[发明专利]网页页面特征的篡改检测方法及装置

权利要求书

1.一种网页页面特征的篡改检测方法，其特征在于，所述方法包括：

获取网页样本数据，建立网页样本数据集文档；

从所述数据集文档中提取文本特征、结构特征和网络特征；

挖掘所述文本特征、结构特征和网络特征之间的非线性关系，进而检测网页页面特征的篡改行为类别。

2.如权利要求1所述的方法，其特征在于，所述获取网页样本数据，建立网页样本数据集文档包括：

使用自动扫描策略获取可能被篡改的网页样本；

对于所述网页样本基于网页被篡改的类型进行标注，建立网页样本数据集文档。

3.如权利要求1所述的方法，其特征在于，所述从所述数据集文档中提取文本特征、结构特征和网络特征包括：

以规则方式提取所述数据集文档中的文本，进行自动分词，获得多个词串，从所述词串中抽取文本特征；

检测所述网页样本数据集中的篡改样本，提取所述篡改样本的结构特征；

以无监督方式获取所述数据集文档的网络特征。

4.如权利要求3所述的方法，其特征在于，所述从所述词串中抽取文本特征包括：

使用Doc2vec从所述词串中无监督地抽取特征，所述数据集文档D的文本特征向量d的具体优化目标函数如公式(一)所示：

d＝argmax_dΠ_ip(w_i|d，context(w_i)) 公式(一)

其中，argmax_d为计算具有最大评分的参量集合的函数，w_i为所述数据集文档D的第i个词；context(w_i)为该词的上下文词；向量d为定长的连续特征向量。

5.如权利要求3所述的方法，其特征在于，所述无监督方式获取所述数据集文档的网络特征包括：

Deepwalk使用随机游走策略从网络G中采样出节点序列v¹，v²，…，vⁿ，其中，v^j为节点j的特征向量；

通过公式(二)计算获得网络特征向量v：

其中，w为所述数据集文档上下文窗口的大小。

6.如权利要求1所述的方法，其特征在于，所述挖掘所述文本特征、结构特征和网络特征之间的非线性关系，进而检测网页页面特征的篡改行为类别包括：

将所述文本特征向量d，结构特征向量f和网络特征向量v拼接为最终特征向量a，采用公式(三)获得输出向量y^g：

y^g＝h^g(x^g)＝sigmoid(W^gx^g+b^g) 公式(三)

其中，m为深度神经网络的总层数，x^g为第g层的输入向量，x^g∈R^m，y^g为第g层的输出向量，y^g∈Rⁿ，h^g为第g层的神经网络函数变换；W^g∈R^m×n，b^g∈Rⁿ，sigmoid为激活函数，采用公式(四)计算：

其中，z为W^gx^g+b^g。

将某个网页的最终特征向量a输入到1层的神经网络中，采用公式(五)获得最终输出向量y^l：

y^l＝h¹h²…h^l(a) 公式(五)

采用公式(六)获得标签概率输出向量

采用公式(七)计算篡改行为类别概率的准确率L：