[發明專利]一種面向移動惡意網頁的多設備組合優化的實時檢測系統

有效

• 申請號: 202110249547.5
• 申請日: 2021-03-08
• 公開（公告）號: CN113055890B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 宋軍;楊帆;郭耀威;徐衡
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: H04W12/122
• 分類號: H04W12/122;H04W12/128;G06K9/62;G06N3/04
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 彭建怡

本發明提出了一種面向移動惡意網頁的多設備組合優化的實時檢測系統，該系統由移動端檢測、邊緣節點檢測、服務器端檢測組成；本方案用收集到的實驗數據集URL作為輸入；首先在移動終端上檢測URL，并將檢測結果與URL鏈接一起發送到邊緣節點；當URL到達邊緣節點時，根據移動端檢測結果和URL的數量，選擇相對應的檢測策略，使用更多的計算資源來檢測更多可疑URL；在邊緣節點和服務器端分別構建了基于CNN?LSTM的分類模型，通過對原始的輸入進行自動提取和特征學習，更準確地對惡意URL進行分類；最后根據深度神經網絡預測出的URL良性或惡意的概率p進行判別。本方案在效率和準確性方面均具有較明顯的優勢。

技術領域

本發明涉及數據安全領域，尤其涉及一種面向移動惡意網頁的多設備組合優化的實時檢測系統。

背景技術

移動社交網絡在豐富人們生活的同時，也帶來了許多安全問題。惡意URL是攻擊者發起移動社交網絡攻擊的最常用方法之一。攻擊者通過偽裝成知名帳戶、商品折扣廣告或用戶好友，騙取用戶的信任。誘導用戶點擊惡意URL鏈接，打開包含惡意URL的圖片，掃描帶有惡意URL的二維碼。通過這種方式，攻擊者對受害者進行釣魚詐騙，或者將惡意軟件嵌入到受害者的計算機，以控制目標主機或執行APT攻擊，這將給個人、企業以及政府機構造成巨大損失。如何有效識別移動惡意URL已成為近年來網絡安全領域研究和應用的一個熱點。

現有的惡意網頁檢測技術主要存在以下幾類問題：首先，現有惡意網頁檢測方法大多是在服務器端實現，在網絡質量不理想的條件下，數據傳輸延時、檢測效率低或傳輸失效問題嚴重，例如安一恒通(北京)科技有限公司的工作(CN201510033799.9)；其次，PC端和移動端瀏覽器在系統內核、事件處理、平臺兼容性、使用場景、輸入輸出方式、網絡環境等方面也存在明顯差異，上述差異導致傳統常見基于PC端的惡意網頁檢測方法，例如天津大學的工作(CN201510502698.1)，直接遷移到移動端在檢測效率和能力方面呈現出明顯不足；最后，傳統的惡意URL檢測方法通常依賴于基于專家輸入或使用機器學習技術提取的特征，例如中國科學院信息工程研究所的工作(CN201310507897.2)，這些方法需要構建大量特征集，在實踐中可能具有較高的誤報率并有許多限制，如網站數量的顯著增加和網絡流量的變化使得檢測惡意URL的過程變得十分復雜。

發明內容

有鑒于此，為了解決現有技術中的不足，本發明提出一種面向移動惡意網頁的多設備組合優化的實時檢測系統，。

本發明提供的一種面向移動惡意網頁的多設備組合優化的實時檢測系統，具體包括：

移動端、邊緣節點和服務器端；

所述移動端處理實時性大于預設的第一時間閾值T1和荷載量小于預設的第一荷載閾值L1的惡意網頁檢測任務；

所述邊緣節點處理實時性小于或者等于預設的第一閾值T1和荷載量大于或者等于第一荷載閾值L1的惡意網頁檢測任務；

所述服務器端處理實時性小于預設的第二閾值T2和荷載量大于預設的第二荷載閾值L2的惡意網頁檢測任務；其中，T2T1，L1L2。

進一步地，所述移動端、邊緣節點和服務器端組合形成惡意網頁檢測方法，方法具體包括以下步驟：

S101：獲取實驗數據集URL鏈接；

S102：將所述URL鏈接輸入至移動端檢測，得到第一檢測結果；

S103：將第一檢測結果與所述URL鏈接發送至邊緣節點，所述邊緣節點根據第一檢測結果和URL鏈接數目，輸出檢測策略，分配計算資源檢測超出移動端荷載量以外的URL連接，并獲得第二檢測結果；

S104：服務器端接收來自移動端的第一檢測結果和邊緣節點的第二檢測結果，并通過服務器端CNN-LSTM分類模型，對第一檢測結果和第二檢測結果進行分類，最終輸出所有URL鏈接為惡意的概率p。