[发明专利]一种识别网站页面的方法和装置

权利要求书

1.一种用于识别钓鱼网站页面的方法（100），包括：

收集潜在钓鱼网站页面的网址并且对于潜在钓鱼网站页面进行分析（S101）；

根据分析结果和预先定义的反钓鱼数据库，调整所述潜在钓鱼网站页面在静态抓取队列中的排序（S103）；

按照排序对所述静态抓取队列中的所述潜在钓鱼网站页面进行静态抓取（S105）；

将静态抓取失败的潜在钓鱼网站页面提交至动态抓取队列并进行动态抓取（S107）；以及

基于所述预先定义的反钓鱼数据库，根据静态抓取和动态抓取获得的数据识别钓鱼网站页面（S109）。

2.如权利要求1所述的方法，其中所述预先定义的反钓鱼数据库包括钓鱼网站页面的特征信息以及用于确定是否动态抓取潜在钓鱼网站页面的分类信息，所述钓鱼网站页面的特征信息包括IP数据、域名、注册信息、内嵌链接、META标签信息、标题信息、关键词、文档对象模型DOM结构。

3.如权利要求2所述的方法，还包括：在所述收集潜在钓鱼网站页面的网址并且对于潜在钓鱼网站页面进行分析（S101）的步骤之后，在所述根据分析结果和预先定义的反钓鱼数据库调整所述潜在钓鱼网站页面在静态抓取队列中的排序（S103）的步骤之前，

根据分析结果和预先定义的反钓鱼数据库，将符合所述预先定义的反钓鱼数据库中的所述分类信息的潜在钓鱼网站页面提交至动态抓取队列（S102）。

4.如权利要求2所述的方法，其中所述分析结果包括潜在钓鱼网站页面的页面浏览量PV数据、独立访客量UV数据、以及所述特征信息和所述分类信息。

5.如权利要求1至4中的任一项所述的方法，还包括：

提取所识别出的钓鱼网站页面的特征信息以及分类信息（S110）；以及

将所述特征信息以及分类信息添加到所述预先定义的反钓鱼数据库（S111）。

6.如权利要求1至4中的任一项所述的方法，其中所述根据分析结果和预先定义的反钓鱼数据库调整所述潜在钓鱼网站页面在静态抓取队列中的排序（S103）的步骤包括：将具有以下特征的潜在钓鱼网站页面在静态抓取队列中的排序提前：

（1）在预先定义的时间点后收集到其信息的潜在钓鱼网站页面；和/或

（2）页面浏览量PV数据和/或独立访客量UV数据大于预先定义的第一阈值的潜在钓鱼网站页面；和/或

（3）与所述预先定义的反钓鱼数据库中的钓鱼网站页面的特征信息匹配程度大于预先定义的第二阈值的潜在钓鱼网站页面。

7.如权利要求1至4中的任一项所述的方法，其中所述基于所述预先定义的反钓鱼数据库、根据静态抓取和动态抓取获得的数据识别钓鱼网站页面（S109）的步骤包括：

将静态抓取和动态抓取获得的数据中的潜在钓鱼网站页面的特征信息与所述预先定义的反钓鱼数据库中的特征信息进行比较（S109a）；以及

根据比较结果识别钓鱼网站页面（S109b）。

8.如权利要求7所述的方法，其中所述根据比较结果识别钓鱼网站页面（S109b）的步骤包括：

根据比较结果中潜在钓鱼网站页面的特征信息与所述预先定义的反钓鱼数据库中的特征信息的匹配情况，确定所述潜在钓鱼网站页面的类别（S109b1）；以及

在比较结果中潜在钓鱼网站页面的特征信息与所述预先定义的反钓鱼数据库中所述类别的特征信息的匹配程度大于用于所述类别的阈值的情况下，将所述潜在钓鱼网站页面识别为钓鱼网站页面（S109b2）。

9.如权利要求1至4中的任一项所述的方法，其中所述静态抓取队列存储用于静态抓取的潜在钓鱼网站页面，所述动态抓取队列存储用于动态抓取的潜在钓鱼网站页面。