[發明專利]一種惡意網站的檢測方法、裝置及電子設備

有效

• 申請號: 202010004165.1
• 申請日: 2020-01-03
• 公開（公告）號: CN113079123B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 喬雅莉;何振財;李彬;郝建忠;鄭浩彬;鐘雪慧;全俊斌
• 申請（專利權）人: 中國移動通信集團廣東有限公司;中國移動通信集團有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N7/00;G06F16/955
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 朱文杰

本發明實施例公開了一種惡意網站的檢測方法、裝置及電子設備，所述方法包括：根據待檢測的目標網站的域名注冊信息，確定所述目標網站的行為特征信息，將所述目標網站的行為特征信息輸入預先訓練的惡意網站識別模型中，得到所述目標網站的異常概率，其中，所述惡意網站識別模型為基于樸素貝葉斯算法和K近鄰算法，對惡意網站和非惡意網站的歷史行為特征信息訓練得到，基于所述異常概率，確定所述目標網站是否為惡意網站。通過本方法，可以通過目標網站的行為特征信息和預先訓練的惡意網站識別模型，確定目標網站的異常概率，在通過異常概率，確定目標網站是否為惡意網站，提高了惡意網站的檢測效率以及檢測準確性。

技術領域

本發明涉及通信技術領域，尤其涉及一種惡意網站的檢測方法、裝置及電子設備。

背景技術

隨著移動通信技術的不斷發展，越來越多的惡意網站頻繁出現在移動網絡上，對人們的生活和工作造成了較大的干擾，因此，惡意網站的檢測成為人們關注的焦點。

目前，可以基于人工收集的統一資源定位符(Uniform Resource Locator，URL)的黑名單，對網站的URL進行匹配檢測，以判斷網站是否為惡意網站。例如，當用戶訪問某一網頁后，可以獲取該網頁的完整網絡地址(即該網頁的URL)，然后將該URL與收集的ULR黑名單進行匹配，如果匹配成功，則可以確定用戶訪問的該網頁對應的網站為惡意網站。

但是，通過上述對網站的URL進行匹配檢測，判斷網站是否為惡意網站的方式，存在以下問題：由于需要人工收集URL的黑名單，所以存在較高的人力成本，且隨著惡意網站的數量越來越大，惡意網站的URL的變換頻率越來較快，人工收集URL黑名單的復雜程度也會越來越高，這就導致惡意網站的檢測效率低，檢測準確性差。

發明內容

本發明實施例的目的是提供一種惡意網站的檢測方法、裝置及電子設備，以解決現有技術中對網站是否為惡意網站進行檢測時，存在的檢測效率較低、檢測準確性較差的問題。

為解決上述技術問題，本發明實施例是這樣實現的：

第一方面，本發明實施例提供的一種惡意網站的檢測方法，所述方法包括：

根據待檢測的目標網站的域名注冊信息，確定所述目標網站的行為特征信息；

將所述目標網站的行為特征信息輸入預先訓練的惡意網站識別模型中，得到所述目標網站的異常概率，其中，所述惡意網站識別模型為基于樸素貝葉斯算法和K近鄰算法，對惡意網站和非惡意網站的歷史行為特征信息訓練得到；

基于所述異常概率，確定所述目標網站是否為惡意網站。

可選地，所述將所述目標網站的行為特征信息輸入預先訓練的惡意網站識別模型中，得到所述目標網站的異常概率之前，還包括：

獲取所述惡意網站和非惡意網站的歷史行為特征信息；

分別對所述惡意網站的歷史行為特征信息和所述非惡意網站的歷史行為特征信息進行向量化處理，得到所述惡意網站的行為特征向量和所述非惡意網站的行為特征向量；

基于所述K近鄰算法以及所述樸素貝葉斯算法，對所述惡意網站的行為特征向量和所述非惡意網站的行為特征向量進行處理，得到目標惡意網站集合和目標非惡意網站集合；

基于所述目標惡意網站集合和目標非惡意網站集合，確定所述預先訓練的惡意網站識別模型。

可選地，所述基于所述K近鄰算法以及所述樸素貝葉斯算法，對所述惡意網站的行為特征向量和所述非惡意網站的行為特征向量進行處理，得到目標惡意網站集合和目標非惡意網站集合，包括：

基于預設距離算法，獲取每兩個所述惡意網站的行為特征向量之間的第一距離信息，以及每兩個所述非惡意網站的行為特征向量之間的第二距離信息；