我国是煤炭生产和消费大国,在很长一段时间内,煤炭都是国家的主要能源。随着煤炭电子商务时代的到来,煤炭电商让煤炭交易更加便捷,使供需双方对市场趋势的判断更加精准、高效,并为煤矿生产和销售提供了更多的利润。传统的煤炭交易平台仅仅完成线上煤炭买卖,没有较好地利用交易数据。此外,其网络安全只是搭建了一个普通防火墙,不能防止恶意加密流量的攻击,这样会造成用户信息泄露甚至金钱的损失。针对上述问题,本文在实现传统煤炭交易平台功能的基础上,利用数据挖掘技术对煤炭交易数据进行分析,从而更好地促进煤炭交易,并基于深度学习技术对恶意加密流量进行防护。具体的工作内容如下:（1）在研究煤炭交易平台业务背景及现状的基础上,基于面向对象思想,利用统一建模语言对账户管理、供应管理、采购管理、货运管理、财务管理、货单管理、车辆管理、司机管理、客户价值分析和系统安全等功能进行需求分析,并完成系统架构、网络部署、数据库和业务功能等方面的设计工作。以Spring Boot作为开发框架、Java为开发语言、My SQL为数据库、并使用腾讯OCR、虹软人脸识别等技术实现了煤炭交易平台,经过测试,该煤炭交易平台简化了用户操作流程,能快捷、安全地进行煤炭交易操作。（2）为了提高煤炭销量,需要从煤炭交易数据中挖掘出不同价值的客户,对不同价值的客户采用不同的营销策略。针对这个需求,本文提出一种基于RFM的改进K-means客户分类算法。本算法的输入为最近一次购买煤炭的消费时间（R）、购买煤炭的消费频次（F）和购买煤炭的金额（M）,输出为不同价值客户群。对比传统的K-means算法,从以下两个方面进行改进:1)选择相互间距较大的且点密度较大的点作为初始聚类中心点;2)使用Spark框架的Map和Reduce算子实现改进K-means算法对数据处理的并行化。经过实验验证,改进的K-means算法的误差平方和相比于传统K-means算法降低了22.03,聚类效果得到提升。最后,通过改进K-means算法完成煤炭交易客户的分群,制定不同的营销策略。（3）为了防止煤炭交易平台被恶意加密流量攻击,本文提出了基于BERT（Bidirectional Encoder Representation from Transformers,转换器的双向编码器表征量）的恶意加密流量检测模型。本模型的输入为加密流量包的头部文本信息,输出为是否为恶意流量。本模型把BERT作为加密流量的特征提取器,利用BERT的双向Transformer编码器结构,从多个方向获取加密流量数据的依赖关系和内部结构组织关系,同时BERT能够避免梯度消失的问题,从而加大了对加密流量特征的提取能力。提取出的特征,经过Dropout、线性变化层和Softmax分类得到该加密流量是否为恶意流量。通过实验验证,该模型的准确率达到99.71%,对比其他检测模型准确率最高。