[发明专利]一种Tor隐藏服务非法内容分类方法

说明书

本发明涉及一种Tor隐藏服务非法内容分类方法，属于信息安全技术领域。本发明以分类Tor隐藏服务中非法活动网页为目标，针对当前研究中存在的局限，提出一个基于法律规制的隐藏服务非法内容分类方法，使用相关法律法规作为判定Tor隐藏服务中是否包含某一类别非法行为的依据，通过研究法律体系中制定法和判例法的文本特点，提出构造法律训练样本的方法，使用机器学习分类算法实现对目标类别非法活动的有效分类。

技术领域

本发明涉及信息安全技术领域，具体涉及一种Tor隐藏服务非法 内容分类方法。

背景技术

第二代洋葱路由Tor(The Second Generation Onion Router)，最 初是由美国海军的实验室设计开发，用于在网络中进行安全通信，帮 助政府情报人员隐藏身份，网上活动不被敌对国家监控。2004年， 在第13届USENIX安全讨论会上，Tor设计文档被正式发表出来,其 源码也在同年由美国海军研究实验室向大众公开。Tor暗网是目前使 用人数最多、规模最大的暗网,其中除了提供正常的网络服务外，还 充斥着大量的敏感信息和恶意内容。

据统计，Tor隐藏服务中非法内容占比高达25％左右。尽管在 Tor隐藏服务资源空间中，包含非法活动的网站不足四分之一，但这 些提供非法交易、信息和服务的网站却拥有着庞大的用户访问量和商 品成交额，严重威胁着个人、企业甚至国家的安全。因此，针对隐藏 服务中非法内容的分类研究一直是匿名通信领域的研究热点，也是各 个国家的网络安全执法部门和相关科研机构的重点关注方向。

针对隐藏服务非法活动的传统分类方法通常是基于经验来界定 某一隐藏服务是否包含非法活动以及归属于何种类别。基于经验的隐 藏服务非法活动界定方法一般流程是，首先对于采集的隐藏服务网页 资源，通过逐一人工标注的方式，根据经验将之归纳入约定俗成的目 标非法活动类别中，在人工标注过程中可以根据隐藏服务内容的实际 分布情况进行目标类别的增加与调整；然后，根据网页文本分类流程， 使用监督学习分类算法对已标注的隐藏服务非法内容进行训练与分 类。

然而，基于经验的非法活动界定及分类方法在实际应用中存在一 定局限∶该方法在界定隐藏服务所属类别时存在一定主观性，并且在 实现分类时依赖于大量数据集中已有的目标类别训练样本，对于未收 集足够样本的非法活动类别或者近期萌生的新型非法活动网站，难以 应用该方法进行分类。鉴于Tor隐藏服务的匿名发布和访问机制，数 据集的采集往往是一项相当耗时耗力的工程，而为某些规模较小但安 全威胁程度高的非法活动类别(例如，武器走私等)收集足够多的隐 藏服务网页数据也是一项具有挑战性的工作。因此，当前针对隐藏服 务非法活动的分类方法还具有一定改进空间。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何设计一种Tor隐藏服务非法内 容分类方法，实现对目标类别非法活动的有效分类。

(二)技术方案

为了解决上述技术问题，本发明提供了一种Tor隐藏服务非法内 容分类方法，包括以下步骤：

步骤一、数据集构造步骤；

步骤二、基于步骤一执行数据预处理步骤，将数据集中所有的原 始文档都转变为构成文档的特征词的集合；

步骤三、基于步骤二执行特征工程步骤，对特征词集合进行处理；

步骤四、基于步骤三执行分类与评价步骤，对进行文档类别预测 及分类结果评估。

优选地，步骤一具体为：根据预先设定的目标分类类别，从法律 数据库中检索适用的法律规制文本，提取其中的有效信息作为法律规 制训练集，同时将收集的Tor隐藏服务中活跃的非法活动网页作为实 验的测试集源数据，称为Tor隐藏服务网页测试集。