[发明专利]基于网络群挖掘的钓鱼网站检测方法

权利要求书

1.一种基于网络群挖掘的钓鱼网站检测方法，其特征在于该检测方法所包含的步骤为：

步骤1) 获取可疑网页的潜在目标网站：

步骤1.1）输入可疑网页；

步骤1.2）获取可疑网页所在的网站；

步骤1.3）获取可疑网页的相关网页群：

步骤1.3.1）输入可疑网页中的所有链接；

步骤1.3.2）生成种子网页集；

步骤1.3.3）初始化迭代次数为0；

步骤1.3.4）生成有向图，迭代次数加1：

步骤1.3.4.1）根据种子网页集，生成初始有向图；

步骤1.3.4.2）获取种子网页集中所有网页的后向链接网页；

步骤1.3.4.3）把步骤1.3.4.2）中找到的新网页加入有向图，更新有向图；

步骤1.3.4.4）获取新网页的前向链接网页；

步骤1.3.4.5）把步骤1.3.4.4）中找到的新网页加入有向图，更新有向图；

步骤1.3.5）判断有向图中是否包含可疑网页，如果包含，转步骤4.1），否则，转步骤1.3.6）；

步骤1.3.6）用最大流最小切算法切割有向图；

步骤1.3.7）获取可疑网页的相关网页群；

步骤1.3.8）判断迭代次数是否小于N次，N是设定的常数，如果不小于，转步骤1.3.9），否则，转步骤1.4）； 

步骤1.3.9）更新种子网页集：

步骤1.3.9.1）将属于相关网页群，但是不属于种子网页集，且到它的出度或入度最高的网页加入集合种子网页集；

步骤1.3.9.2）将属于种子网页集，但是不属于相关网页群，且到它的出度与入度之和小于m的网页从种子网页集中去除；

步骤1.3.10）判断种子网页集是否有改变，如果有改变，则转步骤1.3.4），否则，转步骤1.4）；

步骤1.4）获取可疑网页的潜在目标网页群：

步骤1.4.1）获取相关网页群的邻接矩阵；

步骤1.4.2）计算邻接矩阵的转置与邻接矩阵的乘积矩阵；

步骤1.4.3）计算邻接矩阵与其转置矩阵的乘积矩阵；

步骤1.4.4）计算乘积矩阵的特征值；

步骤1.4.5）计算乘积矩阵的特征向量；

步骤1.4.6）归一化特征值、特征向量；

步骤1.4.7）获取归一化绝对值最大的元素；

步骤1.4.8）计算邻接矩阵与其转置矩阵的乘积矩阵；

步骤1.5）获取潜在目标网页群；

步骤2）获取网站的网站特征签名：

步骤2.1）将网站内的网页以图片的形式保存下来；

步骤2.2）提取网页全局特征，内容形式是六维向量：<网页标题，网页文件的大小，网页中包含的图片个数，网页全局图片的面积，网页全局图片的颜色直方图，网页全局图片的二维哈尔小波变换>； 

步骤2.3）计算网页的感知哈希特征，内容形式是三维向量：<离散余弦变换，马尔算子，径向方差>；

步骤2.4）获取网站的网站特征签名；

步骤3）网站特征签名的相似性计算：

步骤3.1）输入两个网站的特征签名；

步骤3.2）获取两个签名的第一对节点；

步骤3.3）利用节点间相似性计算方法计算两节点之间的相似度；

步骤3.4）判断相似度是否大于0，如果不大于，转步骤3.7），否则，转步骤3.5）；

步骤3.5）在节点之间添加一条权值为相似度的边；

步骤3.6）判断签名的节点是否遍历全部遍历，如果全部遍历，转步骤3.8），否则，转步骤3.7）；

步骤3.7）获取特征签名的下一对节点；

步骤3.8）获取网站特征签名的二分图；

步骤3.9）判断两个网站的特征签名的长度是否相等，如果相等，则转步骤3.11），否则，转步骤3.10）；

步骤3.10）获取二分图的扩展二分完全图；

步骤3.11）利用二分图的最佳匹配算法获取二分图的最佳匹配；

步骤3.12）计算二分图最佳匹配中的边的加权平均值；

步骤3.13）获取网站签名的相似度；

步骤4）输出钓鱼检测的结果：

步骤4.1）判断相似度是否大于阈值，如果大于，则可疑网站为钓鱼网站，并输出其目标网站，否则，输出：“可疑网站是合法网站”。