[發明專利]一種釣魚網站檢測方法

在審

• 申請號: 201410422615.3
• 申請日: 2014-08-26
• 公開（公告）號: CN104166725A
• 公開（公告）日: 2014-11-26
• 發明（設計）人: 呂芳;魏玉良;黃俊恒;劉揚;王佰玲
• 申請（專利權）人: 哈爾濱工業大學(威海)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

技術領域

本發明涉及計算機網絡領域，尤其涉及一種釣魚網站檢測方法。

背景技術

網絡信息與服務的爆炸式增長，衍生了越來越頻繁的網絡經濟活動，進而導致釣魚網站(也稱仿冒網站)這一新的網絡安全問題。釣魚網站展示的內容和被仿冒頁面(即原始頁面)展示的內容有較強的相似度，甚至雷同，一般網民無法區分所瀏覽的頁面是“真的”還是“假的”，釣魚網站通過高視覺相似性仿冒正規網站來混淆網民，并通過誘騙網民的賬戶信息來達到經濟利益，最終對網民的財產安全造成了極大的威脅。

目前，對于釣魚網站的檢測方法通常有人工舉報、關鍵字識別和黑白名單技術。其中，人工舉報受限于網民主動發現，不能主動檢測釣魚網站；關鍵字識別受限于仿冒網頁文字內容，并有可能誤報和漏報；黑白名單技術受限于名單更新，且釣魚網站存在周期較短，不易及時檢測到釣魚網站。

發明內容

本發明實施例提供一種釣魚網站檢測方法，以解決現有的檢測釣魚網站不能主動檢測、誤報、漏報、不及時的問題。

本發明的第一方面提供一種釣魚網站檢測方法，包括：建立待測網頁對應的基于視覺內容的特征向量；將所述特征向量與預設的特征向量集合里的特征向量進行比對；根據所述比對結果判斷所述待檢測網頁是否是釣魚網站。

根據第一方面，在第一種實現方式中，所述特征向量包括網頁整體信息向量、網頁分塊結構向量、分塊單元信息向量、分塊單元視覺向量和網頁視覺特征向量；其中，所述網頁整體信息向量包括網頁的網址和網頁的大小；所述網頁分塊結構向量包括分塊的位置信息、分塊類型標示和分塊重要度標示；所述分塊單元信息向量包括分塊的文本特征和空間位置特征；所述分塊單元視覺向量包括分塊的視覺紋理特征；所述網頁視覺特征向量包括網頁的網址、網頁的大小、分塊類型標示、分塊重要度標示和分塊視覺特征向量。

根據第一方面或第一方面的第一種實現方式，在第二種實現方式中，所述建立待測網頁對應的基于視覺內容的特征向量，包括：

獲取所述待測網頁的網址和大小信息，并對所述待測網頁進行網頁分塊，獲得多個分塊，獲取所述每個分塊的文本特征和空間位置特征，以獲得所述分塊單元信息向量；對每個所述分塊進行重要度的標示，以獲得所述網頁分塊結構向量；選擇重要度標示高于預設的條件的分塊，根據所述重要度標示高于預設的條件的分塊的視覺紋理特征來獲得所述分塊單元視覺向量；根據所述分塊單元信息向量、所述網頁分塊結構向量和所述分塊單元視覺向量獲得所述網頁視覺特征向量。

根據第一方面的第二種實現方式，在第三種實現方式中，所述對待測網頁進行網頁分塊，獲得多個分塊，并獲取每個所述分塊的文本特征和空間位置特征，以獲得分塊單元信息向量，包括：獲取待測網頁的HTML標簽集合，根據HTML標簽構建DOM樹；將DOM樹重構成具有層次的塊結構；根據預先設定的塊合并規則對具有層次的塊結構進行合并，以實現所述待測網頁進行網頁分塊，獲得多個獨立不重疊的分塊；獲取所述分塊的文本特征和空間位置特征。

根據第一方面的第二種實現方式，在第四種實現方式中，所述對每個所述分塊進行重要度的標示，以獲得所述網頁分塊結構向量，包括：將網頁樣本分為訓練集和測試集，通過訓練集獲得分類模型，通過測試集來調整分類模型參數獲得最優分類模型；將待測網頁進行網頁重構獲得分塊單元信息向量，通過最優分類模型對分塊進行分類處理；選擇重要度標示高于預設的條件的分塊，根據所述重要度標示高于預設的條件的分塊的空間特征、內容特征、重要度來獲得所述網頁分塊結構向量。

根據第一方面的第一種實現方式或第四種實現方式，在第五種實現方式中，獲得所述視覺紋理特征包括：獲取網頁中的重要分塊單元；在待測網頁的圖像上切割所述重要分塊單元的圖像；對所述重要分塊單元的圖像進行DCT變換，歸一量化處理后抽取紋理特征值。

根據第一方面，在第六種實現方式中，所述將所述特征向量與預設的特征向量集合里的特征向量進行比對，包括：