[发明专利]一种基于页面视觉相似性的仿冒网站检测方法和系统

摘要

本发明涉及一种基于页面视觉相似性的仿冒网站检测方法和系统，包括，获取待检测网站地址列表；逐一将该列表中的网站地址与预设白名单相匹配，若匹配则允许用户访问该网站地址并对其添加白名单标记；否则将当前网站地址与预设黑名单相匹配，若匹配禁止用户访问该网站地址并对其添加黑名单标记；若当前网站地址不在预设白名单和黑名单内，则根据待检测网站地址列表对应的网页内容与预设白名单进行相似度度量，获取最大相似度值，并与预设阈值T比较；判断待检测网站地址列表中是否存在未添加标记的网站地址，若存在则重新检测，否则结束。利用该方法完成仿冒网站检测一定程度上缩减了用户访问仿冒网站的概率，降低了误入虚假网站带来的损失。

主权项

1.一种基于页面视觉相似性的仿冒网站检测方法，其特征在于，所述方法包括：(1)搜索待检测网站，获取待检测网站地址列表；(2)逐一将待检测网站地址列表中的网站地址与预设白名单相匹配，判断是否匹配，如果匹配，允许用户访问该网站地址并对该网站地址添加白名单标记，跳转至步骤(6)；否则，继续步骤(3)；(3)将当前网站地址与预设黑名单相匹配，判断是否匹配，如果匹配，禁止用户访问该网站地址并对该网站地址添加黑名单标记；(4)若当前网站地址既不在预设白名单内又不在预设黑名单内，则根据待检测网站地址列表对应的网页内容与预设白名单对应的网页内容进行相似度度量，获取最大相似度值；所述步骤(4)相似度度量即采用陆地移动距离算法EMD进行相似度度量，具体为：逐一采集预设白名单内所有网站对应的网页图像；从所述待检测网站地址列表中提取统一资源定位符URL信息，并通过网络下载获得所述待检测网站对应的网页图像；其中，所述网页图像包括整体图像和浏览器窗口的可视区域图像；依次将预设白名单内所有网站对应的整体图像与待检测网站对应的整体图像进行匹配，获得由多个相似度值组成的整体图像相似度序列S1；并将该相似度序列S1中的相似度值从大到小排序后选取最大值；依次将预设白名单内所有网站对应的浏览器窗口的可视区域图像，与待检测网站对应的浏览器窗口的可视区域图像进行匹配，获取由多个相似度值组成的可视区域图像相似度序列S2，并将该相似度序列S2中的相似度值从大到小排序后选取最大值；(5)比较所述最大相似度值和预设阈值T；若所述相似度序列S1和S2中任一最大相似度值小于预设阈值T，则判定当前网站地址为非仿冒网站并添加非仿冒标记；否则，则判定当前网站地址为仿冒网站并添加仿冒标记；(6)判断待检测网站地址列表中是否存在未添加标记的网站地址，若存在，执行步骤(2)；否则结束。