[發(fā)明專利]網(wǎng)頁頁面特征的篡改檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010535869.1
• 申請(qǐng)日: 2020-06-12
• 公開（公告）號(hào): CN111797904A
• 公開（公告）日: 2020-10-20
• 發(fā)明（設(shè)計(jì)）人: 李子雙;肖新光
• 申請(qǐng)（專利權(quán)）人: 哈爾濱安天科技集團(tuán)股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F16/951;G06F16/955;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種網(wǎng)頁頁面特征的篡改檢測(cè)方法，其特征在于，所述方法包括：

獲取網(wǎng)頁樣本數(shù)據(jù)，建立網(wǎng)頁樣本數(shù)據(jù)集文檔；

從所述數(shù)據(jù)集文檔中提取文本特征、結(jié)構(gòu)特征和網(wǎng)絡(luò)特征；

挖掘所述文本特征、結(jié)構(gòu)特征和網(wǎng)絡(luò)特征之間的非線性關(guān)系，進(jìn)而檢測(cè)網(wǎng)頁頁面特征的篡改行為類別。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取網(wǎng)頁樣本數(shù)據(jù)，建立網(wǎng)頁樣本數(shù)據(jù)集文檔包括：

使用自動(dòng)掃描策略獲取可能被篡改的網(wǎng)頁樣本；

對(duì)于所述網(wǎng)頁樣本基于網(wǎng)頁被篡改的類型進(jìn)行標(biāo)注，建立網(wǎng)頁樣本數(shù)據(jù)集文檔。

3.如權(quán)利要求1所述的方法，其特征在于，所述從所述數(shù)據(jù)集文檔中提取文本特征、結(jié)構(gòu)特征和網(wǎng)絡(luò)特征包括：

以規(guī)則方式提取所述數(shù)據(jù)集文檔中的文本，進(jìn)行自動(dòng)分詞，獲得多個(gè)詞串，從所述詞串中抽取文本特征；

檢測(cè)所述網(wǎng)頁樣本數(shù)據(jù)集中的篡改樣本，提取所述篡改樣本的結(jié)構(gòu)特征；

以無監(jiān)督方式獲取所述數(shù)據(jù)集文檔的網(wǎng)絡(luò)特征。

4.如權(quán)利要求3所述的方法，其特征在于，所述從所述詞串中抽取文本特征包括：

使用Doc2vec從所述詞串中無監(jiān)督地抽取特征，所述數(shù)據(jù)集文檔D的文本特征向量d的具體優(yōu)化目標(biāo)函數(shù)如公式(一)所示：

d＝argmax_dΠ_ip(w_i|d，context(w_i)) 公式(一)

其中，argmax_d為計(jì)算具有最大評(píng)分的參量集合的函數(shù)，w_i為所述數(shù)據(jù)集文檔D的第i個(gè)詞；context(w_i)為該詞的上下文詞；向量d為定長的連續(xù)特征向量。

5.如權(quán)利要求3所述的方法，其特征在于，所述無監(jiān)督方式獲取所述數(shù)據(jù)集文檔的網(wǎng)絡(luò)特征包括：

Deepwalk使用隨機(jī)游走策略從網(wǎng)絡(luò)G中采樣出節(jié)點(diǎn)序列v¹，v²，…，vⁿ，其中，v^j為節(jié)點(diǎn)j的特征向量；

通過公式(二)計(jì)算獲得網(wǎng)絡(luò)特征向量v：

其中，w為所述數(shù)據(jù)集文檔上下文窗口的大小。

6.如權(quán)利要求1所述的方法，其特征在于，所述挖掘所述文本特征、結(jié)構(gòu)特征和網(wǎng)絡(luò)特征之間的非線性關(guān)系，進(jìn)而檢測(cè)網(wǎng)頁頁面特征的篡改行為類別包括：

將所述文本特征向量d，結(jié)構(gòu)特征向量f和網(wǎng)絡(luò)特征向量v拼接為最終特征向量a，采用公式(三)獲得輸出向量y^g：

y^g＝h^g(x^g)＝sigmoid(W^gx^g+b^g) 公式(三)

其中，m為深度神經(jīng)網(wǎng)絡(luò)的總層數(shù)，x^g為第g層的輸入向量，x^g∈R^m，y^g為第g層的輸出向量，y^g∈Rⁿ，h^g為第g層的神經(jīng)網(wǎng)絡(luò)函數(shù)變換；W^g∈R^m×n，b^g∈Rⁿ，sigmoid為激活函數(shù)，采用公式(四)計(jì)算：

其中，z為W^gx^g+b^g。

將某個(gè)網(wǎng)頁的最終特征向量a輸入到1層的神經(jīng)網(wǎng)絡(luò)中，采用公式(五)獲得最終輸出向量y^l：

y^l＝h¹h²…h(huán)^l(a) 公式(五)

采用公式(六)獲得標(biāo)簽概率輸出向量

采用公式(七)計(jì)算篡改行為類別概率的準(zhǔn)確率L：