[發(fā)明專利]相似域名查找方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202011232693.9
• 申請(qǐng)日: 2020-11-06
• 公開(kāi)（公告）號(hào): CN112256838A
• 公開(kāi)（公告）日: 2021-01-22
• 發(fā)明（設(shè)計(jì)）人: 李曉東;王偉;彭博韜;張寧;楊國(guó)強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 山東伏羲智庫(kù)互聯(lián)網(wǎng)研究院;伏羲科技（菏澤）有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/31;G06F16/35;G06F40/253
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王宇楊

1.一種相似域名查找方法，其特征在于，包括：

獲取待查域名；

提取所述待查域名的文本特征，并對(duì)所述文本特征進(jìn)行向量化表示，得到待查域名特征向量；

對(duì)所述待查域名特征向量進(jìn)行編碼，并根據(jù)編碼結(jié)果從預(yù)設(shè)的全量域名數(shù)據(jù)庫(kù)中匹配出目標(biāo)域名特征向量組，其中，所述全量域名數(shù)據(jù)庫(kù)中包括根據(jù)域名特征向量編碼結(jié)果進(jìn)行分類的多個(gè)域名特征向量組；

計(jì)算所述待查域名特征向量與所述目標(biāo)特征向量組中每一個(gè)域名特征向量之間的距離，并根據(jù)所述距離得到所述待查域名的相似域名。

2.根據(jù)權(quán)利要求1所述的相似域名查找方法，其特征在于，所述計(jì)算所述待查域名特征向量與所述目標(biāo)特征向量組中每一個(gè)域名特征向量之間的距離，并根據(jù)所述距離得到所述待查域名的相似域名，具體包括：

計(jì)算所述待查域名特征向量與所述目標(biāo)特征向量組中每一個(gè)所述域名特征向量之間的歐幾里得距離，其中，所述歐幾里得距離指所述待查域名特征向量與一個(gè)所述域名特征向量之間對(duì)應(yīng)點(diǎn)的多維坐標(biāo)差的平方和；

獲得歐幾里得距離最短的域名特征向量對(duì)應(yīng)的域名，并將所述域名作為所述待查域名的相似域名。

3.根據(jù)權(quán)利要求1或2所述的相似域名查找方法，其特征在于，在對(duì)所述待查域名特征向量進(jìn)行編碼，并根據(jù)編碼結(jié)果從預(yù)設(shè)的全量域名數(shù)據(jù)庫(kù)中匹配出目標(biāo)域名特征向量組之前，還包括：構(gòu)建所述全量域名數(shù)據(jù)庫(kù)的步驟，具體包括：

獲取歷史域名解析數(shù)據(jù)庫(kù)中所有的歷史域名；

提取所述所有的歷史域名的文本特征，并對(duì)所有的歷史域名的文本特征進(jìn)行向量化表示，得到多個(gè)域名特征向量，各域名特征向量分別與各歷史域名一一對(duì)應(yīng)；

對(duì)所述多個(gè)域名特征向量進(jìn)行編碼，根據(jù)編碼結(jié)果的不同，將所述多個(gè)域名特征向量分類為多個(gè)域名特征向量組，且為所述多個(gè)域名特征向量組構(gòu)建自適應(yīng)樹(shù)形索引，其中，各域名特征向量組包括至少一個(gè)所述域名特征向量。

4.根據(jù)權(quán)利要求3所述的相似域名查找方法，其特征在于，所述提取所述所有的歷史域名的文本特征，并對(duì)所有的歷史域名的文本特征進(jìn)行向量化表示，是通過(guò)BERT域名嵌入算法進(jìn)行的；

或，是通過(guò)WORD2VEC域名嵌入算法進(jìn)行的；

或，是通過(guò)GLOVE域名嵌入算法進(jìn)行的。

5.根據(jù)權(quán)利要求3所述的相似域名查找方法，其特征在于，所述對(duì)所述多個(gè)域名特征向量進(jìn)行編碼包括：

通過(guò)ISAX編碼法對(duì)所述多個(gè)域名特征向量進(jìn)行抽象化處理和編碼化處理。

6.根據(jù)權(quán)利要求5所述的相似域名查找方法，其特征在于，

所述樹(shù)形索引采用單線程向量索引法；

或，采用多線程并行向量索引法；

或，采用內(nèi)存型向量索引法。

7.根據(jù)權(quán)利要求1所述的相似域名查找方法，其特征在于，還包括：

通過(guò)惡意域名向量反向查詢法或基于索引的KNN相似性搜索法，分析判斷所述相似域名是否為惡意域名。

8.一種相似域名查找裝置，其特征在于，包括：

獲取模塊，用于獲取待查域名；

向量化模塊，用于提取所述待查域名的文本特征，并對(duì)所述文本特征進(jìn)行向量化表示，得到待查域名特征向量；

編碼模塊，用于對(duì)所述待查域名特征向量進(jìn)行編碼，并根據(jù)編碼結(jié)果從預(yù)設(shè)的全量域名數(shù)據(jù)庫(kù)中，匹配出目標(biāo)域名特征向量組，其中，所述全量域名數(shù)據(jù)庫(kù)中包括根據(jù)域名特征向量編碼結(jié)果進(jìn)行分類的多個(gè)域名特征向量組；

相似查找模塊，用于計(jì)算所述待查域名特征向量與所述目標(biāo)特征向量組中每一個(gè)域名特征向量之間的距離，根據(jù)所述距離得到所述待查域名的相似域名。

9.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述的相似域名查找方法。

10.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述的相似域名查找方法。