[发明专利]一种基于指纹穿透技术识别金融风险网站的系统

说明书

本发明提供了一种基于指纹穿透技术识别金融风险网站的系统，包括数据采集模块、插件处理模块、数据比对模块、可视化界面；所述插件处理模块通过网址信息指纹、网站金融风险关系类型指纹、特征向量指纹、网站代码指纹作为该网站的WEB指纹、判断该网站是否存在金融风险；所述数据比对模块将该网站的WEB指纹与风险网站管理数据库进行比对，若问题特征一致，则认为该网站存在风险。本发明通过在多个层面构建WEB指纹，并利用了文本分类模型、相似度分析，静态检测分析、动态检测分析等多种分析方法，全面判断该网站是否存在金融风险，且该系统只需要输入目标网站的网址便可以实现对某个或某些金融风险网站的检测，检测结果清晰并可视化。

技术领域

本发明涉及网站数据分析领域，特别涉及一种基于指纹穿透技术识别金融风险网站的系统。

背景技术

公开号CN110796542A的专利“金融风险控制方法、金融风险控制装置和电子设备”，主要通过获取历史用户的APP下载序列信息和金融行为信息来创建用户风险控制模型，使用历史用户的所述APP下载序列向量数据和金融行为信息训练所述用户风险控制模型；使用所述用户风险控制模型计算所述目标用户的金融风险预测值。即现有技术是从用户自身的异常行为的角度监控金融风险，很可能是金融风险已经发生，用户财产已经造成了损失，不能及时的预测风险和避免风险。

发明内容

为解决现有技术不能提供一套完善的针对金融风险网站的识别方法、进而加强对金融风险网站的监管的问题，本发明提供了一种基于指纹穿透技术识别金融风险网站的系统，通过在用户界面输入检测的目标网址，利用网址信息指纹、网站金融风险关系类型指纹、特征向量指纹、网站代码指纹作为该网站的WEB指纹，自动判断该网站是否存在金融风险。

一种基于指纹穿透技术识别金融风险网站的系统，包括：

数据采集模块：用户在系统可视化界面输入需要检测的网站的网址并传输给数据采集模块，所述数据采集模块通过爬虫抓取网页数据并进行网页解析得到目标数据，包括：制定URL，获取目标数据，并建立数据库，存储爬取的目标数据；

插件处理模块：所述插件处理模块包括：利用Websocket协议调取所述数据采集模块数据库中的数据的调取数据单元、通过网址维度信息分析形成网址信息指纹的网址维度信息分析单元、通过网页命中识别形成网站金融风险关系类型指纹的网页命中识别单元、通过网站地图分析形成特征向量指纹的网站地图分析单元、通过网站代码分析形成网站代码指纹的网站代码分析单元，将所述网址信息指纹、网站金融风险关系类型指纹、特征向量指纹、网站代码指纹作为该网站的WEB指纹、并判断该网站是否存在金融风险的WEB指纹单元；

数据比对模块：将该网站的WEB指纹与风险网站管理数据库进行比对，若问题特征一致，则认为该网站存在风险，所述问题特征包括目录特征、网站X文件、网站X代码、网站注释特征；

可视化界面：将所述WEB指纹作为系统信息显示在可视化界面，将数据采集模块解析到的目标数据分类并显示在可视化界面，所述分类类别包括主机信息、敏感信息、网络资产、附加信息。

优选地，所述网址维度信息分析单元包括对域名所有者检测的域名所有者子单元、备案信息监测的备案信息子单元、cdn检测的cdn子单元、真实IP地址检测的真实IP地址子单元。

优选地，所述网页命中识别单元根据网页内容对利用文本分类模型对该网站存在的金融风险进行分类：包括：使用双向LSTM+Attention模型提取词级别上的词语特征的词提取子单元、在提取所述词语特征后，对句子特征采用Attention机制的句提取子单元、利用softmax分类获取网站的金融风险关系类型以得到网站金融风险关系类型指纹的分类子单元。

优选地，所述金融风险关系类型包括：赌博、诈骗、传销。