[發明專利]基于特征庫檢測釣魚欺詐網頁的方法及系統、客戶端、服務器

有效

• 申請號: 201310729000.0
• 申請日: 2013-12-25
• 公開（公告）號: CN103685307B
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 陳勁;牛成
• 申請（專利權）人: 北京奇虎科技有限公司;奇智軟件（北京）有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙)11276
• 代理人: 宋菲,劉云貴

1.一種基于特征庫檢測釣魚欺詐網頁的方法，所述方法由客戶端執行，包括：

在訪問頁面加載完成后，提取頁面的多個內容片段，獲取每個內容片段對應的特征ID；

將多個內容片段對應的特征ID與特征庫中的特征ID進行匹配；其中，所述特征庫是惡意/欺詐/釣魚頁面中的包含惡意信息的內容片段對應的特征ID的集合；

若多個內容片段對應的特征ID中不具有與特征庫中的特征ID匹配的至少一個特征ID，則允許所述頁面的訪問行為；

若多個內容片段對應的特征ID中具有與特征庫中的特征ID匹配的至少一個特征ID，則根據所述頁面的信息，計算所述頁面的評估分；

接收服務器端返回的根據預先建立的模板ID與分類信息的對應關系所確定的匹配的模板ID所對應的分類信息；其中，匹配的模板ID是將由匹配的至少一個特征ID經組合計算得到的至少一個模板ID與模板庫中的模板ID進行匹配得到的；

根據所述頁面的評估分與設定閾值的比較結果，對所述頁面的訪問行為進行處理。

2.根據權利要求1所述的方法，所述特征庫是預先從服務器端下載的；所述服務器端獲取惡意/欺詐/釣魚頁面的樣本，對樣本進行機器學習建立所述特征庫；所述服務器端定期更新所述特征庫并同步給客戶端。

3.根據權利要求2所述的方法，所述對樣本進行機器學習建立所述特征庫具體為：利用貝葉斯統計概率模型和神經網絡模型，對樣本進行機器學習建立所述特征庫。

4.根據權利要求1-3任一項所述的方法，所述根據所述頁面的評估分與設定閾值的比較結果，對所述頁面的訪問行為進行處理進一步包括：

將所述頁面的評估分與所述設定閾值進行比較，若所述頁面的評估分高于設定閾值，則攔截所述頁面的訪問行為或進行風險提示；否則，允許所述頁面的訪問行為。

5.根據權利要求1-3任一項所述的方法，所述根據所述頁面的信息，計算所述頁面的評估分具體為：根據以下有關所述頁面的邏輯結果中的一個或多個的組合，計算所述頁面的評估分：

所述頁面的URL是否屬于本地黑/白名單；

所述頁面的URL是否屬于高危域名或高危IP；

所述頁面的refer信息是否為高危refer信息；

根據所述匹配的至少一個特征ID而判定的所述頁面內容是否為高危頁面內容；

所述頁面對應的網站服務器是否為高危服務器；

所述頁面對應的網站注冊郵箱是否屬于郵箱黑名單；

所述頁面對應的網站注冊時間是否短于預設時長。

6.根據權利要求4所述的方法，所述服務器端還包含模板庫，所述模板庫中包含由所述特征庫中的多個特征ID進行各種組合計算得到的多個模板ID；

所述方法還包括：若多個內容片段對應的特征ID中具有與特征庫中的特征ID匹配的至少一個特征ID，則將所述匹配的至少一個特征ID上報給服務器端，以供所述服務器端將所述匹配的至少一個特征ID進行組合計算得到至少一個模板ID，將該至少一個模板ID與所述模板庫中的模板ID進行匹配；若所述至少一個模板ID中具有與模板庫中的模板ID匹配的模板ID，根據預先建立的模板ID與分類信息的對應關系，確定所述匹配的模板ID所對應的分類信息；將所述分類信息返回給客戶端；

接收所述服務器端返回的所述匹配的模板ID所對應的分類信息，在進行風險提示的同時展示所述分類信息。

7.根據權利要求4所述的方法，還包括：

若所述頁面的評估分高于設定閾值，則將所述頁面的URL以及鑒定識別信息加密成密文上報給服務器端，以供服務器端將所述頁面的URL加入惡意網址庫。

8.根據權利要求1-3任一項所述的方法，所述提取頁面的多個內容片段進一步包括：

從所述頁面的第一個字節開始，依次遍歷多個預定長度的二進制數據片段；

對每個二進制數據片段進行篩選，若為無用片段，則丟棄；若為有用片段，則記錄該二進制數據片段作為所述內容片段。