一種由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法
【專利摘要】本發(fā)明提供了一種由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法，包括以下步驟：S1、查找給定釣魚(yú)網(wǎng)頁(yè)的相關(guān)網(wǎng)頁(yè)集合；S2、提取和建模所述釣魚(yú)網(wǎng)頁(yè)和所述相關(guān)網(wǎng)頁(yè)集合的網(wǎng)頁(yè)特征信息；S3、利用DBSCAN算法聚類分析所述網(wǎng)頁(yè)特征信息的相似度，得到同一類相似網(wǎng)頁(yè)；S4、通過(guò)域名相似關(guān)系，定位出所述同一類相似網(wǎng)頁(yè)中的目標(biāo)網(wǎng)頁(yè)。本發(fā)明通過(guò)已知的釣魚(yú)網(wǎng)頁(yè)，根據(jù)多種網(wǎng)頁(yè)特征進(jìn)行相關(guān)網(wǎng)頁(yè)查找以及聚類分析，將相關(guān)網(wǎng)頁(yè)集合進(jìn)行篩選識(shí)別，從而能夠更好地應(yīng)對(duì)釣魚(yú)網(wǎng)頁(yè)的欺騙手段，且大范圍，高準(zhǔn)確率地找出釣魚(yú)網(wǎng)站模仿的目標(biāo)網(wǎng)頁(yè)。
【專利說(shuō)明】
-種由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及信息安全領(lǐng)域，更具體地說(shuō)，設(shè)及一種由釣魚(yú)網(wǎng)頁(yè)定位目標(biāo)網(wǎng)頁(yè)的方 法。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的廣泛使用與電子商務(wù)的日益發(fā)展和普及，越來(lái)越多的用戶在進(jìn)行網(wǎng) 上交易的時(shí)候都是通過(guò)輸入個(gè)人信息進(jìn)行鑒定。與此同時(shí)，伴隨著電子交易的進(jìn)行，在最近 幾年非法業(yè)界的網(wǎng)絡(luò)釣魚(yú)現(xiàn)象層出不窮，不法分子模仿真實(shí)網(wǎng)站的消息格式，誘導(dǎo)用戶登 入一個(gè)假冒的網(wǎng)頁(yè)，從而竊取用戶個(gè)人信息如銀行或者信用卡賬號(hào)，密碼等。由于運(yùn)些虛假 網(wǎng)頁(yè)越來(lái)越逼真，所W很多粗屯、的用戶很容易上當(dāng)受騙，導(dǎo)致敏感信息的曝光W及個(gè)人財(cái) 務(wù)損失。
[0003] 目前，中國(guó)專利號(hào)CN102629261A公開(kāi)了由釣魚(yú)網(wǎng)頁(yè)查找目標(biāo)網(wǎng)頁(yè)的方法，其主要 是從視覺(jué)相似的角度出發(fā)，通過(guò)感知哈希方法定位目標(biāo)網(wǎng)頁(yè)，即達(dá)到了 "形似"。然而，當(dāng)前 的釣魚(yú)網(wǎng)頁(yè)在模仿目標(biāo)網(wǎng)頁(yè)時(shí)，很多通過(guò)配色一致，或者整體風(fēng)格一致來(lái)達(dá)到和目標(biāo)網(wǎng)頁(yè) "神似"的效果而欺騙用戶，此時(shí)，該方法無(wú)法解決運(yùn)種"神似"而非"形似"情況。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問(wèn)題在于，針對(duì)現(xiàn)有的由釣魚(yú)網(wǎng)頁(yè)查找目標(biāo)網(wǎng)頁(yè)的缺陷，提 供一種由釣魚(yú)網(wǎng)頁(yè)定位目標(biāo)網(wǎng)頁(yè)的方法。 陽(yáng)〇化]本發(fā)明解決上述問(wèn)題的技術(shù)方案是提供了一種由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的 方法，其特征在于，包括W下步驟：
[0006] S1、查找給定釣魚(yú)網(wǎng)頁(yè)的相關(guān)網(wǎng)頁(yè)集合；
[0007] S2、提取和建模所述釣魚(yú)網(wǎng)頁(yè)和所述相關(guān)網(wǎng)頁(yè)集合的網(wǎng)頁(yè)特征信息；
[0008] S3、利用DBSCAN算法聚類分析所述網(wǎng)頁(yè)特征信息的相似度，得到同一類相似網(wǎng) 頁(yè)；
[0009] S4、通過(guò)域名相似關(guān)系，定位出所述同一類相似網(wǎng)頁(yè)中的目標(biāo)網(wǎng)頁(yè)。
[0010] 在上述由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法中，所述步驟S1包括： W11] S101、抽取所述釣魚(yú)網(wǎng)頁(yè)的HTML源碼的U化超鏈接，獲得直接關(guān)聯(lián)網(wǎng)頁(yè)的網(wǎng)址；
[0012] S102、提取所述釣魚(yú)網(wǎng)頁(yè)的關(guān)鍵詞，并通過(guò)捜索引擎進(jìn)行捜索，獲得非直接關(guān)聯(lián)的 網(wǎng)頁(yè)的網(wǎng)址；
[0013] S103、根據(jù)所述直接關(guān)聯(lián)網(wǎng)頁(yè)和非直接關(guān)聯(lián)網(wǎng)頁(yè)的網(wǎng)址，使用爬蟲(chóng)進(jìn)行爬取，獲得 相關(guān)網(wǎng)頁(yè)集合。
[0014] 在上述由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法中，在所述步驟S2中，還包括計(jì)算所 述釣魚(yú)網(wǎng)頁(yè)和所述相關(guān)網(wǎng)頁(yè)集合中的每一網(wǎng)頁(yè)的相似距離，該相似距離為Vi (Li，Ri，USi，TS 1，LSi)，其中，Li是鏈接關(guān)系相似度，Ri是等級(jí)關(guān)系相似度，US 1是域名相似關(guān)系相似度，TS 1 是文本相似關(guān)系相似度，LSi是視覺(jué)相似關(guān)系相似度。
[0015] 在上述由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法中，在所述步驟S2中，所述網(wǎng)頁(yè)特征 信息包括鏈接關(guān)系、等級(jí)關(guān)系、域名相似關(guān)系、文本相似關(guān)系及視覺(jué)相似關(guān)系。
[0016] 在上述由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法中，在所述步驟S2中，進(jìn)一步包括計(jì) 算相似關(guān)系到所述釣魚(yú)網(wǎng)頁(yè)的建模長(zhǎng)度，其中，所述相似關(guān)系包括域名相似關(guān)系，文本相似 關(guān)系及視覺(jué)相似關(guān)系。
[0017] 在上述由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法中，在所述步驟S3中，還包括利用所 述建模長(zhǎng)度進(jìn)行聚類分析。
[0018] 本發(fā)明提供的方法通過(guò)已知的釣魚(yú)網(wǎng)頁(yè)，根據(jù)多種網(wǎng)頁(yè)特征進(jìn)行相關(guān)網(wǎng)頁(yè)查找W 及聚類分析，將相關(guān)網(wǎng)頁(yè)集合進(jìn)行篩選識(shí)別，能夠更好地應(yīng)對(duì)釣魚(yú)網(wǎng)頁(yè)的欺騙手段，且大范 圍，高準(zhǔn)確率地找出釣魚(yú)網(wǎng)站模仿的目標(biāo)網(wǎng)頁(yè)。
【附圖說(shuō)明】
[0019] 圖1是本發(fā)明實(shí)施例的由釣魚(yú)網(wǎng)頁(yè)定位目標(biāo)網(wǎng)頁(yè)的方法的流程示意圖。
[0020] 圖2是執(zhí)行圖1中步驟S1的細(xì)化流程圖。
【具體實(shí)施方式】
[0021] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用W解釋本發(fā)明，并不 用于限定本發(fā)明。
[00巧如圖1所示，是本發(fā)明實(shí)施例的由釣魚(yú)網(wǎng)頁(yè)定位目標(biāo)網(wǎng)頁(yè)的方法流程圖。在本實(shí) 施例中，該方法包括W下步驟：
[0023] S1、查找給定釣魚(yú)網(wǎng)頁(yè)的相關(guān)網(wǎng)頁(yè)集合；
[0024] 在此步驟中，釣魚(yú)網(wǎng)頁(yè)是仿冒真實(shí)網(wǎng)站的U化地址W及頁(yè)面內(nèi)容，假設(shè)給定釣魚(yú) 網(wǎng)頁(yè)標(biāo)記為P，其相關(guān)網(wǎng)頁(yè)集合標(biāo)記為Wp，如圖2所示，該步驟進(jìn)一步包括：
[0025] S101、抽取釣魚(yú)網(wǎng)頁(yè)P(yáng)的HTML源碼的U化超鏈接，獲得直接關(guān)聯(lián)網(wǎng)頁(yè)的網(wǎng)址；其 中，U化超鏈接包含在BODY標(biāo)簽內(nèi)。
[00%] S102、提取釣魚(yú)網(wǎng)頁(yè)P(yáng)的關(guān)鍵詞，并通過(guò)捜索引擎進(jìn)行捜索，獲得非直接關(guān)聯(lián)的網(wǎng) 頁(yè)的網(wǎng)址；
[0027] 在此步驟中，關(guān)鍵詞包括title、meta tag及body中的key word等，捜索引擎是 GOOGLE,但并不限于此，也可W是百度等。
[0028] S103、根據(jù)上述直接關(guān)聯(lián)網(wǎng)頁(yè)和非直接關(guān)聯(lián)網(wǎng)頁(yè)的網(wǎng)址，使用爬蟲(chóng)進(jìn)行爬取，獲得 相關(guān)網(wǎng)頁(yè)集合。其中，釣魚(yú)網(wǎng)頁(yè)P(yáng)的相關(guān)網(wǎng)頁(yè)集合Wp的形式化定義為：Wp= {Wi，W2,...，W。}， η為釣魚(yú)網(wǎng)頁(yè)P(yáng)的相關(guān)網(wǎng)頁(yè)集合包含的網(wǎng)頁(yè)數(shù)目，。
[0029] S2、提取和建模所述釣魚(yú)網(wǎng)頁(yè)和所述相關(guān)網(wǎng)頁(yè)集合的網(wǎng)頁(yè)特征信息；
[0030] 在此步驟中，通過(guò)五種關(guān)系對(duì)網(wǎng)頁(yè)進(jìn)行建模，將每一個(gè)網(wǎng)頁(yè)關(guān)系表示為一個(gè)特征 向量：Vp= {f 1，fz，fs，f4, fs}，其中，fl，fz，fs，f4, fs分別表示鏈接關(guān)系，等級(jí)關(guān)系，域名相似關(guān) 系，文本相似關(guān)系W及視覺(jué)相似關(guān)系，其中，每種網(wǎng)頁(yè)關(guān)系表示。
[00川鏈接關(guān)系k，表示釣魚(yú)網(wǎng)頁(yè)鏈接指向目標(biāo)網(wǎng)頁(yè)的概率值，其計(jì)算公式如下： 陽(yáng)的2] Li,j=M/YNi， 陽(yáng)03引其中，化U是網(wǎng)頁(yè)i中所有指向網(wǎng)頁(yè)j所在網(wǎng)站的任一網(wǎng)頁(yè)的鏈接的數(shù)量；Ni是網(wǎng) 頁(yè)i包含的鏈接數(shù)量。
[0034] 等級(jí)關(guān)系Rii為基于網(wǎng)頁(yè)j在W網(wǎng)頁(yè)i的代表性關(guān)鍵詞作為查詢得到的結(jié)果列表 中的等級(jí)，即定義從網(wǎng)頁(yè)i到網(wǎng)頁(yè)j的等級(jí)關(guān)聯(lián)關(guān)系，其計(jì)算公式如下：
[0035]
[0036] 其中，Nf是查詢所返回的結(jié)果列表長(zhǎng)度，可W作為參數(shù)調(diào)節(jié)。Rg是網(wǎng)頁(yè)j在返回列 表中的等級(jí)。如果網(wǎng)頁(yè)j不在返回列表中，則氏設(shè)為0。
[0037] 域名相似關(guān)系USi,,用于計(jì)算兩個(gè)域名（字符串）之間的相似度，利用編輯距離算 法對(duì)疑似網(wǎng)站進(jìn)行域名相似度分析，其中編輯距離指兩個(gè)字符串之間，由一個(gè)轉(zhuǎn)成另一個(gè) 所需的最少編輯操作次數(shù)，如果該距離越大，說(shuō)明兩個(gè)字符串越不同。
[003引文本相似關(guān)系TSi,用于衡量網(wǎng)頁(yè)i到網(wǎng)頁(yè)j的文本相似度，通過(guò)如下步驟進(jìn)行計(jì) 算：
[0039] S201、利用TF-IDF算法提取關(guān)鍵詞及詞頻，并構(gòu)造詞頻向量；
[0040] S202、利用余弦相似算法度量?jī)蓚€(gè)詞頻向量的距離。其中，余弦值越接近1，表明夾 角越接近0,則兩個(gè)詞頻向量越相似。
[0041] 視覺(jué)相似關(guān)系LSi,,用于衡量網(wǎng)頁(yè)i到網(wǎng)頁(yè)j布局相似度，通過(guò)感知哈希算法 任ere巧化al hash algorithm)建立視覺(jué)相似關(guān)系，其中，該感知哈希算法包括W下步驟： 縮小尺寸；簡(jiǎn)化色彩；計(jì)算平均值；比較像素灰度；計(jì)算哈希值進(jìn)行比較。
[0042] 在本實(shí)施例中，此步驟還包括計(jì)算釣魚(yú)網(wǎng)頁(yè)P(yáng)和相關(guān)網(wǎng)頁(yè)集合Wp中的每一網(wǎng)頁(yè)的 相似距離，該相似距離為Vi (Li，Ri，USi，TSi，LSi)，其中，i表示相關(guān)網(wǎng)頁(yè)集合Wp中任一網(wǎng)頁(yè) i，i = 1,2, ...n，Li是鏈接關(guān)系相似度，Ri是等級(jí)關(guān)系相似度，US i是域名相似關(guān)系相似度， TSi是文本相似關(guān)系相似度，LS 1是視覺(jué)相似關(guān)系相似度。對(duì)于釣魚(yú)網(wǎng)頁(yè)P(yáng)，其與本身的相似 距罔記為：Vp二（1, 1, 1, 1, 1}。
[0043] 在本實(shí)施例中，此步驟進(jìn)一步包括計(jì)算每個(gè)相似關(guān)系到釣魚(yú)網(wǎng)頁(yè)P(yáng)的建模長(zhǎng)度。
[0044] S3、利用DBSCAN算法聚類分析所述網(wǎng)頁(yè)特征信息的相似度，得到同一類相似網(wǎng) 頁(yè)；
[0045] 在此步驟中，將釣魚(yú)網(wǎng)頁(yè)P(yáng)的相似距離Vp與相似距離V 1進(jìn)行組合，構(gòu)成一個(gè)新的 集合，根據(jù)釣魚(yú)網(wǎng)頁(yè)的坐標(biāo)點(diǎn)，并利用每個(gè)相似關(guān)系到釣魚(yú)網(wǎng)頁(yè)P(yáng)的建模長(zhǎng)度，得到相關(guān)網(wǎng) 頁(yè)集合中各個(gè)相關(guān)網(wǎng)頁(yè)間的距離，再結(jié)合DBSCAN值ensity-Based Spatial Clustering of Applications with Noise,聚類算法）算法進(jìn)行聚類分析，可形成任意形狀的聚類簇，其 中，通過(guò)調(diào)整關(guān)鍵參數(shù)化S (掃描半徑）與MinPts (最小包含點(diǎn)數(shù)），將相關(guān)網(wǎng)頁(yè)集合中的 網(wǎng)頁(yè)與釣魚(yú)網(wǎng)頁(yè)的聚類距離控制在合適范圍，當(dāng)邱S與MinPts的取值增大時(shí)，相關(guān)網(wǎng)頁(yè)更 容易聚類，同時(shí)釣魚(yú)網(wǎng)頁(yè)的正確識(shí)別率也相應(yīng)增加。在本實(shí)施例中，Eps的取值約為0. 1~ 0. 2，MinPts的取值為4或者大于4。經(jīng)過(guò)分析之后，分析的結(jié)果會(huì)顯示Vp是否會(huì)和某些V 1 聚到一類，即同一類相似網(wǎng)頁(yè)。
[0046] S4、通過(guò)域名相似關(guān)系，定位出所述同一類相似網(wǎng)頁(yè)中的目標(biāo)網(wǎng)頁(yè)。
[0047] 在此步驟中，和釣魚(yú)網(wǎng)頁(yè)P(yáng)聚類在同一類別中的其他網(wǎng)頁(yè)即是釣魚(yú)網(wǎng)頁(yè)會(huì)模仿的 目標(biāo)網(wǎng)頁(yè)。
[0048] 因此，本發(fā)明根據(jù)多種網(wǎng)頁(yè)特征進(jìn)行查找相似網(wǎng)頁(yè)，并根據(jù)多種網(wǎng)頁(yè)相似關(guān)系進(jìn) 行建模，其中，引用了編輯距離算法、TF-IDF算法和感知哈希算法，從域名到文本到圖像， 對(duì)不同類型的網(wǎng)頁(yè)特征信息進(jìn)行提取，保證了信息的全面性。對(duì)于已提取的特征信息，采 用DBSCAN聚類算法將多種相似關(guān)系模型進(jìn)行整合聚類，通過(guò)調(diào)節(jié)參數(shù)化S (掃描半徑）與 MinPts (最小包含點(diǎn)數(shù)）控制各個(gè)相似關(guān)系模型的合適距離范圍，找到合適的聚類簇，從而 高效地得到聚類結(jié)果，從真假識(shí)別率綜合分析，得到較高的識(shí)別準(zhǔn)確率。
[0049] W上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明掲露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該W權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法，其特征在于，包括以下步驟： 51、 查找給定釣魚(yú)網(wǎng)頁(yè)的相關(guān)網(wǎng)頁(yè)集合； 52、 提取和建模所述釣魚(yú)網(wǎng)頁(yè)和所述相關(guān)網(wǎng)頁(yè)集合的網(wǎng)頁(yè)特征信息； 53、 利用DBSCAN算法聚類分析所述網(wǎng)頁(yè)特征信息的相似度，得到同一類相似網(wǎng)頁(yè)； 54、 通過(guò)域名相似關(guān)系，定位出所述同一類相似網(wǎng)頁(yè)中的目標(biāo)網(wǎng)頁(yè)。2. 根據(jù)權(quán)利要求1所述的由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法，其特征在于，所述步 驟S1包括： 5101、 抽取所述釣魚(yú)網(wǎng)頁(yè)的HTML源碼的URL超鏈接，獲得直接關(guān)聯(lián)網(wǎng)頁(yè)的網(wǎng)址； 5102、 提取所述釣魚(yú)網(wǎng)頁(yè)的關(guān)鍵詞，并通過(guò)搜索引擎進(jìn)行搜索，獲得非直接關(guān)聯(lián)的網(wǎng)頁(yè) 的網(wǎng)址； 5103、 根據(jù)所述直接關(guān)聯(lián)網(wǎng)頁(yè)和非直接關(guān)聯(lián)網(wǎng)頁(yè)的網(wǎng)址，使用爬蟲(chóng)進(jìn)行爬取，獲得相關(guān) 網(wǎng)頁(yè)集合。3. 根據(jù)權(quán)利要求1所述的由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法，其特征在于，在所述 步驟S2中，還包括計(jì)算所述釣魚(yú)網(wǎng)頁(yè)和所述相關(guān)網(wǎng)頁(yè)集合中的每一網(wǎng)頁(yè)的相似距離，該相 似距離為Vi (Q，民，USd TSd IA)，其中，Q是鏈接關(guān)系相似度，R i是等級(jí)關(guān)系相似度，US 1是 域名相似關(guān)系相似度，TSi是文本相似關(guān)系相似度，LS i是視覺(jué)相似關(guān)系相似度。4. 根據(jù)權(quán)利要求3所述的由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法，其特征在于，在所述 步驟S2中，所述網(wǎng)頁(yè)特征信息包括鏈接關(guān)系、等級(jí)關(guān)系、域名相似關(guān)系、文本相似關(guān)系及視 覺(jué)相似關(guān)系。5. 根據(jù)權(quán)利要求4所述的由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法，其特征在于，在所述 步驟S2中，進(jìn)一步包括計(jì)算相似關(guān)系到所述釣魚(yú)網(wǎng)頁(yè)的建模長(zhǎng)度，其中，所述相似關(guān)系包 括域名相似關(guān)系，文本相似關(guān)系及視覺(jué)相似關(guān)系。6. 根據(jù)權(quán)利要求5所述的由釣魚(yú)網(wǎng)頁(yè)聚類定位目標(biāo)網(wǎng)頁(yè)的方法，其特征在于，在所述 步驟S3中，還包括利用所述建模長(zhǎng)度進(jìn)行聚類分析。
【文檔編號(hào)】G06F17/30GK105824822SQ201510003979
【公開(kāi)日】2016年8月3日
【申請(qǐng)日】2015年1月5日
【發(fā)明人】唐新民, 景曉軍, 沈智杰
【申請(qǐng)人】任子行網(wǎng)絡(luò)技術(shù)股份有限公司