一种诈骗网站的识别方法、装置、存储介质和电子设备制造方法及图纸

本发明专利技术公开了一种诈骗网站的识别方法、装置、存储介质和电子设备，方法包括：首先获取诈骗网站的文本特征数据集和网络特征数据集，构建网站识别训练模型，基于文本特征数据集或网络特征数据集，利用预设训练方法对网站识别训练模型进行训练，得到训练好的单分类网站识别模型，将待识别的网站信息输入训练好的单分类网站识别模型，得到待识别的网站信息的识别结果，它通过构建单分类模型，能够进行诈骗网站的自动识别，提高诈骗网站识别的准确率，降低误判率。误判率。误判率。

【技术实现步骤摘要】
一种诈骗网站的识别方法、装置、存储介质和电子设备


[0001]本专利技术属于网络安全领域，特别是一种诈骗网站的识别方法、装置、存储介质和电子设备。

技术介绍

[0002]随着近年来国内互联网的发展，网站的数量日益增多。非正常、不安全的网站数量也逐渐增多，而且让人难以分辨，非正常网站包括恶意网站、钓鱼网站、诈骗网站等，一般用于发布虚假中奖信息、虚假新闻、虚假招聘信息，获取用户个人隐私等，给人们和社会带来的危害不容忽视。非正常网站作为对网络安全的最大威胁之一，在网络安全中，对其进行识别是确保网络安全的重中之重。
[0003]当下对于网络诈骗案件的解决办法多为案发后进行网站的分析，并对相似网站进行封锁，即诈骗行为发生后才予以封锁网站，此时对被害人已造成了一定的经济损失，因此在诈骗行为发生前将诈骗网站识别并封锁，可以有效制止犯罪行为，同时也可以避免被害人的经济损失，使得反诈措施由被动防御转为主动出击。
[0004]因此，如何提高诈骗网站识别的准确率，降低误判率，从而能够在一定程度上提高打击网络犯罪的效率，降低其打击成本，有效改善治理网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诈骗网站的识别方法，其特征在于，所述方法包括：获取诈骗网站的文本特征数据集和网络特征数据集；构建网站识别训练模型；基于所述文本特征数据集或网络特征数据集，利用预设训练方法对所述网站识别训练模型进行训练，得到训练好的单分类网站识别模型，其中，所述预设训练方法包括机器学习的SVM方法或深度学习的CVDD方法；将待识别的网站信息输入所述训练好的单分类网站识别模型，得到所述待识别的网站信息的识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取诈骗网站的文本特征数据集和网络特征数据集，包括：提取所述诈骗网站上的文本内容，并利用预设方法对所述诈骗网站上的文本内容进行分词处理，得到至少一个词表；根据所述词表，生成所述诈骗网站的文本特征数据集。3.根据权利要求2所述的方法，其特征在于，所述预设方法包括Bag of Word、Bi
‑
Gram、TF
‑
IDF以及分标签TF
‑
IDF特征向量表示方法。4.根据权利要求1所述的方法，其特征在于，所述基于所述文本特征数据集或网络特征数据集，利用预设训练方法对所述网站识别训练模型进行训练，得到训练好的单分类网站识别模型，包括：当所述预设训练方法为基于机器学习的SVM方法，构造超平面分类函数，并输入至所述网站识别训练模型；根据训练模型的输出结果，获取基于所述文本特征数据或网络特征数据的第一优化目标；根据所述文本特征数据或网络特征数据的第一优化目标，优化所述训练模型的参数，直至得到训练好的单分类网站识别模型。5.根据权利要求4所述的方法，其特征在于，所述超平面分类函数通过以下算式确定：其中sgn为符号函数，w为权重，T为矩阵转置符，φ为映射函数，x为数据项，ρ为超平面偏置项，α为权重，K(x)为核函数。6.根据权利要求5所述的方法，其特征在于，所述第一优化目标通过以下算式确定：其中，ω为权重，n为数据项个数，为ζ
i
为松弛因子，v为惩罚因子，ρ为超平面偏置项，w为
权重，φ为映射函数，x为数据项。7.根据权利要求1所述的方法，其特征在于，所述基于所述文本特征数据集或网络特征数据集，利用预设训练方法对所述网站识别训练模型进行训练，得到训练好的单分类网站识别模型，还包括：当所述预设训练方法为基于深度学习的CVDD方法，构造打分函数，并输入至所述网站识别训练模型；根据训练模型的输出结果，获取基于所述文本特征数据或网络特征数据的第二...

【专利技术属性】
技术研发人员：尚伯乐，
申请(专利权)人：尚伯乐，
类型：发明
国别省市：