[發明專利]一種網頁請求識別方法及裝置

有效

• 申請號: 201711013266.X
• 申請日: 2017-10-26
• 公開（公告）號: CN108881138B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 賈若然;顧成杰
• 申請（專利權）人: 新華三信息安全技術有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

1.一種網頁請求識別方法，其特征在于，所述方法包括：

獲取多個標記有標簽的樣本網頁請求；所述標簽包括用于指示網頁請求為惡意網頁請求的標簽或用于指示網頁請求為非惡意網頁請求的標簽；

確定每一樣本網頁請求的結構特征；

對每一樣本網頁請求的文本信息進行分詞，獲得每一樣本網頁請求的文本詞語；

計算每一樣本網頁請求的每一文本詞語的權重；

對于每一樣本網頁請求，根據該樣本網頁請求的結構特征和該樣本網頁請求的每一文本詞語的權重，確定該樣本網頁請求的特征向量；

基于機器學習算法，根據每一樣本網頁請求的特征向量和每一樣本網頁請求的標簽訓練網頁請求識別模型；

當獲取到待識別網頁請求時，利用所述網頁請求識別模型識別所述待識別網頁請求，確定所述待識別網頁請求是否為惡意網頁請求。

2.根據權利要求1所述的方法，其特征在于，所述確定每一樣本網頁請求的結構特征的步驟，包括：

根據網頁請求中參數個數、參數值平均長度和非法參數個數，確定每一樣本網頁請求的結構特征。

3.根據權利要求1所述的方法，其特征在于，所述對每一樣本網頁請求的文本信息進行分詞，獲得每一樣本網頁請求的文本詞語的步驟，包括：

利用網頁請求的分隔符對每一樣本網頁請求的文本信息進行分詞，獲得每一樣本網頁請求的文本詞語。

4.根據權利要求1所述的方法，其特征在于，所述計算每一樣本網頁請求的每一文本詞語的權重的步驟，包括：

對于每一樣本網頁請求的每一文本詞語，根據以下公式確定該文本詞語的逆向文件頻率IDF：

IDF＝log(M/m)；

其中，M為語料庫中與該樣本網頁請求路徑相同的網頁請求的個數，m為所述語料庫中包括該文本詞語的網頁請求的個數；

根據以下公式確定該文本詞語的權重δ：

δ＝TF*IDF；

其中，TF為該文本詞語在該樣本網頁請求的文本詞語中出現的次數。

5.根據權利要求1所述的方法，其特征在于，所述基于機器學習算法，根據每一樣本網頁請求的特征向量和每一樣本網頁請求的標簽訓練網頁請求識別模型的步驟，包括：

基于支持向量機算法和隨機梯度下降算法，根據每一樣本網頁請求的特征向量和每一樣本網頁請求的標簽訓練網頁請求識別模型。

6.一種網頁請求識別裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取多個標記有標簽的樣本網頁請求；所述標簽包括用于指示網頁請求為惡意網頁請求的標簽或用于指示網頁請求為非惡意網頁請求的標簽；

第一確定單元，用于確定每一樣本網頁請求的結構特征；

分詞單元，用于對每一樣本網頁請求的文本信息進行分詞，獲得每一樣本網頁請求的文本詞語；

計算單元，用于計算每一樣本網頁請求的每一文本詞語的權重；

第二確定單元，用于對于每一樣本網頁請求，根據該樣本網頁請求的結構特征和該樣本網頁請求的每一文本詞語的權重，確定該樣本網頁請求的特征向量；

訓練單元，用于基于機器學習算法，根據每一樣本網頁請求的特征向量和每一樣本網頁請求的標簽訓練網頁請求識別模型；

識別單元，用于當獲取到待識別網頁請求時，利用所述網頁請求識別模型識別所述待識別網頁請求，確定所述待識別網頁請求是否為惡意網頁請求。

7.根據權利要求6所述的裝置，其特征在于，所述第一確定單元，具體用于：

根據網頁請求中參數個數、參數值平均長度和非法參數個數，確定每一樣本網頁請求的結構特征。

8.根據權利要求6所述的裝置，其特征在于，所述分詞單元，具體用于：

利用網頁請求的分隔符對每一樣本網頁請求的文本信息進行分詞，獲得每一樣本網頁請求的文本詞語。