随着Internet的快速发展,网络购物迅速普及,越来越多的消费者选择网络购物的方式购买商品。网络购物作为一种新型的购物方式,不仅改善了人们的生活方式,而且促进了经济的快速发展。然而,由于网络购物环境的虚拟性和不安全性,软件系统固有的缺陷和网络风险对消费者的账号和资金安全造成了巨大的威胁。为了保证消费者在网络购物过程中的资金与账号安全,需要对消费者的网络购物行为进行实时监控,及时识别用户在网络购物过程中出现的异常购买行为。本论文提出基于Petri网和复杂事件处理（Complex Event Process,CEP）的网络购物用户行为安全在线分析方法。Petri网是一种形式化模型,普遍适用于分布式系统中,能够准确刻画多事件之间的并发关系;同时,Petri网具有丰富的分析技术和其他衍生模型（颜色Petri网,CPN）,便于对网络购物用户风险行为模式进行建模、验证、分析和识别。因此,Petri网是刻画网络购物用户风险行为的理想模型。CEP是一种实时处理技术,主要通过事件模式处理和关联数据流的方法迅速识别有风险的或需要进行特殊处理的异常情况。为了有效地识别用户风险行为,本文将Petri网和复杂事件处理技术相结合,首先提出行为识别网模型的定义,并刻画基于CPN的网络购物用户风险行为识别模型;其次,根据转化算法将模型转化为事件模式语言,保证事件模式语言的语义及语法正确性,最后通过复杂事件处理技术完成风险行为的识别,并通过系统仿真的方式验证了该方法的可行性。本学位论文的主要研究工作如下:（1）针对用户在网络购物中出现的异常行为,本文从单用户和多用户两个不同角度,刻画基于颜色Petri网的网络购物用户风险行为识别模型,并通过定量分析法验证该识别模型的正确性。（2）在（1）的基础上,提出网络购物用户行为识别机制,同时采用层次化的颜色Petri网建模方法识别在线阶段的网络购物用户风险行为。（3）为了有效地保证事件模式语言的语义及语法正确性,论文提出网络购物用户风险行为识别模型转化事件模式语言的算法,为CEP引擎的实时处理奠定基础。（4）构建基于复杂事件处理的网络购物用户行为识别系统,在（3）的基础上,将事件模式语言嵌入到复杂事件处理引擎Esper中,对网络购物用户实时行为数据流进行分析和推理,从而实时识别和处理在交易过程中用户异常或恶意行为。