[发明专利]钓鱼网页检测方法及设备

权利要求书

1.一种钓鱼网页检测方法，其特征在于，包括：

判断信任域名库中是否存在待检测网页对应的唯一域名；

在所述信任域名库中不存在所述唯一域名时，分别确定从所述待检测网页中提取的内容特征与模板文件库的各模板文件中内容特征的相似度；所述内容特征至少包括：编码格式、文档对象模型、词汇和词汇数量；

在从所述待检测网页中提取的内容特征，至少与一个所述模板文件中内容特征的相似度大于预设的相似阈值时，确定所述待检测网页为钓鱼网页。

2.根据权利要求1所述的钓鱼网页检测方法，其特征在于，所述信任域名库用于保存待检测网页受信任的唯一域名，所述模板文件库为品牌模板库或钓鱼模板库；所述钓鱼模板库中模板文件中包括从钓鱼网页提取的内容特征，所述品牌模板库中模板文件包括从品牌网页提取的内容特征。

3.根据权利要求1或2所述的钓鱼网页检测方法，其特征在于，在所述确定所述待检测网页为钓鱼网页之后，还包括：

在确定与从所述待检测网页中提取的内容特征的相似度大于所述预设的相似阈值的模板文件时，输出所述模板文件所对应的钓鱼网页名称或对应的被仿冒品牌网页名称。

4.根据权利要求1所述的钓鱼网页检测方法，其特征在于，所述分别确定从所述待检测网页中提取的内容特征与模板文件库的各模板文件中内容特征的相似度，包括：

从所述模板文件库中读取模板文件，判断从所述待检测网页中提取的编码格式是否与所述模板文件中的编码格式相同；

在从所述待检测网页中提取的编码格式与所述模板文件中的编码格式相同时，判断从所述待检测网页中提取的词汇数量与所述模板文件中词汇数量的差值的绝对值是否在数量相似预设范围内；

所述词汇数量在所述数量相似预设范围时，确定从所述待检测网页中提取的词汇与所述模板文件中词汇的词汇相似度是否在词汇相似高预设值与词汇相似低预设值之间；

在所述词汇相似度在词汇相似高预设值与词汇相似低预设值之间时，计算从所述待检测网页中提取的文档对象模型与所述模板文件中文档对象模型的模型相似度；

在所述模型相似度大于模型相似预设值或在所述词汇相似度高于词汇相似高预设值时，确定所述待检测网页为钓鱼网页；从所述钓鱼模板库或所述品牌模板库读取下一模板文件，重复执行上述步骤，直至根据模型相似度从多个达到模型相似预设值的模板文件中找出相似度最高的模板文件。

5.根据权利要求1所述的钓鱼网页检测方法，其特征在于，在所述判断信任域名库中是否存在待检测网页对应的唯一域名之前还包括：

将从钓鱼网页提取的内容特征，与钓鱼模板库中各模板文件中内容特征进行匹配，确定从钓鱼网页提取的内容特征与各所述模板文件的相似度；

在从所述钓鱼网页提取的内容特征与各所述模板文件的相似度均小于所述预设的相似阈值时，将从钓鱼网页提取的内容特征形成模板文件写入所述钓鱼模板库。

6.根据权利要求1所述的钓鱼网页检测方法，其特征在于，在所述判断信任域名库中是否存在待检测网页对应的唯一域名之前还包括：

将从品牌网页提取的内容特征，与品牌模板库中各模板文件中内容特征进行匹配，确定从品牌网页提取的内容特征与各所述模板文件的相似度；

在从所述品牌网页提取的内容特征与各所述模板文件的相似度均小于所述模型相似预设值时，将从品牌网页提取的内容特征形成模板文件写入所述品牌模板库。

7.根据权利要求5或6所述的钓鱼网页检测方法，其特征在于，在所述判断信任域名库中是否存在待检测网页对应的唯一域名之前还包括：

收集的统一资源定位符中顶级域名为非国家顶级域名时，从所述统一资源定位符中提取出二级域名写入所述信任域名库；

收集的所述统一资源定位符中顶级域名是国家域名且二级域名是顶级域名字符串时，从所述统一资源定位符中提取三级域名写入所述信任域名库。