【技术实现步骤摘要】
网站指纹生成方法、相似网站识别方法、装置和设备
[0001]本申请涉及计算机
,特别是涉及一种网站指纹生成方法、相似网站识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]网站指纹是能够唯一表征网站的信息,网站指纹能够反映网站的特点,在网站去重、网站推送等场景下均有着广泛的应用空间。
[0003]传统技术中,通过网站主页的HTML(HyperText Markup Language,超文本标记语言)文件提取DOM(Document Object Model,文档对象模型)结构来构建网站指纹,相当于基于网站静态资源确定网站指纹,针对包含动态资源的动态网站,存在网站指纹不准确的缺点。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种能够提高准确性的网站指纹生成方法、相似网站识别方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]第一方面,本申请提供了一种网站指纹生成方法。所述方法包括:
[0006]获取目标网站的网站标识、以及所述目标网站所传播的每一网站资源各自的资源地址;
[0007]基于所述网站标识,对每一所述资源地址分别进行资源标识提取,获得每一所述资源地址各自的资源标识;所述资源标识包括一个标识串或通过分隔符连接的多个标识串;
[0008]针对每一所述标识串,按照所述标识串在所属资源标识中的位置,对所述标识串进行目录转换处理,确定所述标识串对应的资源目录;
[0009]对每一所述资源目录分 ...
【技术保护点】
【技术特征摘要】
1.一种网站指纹生成方法,其特征在于,所述方法包括:获取目标网站的网站标识、以及所述目标网站所传播的每一网站资源各自的资源地址;基于所述网站标识,对每一所述资源地址分别进行资源标识提取,获得每一所述资源地址各自的资源标识;所述资源标识包括一个标识串或通过分隔符连接的多个标识串;针对每一所述标识串,按照所述标识串在所属资源标识中的位置,对所述标识串进行目录转换处理,确定所述标识串对应的资源目录;对每一所述资源目录分别进行序列编码处理,获得每一所述资源目录各自对应的编码序列;基于各所述编码序列,生成唯一表征所述目标网站的网站指纹。2.根据权利要求1所述的方法,其特征在于,所述对每一所述资源地址分别进行资源标识提取,获得每一所述资源地址各自的资源标识,包括:确定各所述资源地址中表征所述网站标识的共性字符串;基于所述共性字符串,对每一所述资源地址分别进行资源标识提取,得到每一所述资源地址各自的原始资源标识;所述原始资源标识,包括所述资源地址中除所述共性字符串以外的其余字符串;对所述原始资源标识中资源标识能力满足能力条件的设定类型字符串进行统一化处理,获得每一所述资源地址各自的资源标识。3.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取设定的分隔符,将所述资源标识中所包含的每一字符分别与所述分隔符进行字符比对;在所述资源标识所包含的各字符中包括所述分隔符的情况下,以所述分隔符所在位置为切分位置,将所述资源标识切分成多个标识串。4.根据权利要求1所述的方法,其特征在于,所述按照所述标识串在所属资源标识中的位置,对所述标识串进行目录转换处理,确定所述标识串对应的资源目录,包括:按照所述标识串在所属资源标识中的位置,确定所述标识串在所属资源标识中的层级标识;基于所述层级标识和所述标识串的拼接结果,确定所述标识串对应的资源目录。5.根据权利要求4所述的方法,其特征在于,所述方法还包括:从所述标识串的所属资源标识中,确定与所述标识串的层级间隔满足间隔条件的关联标识串;所述基于所述层级标识和所述标识串的拼接结果,确定所述标识串对应的资源目录,包括:拼接所述标识串、以及所述标识串的层级标识,得到所述标识串的初始目录;对所述标识串的初始目录与所述关联标识串进行二次拼接处理,得到所述标识串对应的资源目录。6.根据权利要求5所述的方法,其特征在于,所述方法还包括:确定所述关联标识串的层级标识;拼接所述关联标识串、以及所述关联标识串的层级标识,得到所述关联标识串的初始
目录;所述对所述标识串的初始目录与所述关联标识串进行二次拼接处理,得到所述标识串对应的资源目录,包括:对所述标识串和所述关联标识串各自的初始目录进行二次拼接处理,得到所述标识串对应的资源目录。7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述基于各所述编码序列,生成唯一表征所述目标网站的网站指纹,包括:确定各所述编码序列各自的权重;基于各所述编码序列各自的权重,对各所述编码序列所包含的各编码元素进行元素统计,获得统计序列;对所述统计序列进行元素转换处理,生成唯一表征所述目标网站的网站指纹。8.根据权利要求7所述的方法,其特征在于,所述获...
【专利技术属性】
技术研发人员:牛亚峰,张凯,张旭,甘晓华,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。