[發明專利]網頁分類方法及裝置、存儲介質及電子設備

有效

• 申請號: 201711375002.9
• 申請日: 2017-12-19
• 公開（公告）號: CN108134784B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 鄒榮珠
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06F16/953;G06F16/955;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李偉;王寶筠

1.一種網頁分類方法，其特征在于，所述方法包括：

從待分類網頁的網頁元素中提取網頁特征；

將每個網頁特征發送至與其元素屬性具有對應關系的初始分類器，以得到所述待分類網頁的初級類別，不同的初始分類器識別不同的類別的惡意網頁；每一個所述初始分類器由其對應的網頁元素中的網頁特征訓練得到；

將每個所述初始分類器確定的初級類別，匯總至集成分類器，由所述集成分類器進行分析，以最終確定所述待分類網頁的網頁類別。

2.根據權利要求1所述的方法，其特征在于，所述將每個網頁特征發送至與其元素屬性具有對應關系的初始分類器，以得到待分類網頁的初級類別，包括：

獲取第一元素屬性對應的網頁特征，所述第一元素屬性對應的網頁特征是可以確定所述待分類網頁是否為欺詐類型網頁的特征；

將所述第一元素屬性對應的網頁特征所組成的特征向量輸入至欺詐網頁分類器，以得到所述待分類網頁的第一初始類別，所述第一初始類別為正常網頁、釣魚網頁、欺詐網頁或仿冒網頁。

3.根據權利要求1所述的方法，其特征在于，所述將每個網頁特征發送至與其元素屬性具有對應關系的初始分類器，以得到待分類網頁的初級類別，包括：

獲取第二元素屬性對應的網頁特征；所述第二元素屬性對應的網頁特征是從所述待分類網頁的源代碼中提取的，可確定所述待分類網頁是否為惡意入侵類型網頁的特征；

將所述第二元素屬性對應的網頁特征所組成的特征向量輸入至惡意入侵網頁分類器，以得到所述待分類網頁的第二初始類別，所述第二初始類別為惡意廣告網頁、黑客入侵網頁、木馬網頁或正常網頁。

4.根據權利要求1所述的方法，其特征在于，所述將每個網頁特征發送至與其元素屬性具有對應關系的初始分類器，以得到待分類網頁的初級類別，包括：

獲取第三元素屬性對應的網頁特征，所述第三元素屬性對應的網頁特征是可確定所述待分類網頁是否為不合規類型網頁的特征；

將所述第三元素屬性對應的網頁特征所組成的特征向量輸入至不合規網頁分類器，以得到所述待分類網頁的第三初始類別，所述第三初始類別為正常網頁、色情網頁、非法博彩網頁或違反法律法規網頁。

5.根據權利要求4所述的方法，其特征在于，所述不合規網頁分類器包含至少一個子分類器；

所述將第三元素屬性對應的網頁特征所組成的特征向量輸入至不合規網頁分類器，以得到所述待分類網頁的第三初始類別包括：

確定每個子分類器對應的網頁特征，所述每個子分類器對應的網頁特征為所述第三元素屬性對應的網頁特征中指定的一種或幾種；

將每個子分類器對應的網頁特征組成特征向量并輸入至子分類器中，得到所述待分類網頁的多個預測類別；

將所述預測類別中預測概率值最高的預測類別作為所述待分類網頁的第三初始類別。

6.根據權利要求1-5任一項 所述的方法，其特征在于，所述將每個初始分類器確定的初級類別，匯總至集成分類器，由所述集成分類器進行分析，以最終確定所述待分類網頁的網頁類別，包括：

將每個初始分類器的分類器編號，結合其對應的初級類別輸入至所述集成分類器，由所述集成分類器依據預設的分析算法，計算每個初級類別的出現概率，將出現概率最高的初級類別作為所述待分類網頁的網頁類別。

7.一種網頁分類裝置，其特征在于，包括：

提取單元，用于從待分類網頁的網頁元素中提取網頁特征；

發送單元，用于將每個網頁特征發送至與其元素屬性具有對應關系的初始分類器，以得到所述待分類網頁的初級類別，不同的初始分類器識別不同的類別的惡意網頁；每一個所述初始分類器由其對應的網頁元素中的網頁特征訓練得到；

匯總單元，用于將每個所述初始分類器確定的初級類別，匯總至集成分類器，由所述集成分類器進行分析，以最終確定所述待分類網頁的網頁類別。

8.根據權利要求7所述的裝置，其特征在于，所述匯總單元包括：

輸入子單元，用于將每個初始分類器的分類編號，結合其對應的初級類別輸入至集成分類器。