[發明專利]一種網頁識別方法、裝置及系統

有效

• 申請號: 201110009183.X
• 申請日: 2011-01-17
• 公開（公告）號: CN102592067A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 孫煒;馮慶磊;黃利華;劉松
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F21/00
• 分類號: G06F21/00;G06F17/30
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 張全文

1.一種網頁識別方法，其特征在于，所述方法包括下述步驟：

獲取輸入網頁的頁面信息；

在預設的時間內，通過預先構建的分析器對所述頁面信息進行分析，輸出所述網頁是否為欺詐網頁的信息。

2.如權利要求1所述的方法，其特征在于，所述分析器至少包括文本分類器和盜鏈分析器中的一種。

3.如權利要求2所述的方法，其特征在于，當所述分析器為文本分類器時，所述通過預先構建的分析器對所述頁面信息進行分析，輸出所述網頁是否為欺詐網頁的信息的步驟具體為：

從頁面信息中獲取輸入網頁的特征詞條，以及輸入網頁中超鏈接對應的鏈接網頁的特征詞條；

根據輸入網頁及其鏈接網頁的特征詞條，獲取輸入網頁及其鏈接網頁屬于預設的欺詐網頁類的概率；

當輸入網頁屬于欺詐網頁類的概率大于預設值時，輸出輸入網頁為欺詐網頁的信息；

當輸入網頁屬于欺詐網頁類的概率不大于預設值時，所述鏈接網頁屬于欺詐網頁類的概率大于預設值時，輸出輸入網頁為欺詐網頁的信息。

4.如權利要求3所述的方法，其特征在于，所述獲取輸入網頁及其鏈接網頁屬于預設的欺詐網頁類的概率的獲取方式為：

根據表示網頁d的特征詞條<t₁，t₂，...，t_k，...，t_|T|>，其中t_k為第k條特征詞條，|T|為輸入網頁d的特征詞條總數，通過公式

P(cj|d)=P(cj)Πk=1|T|P(tk|cj)N(tk,d)Σr=1|C|P(cr)Πk=1|T|P(tk|cr)N(tk,d)]]>

計算網頁d屬于欺詐網頁類c_j的概率P(c_j|d)，其中，P(c_j)為預先獲取的c_j類欺詐網頁樣本在所有網頁樣本中所占的比例，P(t_k|c_j)為c_j類欺詐網頁樣本中包含特征詞條t_k的概率，N(t_k，d)表示特征詞條t_k在輸入網頁d中出現的次數，|C|為欺詐網頁類的類別數目。