[發明專利]行為識別方法及裝置

在審

• 申請號: 202011063117.6
• 申請日: 2020-09-30
• 公開（公告）號: CN114330466A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 黃浩;盧行健;劉長福
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/951;G06F16/955;G06F16/18;G06F16/33
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種行為識別方法，其特征在于，包括：

獲取訪問日志，所述訪問日志是通過收集訪問方在訪問目標網站時返回的引用信息得到的；

從所述訪問日志中提取訪問行為特征；

基于所提取的訪問行為特征，確定存在針對所述目標網站的爬蟲行為的訪問來源。

2.根據權利要求1所述的方法，其特征在于，所述從所述訪問日志中提取訪問行為特征，包括：

從所述訪問日志中提取引用信息中的引用來源字段；

所述基于所提取的訪問行為特征，確定存在針對所述目標網站的爬蟲行為的訪問來源，包括：

訪問所述引用來源字段對應的第一網站，判斷所述第一網站中是否包含所述目標網站的數據；

在所述第一網站中包含所述目標網站的數據的情況下，確定所述第一網站對應的訪問方存在針對所述目標網站的爬蟲行為。

3.根據權利要求1所述的方法，其特征在于，所述從所述訪問日志中提取訪問行為特征，包括：

從所述訪問日志中提取目標引用來源字段，所述目標引用來源字段為引用信息中包括預設的爬蟲行為關聯關鍵詞的引用來源字段；

所述基于所提取的訪問行為特征，確定存在針對所述目標網站的爬蟲行為的訪問來源，包括：

確定所述目標引用來源字段對應的第二網站；

確定所述第二網站對應的訪問方存在針對所述目標網站的爬蟲行為。

4.根據權利要求1至3中任一項所述的方法，其特征在于，所述確定存在針對所述目標網站的爬蟲行為的訪問來源之后，所述方法還包括：

對所述訪問來源執行防爬蟲操作，其中，所述防爬蟲操作包括對所述訪問來源進行信息登記、對所述訪問來源的訪問請求記錄進行上報和對所述訪問來源的訪問請求進行攔截中的至少一項。

5.根據權利要求4所述的方法，其特征在于，所述對所述訪問來源執行防爬蟲操作，包括：

獲取所述訪問來源中的訪問方網站的域名所屬的企業名稱；

將所述企業名稱錄入爬蟲數據庫。

6.根據權利要求4所述的方法，其特征在于，所述對所述訪問來源執行防爬蟲操作，包括：

將所述訪問來源中的訪問方網站發出的訪問請求記錄進行上報。

7.根據權利要求4所述的方法，其特征在于，所述訪問日志中記錄有每個訪問方對應的IP地址；

所述對所述訪問來源執行防爬蟲操作，包括：

將所述訪問來源中的訪問方對應的IP地址加入IP黑名單；

對來源于所述IP黑名單中的IP地址的訪問請求進行攔截。

8.一種行為識別裝置，其特征在于，包括：

獲取模塊，被配置為執行獲取訪問日志，所述訪問日志是通過收集訪問方在訪問目標網站時返回的引用信息得到的；

提取模塊，被配置為執行從所述訪問日志中提取訪問行為特征；

確定模塊，被配置為執行基于所提取的訪問行為特征，確定存在針對所述目標網站的爬蟲行為的訪問來源。

9.一種行為識別裝置，其特征在于，包括：

處理器；

用于存儲所述處理器可執行指令的存儲器；

其中，所述處理器被配置為執行所述指令，以實現如權利要求1至7中任一項所述的行為識別方法。

10.一種存儲介質，當所述存儲介質中的指令由行為識別裝置的處理器執行時，使得行為識別裝置能夠執行如權利要求1至7中任一項所述的行為識別方法。