[发明专利]网页敏感度的计算方法、装置

说明书

本申请涉及一种网页敏感度的计算方法、装置，其中，该方法包括：根据预设敏感词典生成基准向量；根据目标网页中的敏感词集合生成所述目标网页的敏感向量；根据所述基准向量和所述敏感向量计算所述目标网页的敏感度。通过本申请，解决相关技术不能计算网页敏感程度的技术问题，实现了对网页敏感度的量化计算，在确定网页是否涉敏的基础上，还可以计算网页涉敏的程度，从而实现对网页的分类管控和分级展示，降低敏感网页的曝光率和点击率。

技术领域

本申请涉及网络安全领域，特别是涉及网页敏感度的计算方法、装置。

背景技术

在信息网络安全时代，网页是否含有敏感词以及网页有哪些敏感词是较为常见的检测指标，但是网页有多敏感却是长长被忽视的一环。

相关技术中，网站的安全检测系统，仅仅检测出含有敏感词的网页，但是并没有对敏感词的网页进行相应的评估计算，无法衡量网页被篡改的程度，所以，导致很多时候，检测系统给出的篡改网页并不是用户应该关注的，而是一些不那么重要的敏感词。由于目前的网站检测系统，只检测了是否含有敏感词，以及含有哪些敏感词，没有对网页的敏感词相关性进行计算，不清楚当前网页的敏感程度，所以，在海量的包含敏感词的网页中，用户优先看到的并不是我们所要关注的，或者说，并不是最贴近我们需求的，浏览器限流或者屏蔽的也有可能不是敏感度最高的网页。

目前针对相关技术在特殊环境重建时准确率低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种网页敏感度的计算方法、装置，以至少解决相关技术不能计算网页敏感程度的技术问题。

第一方面，本申请实施例提供了一种网页敏感度的计算方法，包括：根据预设敏感词典生成基准向量；根据目标网页中的敏感词集合生成所述目标网页的敏感向量；根据所述基准向量和所述敏感向量计算所述目标网页的敏感度。

在其中一些实施例中，根据预设敏感词典生成基准向量包括：统计所述预设敏感词典中包含的关键词；以每个关键词为一个向量维度，每个关键词的权重值为维度标量，生成所述基准向量，其中，所述权重值用于表征对应关键词的敏感程度。

在其中一些实施例中，根据目标网页中的敏感词集合生成所述目标网页的敏感向量包括：获取所述目标网页的文本内容；对所述文本内容进行分词，得到K个词元，其中，K为大于0的整数；按照所述预设敏感词典在所述K个词元中提取M个敏感词，基于所述M个敏感词生成所述敏感向量，其中，所述敏感向量与所述基准向量的维度数量相同，M为大于或等于0的整数。

在其中一些实施例中，按照所述预设敏感词典在所述K个词元中提取M个敏感词包括：统计所述K个词元分别命中所述预设敏感词典的次数；在所述K个词元中选择次数大于0的词元，得到M个敏感词。

在其中一些实施例中，基于所述M个敏感词生成所述敏感向量包括：确定所述预设敏感词典中未被所述K个词元命中的H个指定关键词，其中，其中，H为大于或等于0的整数；以每个敏感词为向量的一个非零维度，每个指定关键词为向量的一个置零维度，合并所述非零维度和所述置零维度，得到N维的敏感向量，所述N为大于0的整数。

在其中一些实施例中，根据所述基准向量和所述敏感向量计算所述目标网页的敏感度包括：通过余弦函数计算所述基准向量与所述敏感向量的余弦值，其中，所述基准向量和所述敏感向量的维度数量相同；将所述余弦值确定为所述目标网页的敏感度。

在其中一些实施例中，在根据所述基准向量和所述敏感向量计算所述目标网页的敏感度之后，所述方法还包括：判断所述敏感度是否大于预设门限；若所述敏感度大于所述预设门限，在浏览器展示所述目标网页时，输出告警消息，其中，所述告警消息用于指示当前网页包含敏感内容。