[发明专利]假冒学术期刊网站的检测方法

权利要求书

1.一种假冒学术期刊网站的检测方法，其特征在于，包括以下步骤：

1）筛选出所有真假学术期刊网站，区分真假学术期刊网站；

2）提取真假学术期刊网站的URL、域名和网页内容特征，并统计和分析真假学术期刊网站的URL、域名和网页内容特征值，通过比较各特征值在真假学术网站中的差别，选择区分真假学术网站的特征值；

3）利用支持向量机算法对选取的特征值进行处理，训练出SVM分类器；

4）通过训练的分类器，提取测试样本的特征值，作为决策函数的输入量，根据函数结果，判断学术期刊网站的真假性。

2.根据权利要求1所述的假冒学术期刊网站的检测方法，其特征在于，步骤1）的具体实现过程包括：

a)以各期刊名为关键字，通过爬虫程序，获取排列前一千名的搜索结果，记录搜索结果的URL地址、标题、摘要、名次排列和搜索结果总数；

b)对于任一搜索结果，分析比较URL地址的标题与其期刊名，如果URL的地址标题的字符长度与期刊名的字符长度差超过八个字符，直接去除该搜索结果；

c)在经步骤b）处理后剩下的搜索结果中，通过这些搜索结果的URL地址来获取网页的内容，判断获取的网页内容中是否含有投稿指南和表单提交信息，如果都没有，直接删除该获取的网页内容对应的搜索结果；

d)点击经步骤b）和步骤c）处理后剩余的搜索结果的URL地址链接，区分真假学术期刊网站。

3.根据权利要求1所述的假冒学术期刊网站的检测方法，其特征在于，步骤2）中，URL特征包括URL的长度、URL中的域名、URL中的特殊字符“@”、URL中点的数目以及URL地址的网络端口号。

4.根据权利要求1所述的假冒学术期刊网站的检测方法，其特征在于，步骤2）中，域名特征包括网站的所有者、网站所有者的邮箱、网站的注册日期和到期日期。

5.根据权利要求1所述的假冒学术期刊网站的检测方法，其特征在于，步骤2）中，网页内容特征包括网站中含有的空链接的数量、网站中含有链接总数量、网站指向外部域名链接的数量、网站指外部请求的数量、网站中所有请求数量和网站中的联系方式。

6.根据权利要求1所述的假冒学术期刊网站的检测方法，其特征在于，步骤4）的具体实现过程包括：输入测试样本的特征值，根据决策函数来判断网页的真假性，如果决策函数的输出结果为1，就为真实的学术期刊网站，决策函数的输出结果为-1，则为假冒的学术期刊网站。