[发明专利]页面类型确定方法、装置和设备及计算机存储介质

说明书

本申请公开了一种页面类型确定方法、装置和设备及计算机存储介质，涉及人工智能技术领域，通过对页面的页面渲染准确获取页面中的文本内容，提升页面类型分类的准确性。该方法包括：根据待分类页面的统一资源定位符URL，获取所述待分类页面对应的超级文本标记语言HTML文档；根据所述HTML文档对所述待分类页面进行页面渲染，从渲染后的资源文件中获取所述待分类页面中的文本内容；所述资源文件为呈现所述待分类页面所需的文件；从所述文本内容中提取多个关键字，构建关键字集合；根据所述关键字集合对所述待分类页面进行分类，获得所述待分类页面的页面类型。

技术领域

本申请涉及计算机技术领域，尤其涉及人工智能(Artificial Intellegence，AI)技术领域，提供一种页面类型确定方法、装置和设备及计算机存储介质。

背景技术

后台管理系统(Web Management System，WMS)或称管理后台，是网站或者应用(application，APP)的管理系统，通过这个系统，可以方便的管理，发布，维护网站或者应用的内容。

后台管理系统一直是攻击者觊觎的，若是后台管理系统的业务页面在未做安全处理，比如在未清除弱口令、添加验证码或者存在万能口令的情况下直接对外，很容易导致大量的入侵事件。后台管理系统的检测是指从访问页面中检测该页面是否为后台管理系统的页面，从而及时阻止攻击者对后台管理系统的访问，保证后台管理系统的安全，而后台管理系统页面的误检和漏检都可能导致后台管理系统页面被攻击者入侵，影响后台管理系统的安全。

因此，后台管理系统的检测一直是扫描检测很重要的一部分，如何准确检测后台管理系统页面是目前亟待解决的问题。

发明内容

本申请实施例提供一种页面类型确定方法、装置和设备及计算机存储介质，通过对页面的页面渲染准确获取页面中的文本内容，提升页面类型分类的准确性。

一方面，提供一种页面类型确定方法，所述方法包括：

根据待分类页面的统一资源定位符URL，获取所述待分类页面对应的超级文本标记语言HTML文档；

根据所述HTML文档对所述待分类页面进行页面渲染，从渲染后的资源文件中获取所述待分类页面中的文本内容；所述资源文件为呈现所述待分类页面所需的文件；

从所述文本内容中提取多个关键字，构建关键字集合；

根据所述关键字集合对所述待分类页面进行分类，获得所述待分类页面的页面类型。

一方面，提供一种页面类型确定装置，所述装置包括：

页面数据获取单元，用于根据待分类页面的统一资源定位符URL，获取所述待分类页面对应的超级文本标记语言HTML文档，以及根据所述HTML文档对所述待分类页面进行页面渲染，从渲染后的资源文件中获取所述待分类页面中的文本内容；所述资源文件为呈现所述待分类页面所需的文件；

关键字提取单元，用于从所述文本内容中提取多个关键字，构建关键字集合；

分类单元，用于根据所述关键字集合对所述待分类页面进行分类，获得所述待分类页面的页面类型。

可选的，所述页面数据获取单元，用于：

调用Javascript引擎执行所述HTML文档中的Javascript脚本，从Javascript 脚本执行完成得到的资源文件中获取所述Javascript脚本对应的文本内容。

可选的，所述分类单元，用于：