[發明專利]一種網站識別方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 202011203397.6
• 申請日: 2020-11-02
• 公開（公告）號: CN112328936A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 宋建昌;孫學軍
• 申請（專利權）人: 杭州安恒信息安全技術有限公司
• 主分類號: G06F16/958
• 分類號: G06F16/958;G06F16/951;G06F16/33
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張春輝

1.一種網站識別方法，其特征在于，包括：

根據識別指令進行網站探測，獲得具有預設關鍵字的目標網站；

對所述目標網站中的各網頁進行特征提取，獲得目標特征信息；

根據所述目標特征信息對所述目標網站進行評估，獲得網站評估值；

根據所述網站評估值確定所述目標網站的網站類型。

2.根據權利要求1所述的網站識別方法，其特征在于，所述根據識別指令進行網站探測，獲得具有預設關鍵字的目標網站，包括：

當接收到所述識別指令時，利用網絡爬蟲技術進行網站探測，獲得具有所述預設關鍵字的所述目標網站。

3.根據權利要求2所述的網站識別方法，其特征在于，所述對所述目標網站中的各網頁進行特征提取，獲得目標特征信息之前，還包括：

通過所述網絡爬蟲技術對所述目標網站進行遍歷，獲得所述目標網站中的各所述網頁。

4.根據權利要求1所述的網站識別方法，其特征在于，所述對所述目標網站中的各網頁進行特征提取，獲得目標特征信息，包括：

利用網頁結構化解析技術對各所述網頁進行特征提取，獲得推薦安置關系特征。

5.根據權利要求1所述的網站識別方法，其特征在于，所述對所述目標網站中的各網頁進行特征提取，獲得目標特征信息，包括：

利用預設特征提取算法對各所述網頁進行特征提取，獲得目標文本特征。

6.根據權利要求1至5任意一項所述的網站識別方法，其特征在于，還包括：

獲取所述目標網站的ICP備案信息；

根據所述ICP備案信息確定所述目標網站的備案用戶；

查詢所述備案用戶的網絡信息；

對所述網絡信息進行特征提取，獲得所述目標特征信息。

7.根據權利要求6所述的網站識別方法，其特征在于，所述根據所述網站評估值確定所述目標網站的網站類型，包括：

將所述網站評估值與預設置信度進行對比，獲得對比結果；

根據所述對比結果確定目標網站的網站類型。

8.一種網站識別裝置，其特征在于，包括：

網站探測模塊，用于根據識別指令進行網站探測，獲得具有預設關鍵字的目標網站；

特征提取模塊，用于對所述目標網站中的各網頁進行特征提取，獲得目標特征信息；

網站評估模塊，用于根據所述目標特征信息對所述目標網站進行評估，獲得網站評估值；

網站識別模塊，用于根據所述網站評估值確定所述目標網站的網站類型。

9.一種網站識別設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至7任一項所述的網站識別方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的網站識別方法的步驟。