[发明专利]一种网页篡改监测方法及装置

权利要求书

1.一种网页篡改监测方法，其特征在于，该方法包括：

获取所需监测网站的页面，提取出所述页面包含的多个分词；

遍历敏感词库，从所述多个分词中筛选出在所述敏感词库中存在的敏感分词；

获取每个所述敏感分词在一个页面出现时该页面为非法篡改页面的概率；

根据每个所述敏感分词在一个页面出现时该页面为非法篡改页面的概率，确定所述页面为非法篡改页面的概率；

在所述页面为非法篡改页面的概率大于第一设定阈值时，确定所述页面为非法篡改页面；

所述敏感词库通过以下方式确定:

获取第一正样本集和第一负样本集；所述第一正样本集包括多种非法篡改类型的非法篡改页面；所述第一负样本集包括多种类型的正常页面；

提取所述第一正样本集中每个非法篡改页面中包含的分词，确定每个分词在所述第一正样本集中出现的概率；提取所述第一负样本集中每个正常页面中包含的分词，确定每个分词在所述第一负样本集中出现的概率；

对于同一分词：

获取所述分词根据语义分析被划分为敏感分词的概率，以及所述分词根据语义分析被划分为正常分词的概率；

根据所述分词在所述第一正样本集中出现的概率，所述分词在所述第一负样本集中出现的概率，以及所述分词被划分为敏感分词的概率，所述分词被划分为正常分词的概率，确定所述分词在一个页面出现时该页面为非法篡改页面的概率；

在所述分词在一个页面出现时该页面为非法篡改页面的概率超过第二设定阈值时，将所述分词确定为敏感分词，并将所述分词以及所述分词在一个页面出现时该页面为非法篡改页面的概率存储在所述敏感词库中。

2.如权利要求1所述的方法，其特征在于，每个敏感分词分别在一个页面出现时该页面为非法篡改页面的事件预先设置为相互独立的事件；

根据每个敏感分词在一个页面出现时该页面为非法篡改页面的概率，确定所述页面为非法篡改页面的概率，包括：

根据所述每个敏感分词在一个页面出现时该页面为非法篡改页面的概率，计算筛选出的所有所述敏感分词同时在一个页面出现时该页面为非法篡改页面的联合概率；

将所述联合概率确定为所述页面为非法篡改页面的概率。

3.一种网页篡改监测方法，其特征在于，该方法包括：

获取所需监测网站的页面，提取出所述页面包含的多个分词；

遍历错误页面特征词库，从所述多个分词中筛选出在所述错误页面特征词库中存在的特征分词；

获取每个所述特征分词在一个页面出现时该页面为错误页面的概率；

根据每个所述特征分词在一个页面出现时该页面为错误页面的概率，确定所述页面为错误页面的概率；

在所述页面为错误页面的概率大于第三设定阈值时，确定所述页面为错误页面；

所述错误页面特征词库通过以下方式确定:

获取第二正样本集和第二负样本集；所述第二正样本集包括多种错误类型的错误页面；所述第二负样本集包括多种类型的正常页面；

提取所述第二正样本集中每个错误页面中包含的分词，确定每个分词在所述第二正样本集中出现的概率；提取所述第二负样本集中每个正常页面中包含的分词，确定每个分词在所述第二负样本集中出现的概率；

对于同一分词：

获取所述分词根据语义分析被划分为特征分词的概率，以及所述分词根据语义分析被划分为正常分词的概率；

根据所述分词在所述第二正样本集中出现的概率，所述分词在所述第二负样本集中出现的概率，以及所述分词被划分为特征分词的概率，所述分词被划分为正常分词的概率，确定所述分词在一个页面出现时该页面为错误页面的概率；

在所述分词在一个页面出现时该页面为错误页面的概率超过第四设定阈值时，将所述分词确定为特征分词，并将所述分词以及所述分词在一个页面出现时该页面为错误页面的概率存储在所述错误页面特征词库中。