[发明专利]钓鱼网页的深度学习智能检测方法

说明书

技术领域

本发明属于网络信息安全技术领域，尤其涉及钓鱼网页的深度学习智能检测方法。

背景技术

近年来网络“钓鱼”攻击频频出现，严重地影响了电子商务的发展，也给公众造成了很大的危害。国内常见的“钓鱼”式攻击(Phishing)，如仿冒各大银行等金融机构和大型交易门户的钓鱼网站，危害非常严重。当前针对钓鱼网页的检测技术一般是单独基于文档模型或网页图像的检测方法。由于HTML语言的灵活性和网页元素的动态性，仿冒者能做出看上去一样但结构完全不同的网页，因而单独基于文档模型的钓鱼网页检测方法存有很大缺陷；同样，目前基于图像的网页相似检测方法主要是根据人的视觉原理，对网页的视觉相似度进行判定，虽然难度较大，攻击发起者对被仿冒的网页的模仿也可以做到以假乱真的程度。综上所述，以往钓鱼网页检测方法中存在的检测识别特征不全面、智能检测精度不足等缺点。

发明内容

本发明针对上述缺陷公开了钓鱼网页的深度学习智能检测方法，该方法用于解决目前单纯基于文档型或图像型钓鱼网页检测技术对图片网页处理的不足，以及钓鱼网页检测精度不高的问题。

钓鱼网页的深度学习智能检测方法，包括以下步骤：

1)对网页文档模型进行分析，生成网页文档特征向量F；

2)将待测网页转化为图像，并采用谱聚类方法对所得图像进行分割；

3)提取网页图像特征，从而获得网页内容特征向量N；

4)使用流形学习Isomap算法对网页内容特征向量N降维得到特征空间V_new；

5)用DBN分类器对特征空间V_new进行训练和测试，根据DBN分类器结果判别待检测的网页是否为钓鱼网页。

所述步骤2)具体包括以下步骤：

21)将待测网页保存为网页图像；

22)将网页图像由RGB空间变换为HSI空间；

23)采用谱聚类方法，确定网页图像的聚类数目k；

24)生成k个子图。

所述步骤3)具体包括以下步骤：

31)提取分割后的各个子图的特征向量V_i；

32)提取分割后的各个子图间的位置关系特征向量C；

33)将以上特征组合成网页图像特征向量A，并与网页文档特征向量F一起合成为网页内容特征向量N。

所述步骤4)具体包括以下步骤：

41)选择邻域参数，构造邻域图；

42)在步骤41)所选择的邻域参数K下，求出产生的子邻域图个数以及每个子邻域图是由哪些数据点组成；

43)求出子邻域图数据集间最短的γ条欧式距离分别对应的数据点；

44)对WM_i，WM_j中相互连接的数据点对应的邻域集合进行修正

45)求出数据点间的最短路径；

46)构建m维的低维嵌入，获得降维后的特征空间V_new。

所述步骤5)具体包括以下步骤：

51)从网页内容特征空间V_new中，给出部分有标签的训练样本；

52)使用网页图像特征空间V_new中给出的有标签的训练样本，对DBN进行训练；

53)对DBN实施修正训练，进行参数微调，得到DBN分类器；

54)用得到的DBN分类器对特征空间V_new中的无标签样本进行测试，输出钓鱼网页检测结果。

本发明的有益效果为：使用本发明提供的方法进行钓鱼网页检测，综合网页文档和图像特征，检测的特征参数覆盖更加全面。在检测方法方面，相比文本特征提取方法，DBN深度信任网络算法具有较高的检测精度和较快的检测速度，提高了钓鱼式攻击检测率。

附图说明

图1是钓鱼网页的深度学习智能检测方法流程图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

如图1所示为本发明所提供的钓鱼网页的智能检测方法的检测过程示意图。该方法包括如下步骤：

1)对网页文档模型进行分析，生成网页文档特征向量F；

2)将待测网页转化为图像，并采用谱聚类方法对所得图像进行分割；

3)提取网页图像特征，从而获得网页内容特征向量N；