[发明专利]一种网页篡改检测模型的训练、应用方法及装置

说明书

本申请提供一种网页篡改检测模型的训练、应用方法及装置，该网页篡改检测模型的训练方法包括：获取多个网页中的description字段内容和text字段内容，并进行数据清洗处理，得到description纯净内容和text纯净内容；根据预设的Bert模型对description纯净内容和text纯净内容进行编码，得到编码字段；获取与编码字段相匹配的语义矛盾检测结果；根据语义矛盾检测结果、description纯净内容、text纯净内容和预设训练条件进行训练，得到网页篡改检测模型。可见，实施这种实施方式，能够基于网页中上下文语义矛盾性训练出一种高精度地网页篡改检测模型，从而使得该网页篡改检测模型能够批量对网页进行篡改检测，从而能够使得用户认出篡改网页并对其进行安全防范。

技术领域

本申请涉及网络安全领域，具体而言，涉及一种网页篡改检测模型的训练、应用方法及装置。

背景技术

目前，网络攻击者们会把正常的网页作为攻击目标，并对正常网页中的内容进行篡改。其中，最常见的就是网络攻击者们取得网站所在的服务器控制权限，并通过服务器对网页进行篡改。更有甚者在篡改网页的同时植入暗链或挂载木马，以使用户在打开该网页之后，很容易进行危险的操作。

发明内容

本申请实施例的目的在于提供一种网页篡改检测模型的训练、应用方法及装置，能够基于网页中上下文语义矛盾性训练出一种高精度地网页篡改检测模型，从而使得该网页篡改检测模型能够批量对网页进行篡改检测，从而能够使得用户认出篡改网页并对其进行安全防范。

本申请实施例第一方面提供了一种网页篡改检测模型的训练方法，包括：

获取多个网页中的description字段内容和text字段内容；

对所述description字段内容和所述text字段内容进行数据清洗处理，得到description纯净内容和text纯净内容；

根据预设的Bert模型对所述description纯净内容和所述text纯净内容进行编码，得到编码字段；

获取与所述编码字段相匹配的语义矛盾检测结果；所述语义矛盾检测结果用于表示所述description纯净内容和所述text纯净内容之间是否存在语义矛盾；

根据所述语义矛盾检测结果、所述description纯净内容和所述text纯净内容，生成数据训练集；

将所述数据训练集输入至预设的原始检测模型中，以使所述原始检测模型根据预设训练条件进行训练，得到网页篡改检测模型。

在上述实现过程中，该方法可以爬取大量网页中的description字段内容和text字段内容，并在对description字段内容和text字段内容进行预处理之后，得到每个网页的两个json文件；然后，该方法再根据这两个json文件之间的上下文关系进行二分类，从而确定出description字段内容和text字段内容之间是否存在语义矛盾；其中，如果存在语义矛盾则认为该网页被篡改，如果不存在语义矛盾则认为该网页是正常的；基于此，将所有的输入数据和分析结果打包形成数据训练集，以使该数据训练集可以用于人工智能模型的训练，从而得到网页篡改检测模型。可见，实施这种实施方式，能够根据网页中description字段内容和text字段内容确定上下文语义矛盾的存在与否，进而根据该种上下文语义矛盾进行网页篡改检测，并训练出一种能够自动批量地对网页进行篡改检测的网页篡改检测模型。

进一步地，所述获取多个网页中的description字段内容和text字段内容的步骤包括：

根据预设的网络爬虫框架对多个网页进行爬取，得到与每个网页相对应的description字段内容和text字段内容。

进一步地，所述对所述description字段内容和所述text字段内容进行数据清洗处理，得到description纯净内容和text纯净内容的步骤包括：