[發明專利]URL的合法性識別方法及裝置

在審

• 申請號: 201510729115.9
• 申請日: 2015-10-30
• 公開（公告）號: CN105426759A
• 公開（公告）日: 2016-03-23
• 發明（設計）人: 王巍巍;彭程;黃慶偉;張軍宏;羅雪峰
• 申請（專利權）人: 百度在線網絡技術(北京)有限公司
• 主分類號: G06F21/56
• 分類號: G06F21/56
• 代理公司: 北京鴻德海業知識產權代理事務所(普通合伙) 11412
• 代理人: 袁媛

【技術領域】

本發明涉及安全技術，尤其涉及一種URL的合法性識別方法及裝置。

【背景技術】

隨著通信技術的發展，終端集成了越來越多的功能，從而使得終端的系統功能列表中包含了越來越多相應的應用(Application，APP)。有些應用中會涉及接收發送方預先編輯的信息的功能，例如，短消息、彩信或電子郵件等。這些信息中，可能會包含一對象的統一資源定位符(UniformResourceLocator，URL)，終端則可以直接根據所述URL，執行相應操作。例如，訪問所述URL對應的目標對象，或者，再例如，根據用戶點擊所述URL的操作信息，訪問所述URL對應的目標對象。

然而，由于信息生成的隨意性，不法分子可以很容易將不安全對象例如，病毒、木馬等植入信息，即將不安全對象的URL寫在信息中，因此，終端在獲得信息中所包含的URL之后，很可能會訪問不安全對象，會使得終端及其用戶受到不同程度的破壞，從而導致了信息處理的安全性的降低。

【發明內容】

本發明的多個方面提供一種URL的合法性識別方法及裝置，用以提高信息處理的安全性。

本發明的一方面，提供一種URL的合法性識別方法，包括：

獲取待識別URL；

根據所述待識別URL，獲得與所述待識別URL所對應的合法URL，以作為比對對象；

計算所述待識別URL與所述比對對象之間的相似度；

根據所述相似度，識別所述待識別URL的合法性。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述待識別URL，獲得與所述待識別URL所對應的合法URL，以作為比對對象，包括：

根據所述待識別URL和合法URL倒排索引，獲得與所述待識別URL所對應的合法URL，以作為所述比對對象。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述待識別URL和合法URL倒排索引，獲得與所述待識別URL所對應的合法URL，以作為所述比對對象之前，還包括：

采集至少一個合法URL；

利用N-Gram模型，對所述至少一個合法URL中每個合法URL進行分詞處理，以獲得分詞結果；

根據所述每個合法URL和所述每個合法URL的分詞結果，獲得合法URL倒排索引。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述利用N-Gram模型，對所述至少一個合法URL中每個合法URL進行分詞處理，以獲得分詞結果，包括：

根據所述每個合法URL，獲得所述每個合法URL的域名；

刪除所述每個合法URL的域名的前綴和后綴，以獲得所述每個合法URL的中心詞；

利用N-Gram模型，對所述每個合法URL的中心詞進行分詞處理，以獲得所述分詞結果。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述相似度，識別所述待識別URL的合法性，包括：

若所述相似度等于1，且所述待識別URL的后綴與所述比對對象的后綴一致，識別所述待識別URL為合法URL；或者

若所述相似度等于1，且所述待識別URL的后綴與所述比對對象的后綴不一致，識別所述待識別URL為疑似不合法URL；或者

若所述相似度大于或等于第一閾值且小于1，識別所述待識別URL為不合法URL；或者

若所述相似度大于或等于第二閾值且小于所述第一閾值，識別所述待識別URL為疑似不合法URL；所述第二閾值小于所述第一閾值；或者

若所述相似度小于所述第二閾值或等于1，識別所述待識別URL為合法URL。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述相似度，識別所述待識別URL的合法性之前，還包括：

利用所述至少一個合法URL，對至少一個樣本URL進行合法性識別處理，以獲得識別結果；

根據所述識別結果和所述至少一個樣本URL中每個樣本URL的標注結果，獲得所述第一閾值和所述第二閾值。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述相似度，識別所述待識別URL的合法性之后，包括：

向終端發送所述識別的結果，以使得

所述終端展示所述識別的結果；和/或

所述終端根據所述識別的結果，允許或禁止根據所述待識別URL執行訪問操作。

本發明的另一方面，提供一種URL的合法性識別裝置，包括：