网页黑词处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种网页黑词处理方法、装置、设备及存储介质。该方法包括：获取至少一个样本网页的统一资源定位符；根据所述至少一个样本网页的统一资源定位符，获取所述至少一个样本网页的样本网页内容；根据所述至少一个样本网页的样本网页内容，获取所述至少一个样本网页的样本网页内容中的关键词；统计所述至少一个样本网页的样本网页内容中的关键词在恶意网页中出现的次数和在非恶意网页中出现的次数；根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词为黑词或非黑词。本发明专利技术实施例提高了对黑词检测的准确性。

【技术实现步骤摘要】
网页黑词处理方法、装置、设备及存储介质
本专利技术实施例涉及通信
，尤其涉及一种网页黑词处理方法、装置、设备及存储介质。
技术介绍
随着互联网的发展，人们使用互联网的频率越来越高，并利用互联网进行各种购物或者社交活动，如聊天、看视频等。互联网也致力于给人们带来更加方便的生活体验，使得生活更加舒适。但是，在这份舒适方便的生活环境中隐藏这巨大的风险，一旦网站存在漏洞，就可能被攻击者利用，攻击者可能在网站上挂马或者发布虚假信息诱使消费者上当受骗。攻击者也会制作低成本的网页来模仿其他权威网站来欺骗消费者，比如模仿银行的官方网站来套取用户的账号密码。在基于文本的恶意网址检测模型中，常见的方法是提取页面中的关键词，将页面提取后得到的所有关键词转变成词向量，使用得到的词向量作为这个页面的标示，然后将词向量应用到不同的方法的分类模型中进行模型训练，这种基于文本的恶意网址检测方法比较简单，而随着恶意网站和检测方的不断对抗，关键词提取方法得到的关键词常常是恶意网址有意注入的正常词汇。因此，这种基于关键词提取算法的方法的效果越来越差。
技术实现思路
本专利技术实施例提供一种网页黑词处理方法、装置、设备及本文档来自技高网...

【技术保护点】
1.一种网页黑词处理方法，其特征在于，包括：获取至少一个样本网页的统一资源定位符；根据所述至少一个样本网页的统一资源定位符，获取所述至少一个样本网页的样本网页内容；根据所述至少一个样本网页的样本网页内容，获取所述至少一个样本网页的样本网页内容中的关键词；统计所述至少一个样本网页的样本网页内容中的关键词在恶意网页中出现的次数和在非恶意网页中出现的次数；根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词为黑词或非黑词。

【技术特征摘要】
1.一种网页黑词处理方法，其特征在于，包括：获取至少一个样本网页的统一资源定位符；根据所述至少一个样本网页的统一资源定位符，获取所述至少一个样本网页的样本网页内容；根据所述至少一个样本网页的样本网页内容，获取所述至少一个样本网页的样本网页内容中的关键词；统计所述至少一个样本网页的样本网页内容中的关键词在恶意网页中出现的次数和在非恶意网页中出现的次数；根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词为黑词或非黑词。2.根据权利要求1所述的方法，其特征在于，所述根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词为黑词或非黑词，包括：根据所述关键词在恶意网页中出现的次数和在非恶意网页中出现的次数，确定所述关键词对应的权重值，所述权重值表示根据所述关键词区分恶意网页和非恶意网页的难易程度；如果所述关键词对应的权重值大于阈值，则确定所述关键词为黑词。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：将所述黑词存储在黑词库中；检测所述黑词库中被其他主机查询过的不同黑词的个数或每个黑词被其他主机查询过的次数；当所述黑词库中被其他主机查询过的不同黑词的个数大于预设个数，或者所述黑词库中每个黑词被其他主机查询过的次数大于预设次数时，释放所述黑词库的存储空间。4.根据权利要求3所述的方法，其特征在于，所述释放所述黑词库的存储空间，包括：将所述黑词库中的黑词迁移到其他主机中的黑词库中。5.根据权利要求4所述的方法，其特征在于，所述将所述黑词库中的黑词迁移到其他主机中的黑词库中，包括：通过与其他主机之间的直连通道将所述黑词库中的黑词迁移到其他主机中的黑词库中。6.一种网页黑词处理装置，其特征在于，包括：第一获取模块，用于获取至少一个样本网页的统一资源定位符；第二获取模块，用于根据所述至少一个样本网页的统一资源定位符，获取所述至少一个样本网页的样本网页内容；第三...

【专利技术属性】
技术研发人员：肖征荣，田新雪，马书惠，邴建，邢建兵，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11