[发明专利]一种网页请求识别方法及装置

权利要求书

1.一种网页请求识别方法，其特征在于，所述方法包括：

提取多个样本网页请求的特征；

确定每一样本网页请求的特征对应的特征向量；

根据预定聚类算法和确定的特征向量，对所述多个样本网页请求进行聚类；

针对每一聚类，根据该聚类包含的样本网页请求的特征向量，确定该聚类包含的样本网页请求的特征向量的中心向量；

当获得待识别网页请求时，确定所述待识别网页请求所属的聚类；

若所述待识别网页请求的特征向量与所述待识别网页请求所属的聚类的中心向量的距离不在所述待识别网页请求所属的聚类对应的预定距离范围内，则确定所述待识别网页请求为恶意网页请求；

其中，所述预定距离范围采用如下步骤确定：

计算所述待识别网页请求所属的聚类的中心向量分别与所述待识别网页请求所属的聚类包含的每一样本网页请求的特征向量的距离；

确定计算得到的多个距离的第一均值和第一方差；

根据第一均值和第一方差，构建所述待识别网页请求所属的聚类的正态分布；

确定所述待识别网页请求所属的聚类的正态分布所在坐标系横轴上的第一点和第二点，所述第一点和所述第二点对称位于所述待识别网页请求所属的聚类的正态分布的中心轴两侧，且所述第一点和所述第二点之间的概率为第一预设概率；

将所述第一点的横坐标值和所述第二点的横坐标值组成的区间确定为所述待识别网页请求所属的聚类对应的预定距离范围。

2.根据权利要求1所述的方法，其特征在于，所述根据第一均值和第一方差，构建所述待识别网页请求所属的聚类的正态分布的步骤，包括：

根据所述待识别网页请求所属的聚类的第一均值和第一方差，构建所述待识别网页请求所属的聚类的过渡正态分布；

去除所述待识别网页请求所属的聚类中不满足以下公式的样本网页请求：

δ₁xδ₂；

其中，x为所述待识别网页请求所属的聚类包含的样本网页请求的特征向量与所述待识别网页请求所属的聚类的中心向量的距离，δ₁为位于所述待识别网页请求所属的聚类的过渡正态分布所在坐标系横轴上的中心轴左侧的第三点，δ₂为与所述第三点对称位于所述待识别网页请求所属的聚类的过渡正态分布所在坐标系横轴上的中心轴右侧的第四点；在所述待识别网页请求所属的聚类的过渡正态分布下，所述第三点和所述第四点之间的概率为第二预设概率；

根据所述待识别网页请求所属的聚类包含的剩余样本网页请求的特征向量，重新确定所述待识别网页请求所属的聚类的中心向量；

重新计算重新确定的所述待识别网页请求所属的聚类的中心向量分别与所述待识别网页请求所属的聚类包含的每一剩余样本网页请求的特征向量的距离；

确定重新计算得到的多个距离的第二均值和第二方差；

根据第二均值和第二方差，构建所述待识别网页请求所属的聚类的正态分布。

3.根据权利要求1-2任一项所述的方法，其特征在于，所述确定所述待识别网页请求所属的聚类的步骤，包括：

提取所述待识别网页请求的特征；

确定所述待识别网页请求的特征向量；

计算所述待识别网页请求的特征向量分别与各个聚类的中心向量的距离；

将距离最小的聚类确定为所述待识别网页请求所属的聚类。

4.根据权利要求1所述的方法，其特征在于，所述提取多个样本网页请求的特征的步骤，包括：

提取多个样本网页请求中预设类型的词语；

确定提取的词语中每一词语的出现次数；

提取所述多个样本网页请求中每一样本网页请求的结构特征；

对于每一样本网页请求，将该样本网页请求的结构特征和该样本网页请求中预设类型的词语的出现次数，确定为该样本网页请求的特征。

5.根据权利要求4所述的方法，其特征在于，所述提取多个样本网页请求中预设类型的词语的步骤，包括：

提取多个样本网页请求中的参数名和参数值。