[发明专利]一种网站内容安全检测系统及方法

权利要求书

1.一种网站内容安全检测系统，其特征在于，包括

前端请求模块：输入待检测的URL网址，提交请求到爬虫模块；

爬虫模块：爬取目标URL网址的图片信息；

特征提取模块：将爬虫模块的图片信息和样本图片模块的图片信息均提取为特征向量；

模型训练器：将样本图片的特征向量通过监督学习的方式生成分类器；

FPGA硬件加速器：对特征提取模块提供硬件加速功能；

安全仲裁模块：根据分类器对图片特征的分类结果，计算目标URL网址的安全系数；

数据存储模块：存储爬虫模块爬取的图片信息，存储对目标URL的检测结果信息；

响应器：向前端请求模块返回目标URL的安全系数。

2.根据权利要求1所述的一种网站内容安全检测系统，其特征在于，FPGA硬件加速器使用Xilinx可重配置加速堆栈，结合Caffe机器学习框架和Xilinx深度神经网络DNN库予以实现。

3.根据权利要求2所述的一种网站内容安全检测系统，其特征在于，Caffe机器学习框架为一个CNN卷积神经网络深度学习的集成框架。

4.根据权利要求1所述的一种网站内容安全检测系统，其特征在于，安全仲裁模块通过被标记非安全的图片数目是否超过设定阈值，来计算得到目标网站安全系数。

5.根据权利要求1所述的一种网站内容安全检测系统，其特征在于，样本图片模块包括正常图片和非正常图片，非正常图片指有赌博和色情特征的图片。

6.一种网站内容安全检测方法，其特征在于，包括如下步骤：

S1：特征提取模块将样本图片模块的图片信息提取为特征向量的形式；

S2：将S1得到的样本特征向量为输入，模型训练器使用监督学习的方式生成分类器；

S3：在前端请求模块输入待检测的URL网址，检测该网址的合法性，将该网址提交到爬虫模块；

S4：爬虫模块接收来自前端请求模块发送的URL网址，爬取目标URL网址的图片信息，并将爬取内容存储到数据存储模块；

S5：特征提取模块提取S4爬取的图片的特征向量；

S6：以S5提取的图像特征向量为输入，分类器对爬取的图像进行分类；

S7：安全仲裁模块根据S6的分类结果，计算目标网址的安全系数，并以目标URL网址、本地保存目标网站的图片路径、检测时间及安全系数进行存储；

S8：响应模块将目标网址的检测结果发送到前端请求模块。

7.根据权利要求6所述的一种网站内容安全检测方法，其特征在于，特征提取模块使用FPGA硬件加速器对图片特征提取算法进行加速。

8.根据权利要求7所述的一种网站内容安全检测方法，其特征在于，FPGA硬件加速器使用Xilinx可重配置加速堆栈，结合Caffe机器学习框架和Xilinx深度神经网络DNN库予以实现，Caffe机器学习框架为一个CNN卷积神经网络深度学习的集成框架。