[發明專利]一種垃圾信息過濾方法和裝置

在審

• 申請號: 201310327247.X
• 申請日: 2013-07-31
• 公開（公告）號: CN104348642A
• 公開（公告）日: 2015-02-11
• 發明（設計）人: 王書強;潘璐伽;何誠
• 申請（專利權）人: 華為技術有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26;H04L12/813
• 代理公司: 廣州三環專利代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種垃圾信息過濾方法，其特征在于，包括：

檢測用戶通過客戶端的瀏覽器訪問目標URL統一資源標識符生成的HTTP超文本傳輸協議請求數據包集合，所述HTTP請求數據包集合中包括至少一個垃圾信息請求數據包和至少一個非垃圾信息請求數據包；

根據預置的分類規則識別出所述HTTP請求數據包集合中的垃圾信息請求數據包；

根據預置的攔截策略阻止所述垃圾信息請求數據包對應的目的主機向所述客戶端返回垃圾信息響應數據包。

2.如權利要求1所述的方法，其特征在于，所述根據預置的分類規則識別出所述請求信息數據包集合中的垃圾信息請求數據包的步驟包括：

提取所述HTTP請求數據包集合中待識別的HTTP請求數據包的頭信息，所述頭信息包括HTTP請求數據包的時間戳、HTTP請求數據包的大小和HTTP請求數據包的Referer字段；

若根據所述頭信息判斷所述待識別的HTTP請求數據包滿足所述預置的分類規則，確定所述待識別的HTTP請求數據包為垃圾信息請求數據包；

所述預置的分類規則包括：

待識別的HTTP請求數據包的時間戳和首個HTTP請求數據包的時間戳的時間間隔小于預置時長；和/或

待識別的HTTP請求數據包的Referer字段中包括ad、widget、embed、banner和blog中的一種或多種；和/或

待識別的HTTP請求數據包的大小大于預置大小。

3.如權利要求1所述的方法，其特征在于，所述根據預置的分類規則識別出所述請求信息數據包集合中的垃圾信息請求數據包的步驟包括：

根據預置的關鍵詞提取算法計算所述HTTP請求數據包集合中表征所述待識別的HTTP請求數據包的內容的第一關鍵詞向量；

計算所述第一關鍵詞向量與根據所述用戶歷史的垃圾信息請求數據包生成的第二關鍵詞向量之間的相似度；

若所述相似度值小于預置值，則確定所述待識別的HTTP請求數據包為垃圾信息請求數據包。

4.如權利要求1-3任一項所述的方法，其特征在于，所述檢測用戶通過客戶端的瀏覽器訪問目標URL統一資源標識符生成的HTTP超文本傳輸協議請求數據包集合的步驟之前包括：

接收所述客戶端發送的攜帶垃圾信息內容的訓練數據包，通過所述訓練數據包學習生成用于識別垃圾信息請求數據包的分類規則。

5.如權利要求1所述的方法，其特征在于，所述根據預置的分類規則識別出所述HTTP請求數據包集合中的垃圾信息請求數據包的步驟包括：

識別出所述HTTP請求數據包集合中的非垃圾信息請求數據包，根據非垃圾信息請求數據包分離出所述HTTP請求數據包集合中的垃圾信息請求數據包。

6.如權利要求5所述的方法，其特征在于，所述識別出所述HTTP請求數據包集合中的非垃圾信息請求數據包的步驟包括：

從所述HTTP請求數據包集合中HTTP請求數據包對應的目的主機抓取對應的HTTP響應數據包；

提取所述HTTP請求數據包的第一頭信息和所述HTTP響應數據包的第二頭信息；所述第一頭信息包括所述HTTP請求數據包的時間戳、所述HTTP請求數據包的Referer字段、數據包的大小，所述第二頭信息包括所述HTTP響應數據包的Content-type字段、網頁文件中包含的對象的數量；

根據所述第一頭信息和所述第二頭信息識別出所述HTTP請求數據包集合中的非垃圾信息請求數據包。

7.如權利要求1-6任一項所述的方法，其特征在于，所述根據預置的攔截策略阻止所述垃圾信息請求數據包對應的目的主機向所述客戶端返回垃圾信息響應數據包的步驟包括：

若所述用戶消耗的流量大于預置流量和/或所述用戶的優先級大于預置優先級，攔截所述垃圾信息請求數據包對應的目的主機向所述客戶端返回的垃圾信息響應數據包。