[发明专利]一种网页篡改的检测方法及装置

权利要求书

1.一种网页篡改的检测方法，其特征在于，包括：

获取待检测站点所属的文本的目标恶意词汇，所述目标恶意词汇是待检测站点所属的文本主题下带有恶意的词汇；

检索所述待检测站点所属的文本中是否存在所述目标恶意词汇；

若存在所述目标恶意词汇，则构造所述目标恶意词汇所在的上下文的词频向量；

将所述上下文的词频向量输入预置的分类器模型中判断所述上下文是否是篡改，所述分类器模型为原始分类器模型根据实验文本训练生成的；

所述获取待检测站点所属的文本的目标恶意词汇，包括：

获取待检测站点的所属的文本的主题词汇；

从预置数据库中获取所述主题词汇对应的主题下的词汇频率超过预置阀值的高频词汇；

从预置恶意词汇列表中过滤掉所述高频词汇得到目标恶意词汇。

2.根据权利要求1所述的方法，其特征在于，所述检索所述待检测站点所属的文本中是否存在所述目标恶意词汇，包括：

检索所述待检测站点所属的文本中是否存在所述目标恶意词汇的拆分形式、组合形式及原形。

3.根据权利要求1至2中任一项所述的方法，其特征在于，所述构造所述目标恶意词汇所在的上下文的词频向量，包括：

对所述目标恶意词汇所在的上下文进行分词处理；

统计所述目标恶意词汇所在的上下文的每个分词的词频；

根据所述目标恶意词汇所在的上下文的每个分词的词频构造上下文的词频向量。

4.根据权利要求3所述的方法，其特征在于，所述分类器模型的种类包括：

逻辑回归LR分类器、支持向量机SVM分类器或卷积神经网络CNN分类器。

5.根据权利要求4所述的方法，其特征在于，还包括：

根据所述目标恶意词汇的语义关系扩展所述目标恶意词汇的数量。

6.一种网页篡改的检测装置，其特征在于，包括：

获取模块，用于获取待检测站点所属的文本的目标恶意词汇，所述目标恶意词汇是待检测站点所属的文本主题下带有恶意的词汇；

检索模块，用于检索所述待检测站点所属的文本中是否存在所述目标恶意词汇；

构造模块，用于构造所述目标恶意词汇所在的上下文的词频向量；

分类模块，用于将所述上下文的词频向量输入预置的分类器模型中判断所述上下文是否是篡改，所述分类器模型为原始分类器模型根据实验文本训练生成的；

所述获取模块，包括：

第一获取单元，用于获取待检测站点的所属的文本的主题词汇；

第二获取单元，用于从预置数据库中获取所述主题词汇对应的主题下的词汇频率超过预置阀值的高频词汇；

生成单元，用于从预置恶意词汇列表中过滤掉所述高频词汇得到目标恶意词汇。

7.根据权利要求6所述的装置，其特征在于，所述检索模块包括：

检索单元，用于检索所述待检测站点所属的文本中是否存在所述目标恶意词汇的拆分形式、组合形式及原形。

8.根据权利要求6至7中任一项所述的装置，其特征在于，所述构造模块，包括：

分词单元，用于对所述目标恶意词汇所在的上下文进行分词处理；

统计单元，用于统计所述目标恶意词汇所在的上下文的每个分词的词频；

构造单元，用于根据所述目标恶意词汇所在的上下文的每个分词的词频构造上下文的词频向量。

9.根据权利要求8所述的装置，其特征在于，所述分类器模型的种类包括：

逻辑回归LR分类器、支持向量机SVM分类器或卷积神经网络CNN分类器。

10.根据权利要求9所述的装置，其特征在于，还包括：

拓展模块，用于根据所述目标恶意词汇的语义关系扩展所述目标恶意词汇的数量。