[發(fā)明專利]異常網(wǎng)站的識(shí)別方法、裝置和異常對(duì)抗行為的識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010147052.7
• 申請(qǐng)日: 2020-03-05
• 公開(kāi)（公告）號(hào): CN111401416B
• 公開(kāi)（公告）日: 2022-10-21
• 發(fā)明（設(shè)計(jì)）人: 蔣晨之
• 申請(qǐng)（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號(hào): G06V30/19
• 分類號(hào): G06V30/19;G06V30/418;G06V20/62;G06V10/82;G06F21/64;G06F16/958
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 周達(dá);劉飛

1.一種異常網(wǎng)站的識(shí)別方法，包括：

獲取目標(biāo)網(wǎng)站的網(wǎng)頁(yè)的html文本數(shù)據(jù)，和網(wǎng)頁(yè)的頁(yè)面截圖；其中，所述html文本數(shù)據(jù)包括html原碼數(shù)據(jù)；

從所述網(wǎng)頁(yè)的頁(yè)面截圖中提取得到頁(yè)面的OCR文本數(shù)據(jù)；

利用預(yù)設(shè)的對(duì)抗行為識(shí)別模型對(duì)所述網(wǎng)頁(yè)的html文本數(shù)據(jù)、頁(yè)面的OCR文本數(shù)據(jù)，和頁(yè)面截圖進(jìn)行識(shí)別處理，得到對(duì)應(yīng)的識(shí)別處理結(jié)果；其中，所述預(yù)設(shè)的對(duì)抗行為識(shí)別模型至少包括第一文本特征提取子網(wǎng)絡(luò)、第二文本特征提取子網(wǎng)絡(luò)和圖像特征提取子網(wǎng)絡(luò)，所述第一文本特征提取子網(wǎng)絡(luò)用于從網(wǎng)頁(yè)的html文本數(shù)據(jù)中提取出第一文本特征，所述第二文本特征提取子網(wǎng)絡(luò)用于從頁(yè)面的OCR文本數(shù)據(jù)中提取出第二文本特征，所述圖像特征提取子網(wǎng)絡(luò)用于從所述頁(yè)面截圖中提取出圖像特征，所述識(shí)別處理結(jié)果根據(jù)所述第一文本特征、第二文本特征和圖像特征確定；

根據(jù)所述識(shí)別處理結(jié)果，確定所述目標(biāo)網(wǎng)站是否為異常網(wǎng)站。

2.根據(jù)權(quán)利要求1所述的方法，根據(jù)所述識(shí)別處理結(jié)果，確定所述目標(biāo)網(wǎng)站是否為異常網(wǎng)站，包括：

根據(jù)所述識(shí)別處理結(jié)果，確定所述目標(biāo)網(wǎng)站的網(wǎng)頁(yè)的html文本數(shù)據(jù)和頁(yè)面截圖之間是否存在不匹配的第一類異常對(duì)抗行為、網(wǎng)頁(yè)的html文本數(shù)據(jù)和頁(yè)面的OCR文本數(shù)據(jù)之間是否存在不匹配的第二類異常對(duì)抗行為、網(wǎng)頁(yè)的頁(yè)面截圖和頁(yè)面的OCR文本數(shù)據(jù)之間是否存在不匹配的第三類異常對(duì)抗行為；

在確定目標(biāo)網(wǎng)站存在第一類型異常對(duì)抗行為、第二類異常對(duì)抗行為和第三類異常對(duì)抗行為中的至少一種異常對(duì)抗行為的情況下，確定所述目標(biāo)網(wǎng)站為異常網(wǎng)站。

3.根據(jù)權(quán)利要求1所述的方法，所述預(yù)設(shè)的對(duì)抗行為識(shí)別模型還包括特征轉(zhuǎn)化層，用于將所述第一文本特征、第二文本特征和圖像特征映射到同一個(gè)特征度量空間。

4.根據(jù)權(quán)利要求3所述的方法，根據(jù)所述第一文本特征、第二文本特征和圖像特征來(lái)確定出對(duì)應(yīng)的識(shí)別處理結(jié)果，包括：

利用所述特征轉(zhuǎn)化層對(duì)所述第一文本特征、第二文本特征和圖像特征進(jìn)行特征映射處理，得到處理后的第一文本特征、處理后的第二文本特征和處理后的圖像特征；

根據(jù)所述處理后的第一文本特征、處理后的第二文本特征和處理后的圖像特征，確定對(duì)應(yīng)的識(shí)別處理結(jié)果。

5.根據(jù)權(quán)利要求4所述的方法，根據(jù)所述處理后的第一文本特征、處理后的第二文本特征和處理后的圖像特征，確定對(duì)應(yīng)的識(shí)別處理結(jié)果，包括：

根據(jù)所述處理后的第一文本特征、處理后的第二文本特征和處理后的圖像特征，分別計(jì)算處理后的第一文本特征和處理后的圖像特征之間的第一類特征距離、處理后的第一文本特征和處理后的第二文本特征之間的第二類特征距離、處理后的圖像特征和處理后的第二文本特征之間的第三類特征距離；

根據(jù)所述第一類特征距離、第二類特征距離、第三類特征距離，確定對(duì)應(yīng)的識(shí)別處理結(jié)果。

6.根據(jù)權(quán)利要求1所述的方法，所述第一文本特征提取子網(wǎng)絡(luò)和所述第二文本特征提取子網(wǎng)絡(luò)之間的網(wǎng)絡(luò)結(jié)構(gòu)的差異值小于預(yù)設(shè)的差異值。

7.根據(jù)權(quán)利要求6所述的方法，所述第一文本特征提取子網(wǎng)絡(luò)的初始網(wǎng)絡(luò)結(jié)構(gòu)和所述第二文本特征提取子網(wǎng)絡(luò)的初始網(wǎng)絡(luò)結(jié)構(gòu)相同。

8.根據(jù)權(quán)利要求1所述的方法，所述預(yù)設(shè)的對(duì)抗行為識(shí)別模型按照以下方式訓(xùn)練得到：

獲取樣本網(wǎng)頁(yè)的html文本數(shù)據(jù)、網(wǎng)頁(yè)的頁(yè)面截圖、頁(yè)面的OCR文本數(shù)據(jù)作為樣本數(shù)據(jù)；

標(biāo)注出所樣本網(wǎng)頁(yè)是否存在異常對(duì)抗行為，得到標(biāo)注后的樣本數(shù)據(jù)；

構(gòu)建初始的對(duì)抗行為識(shí)別模型，其中，所述初始的對(duì)抗行為識(shí)別模型至少包括初始的第一文本特征提取子網(wǎng)絡(luò)、初始的第二文本特征提取子網(wǎng)絡(luò)和初始的圖像特征提取子網(wǎng)絡(luò)；

通過(guò)利用所述標(biāo)注后的樣本數(shù)據(jù)訓(xùn)練所述初始的對(duì)抗行為識(shí)別模型，得到所述預(yù)設(shè)的對(duì)抗行為識(shí)別模型。