[發(fā)明專利]一種網(wǎng)站識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011399531.4
• 申請(qǐng)日: 2020-12-04
• 公開（公告）號(hào): CN112565250B
• 公開（公告）日: 2022-12-06
• 發(fā)明（設(shè)計(jì)）人: 康雅萍;陳熠;胡鐵
• 申請(qǐng)（專利權(quán)）人: 中國移動(dòng)通信集團(tuán)內(nèi)蒙古有限公司;中國移動(dòng)通信集團(tuán)有限公司
• 主分類號(hào): H04L9/40
• 分類號(hào): H04L9/40;H04L41/14;G06F16/33;G06F16/35;G06F40/216;G06F40/284;G06K9/62
• 代理公司: 北京東方億思知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11258
• 代理人: 趙秀芹

本申請(qǐng)公開了一種網(wǎng)站識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。該網(wǎng)站識(shí)別方法包括：獲取待識(shí)別網(wǎng)站的網(wǎng)頁；獲取網(wǎng)頁的第一文本內(nèi)容和待識(shí)別網(wǎng)頁截圖；提取待識(shí)別網(wǎng)頁截圖的第二文本內(nèi)容；提取第一文本內(nèi)容的第一特征向量和第二文本內(nèi)容的第二特征向量；將第一特征向量輸入至第一預(yù)設(shè)識(shí)別模型，得到待識(shí)別網(wǎng)站的第一網(wǎng)站識(shí)別類型；將第二特征向量輸入至第二預(yù)設(shè)識(shí)別模型，得到待識(shí)別網(wǎng)站的第二網(wǎng)站識(shí)別類型；根據(jù)第一網(wǎng)站識(shí)別類型和第二網(wǎng)站識(shí)別類型，得到待識(shí)別網(wǎng)站的目標(biāo)網(wǎng)站識(shí)別類型。采用本申請(qǐng)?zhí)峁┑木W(wǎng)站識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，能夠有效提高網(wǎng)站識(shí)別結(jié)果的準(zhǔn)確性，提高網(wǎng)站識(shí)別結(jié)果的成功率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及互聯(lián)網(wǎng)安全技術(shù)領(lǐng)域，具體涉及一種網(wǎng)站識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

釣魚網(wǎng)站作為一種欺騙用戶的虛假網(wǎng)站，可以仿冒真實(shí)網(wǎng)站欺騙用戶或者竊取訪問者提交的賬號(hào)、密碼、資金等私密信息和財(cái)產(chǎn)。故而，為了提高用戶的私密信息和財(cái)產(chǎn)的安全性，如何識(shí)別釣魚網(wǎng)站也變得尤為重要。

現(xiàn)階段，通常獲取待識(shí)別網(wǎng)站的網(wǎng)頁文本內(nèi)容，基于該待識(shí)別網(wǎng)站的文本內(nèi)容識(shí)別該網(wǎng)站是否是釣魚網(wǎng)站。但是，現(xiàn)在很多釣魚網(wǎng)站的網(wǎng)頁文本內(nèi)容會(huì)被用JS(JavaScript)加密技術(shù)進(jìn)行加密、或者網(wǎng)站的網(wǎng)頁文本內(nèi)容中會(huì)包含有大量正常文本的隱藏DIV(DIVision，圖層)。這樣，會(huì)導(dǎo)致釣魚網(wǎng)站的一些文本內(nèi)容無法被獲取到，如此，會(huì)導(dǎo)致網(wǎng)站識(shí)別結(jié)果的準(zhǔn)確性較低。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例的目的是提供一種網(wǎng)站識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，能夠解決現(xiàn)有技術(shù)中網(wǎng)站識(shí)別結(jié)果的準(zhǔn)確性較低的技術(shù)問題。

本申請(qǐng)的技術(shù)方案如下：

第一方面，提供一種網(wǎng)站識(shí)別方法，包括：

獲取待識(shí)別網(wǎng)站的網(wǎng)頁；

獲取網(wǎng)頁的第一文本內(nèi)容和待識(shí)別網(wǎng)頁截圖；

提取待識(shí)別網(wǎng)頁截圖的第二文本內(nèi)容；

提取第一文本內(nèi)容的第一特征向量和第二文本內(nèi)容的第二特征向量；

將第一特征向量輸入至第一預(yù)設(shè)識(shí)別模型，得到待識(shí)別網(wǎng)站的第一網(wǎng)站識(shí)別類型；第一預(yù)設(shè)識(shí)別模型基于網(wǎng)站類型和網(wǎng)站網(wǎng)頁的文本內(nèi)容的特征向量訓(xùn)練得到；

將第二特征向量輸入至第二預(yù)設(shè)識(shí)別模型，得到待識(shí)別網(wǎng)站的第二網(wǎng)站識(shí)別類型；第二預(yù)設(shè)識(shí)別模型基于網(wǎng)站類型和網(wǎng)站網(wǎng)頁的網(wǎng)頁截圖中的文本內(nèi)容的特征向量訓(xùn)練得到；

根據(jù)第一網(wǎng)站識(shí)別類型和第二網(wǎng)站識(shí)別類型，得到待識(shí)別網(wǎng)站的目標(biāo)網(wǎng)站識(shí)別類型。

在一些實(shí)施例中，獲取待識(shí)別網(wǎng)站的網(wǎng)頁之前，還包括：

提取用戶上網(wǎng)日志中的網(wǎng)站域名；

確定網(wǎng)站域名是否屬于預(yù)設(shè)已識(shí)別域名集合；

在網(wǎng)站域名不屬于預(yù)設(shè)已識(shí)別域名集合的情況下，將網(wǎng)站域名確定為待識(shí)別網(wǎng)站；

獲取待識(shí)別網(wǎng)站的網(wǎng)頁，包括：

控制模擬客戶端訪問待識(shí)別網(wǎng)站的網(wǎng)頁。

在一些實(shí)施例中，獲取網(wǎng)頁的第一文本內(nèi)容，包括：

獲取網(wǎng)頁的超文本標(biāo)記語言HTML文件；

將HTML文件確定為第一文本內(nèi)容。

在一些實(shí)施例中，第一預(yù)設(shè)識(shí)別模型包括第一預(yù)設(shè)子識(shí)別模型、第二預(yù)設(shè)子識(shí)別模型中的至少一個(gè)；

提取第一文本內(nèi)容的第一特征向量之前，還包括：

對(duì)HTML文件進(jìn)行分詞處理，得到HTML文件的第一詞集；

提取第一文本內(nèi)容的第一特征向量，包括如下至少一項(xiàng)：