基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法及裝置，特征向量模型是根據(jù)大量樣本網(wǎng)頁(yè)的站點(diǎn)特征信息獲取樣本網(wǎng)頁(yè)的特征向量，并對(duì)樣本網(wǎng)頁(yè)的特征向量組成的矩陣進(jìn)行訓(xùn)練得到的，通過特征向量模型將樣本空間劃分多個(gè)特征空間；方法包括：提取瀏覽器所打開第一網(wǎng)頁(yè)的URL，根據(jù)URL得到第一網(wǎng)頁(yè)所屬站點(diǎn)的站點(diǎn)特征信息；根據(jù)第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定第一網(wǎng)頁(yè)的特征向量；將第一網(wǎng)頁(yè)的特征向量輸入到特征向量模型中，得到第一網(wǎng)頁(yè)所屬的特征空間，根據(jù)第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)。本發(fā)明無需提前下載該第一網(wǎng)頁(yè)，從而規(guī)避了釣魚作者對(duì)釣魚網(wǎng)站所設(shè)的防護(hù)，通過自動(dòng)的方式對(duì)第一網(wǎng)頁(yè)進(jìn)行識(shí)別，節(jié)省了人力資源。
【專利說明】基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法及裝置
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，具體涉及一種基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方 法及裝置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的發(fā)展，基于WEB的應(yīng)用日益普及，人們通過瀏覽器可以查詢銀行賬 戶、網(wǎng)上購(gòu)物、電子商務(wù)、查詢信息、獲取知識(shí)、進(jìn)行娛樂等，WEB為人們提供了方便和快捷的 交互方式。然而，人們?cè)谏暇W(wǎng)沖浪瀏覽網(wǎng)頁(yè)的同時(shí)，經(jīng)常會(huì)遭遇到惡意網(wǎng)站的侵襲，導(dǎo)致計(jì) 算機(jī)被病毒、木馬等感染。
[0003] 惡意網(wǎng)站，例如釣魚網(wǎng)站、或者是欺詐，仿冒網(wǎng)站等，主要是通過仿冒真實(shí)網(wǎng)站的 URL地址或是網(wǎng)頁(yè)內(nèi)容，偽裝成銀行及電子商務(wù)等類型的網(wǎng)站，或是利用真實(shí)網(wǎng)站服務(wù)器程 序上的漏洞，在該網(wǎng)站的某些網(wǎng)頁(yè)中插入危險(xiǎn)的網(wǎng)頁(yè)代碼，以此來騙取用戶銀行或信用卡 賬號(hào)、密碼等私人資料。惡意網(wǎng)頁(yè)中包含著許多敏感的特征，例如，金融欺詐類的惡意網(wǎng)頁(yè) 會(huì)在文字、圖片等方面仿冒官網(wǎng)，或是在真實(shí)網(wǎng)頁(yè)中插入虛假票務(wù)、虛假中獎(jiǎng)、假冒網(wǎng)銀、虛 假購(gòu)物等信息，這些特征大多以文本串的形式出現(xiàn)在網(wǎng)頁(yè)中。
[0004] 現(xiàn)有的為了防范惡意網(wǎng)站的主要手段是當(dāng)用戶訪問某網(wǎng)站時(shí)，客戶端將網(wǎng)站的 URL發(fā)送至服務(wù)器端的黑白名單數(shù)據(jù)庫(kù)進(jìn)行查詢，然而由于釣魚網(wǎng)站不斷更新?lián)Q代，這種方 法對(duì)釣魚網(wǎng)站等惡意網(wǎng)站的檢出率不高并具有滯后性。或者是通過基于文本的方法進(jìn)行識(shí) 另IJ，例如通過提取頁(yè)面中關(guān)鍵詞，并將關(guān)鍵詞上傳至服務(wù)器，在黑名單數(shù)據(jù)庫(kù)中匹配，這種 方法效率比較低下，而且容易受文字順序等因素的影響，誤判率較高。
【發(fā)明內(nèi)容】
[0005] 鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上 述問題的基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法和相應(yīng)的基于特征向量模型識(shí)別釣魚網(wǎng) 頁(yè)的裝置。
[0006] 根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法，所 述特征向量模型是根據(jù)大量樣本網(wǎng)頁(yè)的站點(diǎn)特征信息獲取各個(gè)樣本網(wǎng)頁(yè)的特征向量，并對(duì) 各個(gè)樣本網(wǎng)頁(yè)的特征向量組成的矩陣進(jìn)行訓(xùn)練得到的，通過所述特征向量模型將樣本空間 劃分多個(gè)特征空間；
[0007] 所述方法包括：
[0008] 提取瀏覽器所打開第一網(wǎng)頁(yè)的URL，根據(jù)所述URL得到所述第一網(wǎng)頁(yè)所屬站點(diǎn)的 站點(diǎn)特征信息；
[0009] 根據(jù)所述第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定所述第一網(wǎng)頁(yè)的特征向量；
[0010] 將所述第一網(wǎng)頁(yè)的特征向量輸入到所述特征向量模型中，得到所述第一網(wǎng)頁(yè)所屬 的特征空間，根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)。
[0011] 根據(jù)本發(fā)明的另一方面，提供了一種基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的裝置。所 述裝置包括：
[0012] 特征向量模型訓(xùn)練模塊，適于根據(jù)大量樣本網(wǎng)頁(yè)的站點(diǎn)特征信息獲取各個(gè)樣本網(wǎng) 頁(yè)的特征向量，并對(duì)各個(gè)樣本網(wǎng)頁(yè)的特征向量組成的矩陣進(jìn)行訓(xùn)練得到特征向量模型，通 過所述特征向量模型將樣本空間劃分多個(gè)特征空間；
[0013] 提取模塊，適于提取瀏覽器所打開第一網(wǎng)頁(yè)的URL ;
[0014] 獲取模塊，適于根據(jù)所述URL得到所述第一網(wǎng)頁(yè)所屬站點(diǎn)的站點(diǎn)特征信息；
[0015] 確定模塊，適于根據(jù)所述第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定所述第一網(wǎng)頁(yè)的特征向 量；
[0016] 輸入模塊，適于將所述第一網(wǎng)頁(yè)的特征向量輸入到所述特征向量模型中，得到所 述第一網(wǎng)頁(yè)所屬的特征空間；
[0017] 識(shí)別模塊，適于根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng) 頁(yè)。
[0018] 根據(jù)本發(fā)明提供的方案，提取瀏覽器所打開第一網(wǎng)頁(yè)的URL，根據(jù)所述URL得到所 述第一網(wǎng)頁(yè)所屬站點(diǎn)的站點(diǎn)特征信息；根據(jù)所述第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定所述第一 網(wǎng)頁(yè)的特征向量；將所述第一網(wǎng)頁(yè)的特征向量輸入到所述特征向量模型中，得到所述第一 網(wǎng)頁(yè)所屬的特征空間，根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)。 本發(fā)明無需提前下載該第一網(wǎng)頁(yè)，從而規(guī)避了釣魚作者對(duì)釣魚網(wǎng)站所設(shè)的防護(hù)，此外，節(jié)省 了人力資源，不需要人工加規(guī)則，通過自動(dòng)的方式對(duì)第一網(wǎng)頁(yè)進(jìn)行識(shí)別。
[0019] 上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段， 而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠 更明顯易懂，以下特舉本發(fā)明的【具體實(shí)施方式】。
【專利附圖】
【附圖說明】
[0020] 通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通 技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明 的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：
[0021] 圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法的 流程圖；
[0022] 圖2示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法 的流程圖；
[0023] 圖3示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的裝置的 結(jié)構(gòu)框圖；
[0024] 圖4示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的裝置 的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0025] 下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開 的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例 所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍 完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。
[0026] 本申請(qǐng)的發(fā)明人在研究釣魚網(wǎng)頁(yè)識(shí)別方法的過程中，注意到釣魚作者為了防止其 釣魚網(wǎng)站被檢測(cè)到而采取了一些"保護(hù)措施"，例如拒絕網(wǎng)絡(luò)爬蟲訪問或者拒絕某個(gè)地域內(nèi) IP的訪問或者經(jīng)常修改其釣魚內(nèi)容，而使得其釣魚網(wǎng)站不被檢測(cè)到，并且基于內(nèi)容檢測(cè)釣 魚網(wǎng)頁(yè)的方法只有在釣魚網(wǎng)頁(yè)內(nèi)容發(fā)生變化后，才能進(jìn)行釣魚檢測(cè)，使得檢測(cè)相對(duì)于釣魚 網(wǎng)頁(yè)變化具有一定的滯后性，基于此，本申請(qǐng)的發(fā)明人提出了基于特征向量模型識(shí)別釣魚 網(wǎng)頁(yè)的方法。
[0027] 其中，特征向量模型是根據(jù)大量樣本網(wǎng)頁(yè)的站點(diǎn)特征信息獲取各個(gè)樣本網(wǎng)頁(yè)的特 征向量，并對(duì)各個(gè)樣本網(wǎng)頁(yè)的特征向量組成的矩陣進(jìn)行訓(xùn)練得到的，通過特征向量模型將 樣本空間劃分多個(gè)特征空間。這里，多個(gè)特征空間分為釣魚類特征空間和非釣魚類特征空 間，釣魚類特征空間包括淘寶釣魚類特征空間、中獎(jiǎng)釣魚類特征空間，其中，淘寶釣魚類特 征空間主要由淘寶類釣魚網(wǎng)頁(yè)組成，中獎(jiǎng)釣魚類特征空間主要由中獎(jiǎng)?lì)愥烎~網(wǎng)頁(yè)構(gòu)成。本 申請(qǐng)的特征向量模型是通過批量學(xué)習(xí)模式或增量學(xué)習(xí)模式訓(xùn)練得到的。批量學(xué)習(xí)模式指每 隔預(yù)設(shè)時(shí)間段對(duì)該預(yù)設(shè)時(shí)間段之前獲取的所有樣本網(wǎng)頁(yè)通過獲取各個(gè)樣本網(wǎng)頁(yè)的特征向 量，對(duì)各個(gè)樣本網(wǎng)頁(yè)的特征向量組成的矩陣進(jìn)行訓(xùn)練，從而在每個(gè)預(yù)設(shè)時(shí)間段得到一特征 向量模型，其中預(yù)設(shè)時(shí)間段可以是一小時(shí)或一天，本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際應(yīng)用的需 要進(jìn)行設(shè)置，在此不作具體限定；增量學(xué)習(xí)模式指獲取各個(gè)樣本網(wǎng)頁(yè)的特征向量，對(duì)各個(gè)樣 本網(wǎng)頁(yè)的特征向量組成的矩陣進(jìn)行訓(xùn)練，并通過接口將訓(xùn)練的結(jié)果學(xué)習(xí)到預(yù)設(shè)時(shí)間段之前 得到的特征向量模型，從而在每個(gè)預(yù)設(shè)時(shí)間段得到新的特征向量模型。采用增量學(xué)習(xí)模式 可以實(shí)時(shí)地將獲取到的樣本網(wǎng)頁(yè)學(xué)習(xí)到特征向量模型，減少了機(jī)器學(xué)習(xí)訓(xùn)練的工作量，并 且能夠快速獲得特征向量模型。
[0028] 圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法的 流程圖。如圖1所示，該方法包括以下步驟：
[0029] 步驟S100,提取瀏覽器所打開第一網(wǎng)頁(yè)的URL，根據(jù)URL得到第一網(wǎng)頁(yè)所屬站點(diǎn)的 站點(diǎn)特征信息。
[0030] 基本的URL包含協(xié)議、服務(wù)器名稱、路徑和文件名，如"協(xié)議：//授權(quán)/路徑？查 詢"。瀏覽器所打開的第一網(wǎng)頁(yè)指用戶通過客戶端的瀏覽器打開的網(wǎng)頁(yè)，其中客戶端可以為 計(jì)算機(jī)、移動(dòng)終端、平板設(shè)備等，本發(fā)明對(duì)此不做限制。站點(diǎn)特征信息指與站點(diǎn)相關(guān)的用于 構(gòu)成特征向量的特征值的信息。
[0031] 步驟S110,根據(jù)第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定第一網(wǎng)頁(yè)的特征向量。
[0032] 通過步驟S100得到的第一網(wǎng)頁(yè)的站點(diǎn)特征信息有多種，本實(shí)施例對(duì)每一種站點(diǎn) 特征信息按照預(yù)設(shè)規(guī)則賦予一定的數(shù)值作為特征值，多種站點(diǎn)特征信息的特征值組合起來 得到第一網(wǎng)頁(yè)的特征向量。
[0033] 步驟S120,將第一網(wǎng)頁(yè)的特征向量輸入到特征向量模型中，得到第一網(wǎng)頁(yè)所屬的 特征空間，根據(jù)第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)。
[0034] 根據(jù)上述內(nèi)容可知，特征向量模型將樣本空間劃分為多個(gè)特征空間，本實(shí)施例將 第一網(wǎng)頁(yè)的特征向量輸入到特征向量模型中，可以得到第一網(wǎng)頁(yè)所屬的特征空間，如果第 一網(wǎng)頁(yè)所屬的特征空間為釣魚類特征空間，則識(shí)別出第一網(wǎng)頁(yè)為釣魚網(wǎng)頁(yè)；基于更進(jìn)一步 的分類，還可識(shí)別出第一網(wǎng)頁(yè)屬于哪種類型的釣魚網(wǎng)頁(yè)，如淘寶類、中獎(jiǎng)?lì)惖鹊取?br>
[0035] 根據(jù)本發(fā)明上述實(shí)施例提供的方法，由于每個(gè)網(wǎng)頁(yè)都有對(duì)應(yīng)的URL，提取瀏覽器所 打開第一網(wǎng)頁(yè)的URL，可以省去提前下載該第一網(wǎng)頁(yè)，從而規(guī)避了釣魚作者對(duì)釣魚網(wǎng)站所設(shè) 的防護(hù)，根據(jù)URL得到第一網(wǎng)頁(yè)所屬站點(diǎn)的站點(diǎn)特征信息，根據(jù)第一網(wǎng)頁(yè)的站點(diǎn)特征信息， 確定第一網(wǎng)頁(yè)的特征向量；將第一網(wǎng)頁(yè)的特征向量輸入到特征向量模型中，得到第一網(wǎng)頁(yè) 所屬的特征空間，根據(jù)第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)，從而節(jié)省 了人力資源，不需要人工加規(guī)則，通過自動(dòng)的方式對(duì)第一網(wǎng)頁(yè)進(jìn)行識(shí)別。
[0036] 圖2示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法 的流程圖。如圖2所示，該方法包括以下步驟：
[0037] 步驟S200,提取瀏覽器所打開第一網(wǎng)頁(yè)的URL。
[0038] 瀏覽器所打開的第一網(wǎng)頁(yè)指用戶通過客戶端的瀏覽器打開的網(wǎng)頁(yè)，其中客戶端可 以為計(jì)算機(jī)、移動(dòng)終端、平板設(shè)備等，本發(fā)明對(duì)此不做限制。
[0039] 步驟S210,利用詞袋模型對(duì)第一網(wǎng)頁(yè)的URL文本進(jìn)行分詞處理，得到第一特征信 肩、。
[0040] 其中，詞袋模型是在自然語(yǔ)言處理和信息檢索中的一種簡(jiǎn)單假設(shè)。在這種模型中， 文本（段落或者文檔）被看作是無序的詞匯集合，忽略語(yǔ)法甚至是單詞的順序。
[0041] URL文本包括域名、路徑、query中的一個(gè)或多個(gè)。第一特征信息為與URL文本有 關(guān)的特征信息。
[0042] 具體地，利用詞袋模型對(duì)域名和/或路徑和/或query分別進(jìn)行分詞處理，得到多 個(gè)文本單元，對(duì)分詞處理后的多個(gè)文本單元添加對(duì)應(yīng)的前綴得到第一特征信息，域名、路徑 和query的文本單元所添加的前綴不同。文本單元指由分隔符分隔開的構(gòu)成URL文本的單 詞，分隔符可以是" 文本單元是URL文本的最小單元，URL文本可包含 多個(gè)文本單元。這里，可以根據(jù)分隔符利用詞袋模型對(duì)域名和/或路徑和/或query分別 進(jìn)行分詞處理得到多個(gè)文本單元。舉例說明，對(duì)于URL :http://www. taobao. com/taobao/ detail.html ? spm= 1002. pw?退款，利用詞袋模型對(duì)域名、路徑、query分別進(jìn)行分詞處 理，得到多個(gè)文本單兀 www、taobao、com、taobao、detail、html、spm、1002、pw、退款，經(jīng)過詞 袋模型處理后，域名與路徑部分都得到相同的單詞taobao,為了進(jìn)行區(qū)分，對(duì)域名、路徑和 query 的文本單兀添加不同的前綴，例如，host-www、host-taobao、host-com、path_taobao、 path-detail、path-html、query-spm、query-1002、query-pw、query-退款，得至lj第一特征 信息host-taobao、path-taobao、query-退款。此外，若第一網(wǎng)頁(yè)的域名中包含"? com. "， 則com. "為第一網(wǎng)頁(yè)的第一特征信息，本領(lǐng)域技術(shù)人員可以根據(jù)具體的URL確定第一特 征信息，在此不作具體限定。
[0043] 步驟S220,從URL中提取出域名，將域名進(jìn)行域名解析，根據(jù)域名解析的結(jié)果得到 第二特征信息。
[0044] 這里的域名解析指將URL中域名轉(zhuǎn)換成IP，并獲取與IP相關(guān)的信息以及域名相關(guān) 的信息的過程。第二特征信息為經(jīng)過域名解析得到的站點(diǎn)相關(guān)特征信息。第二特征信息包 含以下信息中的一種或多種：域名長(zhǎng)度、IP信息、頁(yè)面瀏覽量、獨(dú)立訪問量、WH0IS信息、備 案信息、以及域名分隔符的個(gè)數(shù)。其中，域名長(zhǎng)度指構(gòu)成域名的字母的長(zhǎng)度；IP信息指域名 對(duì)應(yīng)的IP個(gè)數(shù)，以及該IP前綴是否出現(xiàn)過釣魚網(wǎng)頁(yè)；頁(yè)面訪問量指用戶刷新的次數(shù)，用戶 每次刷新即被計(jì)算一次；獨(dú)立訪問量指訪問某網(wǎng)站的電腦客戶端的個(gè)數(shù)，一臺(tái)電腦客戶端 為一個(gè)訪客，00:00-24:00內(nèi)相同的客戶端只被計(jì)算一次;WHOIS信息指域名是否被注冊(cè)， 域名是否包含注冊(cè)信息；備案信息指域名是否備案；域名分隔符指域名中點(diǎn)（?）的個(gè)數(shù)。 [0045] 步驟S230,根據(jù)第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定第一網(wǎng)頁(yè)的特征向量。
[0046] 其中，站點(diǎn)特征信息包含第一特征信息和/或第二特征信息。
[0047] 具體地，根據(jù)如下判斷結(jié)果，按照預(yù)設(shè)規(guī)則確定第一網(wǎng)頁(yè)的特征向量：
[0048] 第一特征信息是否包含關(guān)鍵字，具體指第一特征信息是否包含taobao、中獎(jiǎng)等關(guān) 鍵字，若第一特征信息包含關(guān)鍵字，則確定特征值為1 (若包含多個(gè)相同的關(guān)鍵字，則根據(jù) 關(guān)鍵字出現(xiàn)的次數(shù)確定特征值），若第一特征信息不包含關(guān)鍵字，則確定特征值為〇 ;
[0049] 和/或，域名長(zhǎng)度是否大于域名長(zhǎng)度預(yù)設(shè)值，其中，域名長(zhǎng)度預(yù)設(shè)值可以為20,若 域名長(zhǎng)度大于20,則確定特征值為1，若域名長(zhǎng)度小于20,則確定特征值為0 ;
[0050] 和/或，域名對(duì)應(yīng)的IP個(gè)數(shù)是否小于或等于IP個(gè)數(shù)預(yù)設(shè)值，其中IP個(gè)數(shù)預(yù)設(shè)值 為1，若域名對(duì)應(yīng)的IP個(gè)數(shù)小于或等于1，則確定特征值為1，若域名對(duì)應(yīng)的IP個(gè)數(shù)大于1， 則確定特征值為〇 ;
[0051] 和/或，IP信息的IP前綴是否出現(xiàn)過釣魚網(wǎng)頁(yè)，若IP信息的IP前綴出現(xiàn)過釣魚 網(wǎng)頁(yè)，則確定特征值為1，若IP信息的IP前綴未出現(xiàn)過釣魚網(wǎng)頁(yè)，則確定特征值為〇,舉例 說明，網(wǎng)頁(yè)的IP為23. 102. 108,則網(wǎng)頁(yè)的IP信息的IP前綴為23. 102,具體為以IP前綴 23. 102的IP是否出現(xiàn)過釣魚網(wǎng)頁(yè)；
[0052] 和/或，頁(yè)面瀏覽量和/或獨(dú)立訪問量是否小于或等于訪問量預(yù)設(shè)值，其中，訪問 量預(yù)設(shè)值可以為10,若頁(yè)面瀏覽量和/或獨(dú)立訪問量小于或等于10,則確定特征值為1，若 頁(yè)面瀏覽量和/或獨(dú)立訪問量大于10,則確定特征值為〇 ;
[0053] 和/或，WH0IS信息是否包含注冊(cè)信息，若WH0IS信息不包含注冊(cè)信息，則確定特 征值為1，若WH0IS信息包含注冊(cè)信息，則確定特征值為0 ;
[0054] 和/或，是否具有備案信息，若不具有備案信息則確定特征值為1，若具有備案信 息則確定特征值為〇 ;
[0055] 和/或，域名分隔符的個(gè)數(shù)是否大于分隔符預(yù)設(shè)值，其中，分隔符預(yù)設(shè)值可以為4， 若域名分隔符的個(gè)數(shù)大于4,則確定特征值為1，若分隔符的個(gè)數(shù)小于或等于4,則確定特征 值為〇。
[0056] 本實(shí)施例中，本領(lǐng)域技術(shù)人員可以根據(jù)具體實(shí)際應(yīng)用設(shè)置域名長(zhǎng)度預(yù)設(shè)值、IP個(gè) 數(shù)預(yù)設(shè)值、訪問量預(yù)設(shè)值、分隔符預(yù)設(shè)值的具體數(shù)值，上述數(shù)值僅是舉例說明，不應(yīng)理解為 限定作用。
[0057] 將上述多種站點(diǎn)特征信息的特征值組合起來得到第一網(wǎng)頁(yè)的特征向量。
[0058] 步驟S240,將第一網(wǎng)頁(yè)的特征向量輸入到特征向量模型中，得到第一網(wǎng)頁(yè)所屬的 特征空間。
[0059] 本實(shí)施例中，特征向量模型的建立過程具體為：
[0060] (1)采集大量的樣本網(wǎng)頁(yè)，這些樣本網(wǎng)頁(yè)中既包含釣魚網(wǎng)頁(yè)，也包含非釣魚網(wǎng)頁(yè)， 即安全網(wǎng)頁(yè)；
[0061] (2)分別提取各個(gè)樣本網(wǎng)頁(yè)的URL，利用詞袋模型對(duì)各個(gè)樣本網(wǎng)頁(yè)的URL文本進(jìn)行 分詞處理，得到第一特征信息；
[0062] URL文本包括域名、路徑、query中的一個(gè)或多個(gè)。第一特征信息為與URL文本有 關(guān)的特征信息。具體地，利用詞袋模型對(duì)域名和/或路徑和/或query分別進(jìn)行分詞處理， 得到多個(gè)文本單元，對(duì)分詞處理后的多個(gè)文本單元添加對(duì)應(yīng)的前綴得到第一特征信息，域 名、路徑和query的文本單元所添加的前綴不同。
[0063] 這里提取樣本網(wǎng)頁(yè)的第一特征信息的方法與上述提取第一網(wǎng)頁(yè)的第一特征信息 的方法類似，不再贅述。
[0064] (3)從URL中提取出域名，將域名進(jìn)行域名解析，根據(jù)域名解析的結(jié)果得到第二特 征信息；
[0065] 第二特征信息包含以下信息中的一種或多種：域名長(zhǎng)度、IP信息、頁(yè)面瀏覽量、獨(dú) 立訪問量、WH0IS信息、備案信息、以及域名分隔符的個(gè)數(shù)。
[0066] (4)根據(jù)各個(gè)樣本網(wǎng)頁(yè)的第一特征信息和第二特征信息，確定各個(gè)樣本網(wǎng)頁(yè)的特 征向量；
[0067] 具體地，根據(jù)如下判斷結(jié)果，按照預(yù)設(shè)規(guī)則確定樣本網(wǎng)頁(yè)的特征向量：
[0068] 第一特征信息是否包含關(guān)鍵字，具體指第一特征信息是否包含taobao、中獎(jiǎng)等關(guān) 鍵字，若第一特征信息包含關(guān)鍵字，則確定特征值為1 (若包含多個(gè)相同的關(guān)鍵字，則根據(jù) 關(guān)鍵字出現(xiàn)的次數(shù)確定特征值），若第一特征信息不包含關(guān)鍵字，則確定特征值為〇 ;
[0069] 和/或，域名長(zhǎng)度是否大于域名長(zhǎng)度預(yù)設(shè)值，其中，域名長(zhǎng)度預(yù)設(shè)值可以為20,若 域名長(zhǎng)度大于20,則確定特征值為1，若域名長(zhǎng)度小于20,則確定特征值為0 ;
[0070] 和/或，域名對(duì)應(yīng)的IP個(gè)數(shù)是否小于或等于IP個(gè)數(shù)預(yù)設(shè)值，其中IP個(gè)數(shù)預(yù)設(shè)值 為1，若域名對(duì)應(yīng)的IP個(gè)數(shù)小于或等于1，則確定特征值為1，若域名對(duì)應(yīng)的IP個(gè)數(shù)大于1， 則確定特征值為〇 ;
[0071] 和/或，IP信息的IP前綴是否出現(xiàn)過釣魚網(wǎng)頁(yè)，若IP信息的IP前綴出現(xiàn)過釣魚 網(wǎng)頁(yè)，則確定特征值為1，若IP信息的IP前綴未出現(xiàn)過釣魚網(wǎng)頁(yè)，則確定特征值為0,舉例 說明，網(wǎng)頁(yè)的IP為23. 102. 108,則網(wǎng)頁(yè)的IP信息的IP前綴為23. 102,具體為以IP前綴 23. 102的IP是否出現(xiàn)過釣魚網(wǎng)頁(yè)；
[0072] 和/或，頁(yè)面瀏覽量和/或獨(dú)立訪問量是否小于或等于訪問量預(yù)設(shè)值，其中，訪問 量預(yù)設(shè)值可以為10,若頁(yè)面瀏覽量和/或獨(dú)立訪問量小于或等于10,則確定特征值為1，若 頁(yè)面瀏覽量和/或獨(dú)立訪問量大于10,則確定特征值為〇 ;
[0073] 和/或，WH0IS信息是否包含注冊(cè)信息，若WH0IS信息不包含注冊(cè)信息，則確定特 征值為1，若WH0IS信息包含注冊(cè)信息，則確定特征值為0 ;
[0074] 和/或，是否具有備案信息，若不具有備案信息則確定特征值為1，若具有備案信 息則確定特征值為〇 ;
[0075] 和/或，域名分隔符的個(gè)數(shù)是否大于分隔符預(yù)設(shè)值，其中，分隔符預(yù)設(shè)值可以為4， 若域名分隔符的個(gè)數(shù)大于4,則確定特征值為1，若分隔符的個(gè)數(shù)小于4,則確定特征值為0。
[0076] 將上述多種站點(diǎn)特征信息的特征值組合起來得到樣本網(wǎng)頁(yè)的特征向量。
[0077] 以樣本網(wǎng)頁(yè) URL-A :http://www. baidu. com、
[0078] URL-B ：http://www. taobao. com>
[0079] URL-C :http://www. taobao. com/taobao/detail. html ? spm = 1002. pw.中獎(jiǎng)、 URL-D :http://www. taobao. taobao. com/taobao/detail. html ? spm = 1002586. pw?中獎(jiǎng) 為例，以表1的形式具體示出站點(diǎn)特征信息的特征值：
[0080] 表 1
[0081]
【權(quán)利要求】
1. 一種基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的方法，所述特征向量模型是根據(jù)大量樣本網(wǎng) 頁(yè)的站點(diǎn)特征信息獲取各個(gè)樣本網(wǎng)頁(yè)的特征向量，并對(duì)各個(gè)樣本網(wǎng)頁(yè)的特征向量組成的矩 陣進(jìn)行訓(xùn)練得到的，通過所述特征向量模型將樣本空間劃分多個(gè)特征空間； 所述方法包括： 提取瀏覽器所打開第一網(wǎng)頁(yè)的URL，根據(jù)所述URL得到所述第一網(wǎng)頁(yè)所屬站點(diǎn)的站點(diǎn) 特征信息； 根據(jù)所述第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定所述第一網(wǎng)頁(yè)的特征向量； 將所述第一網(wǎng)頁(yè)的特征向量輸入到所述特征向量模型中，得到所述第一網(wǎng)頁(yè)所屬的特 征空間，根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)。
2. 根據(jù)權(quán)利要求1所述的方法，所述站點(diǎn)特征信息包含第一特征信息和/或第二特征 信息，所述第一特征信息為與URL文本有關(guān)的特征信息，所述第二特征信息為經(jīng)過域名解 析得到的站點(diǎn)相關(guān)特征信息。
3. 根據(jù)權(quán)利要求2所述的方法，所述根據(jù)URL得到所述第一網(wǎng)頁(yè)所屬站點(diǎn)的站點(diǎn)特征 信息進(jìn)一步包括： 利用詞袋模型對(duì)所述第一網(wǎng)頁(yè)的URL文本進(jìn)行分詞處理，得到所述第一特征信息； 和/或，從所述URL中提取出域名，將域名進(jìn)行域名解析，根據(jù)域名解析的結(jié)果得到所 述第二特征信息。
4. 根據(jù)權(quán)利要求3所述的方法，所述URL文本包括域名、路徑、query中的一個(gè)或多個(gè)； 所述利用詞袋模型對(duì)所述第一網(wǎng)頁(yè)的URL文本進(jìn)行分詞處理，得到所述第一特征信息 進(jìn)一步包括： 利用詞袋模型對(duì)域名和/或路徑和/或query分別進(jìn)行分詞處理，得到多個(gè)文本單元； 對(duì)分詞處理后的多個(gè)文本單元添加對(duì)應(yīng)的前綴得到所述第一特征信息，域名、路徑和 query的文本單元所添加的前綴不同； 所述第二特征信息包含以下信息中的一種或多種：域名長(zhǎng)度、IP信息、頁(yè)面瀏覽量、獨(dú) 立訪問量、WHOIS信息、備案信息、以及域名分隔符的個(gè)數(shù)。
5. 根據(jù)權(quán)利要求4所述的方法，所述根據(jù)所述第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定所述第 一網(wǎng)頁(yè)的特征向量具體為，根據(jù)如下判斷結(jié)果確定所述第一網(wǎng)頁(yè)的特征向量： 所述第一特征信息是否包含關(guān)鍵字； 和/或，所述域名長(zhǎng)度是否大于域名長(zhǎng)度預(yù)設(shè)值； 和/或，所述域名對(duì)應(yīng)的IP個(gè)數(shù)是否小于或等于IP個(gè)數(shù)預(yù)設(shè)值； 和/或，所述IP信息的IP前綴是否出現(xiàn)過釣魚網(wǎng)頁(yè)； 和/或，所述頁(yè)面瀏覽量和/或獨(dú)立訪問量是否小于或等于訪問量預(yù)設(shè)值； 和/或，所述WHOIS信息是否包含注冊(cè)信息； 和/或，是否具有備案息； 和/或，所述域名分隔符的個(gè)數(shù)是否大于分隔符預(yù)設(shè)值。
6. 根據(jù)權(quán)利要求1-5任一項(xiàng)所述的方法，所述多個(gè)特征空間分為釣魚類特征空間和非 釣魚類特征空間； 根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)包括：判斷所述第一 網(wǎng)頁(yè)所屬的特征空間是否屬于釣魚類特征空間，若是，則識(shí)別所述第一網(wǎng)頁(yè)為釣魚網(wǎng)頁(yè)。
7. 根據(jù)權(quán)利要求6所述的方法，所述釣魚類特征空間包括淘寶釣魚類特征空間、中獎(jiǎng) 釣魚類特征空間； 根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)還包括：根據(jù)所述第 一網(wǎng)頁(yè)所屬的特征空間確定所述第一網(wǎng)頁(yè)所屬的釣魚類型。
8. 根據(jù)權(quán)利要求1-7任一項(xiàng)所述的方法，所述特征向量模型是通過批量學(xué)習(xí)模式或增 量學(xué)習(xí)模式訓(xùn)練得到的。
9. 根據(jù)權(quán)利要求1-8任一項(xiàng)所述的方法，還包括：獲取客戶端反饋的第一網(wǎng)頁(yè)的來源 信息以及用戶需求信息； 所述根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)具體為：根據(jù)所 述第一網(wǎng)頁(yè)所屬的特征空間，結(jié)合所述第一網(wǎng)頁(yè)的來源信息以及用戶需求信息判斷所述第 一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)。
10. -種基于特征向量模型識(shí)別釣魚網(wǎng)頁(yè)的裝置，所述裝置包括： 特征向量模型訓(xùn)練模塊，適于根據(jù)大量樣本網(wǎng)頁(yè)的站點(diǎn)特征信息獲取各個(gè)樣本網(wǎng)頁(yè)的 特征向量，并對(duì)各個(gè)樣本網(wǎng)頁(yè)的特征向量組成的矩陣進(jìn)行訓(xùn)練得到特征向量模型，通過所 述特征向量模型將樣本空間劃分多個(gè)特征空間； 提取模塊，適于提取瀏覽器所打開第一網(wǎng)頁(yè)的URL ; 獲取模塊，適于根據(jù)所述URL得到所述第一網(wǎng)頁(yè)所屬站點(diǎn)的站點(diǎn)特征信息； 確定模塊，適于根據(jù)所述第一網(wǎng)頁(yè)的站點(diǎn)特征信息，確定所述第一網(wǎng)頁(yè)的特征向量； 輸入模塊，適于將所述第一網(wǎng)頁(yè)的特征向量輸入到所述特征向量模型中，得到所述第 一網(wǎng)頁(yè)所屬的特征空間； 識(shí)別模塊，適于根據(jù)所述第一網(wǎng)頁(yè)所屬的特征空間識(shí)別第一網(wǎng)頁(yè)是否為釣魚網(wǎng)頁(yè)。
【文檔編號(hào)】G06F17/27GK104239582SQ201410541275
【公開日】2014年12月24日 申請(qǐng)日期:2014年10月14日 優(yōu)先權(quán)日:2014年10月14日
【發(fā)明者】李曉波, 尹露, 楊晶, 郭峰 申請(qǐng)人:北京奇虎科技有限公司, 奇智軟件（北京）有限公司