[发明专利]一种有害域名核验方法及装置

说明书

本发明公开了一种有害域名核验方法及装置，包括：确定疑似有害域名；获取每一疑似有害域名对应的网页图像；将网页图像在目标图像库中进行图像相似度检索，得到网页图像的相似度分值；将相似度分值大于分值阈值的疑似有害域名确定为有害域名；将相似度分值不大于分值阈值的疑似有害域名进行聚类分析，获得至少一个域名组；对域名组中的域名进行识别，以确定域名组中的各个域名是否为有害域名。本发明基于目标图像库的相似度检索和未与目标图像库匹配上的疑似有害域名的聚类分析，实现了自动对域名的识别处理，降低了有害域名核验的人工成本，提升了核验效率。

技术领域

本发明涉及信息处理技术领域，特别是涉及一种有害域名核验方法及装置。

背景技术

随着互联网的快速发展，网络赌博、淫秽色情等有害信息的传播越来越泛滥，对网络用户的生活以及学习会产生十分有害的影响。域名作为网络信息的主要访问入口，通过相关技术手段对网络有害信息进行检测，进而对相关域名进行过滤封堵是有害信息治理的重要实现保障。伴随着5G时代的到来，大带宽的移动互联网进一步加快了信息的传播，网络信息的规模也在快速增长，对有害域名的实时检测和处理需求也在不断提高。

现有有害域名的检测识别，多是基于域名相关信息，包括注册信息、DNS(DomainName System，域名系统)解析服务器、网站IP(Internet Protocol，国际互连协议)归属地等，结合有害域名黑白名单，利用机器学习预测模型，实现对域名有害程度进行判定。这种方式的前提是有害域名之间存在若干相关性。由于域名的注册成本较低且可选注册的顶级域名类型众多，借助大量的域名托管服务商和云服务商，域名注册者可通过打破有害域名之间的关联关系，实现逃避此类检测模式的目的。同时该方式的域名有害判定结果仍需大量的人工检验工作，以便开展相关处理工作。此外，还有根据网页DOM(Document ObjectModel，文档对象模型)相关结构进行相似性判定，同时存在判断结果不准确，处理前需要人工一一核验的工作投入问题。

可见，现有的有害域名检测识别均需要进行大量的人工核验，使得人工成本高，并且有害域名核验效率低。

发明内容

针对于上述问题，本发明提供一种有害域名核验方法及装置，降低了有害域名核验的人工成本，提升了核验效率。

为了实现上述目的，本发明提供了如下技术方案：

一种有害域名核验方法，包括：

确定疑似有害域名；

获取每一所述疑似有害域名对应的网页图像；

将所述网页图像在目标图像库中进行图像相似度检索，得到所述网页图像的相似度分值，所述目标图像库中包括已确认的有害域名对应的网页图像；

将所述相似度分值大于分值阈值的疑似有害域名确定为有害域名；

将所述相似度分值不大于分值阈值的疑似有害域名进行聚类分析，获得至少一个域名组，所述域名组中包括至少一个疑似有害域名，且所述域名组中的各个疑似有害域名对应的网页图像具有相似特征；

对所述域名组中的疑似有害域名进行识别，以确定所述域名组中的各个疑似有害域名是否为有害域名。

可选地，所述确定疑似有害域名，包括：

获取初始域名列表，所述初始域名列表包括通用顶级域域名列表和国家域名列表；

对所述初始域名列表中的域名进行初始筛查，获得疑似有害域名。

可选地，所述方法还包括：

创建目标图像库，包括：

获取已确认的有害域名；

利用模拟浏览器获得所述已确认的有害域名对应的网页图像；