[发明专利]一种钓鱼网站检测方法、装置和存储介质

说明书

本发明公开了一种钓鱼网站检测方法、装置和存储介质，用以提高钓鱼网站的检测效率和准确性。钓鱼网站检测方法，包括：从文本信息中提取待检测网站的第一网址；分别确定所述第一网址与预先配置的白名单数据库中所包含的第二网址的相似度系数；根据从文本信息中提取的第一关键词集合、相似度系数最大的第二网址对应的第二关键词集合以及相似度系数最大值，确定第一网址对应的安全风险系数；根据从待检测网站中提取的网页特征，利用网页分析模型确定所述第一网址对应的网页类型特征值；根据确定出的相似度系数中的最大值、安全风险系数和网页类型特征值，利用网页识别模型判断待检测网站是否为钓鱼网站。

技术领域

本发明涉及互联网技术领域，尤其涉及一种钓鱼网站检测方法、装置和存储介质。

背景技术

钓鱼网站通常指伪装成银行及电子商务，窃取用户提交的银行帐号、密码等私密信息的网站。近年来，随着电子商务技术的快速发展，钓鱼诈骗行为日益猖獗。不法分子利用伪基站、行业网关的短彩信接口、以微信为代表的即时通讯软件等信息媒介传播钓鱼诈骗网站，通过领奖、积分兑换、优惠活动等方式，诱导用户登录虚假网站填写个人信息，造成个人信息泄露和财产损失，降低了网站访问的安全性。

目前针对此类钓鱼网站的检测方法主要有人工举报、黑白名单过滤法、基于内容模式识别法等。

其中，人工举报受限于网民的主动发现和举报，具有滞后性，不能主动检测；黑白名单技术受限于名单需要人工更新，但是钓鱼网站的生存周期较短，不易及时发现、更新黑白名单；基于内容识别方法特征提取过程繁复，且模型多样，有可能会发生误报。由此可见，如何提高钓鱼网站检测的效率和准确性成为现有技术中亟待解决的技术问题之一。

发明内容

本发明实施例提供一种钓鱼网站检测装置、装置和存储介质，用以提高钓鱼网站检测的效率和准确性。

第一方面，提供一种钓鱼网站检测方法，包括：

从文本信息中提取待检测网站的第一网址；

分别确定所述第一网址与预先配置的白名单数据库中所包含的第二网址的相似度系数；

根据从所述文本信息中提取的第一关键词集合、相似度系数最大的第二网址对应的第二关键词集合以及相似度系数最大值，确定所述第一网址对应的安全风险系数；

根据从待检测网站中提取的网页特征，利用网页分析模型确定所述第一网址对应的网页类型特征值，其中，所述网页分析模型为利用阶梯网络对包含标注信息的第一网页样本进行训练得到的，所述网页特征至少包括页面文档特征、页面图像特征和统一资源标识URL特征；

根据确定出的相似度系数中的最大值、所述安全风险系数和所述网页类型特征值，利用网页识别模型判断所述待检测网站是否为钓鱼网站，其中，所述网页识别模型为利用神经网络对包含标注信息的第二网页样本进行训练得到的。

可选地，针对所述白名单数据库中所包含的第二网址，按照以下公式确定所述第一网址与所述第二网址之间的相似度系数：其中：

total_A为所述第一网址中包含的字符数量；

count_A∩B为所述第一网址和所述第二网址中包含的相同字符数量；

s为所述第一网址与所述第二网址之间的相似度系数。

可选地，针对所述白名单数据库中所包含的第二网址，在确定出所述第一网址与所述第二网址之间的相似度系数之后，还包括：

针对所述第一网址中包含的每一字符，确定该字符对应的近似字符；以及

利用不同的近似字符组合得到第一网址对应的多个近似网址；

针对得到的每一近似网址，分别确定该近似网址与所述第二网址之间的相似度系数；以及