[发明专利]泛滥子域的识别方法和系统

摘要

本发明实施例公开了一种泛滥子域的识别方法和系统，涉及计算机技术领域，应用于搜索引擎，根据子域名的任一有效片段组的片段长度的离散度或集中度来识别泛滥子域，可有效提高泛滥子域识别程度。本发明实施例提供的方法包括：收集具有相同主域名的子域名；若判断所述具有相同主域名的子域名的任一有效片段组的片段长度为离散分布或集中分布，则将所述任一有效片段组对应的子域名识别为泛滥子域，其中，所述有效片段组为：在所述具有相同主域名的子域名的同一级片段中，所述同一级片段的左侧域名部分和右侧域名部分分别相同的片段集合。

主权项

1.一种泛滥子域的识别方法，其特征在于，包括：获取具有相同主域名的子域名；若判断所述具有相同主域名的子域名的任一有效片段组的片段长度为离散分布或集中分布，则将所述任一有效片段组对应的子域名识别为泛滥子域，其中，所述有效片段组为：在所述具有相同主域名的子域名的同一级片段中，所述同一级片段的左侧域名部分和/或右侧域名部分分别相同的片段集合，具有相同主域名的子域名包含多个有效片段组，所述有效片段组中每一个片段的片段长度是指每一个片段包含的字符数；其中，所述判断所述具有相同主域名的子域名的任一有效片段组的片段长度为离散分布，包括：获取平均片段数量，其中，所述平均片段数量由所述任一有效片段组包含的片段总数量除以所述任一有效片段组包含的不同的片段长度总数得到；若所述平均片段数量小于第一离散度阈值，则判断所述任一有效片段组的片段长度为离散分布；所述判断所述具有相同主域名的子域名的任一有效片段组的片段长度为集中分布，包括：获取所述任一有效片段组包含的有效长度数量，其中，包含的片段数量大于所述平均片段数量与调整因子乘积的片段长度为所述有效长度；若所述有效长度数量与所述片段长度总数的比值小于第一集中度阈值，则判断所述任一有效片段组的片段长度为集中分布。