[发明专利]一种数据源扩展方法及装置

摘要

本发明提供一种数据源扩展方法及装置，以全部已知的统一资源定位符数据为基础，得到统一资源定位符模板，并对统一资源定位符模板进行扩展，得到每个统一资源定位符模板对应的可视为钓鱼网站的统一资源定位符数据，实现钓鱼网站的自行主动获取，有效降低钓鱼发现的滞后性与人工依赖的问题。并且通过上述方式可以扩大检测范围，降低利益损失，且可以将已知钓鱼网站的统一资源定位符数据作为基础进行扩展，从而提高已知的钓鱼网站的二次利用率。

主权项

1.一种数据源扩展方法，其特征在于，所述方法包括：获取全部已知的统一资源定位符数据，其中所述全部已知的统一资源定位符数据至少包括已知钓鱼网站的统一资源定位符数据；对所述全部已知的统一资源定位符数据进行两两对比，得到多个统一资源定位符模板；对每个所述统一资源定位符模板进行扩展，得到每个所述统一资源定位符模板对应的可视为钓鱼网站的统一资源定位符数据；所述对所述全部已知的统一资源定位符数据进行两两对比，得到多个统一资源定位符模板，包括：当第i个统一资源定位符数据和第i+1个统一资源定位符数据的长度相同时，依次比较所述第i个统一资源定位符数据和第i+1个统一资源定位符数据中的每个位置处的字符，i为自然数，且i＝1，2，……，m‑1，m为统一资源定位符数据的总数；当第j个位置处的字符相同时，记录下第j个位置处的字符，并继续比较下一个字符，j＝1,2，…..，n，n为第i个统一资源定位符数据中字符总数；当所述第j个位置处的字符不同时，获取所述第i个统一资源定位符数据和第i+1个统一资源定位符数据中第j个位置处的字符的类型；当所述第i个统一资源定位符数据和第i+1个统一资源定位符数据中第j个位置处的字符的类型为数字类型时，以第一预设替换符号替换所述第j个位置处的字符；当所述第i个统一资源定位符数据和第i+1个统一资源定位符数据中第j个位置处的字符的类型为字母类型时，以第二预设替换符号替换所述第j个位置处的字符；当所述第i个统一资源定位符数据中第j个位置处的字符的类型和第i+1个统一资源定位符数据中第j个位置处的字符的类型不同时，以所述第i个URL数据中第j个位置处的字符的类型对应的预设替换符号来替换第j个位置处的字符；当所述第i个统一资源定位符数据或第i+1个统一资源定位符数据中第j个位置处的字符为预设连字符时，以不是所述预设连字符的第j个位置处的字符的类型对应的预设替换符号来替换所述第j个位置处的字符；对所有不同字符替换后的统一资源定位符数据为所述第i个统一资源定位符数据和第i+1个统一资源定位符数据对应的统一资源定位符模板。