[發明專利]基于自適應異構多分類模型的釣魚網站檢測方法和系統

有效

• 申請號: 201810549417.1
• 申請日: 2018-05-31
• 公開（公告）號: CN108965245B
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 臧天寧;強倩;杜飛;周淵
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心;北京銳馳信安技術有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 祗志潔

1.一種基于自適應異構多分類模型的釣魚網站檢測方法，其特征在于，所述方法包括：

步驟1，對相同類別的釣魚網站樣本集D，采用留一法交叉驗證進行訓練集和測試集的分類；設第j個訓練集表示為D_j，對應的第j個測試集表示為每個樣本包含樣本記錄和樣本標簽；樣本記錄中包含網站的URL和網頁信息，樣本標簽用于標記是否為釣魚網站；j為正整數；

步驟2，通過線性加成構建自適應異構多分類模型H，如下所示：

其中，T為基分類算法的個數，h_i為第i種基分類算法，ω_i為第i種基分類算法的權重參數，為調整因子，x表示樣本記錄；

基分類算法包括：h₁代表域名詞素特征分類算法，是根據域名詞素判斷是否為釣魚網站；h₂代表主題索引特征分類算法，是根據網頁中主題標簽下內容判斷是否為釣魚網站；h₃代表內容相似性特征分類算法，是根據網頁中內容標簽下內容進行相似性比較判斷是否為釣魚網站；h₄代表結構樣式特征分類算法，是根據源代碼的結構判斷是否為釣魚網站；h₅代表視覺規則特征分類算法，是根據網頁的圖標、配色、圖片判斷是否為釣魚網站；

所述的基分類算法表征為線性函數，各分類算法的參數為獨立同分布；

步驟3，多分類模型H的輸入是各基分類算法的輸入，輸出是樣本標簽；對于訓練集D_j，從每個樣本的樣本記錄中提取每個基分類算法相應的特征作為輸入；

步驟4，基于訓練集D_j，采用機器學習算法對各基分類算法的參數以及多分類模型H中的ω_i，進行訓練和參數求解；

采用極大似然估計法求解各基分類算法的參數，采用最大期望算法對多分類模型H中的參數ω_i，進行迭代求解；

步驟5，在測試集上對多分類模型H進行測試和優化，直到各基分類算法的參數和多分類模型H中的參數ω_i，收斂，對多分類模型H的機器學習算法結束；

步驟6，由最終得到的各基分類算法的參數和多分類模型H中的參數ω_i，得到該類釣魚網站的檢測模型H’；

步驟7，獲取待檢測網站的記錄，包括網站的URL和網頁信息，輸入檢測模型H’判斷是否為釣魚網站。

2.根據權利要求1所述的方法，其特征在于，所述的樣本集D的規模不能低于100。

3.根據權利要求1或2所述的方法，其特征在于，所述的步驟1中，訓練集和測試集表示如下：

第j個訓練集D_j＝{(x₁，y₁)，(x₂，y₂)，...，(x_m，y_m)}，1≤j≤n，1＜m＜n；

對應的第j個測試集

其中，n為D中樣本個數，m為D_j中的樣本個數，D/D_j表示從集合D中去除D_j；第i個樣本(x_i，y_i)中包含第i個樣本的記錄x_i和標簽y_i。

4.根據權利要求1所述的方法，其特征在于，所述的步驟5中，當多分類模型H中的參數ω_i，無法收斂時，修正樣本標簽，更新訓練集樣本，重新執行步驟4的訓練過程。