[發明專利]一種基于特征提取的釣魚郵件檢測方法及系統

在審

• 申請號: 202210046781.2
• 申請日: 2022-01-14
• 公開（公告）號: CN114465780A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 林延中;左自清
• 申請（專利權）人: 廣東盈世計算機科技有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;H04L51/42;H04L67/02;G06F16/951
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅

1.一種基于特征提取的釣魚郵件檢測方法，其特征在于，包括：

當檢測到電子郵件中含有URL鏈接時，將所述URL鏈接傳輸至爬蟲系統，并接收所述爬蟲系統反饋的落地URL、網頁截圖和頁面源代碼；

根據預設的特征提取算法，分別對所述落地URL、所述網頁截圖和所述頁面源代碼進行特征提取，獲得URL特征、頁面圖像特征和源代碼特征；

提取所述電子郵件的郵件內容特征，并結合所述URL特征、所述頁面圖像特征和所述源代碼特征，生成所述電子郵件對應的一個特征向量；

將所述特征向量輸入至預設的檢測模型中，輸出所述電子郵件的釣魚郵件檢測結果。

2.如權利要求1所述的一種基于特征提取的釣魚郵件檢測方法，其特征在于，所述根據預設的特征提取算法，分別對所述落地URL、所述網頁截圖和所述頁面源代碼進行特征提取，獲得URL特征、頁面圖像特征和源代碼特征，具體為：

采用特征工程，對所述落地URL進行特征提取，輸出所述URL特征；其中，所述URL特征包括域名特征、所述落地URL的直觀特征、3－gram特征和詞向量特征；

對所述網頁截圖進行解碼，獲得對應的第一圖像，并對所述第一圖像進行尺寸調整、格式轉換、歸一化的預處理，然后輸入至預設的圖像特征提取模型，輸出所述頁面圖像特征；其中，所述圖像特征提取模型是利用第一訓練集對預設的初始圖像特征提取模型進行訓練而獲得的，所述第一訓練集包括多個完成尺寸調整、格式轉換、歸一化的預處理的所述第一圖像；

對所述頁面源代碼進行分詞處理，獲得對應的若干個代碼分詞，并對所有所述代碼分詞進行編碼和轉換，獲得一個源代碼矩陣，并將所述源代碼矩陣輸入預設的代碼特征提取模型，輸出所述源代碼特征。

3.如權利要求2所述的一種基于特征提取的釣魚郵件檢測方法，其特征在于，所述采用特征工程，對所述落地URL進行特征提取，輸出所述URL特征，其中，所述URL特征包括域名特征、所述落地URL的直觀特征、3－gram特征和詞向量特征，具體為：

采用特征工程，提取所述落地URL對應的所述域名特征和所述直觀特征；

對所述落地URL進行3－gram處理，計算3－gram元組在所述落地URL中的平均得分，作為所述3－gram特征；

對所述落地URL進行分詞處理，得到若干個文本分詞，并利用預設的詞向量模型判斷每一個所述文本分詞是否包含詞向量，若有則輸出當前所述詞向量，若沒有則輸出零向量，并將所述詞向量模型的所有輸出作為所述詞向量特征。

4.如權利要求2所述的一種基于特征提取的釣魚郵件檢測方法，其特征在于，所述對所述頁面源代碼進行分詞處理，得到對應的若干個代碼分詞，并對所有所述代碼分詞進行編碼和轉換，得到一個源代碼矩陣，并將所述源代碼矩陣輸入預設的代碼特征提取模型，輸出所述源代碼特征，具體為：

對所述頁面源代碼進行分詞處理，得到對應的若干個代碼分詞，并對所有所述代碼分詞進行編碼，獲得一個分詞集合；

通過預設的詞嵌入模型，對所述分詞集合進行轉換，獲得對應的所述源代碼矩陣；

將所述源代碼矩陣輸入預設的TextCNN網絡模型，輸出所述源代碼特征。

5.如權利要求1所述的一種基于特征提取的釣魚郵件檢測方法，其特征在于，所述將所述特征向量輸入至預設的檢測模型中，輸出所述電子郵件的釣魚郵件檢測結果，具體為：

將預存的第二訓練集輸入預設的初始檢測模型中，對所述初始檢測模型進行訓練，得到所述檢測模型；其中，所述第二訓練集包括多個正常電子郵件、多個所述正常電子郵件對應的所述特征向量、多個釣魚郵件和多個所述釣魚郵件對應的所述特征向量；

將所述特征向量輸入至所述檢測模型中，輸出所述電子郵件的釣魚郵件檢測結果。