[发明专利]识别网页中是否包含恶意内容的方法和系统

摘要

本发明公开了识别网页中是否包含恶意内容的方法，其中一种识别方法包括步骤：解析待识别网页的URL以从URL中提取URL特征以生成第一特征集；根据第一特征集生成第一特征向量；以及利用第一特征模型来处理所述第一特征向量，并输出第一结果以表征所述待识别网页是否包含恶意内容。本发明还公开了另外三种识别方法，以及与之对应的识别网页中是否包含恶意内容的系统。

主权项

1.一种识别网页中是否包含恶意内容的方法，所述方法包括步骤：执行第一识别方法以输出第一结果，其中第一识别方法包括：解析待识别网页的URL以从所述URL中提取URL特征以生成第一特征集；根据所述第一特征集生成第一特征向量，其中，对第一特征集中的每个特征进行数值化得到特征值，将所述特征值组成一个特征向量，对所述特征向量中的每一维特征值进行归一化处理，生成第一特征向量；以及利用第一特征模型来处理所述第一特征向量，并输出第一结果以表征所述待识别网页是否包含恶意内容；执行第二识别方法以输出第二结果，其中第二识别方法包括：抓取待识别网页内容，对所抓取的网页内容进行分词处理得到词序列；根据所述词序列中是否存在第二特征集中的特征词来构造维度为第一预定数目的第二特征向量，其中所述第二特征集中预存了第一预定数目个特征词；利用第二特征模型处理所述第二特征向量并输出第二结果，以表征所述待识别网页是否包含恶意内容；执行第三识别方法以输出第三结果，其中第三识别方法包括：根据待识别网页的URL提取所述待识别网页的第一身份信息；提取该待识别网页的所有外链接；根据外链接确定该待识别网页的第二身份信息；比较第一身份信息和第二身份信息并输出第三结果，以表征该待识别网页是否包含恶意内容；对所述第一结果、第二结果、和第三结果进行加权算法，得到最终结果；若所述最终结果大于阈值，则判定该待识别网页中包含恶意内容；以及若所述最终结果不大于阈值，则判定该待识别网页中不包含恶意内容。