的影响力；而在较低声誉值范围内，不同的声誉值将产生较大的差异。同时因为用户的声誉最大值为p，因此其影响力也有一个上界。这使得信誉良好的用户均具有相对较高的影响力，以免少数高声誉用户控制其他用户的声誉。
实施例二
一种基于联合运营电商交易的买卖信用评定方法，所述基于联合运营电商交易的买卖信用评定方法包括以下步骤：
步骤s1：获得用户在单次交易中获得的声誉评价记录到链上并关联该次交易；
所述获得用户在单次交易中获得的声誉评价记录到区块链上并关联该次交易包括以下步骤：
交易市场根据多个评价指标通过算法设计来分别为交易进行评价并分别得到量化的分值；
将分别得到的各个评价指标对应的分值进行加权平均作为用户本次交易的得分；
其中，所述各个评价指标对应的分值最高不超过预设的阈值。
在实际应用中，所述获得用户在单次交易中获得的声誉评价包括：结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价。
在实际应用中，具体的实现过程可如下：
用户在交易完成后，对交易对手进行评价。市场可以在质量、服务等多个方面设定评价指标。根据开放性的算法设计来为交易进行评价并得到量化的分值。比如，各项按照p分制评分(即每项最高分得到不超过p)，最终交易市场将各个评价项得分进行加权平均作为用户本次交易的得分。各评价项的权重由市场根据自身业务设定。
在现实的社会关系中，通常声誉越高的人给出的评价越让人信服。即评价人自身的声誉将影响评价的价值，进而影响评价人的声誉。因此，在计算中需要同时引入评价人自身声誉的影响系数。框架同样使用开放性的算法，以交易对手方在本次交易之前的全局声誉值计算声誉影响系数。比如，使用二次曲线设计声誉影响系数的算法：
在较高声誉值范围内，评价人的声誉值不同具有近似的影响力；而在较低声誉值范围内，不同的声誉值将产生较大的差异；
同时，因为用户的声誉最大值为p，因此其影响力也有一个上界。这使得信誉良好的用户均具有相对较高的影响力，以免少数高声誉用户控制其他用户的声誉。
用户在单次交易中获得的最终声誉评价将被记录到链上。记录操作需由用户和市场共同签名，并关联该次交易的id(交易同样被记录在链上)。
上述的算法过程可包括：通过如下公式获得用户在单次交易中获得声誉评价：
其中，ai是各评价指标的得分，wi是各评价指标的权重，由市场根据自身业务而设定，rtx是用户获得的声誉评价值；
在现实的社会关系中，通常声誉越高的人给出的评价越让人信服。即评价人自身的声誉将影响评价的价值，进而影响评价人的声誉。因此，在计算中引入评价人自身声誉的影响系数；当结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价时，采用如下公式：
其中，p为各评价指标分值预设的阈值，rc是评价人在本次交易之前的声誉值。在实际应用中，rc表示的是交易对手方在本次交易之前的全局声誉值。该声誉影响系数是一二次曲线。在较高声誉值范围内，评价人的声誉值不同具有近似的影响力；而在较低声誉值范围内，不同的声誉值将产生较大的差异。同时因为用户的声誉最大值为p，因此其影响力也有一个上界。这使得信誉良好的用户均具有相对较高的影响力，以免少数高声誉用户控制其他用户的声誉。
步骤s2：获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上。
单次的交易并不能完全作为用户信誉的参考。直观上考虑，通常需要考察用户历史上多次的交易行为来对评定其信誉。因此需要用户在市场中多次进行交易，逐渐累计声誉值。框架支持开放的算法设计，为用户在独立市场的综合声誉进行计算；
在实际应用中，比如，在预设系统参数的情况下，独立市场中，用户声誉的累积并不是线性的。而是设计算法，随着交易次数越来越多，声誉值趋向于各次交易获得的声誉均值。进一步的，为了避免买卖双方合谋进行频繁交易及评价以快速累积声誉，需要对交易的时间间隔进行限制。适当引入时间参数表示，与相同交易对象的上一次交易的时间间隔越小，则该次交易累积的声誉越低。
恶意用户还有可能通过使用大量虚假用户或雇佣其他用户进行交易来累积声誉，即女巫攻击。从系统的角度通常难以判断用户的交易是正常的行为还是恶意的虚假交易，因此需要其他手段辅助。单次交易评价中的评价人声誉影响系数可以一定程度上降低新注册虚假用户的交易评价的影响。同时，交易市场可以通过对用户进行严格的个人资质认证，以限制虚假用户的情况。对于雇佣其他用户进行虚假交易的行为，可以辅以用户行为模糊分析等手段给出概率行判断，进而由交易市场针对可疑用户进行深入排查。
在实际应用中，累积声誉值的算法可如下：
用户在市场m的累积声誉值通过如下公式计算：
其中n是用户在市场m进行交易的次数，γ是一个系统参数，rtx是用户单次交易获得的声誉评价值；可见，用户的声誉累积并不是线性的，随着交易次数越来越多，声誉值趋向于各次交易获得的声誉的均值。
为了避免买卖双方合谋进行频繁交易及评价以快速累积声誉，进一步对交易的时间间隔进行限制；在对交易的时间间隔进行限制时，引入一个时间参数δtx，表示与相同交易对象的上一次交易的时间间隔(按秒计)；则用户在市场m的累积声誉值计算公式可为：
其中，λ是一个系统参数，依交易间隔对声誉倍率的影响的需求而定。若希望声誉的倍率恢复所需的时间
间隔尽可能长，则可以设定较小的λ。随着交易间隔逐渐增大，声誉的倍率也逐渐增长，达到最大值1。
实施例三
一种基于联合运营电商交易的买卖信用评定方法，所述基于联合运营电商交易的买卖信用评定方法包括以下步骤：
步骤s1：获得用户在单次交易中获得的声誉评价记录到链上并关联该次交易；
所述获得用户在单次交易中获得的声誉评价记录到区块链上并关联该次交易包括以下步骤：
交易市场根据多个评价指标通过算法设计来分别为交易进行评价并分别得到量化的分值；
将分别得到的各个评价指标对应的分值进行加权平均作为用户本次交易的得分；
其中，所述各个评价指标对应的分值最高不超过预设的阈值。
在实际应用中，所述获得用户在单次交易中获得的声誉评价包括：结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价。
在实际应用中，具体的实现过程可如下：
用户在交易完成后，对交易对手进行评价。市场可以在质量、服务等多个方面设定评价指标。根据开放性的算法设计来为交易进行评价并得到量化的分值。比如，各项按照p分制评分(即每项最高分得到不超过p)，最终交易市场将各个评价项得分进行加权平均作为用户本次交易的得分。各评价项的权重由市场根据自身业务设定。
在现实的社会关系中，通常声誉越高的人给出的评价越让人信服。即评价人自身的声誉将影响评价的价值，进而影响评价人的声誉。因此，在计算中需要同时引入评价人自身声誉的影响系数。框架同样使用开放性的算法，以交易对手方在本次交易之前的全局声誉值计算声誉影响系数。比如，使用二次曲线设计声誉影响系数的算法：
在较高声誉值范围内，评价人的声誉值不同具有近似的影响力；而在较低声誉值范围内，不同的声誉值将产生较大的差异；
同时，因为用户的声誉最大值为p，因此其影响力也有一个上界。这使得信誉良好的用户均具有相对较高的影响力，以免少数高声誉用户控制其他用户的声誉。
用户在单次交易中获得的最终声誉评价将被记录到链上。记录操作需由用户和市场共同签名，并关联该次交易的id(交易同样被记录在链上)。
上述的算法过程可包括：通过如下公式获得用户在单次交易中获得声誉评价：
其中，ai是各评价指标的得分，wi是各评价指标的权重，由市场根据自身业务而设定，rtx是用户获得的声誉评价值；
在现实的社会关系中，通常声誉越高的人给出的评价越让人信服。即评价人自身的声誉将影响评价的价值，进而影响评价人的声誉。因此，在计算中引入评价人自身声誉的影响系数；当结合评价人自身声誉的影响系数进行用户在单次交易中的声誉评价时，采用如下公式：
其中，p为各评价指标分值预设的阈值，rc是评价人在本次交易之前的声誉值。在实际应用中，rc表示的是交易对手方在本次交易之前的全局声誉值。该声誉影响系数是一个二次曲线。在较高声誉值范围内，评价人的声誉值不同具有近似的影响力；而在较低声誉值范围内，不同的声誉值将产生较大的差异。同时因为用户的声誉最大值为p，因此其影响力也有一个上界。这使得信誉良好的用户均具有相对较高的影响力，以免少数高声誉用户控制其他用户的声誉。
步骤s2：获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上。
单次的交易并不能完全作为用户信誉的参考。直观上考虑，通常需要考察用户历史上多次的交易行为来对评定其信誉。因此需要用户在市场中多次进行交易，逐渐累计声誉值。框架支持开放的算法设计，为用户在独立市场的综合声誉进行计算；
在实际应用中，比如，在预设系统参数的情况下，独立市场中，用户声誉的累积并不是线性的。而是设计算法，随着交易次数越来越多，声誉值趋向于各次交易获得的声誉均值。进一步的，为了避免买卖双方合谋进行频繁交易及评价以快速累积声誉，需要对交易的时间间隔进行限制。适当引入时间参数表示，与相同交易对象的上一次交易的时间间隔越小，则该次交易累积的声誉越低。
恶意用户还有可能通过使用大量虚假用户或雇佣其他用户进行交易来累积声誉，即女巫攻击。从系统的角度通常难以判断用户的交易是正常的行为还是恶意的虚假交易，因此需要其他手段辅助。单次交易评价中的评价人声誉影响系数可以一定程度上降低新注册虚假用户的交易评价的影响。同时，交易市场可以通过对用户进行严格的个人资质认证，以限制虚假用户的情况。对于雇佣其他用户进行虚假交易的行为，可以辅以用户行为模糊分析等手段给出概率行判断，进而由交易市场针对可疑用户进行深入排查。
在实际应用中，累积声誉值的算法可如下：
用户在市场m的累积声誉值通过如下公式计算：
其中n是用户在市场m进行交易的次数，γ是一个系统参数，rtx是用户单次交易获得的声誉评价值；可见，用户的声誉累积并不是线性的，随着交易次数越来越多，声誉值趋向于各次交易获得的声誉的均值。
为了避免买卖双方合谋进行频繁交易及评价以快速累积声誉，进一步对交易的时间间隔进行限制；在对交易的时间间隔进行限制时，引入一个时间参数δtx，表示与相同交易对象的上一次交易的时间间隔(按秒计)；则用户在市场m的累积声誉值计算公式可为：
其中，λ是一个系统参数，依交易间隔对声誉倍率的影响的需求而定。若希望声誉的倍率恢复所需的时间
间隔尽可能长，则可以设定较小的λ。随着交易间隔逐渐增大，声誉的倍率也逐渐增长，达到最大值1。
步骤s3：根据区块链上用户在多个不同交易市场的累积声誉值汇总获得用户全局声誉值。
用户在不同的市场获得的声誉，将在链上汇总成一个全局声誉。任何市场可以从链上读取用户的全局声誉。因此用户在进入一个新的市场时，其以往积累的全局声誉即可作为其初始声誉值，不再需要从头开始积累声誉。全局声誉支持多个市场共同完成声誉计算，可以为市场联盟服务。框架本身支持多个市场联盟的声誉开放算法。
一般在算法设计的时候需要考虑不同的交易市场的商品内容、用户习惯甚至适用的法律法规、宗教习俗等有所差异，用户在一个市场获得的评价不一定完全适用于另一个市场。
比如，考虑到不同市场的差异性，引入了一个影响因子。使用影响因子反映不同市场中评价的影响力，作为一个倍率系数对声誉计算作出修正。影响因子的设定取决于市场本身的具体业务，且各交易市场的情况复杂多样，因此影响因子的值需要由各交易市场为其他市场设定的。
全局声誉并不是一个确定的值，而是由各市场为用户独立实时计算的值。同一个用户的全局声誉在不同的市场可能表现为不同的值。但是在同一个市场内，由于影响因子是确定的，因此所有用户的声誉计算符合同样的规则。同时为了保证公开公正性，各市场设定的其他市场的影响因子会公开发布在链上。
在实际应用中，所述根据区块链上用户在多个不同交易市场的累积声誉值汇总获得用户全局声誉值具体实现算法可如下：
假设用户一共在q个市场参与了交易活动，其全局声誉的计算方法为：
xm为市场m的影响因子且xm的取值为[0，1]，rm为用户在市场m的累积声誉值。
考虑到不同市场的差异性，这里引入了一个影响因子xm，取值在[0，1]范围内。由于不同的交易市场的商品内容、用户习惯甚至适用的法律法规、宗教习俗等有所差异，用户在一个市场获得的评价不一定完全适用于另一个市场。因此使用影响因子反映不同市场中评价的影响力，作为一个倍率系数对声誉计算作出修正。影响因子的设定取决于市场本身的具体业务，且各交易市场的情况复杂多样，因此xm的值是由各交易市场为其他市场设定的，即市场i为市场j设定其对本市场的影响因子xij。从而，全局声誉并非是一个确定的值，而是由各市场为用户独立实时计算的值。同一个用户的全局声誉在不同的市场可能表现为不同的值。但是在同一个市场内，由于影响因子是确定的，因此所有用户的声誉计算符合同样的规则。
本发明实施的优点：本发明所述的基于联合运营电商交易的买卖信用评定方法，包括以下步骤：获得用户在单次交易中获得的声誉评价记录到区块链上并关联该次交易；获得用户在同个交易市场内多次交易的声誉评价值并计算获得累积声誉值记录到区块链上；根据区块链上用户在多个不同交易市场的累积声誉值汇总获得用户全局声誉值；通过公开透明的计算方法结合区块链防篡改、可溯源的特点进行个人信用评级，为买卖双方进行信用背书。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域技术的技术人员在本发明公开的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。