[發明專利]一種識別釣魚網站的方法及裝置

有效

• 申請號: 201610076991.0
• 申請日: 2016-02-03
• 公開（公告）號: CN105763543B
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 安子巖
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06F21/57;G06F16/955
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆;胡彬

1.一種識別釣魚網站的方法，其特征在于，包括：

對網頁進行抓取，以生成網頁抓取結果；

對所述網頁抓取結果進行網頁渲染，以形成待識別網頁；

依據真實網站網頁對所述待識別網頁進行圖像匹配，并根據圖像匹配結果識別釣魚網站。

2.根據權利要求1所述的方法，其特征在于，所述對網頁進行抓取，以生成網頁抓取結果，包括：

采用網絡爬蟲技術對網頁進行抓取，以生成網頁抓取結果；和/或，

采用網絡抓包技術對網頁進行抓取，以生成網頁抓取結果。

3.根據權利要求1所述的方法，其特征在于，所述依據真實網站網頁對所述待識別網頁進行圖像匹配，并根據圖像匹配結果識別釣魚網站，包括：

依據所述真實網站網頁對所述待識別網頁進行主題布局匹配，計算所述待識別網頁與所述真實網站網頁的主題布局相似度；

若所述待識別網頁與所述真實網站網頁的主題布局相似度大于第一相似度閾值，則對所述待識別網頁所屬的待識別網站與真實網站進行網站標識匹配，計算所述待識別網站與所述真實網站的標識相似度；

若所述待識別網站與所述真實網站的標識相似度大于第二相似度閾值，則將所述待識別網站確定為釣魚網站。

4.根據權利要求3所述的方法，其特征在于，所述依據所述真實網站網頁對所述待識別網頁進行主題布局匹配，計算所述待識別網頁與所述真實網站網頁的主題布局相似度，包括：

確定真實網站網頁中的主題特征區域；

依據所述真實網站網頁中的主題特征區域，確定所述待識別網頁中的待識別區域；

將所述真實網站網頁中的主題特征區域與所述待識別網頁中的待識別區域進行圖像匹配，以得到所述待識別網頁與所述真實網站網頁的主題布局相似度。

5.根據權利要求3所述的方法，其特征在于，所述對所述待識別網頁所屬的待識別網站與真實網站進行網站標識匹配，計算所述待識別網站與所述真實網站的標識相似度，包括：

對真實網站標識進行特征提取，以獲取所述真實網站標識的主要色值；

依據所述真實網站標識的主要色值，確定所述待識別網站的標識區域；

依據所述真實網站標識和所述待識別網站的標識區域，計算所述待識別網站與所述真實網站的標識相似度。

6.根據權利要求1-5任一項所述的方法，其特征在于，依據真實網站網頁對所述待識別網頁進行圖像匹配之前，還包括：

依據真實網站的域名，篩除所述待識別網頁中包含的真實網站網頁。

7.一種識別釣魚網站的裝置，其特征在于，包括：

網頁抓取模塊，用于對網頁進行抓取，以生成網頁抓取結果；

網頁渲染模塊，用于對所述網頁抓取結果進行網頁渲染，以形成待識別網頁；

網頁匹配模塊，用于依據真實網站網頁對所述待識別網頁進行圖像匹配，并根據圖像匹配結果識別釣魚網站。

8.根據權利要求7所述的裝置，其特征在于，所述網頁抓取模塊具體用于：

采用網絡爬蟲技術對網頁進行抓取，以生成網頁抓取結果；和/或，

采用網絡抓包技術對網頁進行抓取，以生成網頁抓取結果。

9.根據權利要求7所述的裝置，其特征在于，所述網頁匹配模塊包括：

主題匹配單元，用于依據所述真實網站網頁對所述待識別網頁進行主題布局匹配，計算所述待識別網頁與所述真實網站網頁的主題布局相似度；

標識匹配單元，用于若所述待識別網頁與所述真實網站網頁的主題布局相似度大于第一相似度閾值，則對所述待識別網頁所屬的待識別網站與真實網站進行網站標識匹配，計算所述待識別網站與所述真實網站的標識相似度；

釣魚網站單元，用于若所述待識別網站與所述真實網站的標識相似度大于第二相似度閾值，則將所述待識別網站確定為釣魚網站。

10.根據權利要求9所述的裝置，其特征在于，所述主題匹配單元包括：

特征區域子單元，用于確定真實網站網頁中的主題特征區域；

待識別區域子單元，用于依據所述真實網站網頁中的主題特征區域，確定所述待識別網頁中的待識別區域；

布局相似度子單元，用于將所述真實網站網頁中的主題特征區域與所述待識別網頁中的待識別區域進行圖像匹配，以得到所述待識別網頁與所述真實網站網頁的主題布局相似度。