[发明专利]网页黑词处理方法、装置、设备及存储介质

说明书

本发明实施例提供一种网页黑词处理方法、装置、设备及存储介质。该方法包括：获取至少一个样本网页的统一资源定位符；根据所述至少一个样本网页的统一资源定位符，获取所述至少一个样本网页的样本网页内容；根据所述至少一个样本网页的样本网页内容，获取所述至少一个样本网页的样本网页内容中的关键词；统计所述至少一个样本网页的样本网页内容中的关键词在恶意网页中出现的次数和在非恶意网页中出现的次数；根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词为黑词或非黑词。本发明实施例提高了对黑词检测的准确性。

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种网页黑词处理方法、装置、设备及存储介质。

背景技术

随着互联网的发展，人们使用互联网的频率越来越高，并利用互联网进行各种购物或者社交活动，如聊天、看视频等。互联网也致力于给人们带来更加方便的生活体验，使得生活更加舒适。但是，在这份舒适方便的生活环境中隐藏这巨大的风险，一旦网站存在漏洞，就可能被攻击者利用，攻击者可能在网站上挂马或者发布虚假信息诱使消费者上当受骗。攻击者也会制作低成本的网页来模仿其他权威网站来欺骗消费者，比如模仿银行的官方网站来套取用户的账号密码。

在基于文本的恶意网址检测模型中，常见的方法是提取页面中的关键词，将页面提取后得到的所有关键词转变成词向量，使用得到的词向量作为这个页面的标示，然后将词向量应用到不同的方法的分类模型中进行模型训练，这种基于文本的恶意网址检测方法比较简单，而随着恶意网站和检测方的不断对抗，关键词提取方法得到的关键词常常是恶意网址有意注入的正常词汇。因此，这种基于关键词提取算法的方法的效果越来越差。

发明内容

本发明实施例提供一种网页黑词处理方法、装置、设备及存储介质，以提高对黑词检测的准确性。

第一方面，本发明实施例提供一种网页黑词处理方法，包括：

获取至少一个样本网页的统一资源定位符；

根据所述至少一个样本网页的统一资源定位符，获取所述至少一个样本网页的样本网页内容；

根据所述至少一个样本网页的样本网页内容，获取所述至少一个样本网页的样本网页内容中的关键词；

统计所述至少一个样本网页的样本网页内容中的关键词在恶意网页中出现的次数和在非恶意网页中出现的次数；

根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词为黑词或非黑词。

第二方面，本发明实施例提供一种网页黑词处理装置，包括：

第一获取模块，用于获取至少一个样本网页的统一资源定位符；

第二获取模块，用于根据所述至少一个样本网页的统一资源定位符，获取所述至少一个样本网页的样本网页内容；

第三获取模块，用于根据所述至少一个样本网页的样本网页内容，获取所述至少一个样本网页的样本网页内容中的关键词；

统计模块，用于统计所述至少一个样本网页的样本网页内容中的关键词在恶意网页中出现的次数和在非恶意网页中出现的次数；

确定模块，用于根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词为黑词或非黑词。

第三方面，本发明实施例提供一种主机，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现第一方面所述的方法。