[发明专利]自定义检测网站敏感信息的方法及装置

说明书

技术领域

本发明涉及信息安全的技术领域，尤其是涉及一种自定义检测网站敏感信息的方法及装置。

背景技术

互联网飞速发展的时代，高新技术的深入发展与广泛运用，正在深刻地改变着人们几千年来形成的生活习惯，例如信息传递方式、生产结构方式、人际交流方式、社会方式，也深刻地改变着生活运作方式。互联网敏感信息的识别过滤对促进互联网舆情技术发展有重要意义。

目前使用的敏感信息检测产品中，检测产品自带敏感信息特征库，用户在对网站中的信息进行检测时，只能按照敏感信息特征库中的信息进行检测。用户若想检测其它的敏感信息，需要将敏感信息特征库中的信息进行替换，使用不便，操作过程复杂，并且对于用户的操作技术要求高，无法满足普通用户的使用需求。

发明内容

有鉴于此，本发明的目的在于提供一种自定义检测网站敏感信息的方法及装置，以缓解传统的敏感信息检测方法使用不便，操作过程复杂以及对用户的操作技术要求高的技术问题。

第一方面，本发明实施例提供了一种自定义检测网站敏感信息的方法，所述方法包括：

根据用户的触发操作获取待检测网站的页面信息的文件表格，其中，所述文件表格中包含：所述待检测网站的文本信息与所述待检测网站的URL链接之间的匹配关系；

接收所述用户发送的敏感信息词组，其中，所述敏感信息词组的数量至少一个；

根据所述敏感信息词组在所述文件表格中查找与所述敏感信息词组相匹配的敏感信息，并确定出与所述敏感信息相对应的目标URL链接；

根据所述目标URL链接确定所述敏感信息在所述待检测网站中的显示位置，并统计所述敏感信息的数量。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，根据用户的触发操作获取待检测网站的页面信息的文件表格包括：

接收所述用户发送的安装爬虫应用程序的安装指令，以创建所述爬虫应用程序的爬虫环境；

接收所述用户发送的所述待检测网站的站点信息；

基于所述爬虫环境对所述待检测网站中的URL链接进行爬取，得到多个URL链接；

对所述多个URL链接按照预设过滤规则进行过滤，得到过滤后的多个URL链接；

获取所述待检测网站中的多个文本信息，并对所述多个文本信息按照预设格式进行转译，得到转译后的多个文本信息；

按照所述多个文本信息与所述多个URL链接的原始匹配关系，建立所述过滤后的多个URL链接与所述转译后的多个文本信息之间的匹配关系；

将所述过滤后的多个URL链接与所述转译后的多个文本信息之间的匹配关系作为所述待检测网站的所述文件表格。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据所述敏感信息词组在所述文件表格中查找与所述敏感信息词组相匹配的敏感信息，并确定出与所述敏感信息相对应的目标URL链接包括：

对所述敏感信息词组进行分词处理，得到分词后的敏感信息词组；

在所述文件表格中查找与所述分词后的敏感信息词组相匹配的所述敏感信息；

根据所述敏感信息确定与所述敏感信息相对应的目标URL链接。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，根据所述敏感信息词组在所述文件表格中查找与所述敏感信息词组相匹配的敏感信息，并确定出与所述敏感信息相对应的目标URL链接还包括：

如果所述文件表格中不包含与所述分词后的敏感信息词组相匹配的所述敏感信息，则输出未发现所述敏感信息的结果。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，在根据所述目标URL链接确定所述敏感信息在所述待检测网站中的显示位置，并统计所述敏感信息的数量之后，所述方法还包括：

标记所述敏感信息在所述待检测网站中的出现位置和所述敏感信息的数量；

向所述用户发送提示信息，其中，所述提示信息用于提示所述用户对所述待检测网站进行修补。

第二方面，本发明实施例还提供了一种自定义检测网站敏感信息的装置，所述装置包括：

获取模块，用于根据用户的触发操作获取待检测网站的页面信息的文件表格，其中，所述文件表格中包含：所述待检测网站的文本信息与所述待检测网站的URL链接之间的匹配关系；

接收模块，用于接收所述用户发送的敏感信息词组，其中，所述敏感信息词组的数量至少一个；