[发明专利]目标类型网站的检测方法、系统、电子设备及存储介质

说明书

本申请的技术方案提供了一种目标类型网站的检测方法，包括：获取待检测网站的不同检测维度的网站信息；利用深度学习模型依据不同检测维度的所述网站信息，对所述待检测网站进行检测，获得多个检测结果；根据多个所述检测结果，确定所述待检测网站是否为目标类型网站。通过该技术方案提高了检测待检测网站是否为目标类型网站的准确率。

技术领域

本发明涉及互联网技术领域，尤其涉及一种目标类型网站的检测方法、系统、电子设备及存储介质。

背景技术

随着互联网技术的发展，其在日常生活中的各种应用也越来越多。通过互联网技术建立各种网站，当然通过互联网也可以浏览到各种网站，当根据业务需求对某些网站进行检测或者判断网站是否为业务需求的网站时，可以根据这些网站的信息对这些网站进行检测。例如，违反相关规定的网站随着计算机和互联网技术的发展而大量出现，并且传播途径较广，为了维护网络的安全、用户的相关信息安全以及保持良好的上网环境，需要对违反相关规定的网站进行检测。

现有技术中，检测网站是否为业务需求的网站的准确率和效率较低。

发明内容

本发明实施例提供一种目标类型网站的检测方法、系统、电子设备及存储介质。

本发明的技术方案是这样实现的：

一种目标类型网站的检测方法，包括：获取待检测网站的不同检测维度的网站信息；利用深度学习模型依据不同检测维度的所述网站信息，对所述待检测网站进行检测，获得多个检测结果；根据多个所述检测结果，确定所述待检测网站是否为目标类型网站。

在一个实施例中，所述获取待检测网站的不同检测维度的网站信息，包括：获取所述待检测网站的文本信息、图像信息及所述待检测网站的资源地址信息。

在一个实施例中，所述利用深度学习模型依据不同检测维度的所述网站信息，进行所述待检测网站是否为目标类型网站的检测，包括：根据字符级卷积神经网络模型的字符表，对所述文本信息进行编码，得到所述文本信息中各个字符对应的编码信息；将所述编码信息输入到所述字符级卷积神经网络，确定所述待检测网站是否为目标类型网站。

在一个实施例中，所述利用深度学习模型依据不同检测维度的所述网站信息，进行所述待检测网站是否为目标类型网站的检测，还包括：通过图像处理神经网络对所述图像信息进行逐点卷积及深度卷积，得到图像特征；根据所述图像特征，确定所述待检测网站是否为目标类型网站。

在一个实施例中，所述利用深度学习模型依据不同检测维度的所述网站信息，进行所述待检测网站是否为目标类型网站的检测，还包括：根据所述资源网址信息中的域名信息，确定所述待检测网站域名的重定向次数以及指向所述待检测网站的外部链接数量；根据所述资源网址信息中的源代码信息，确定所述待检测网站的状态栏中的网址是否被修改；获取所述网站的页面级别PR；根据所述重定向次数、所述外部链接数量、所述待检测网站的状态栏是否被修改的结果以及所述页面级别PR，确定所述待检测网站是否为目标类型网站。

在一个实施例中，获取所述待检测网站中的图像信息，包括：采集所述待检测网站中的图像信息；根据所述图像信息中图像的数据量，按照数据量从大到小的顺序获取预设数量的图像。

在一个实施例中，所述获取所述待检测网站中的图像信息，还包括：在获取所述图像信息失败时，确定所述待检测网站是否为有效网站；当所述待检测网站为有效网站时，使用网页应用程序测试工具打开所述待检测网站，对所述待检测网站进行截屏并将所述截屏作为所述待检测网站中的图像信息。

在一个实施例中，所述根据多个所述检测结果，确定所述待检测网站是否为目标类型网站，包括：根据多个所述检测结果的加权平均，确定综合检测结果；根据所述综合检测结果，确定所述待检测网站是否为目标类型网站。