[发明专利]一种钓鱼网站检测方法

权利要求书

1.一种钓鱼网站检测方法，其特征在于：该方法步骤如下：

步骤一：层叠样式表CSS文本提取

超文本标记语言HTML文件的层叠样式表CSS有3种存在形式：外部样式表、内部样式表和内联样式表，按照不同的存在形式分别进行提取；将以上提取的所有的层叠样式表CSS字符串合并到同一个文件中；

步骤二：层叠样式表CSS文本解析

使用层叠样式表CSS解析器对步骤一得到的层叠样式表CSS文件进行自动解析，得到对应的规则对象集合；每条规则对象为键-值结构，包含该规则的规则类型、选择器名称及声明集合；规则类型表明该条规则是否是注释或者一条有功能的层叠样式表CSS语句；选择器名称表明该规则应用的目标；声明集合保存对相应目标使用的样式，集合中的每个元素都是对当前选择器一条属性描述，包括属性名称和属性值信息；对于层叠样式表CSS文件中复合属性的条目在解析时自动分解为多个单属性集合；

步骤三：比较元提取

从规则集合中选择带某些特征的属性并重新整合，以便于相似度的快速计算；

对于值具有数字特征的属性，进一步处理生成比较元；比较元为“键：值”对，以便于查找和比较；其中，键为属性和属性值的链接，值为拥有该属性和属性值的选择器集合；

步骤四：相似度计算

根据两个网页的比较元集合的匹配情况计算相似度；假设有比较元集合A和B，A对B的相似度定义为：A对B的相似度等于A与B的匹配集合得分与A的比较元总分之比；即：

在计算匹配得分和总分时需经以下几个步骤：

1)权值设定；对不同的匹配元素设定不同的权值；比较元的键的权值设为s₁，即当比较元集合A中某个比较元的键在比较元集合B中存在，则将匹配得分加s₁；比较元的值为选择器数组，数组中的不同类型的选择器对应不同的权值；令超文本标记语言HTML标签选择器的权值为s₂，派生选择器的权值为s₃，类选择器的权值为s₄，ID选择器的权值为s₅；

2)得分计算；

A的总分的计算方式为：

其中k₂、k₃、k₄、k₅分别为对应的比较元超文本标记语言HTML标签选择器、派生选择器、类选择器、ID选择器的个数；

A的匹配得分的计算方式为：集合A中任一比较元的键在比较元集合B中存在，则将匹配得分加s₁，若不存在则该比较元得分为0；若集合B存在该键，然后比较该键对应值中选择器的匹配数目，根据匹配类型的权值计算匹配得分总和；

3)相似度计算；A对B的相似度为A与B的匹配得分与A的比较元总分之比。

2.根据权利要求1所述的一种钓鱼网站检测方法,其特征在于：在步骤二中所述的层叠样式表CSS文本进行解析，是使用层叠样式表CSS解析器自动进行操作，以输出层叠样式表CSS对象模型。

3.根据权利要求1所述的一种钓鱼网站检测方法,其特征在于：在步骤三中所述的从规则集合中选择带某些特征的属性并重新整合，其方法如下：

A.提取值以‘.’号开头的属性；

B.提取值以数字开头的属性；

C.提取属值为颜色的属性；

D.对提取的属性及对应值进行处理生成比较元；比较元为“键：值”对，以便于查找和比较。