[发明专利]一种网站的识别方法及装置

权利要求书

1.一种网站的识别方法，其特征在于，所述方法包括：

接收用户访问网站的统一资源定位器URL请求，在白名单中查找所述URL请求对应的URL，若在所述白名单中查找到所述URL请求对应的URL，则连接所述URL请求对应的URL；

在黑名单中查找所述URL请求对应的URL，若在所述黑名单中查找到所述URL请求对应的URL，则生成高危风险提示信息；

若在所述白名单和所述黑名单中均没有查找到所述URL请求对应的URL，则根据预设规则计算所述URL请求对应的URL的各个特征权重值，并根据所述各个特征权重值识别所述URL请求对应的URL是否为异常网站；

所述异常网站具体包括：

高概率异常网站、疑似异常网站和高概率正常网站；

若所述URL请求对应的URL是异常网站，则对所述URL请求对应的URL进行二次识别；

若所述二次识别的结果为所述高概率异常网站，则生成高危风险提示信息，并跟踪识别所述高概率异常网站，二次连接所述高概率异常网站并统计二次连接次数，并添加所述高概率异常网站到所述黑名单中；

若所述二次识别的结果为所述高概率正常网站，则直接连接所述高概率正常网站，并添加所述高概率正常网站到所述白名单中；

若所述二次识别的结果为所述疑似异常网站，则生成一般风险提示信息，跟踪识别所述疑似异常网站，二次连接所述高概率异常网站并统计二次连接次数，并添加所述疑似异常网站到灰名单中。

2.根据权利要求1所述的方法，其特征在于，所述根据预设规则计算所述URL请求对应的URL的各个特征权重值，具体包括：

根据预设规则计算所述URL请求对应的URL的域名名称相似度权重、网页内容相似度权重、用户举报量的权重、二次访问量权重四个维度的特征权重值。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据用户每次反馈信息、爬取网页内容、更新网页内容特征相似度值、网站二次访问量的周期性更新信息对所述黑名单、所述白名单和所述灰名单进行迭代计算识别；

若识别结果为所述高概率异常网站，则添加到所述黑名单中；

若识别结果为所述高概率正常网站，则添加到所述白名单中；

若识别结果既不是所述高概率异常网站也不是所述高概率正常网站，则继续保留在所述灰名单中等待下一次迭代计算，进行识别。

4.根据权利要求2所述的方法，其特征在于，所述域名名称相似度权重的计算方法包括：

建立白名单网站域名库；

对比所述URL请求对应的URL的域名与所述白名单网站域名库中的域名，判断是否存在常见拼写错误、元音字符替代、同音异形字替换、错误的顶级域名替换、错误的二级域名替换、单数复数变换、同形字、缺失或重复某一字符、相邻字符交换位置、键盘相邻字符替代或插入、分隔字符的插入或删除内容，得到判断结果；

根据所述判断结果，计算出所述URL请求对应的URL的域名与所述白名单网站域名库中的域名的相似度得分值，并获取所述得分值中的最大值作为所述URL请求对应的URL的域名名称相似度权重。