[发明专利]一种基于网络关系图的网站分类方法

摘要

本发明公开了一种基于网络关系图的网站分类方法，包括以下步骤：以“安全联盟”的恶意数据作为样本数据源，获取已有的数据分类和URL数据；形成站点映射表和词频分析表、提取样本指纹特征，用于构建特征表、形成类型表；由各站点和其连接权重构成一个无向权重图；众多的站点和权重构成一个网络关系图，通过图聚类算法把一个大图分成若干个子图；各任务单元在各自的服务器上通过站点指纹特征提取器和分类器来抽取指纹特征并分类。本发明显著地提高网站分类的检测速度，区分具体类型；对于不断新增的站点，依据其与现有的连接关系来确定处理单元，有效地减少计算复杂度以及训练的迭代次数，节省计算资源。

主权项

1.一种基于网络关系图的网站分类方法，其特征在于，包括以下步骤：/n步骤1：以“安全联盟”的恶意数据作为样本数据源，获取已有的数据分类和URL数据；/n步骤2：通过抽取样本数据的外站链接和分词器处理，形成站点映射表和词频分析表；利用站点指纹特征提取器提取样本指纹特征，构建特征表，通过抽取各指纹特征集形成类型表；/n步骤3：由各站点和其连接权重构成一个无向权重图，各站点作为网络图的节点，初始权重由相互之间的页面链接的紧密程度来确定；/n步骤4：众多的站点和权重构成一个网络关系图，通过图聚类算法把一个大图分成若干个子图；即将各子图中的节点数统计出来，在分发队列里存储子图ID和其对应的节点数，根据子图的大小平均地把各子图分发到不同的服务器上进行计算；/n步骤5：各任务单元在各自的服务器上通过站点指纹特征提取器和分类器来抽取指纹特征并分类；/n步骤6：重复前述步骤步骤1至步骤5，各数据分类结果构成一套在每次迭代之后都不断更新的网络关系图；最后，在分类结果的基础上，结合白名单数据表和传统大站点的类型表对分类结果进一步处理，避免特殊因素影响分类结果。/n