[发明专利]一种基于深度学习的检测站点篡改的方法及装置

说明书

本申请是关于一种基于深度学习的检测站点篡改的方法及装置，属于通信领域。所述方法包括：爬取待检测站点中的页面内容，在所述页面内容为图片时，将所述图片输入敏感图像检测模型，所述敏感图像检测模型用于检测所述图片是否包括敏感图像，获取所述敏感图像检测模型输出的检测结果，在所述检测结果为所述图片包括敏感图像时，确定所述待检测站点被篡改。在所述页面内容为文本信息时，将所述文本信息输入到文本检测模型，所述文本检测模型用于检测所述文本信息中是否包括敏感信息，获取所述文本检测模型输出的检测结果，在所述检测结果为所述文本信息包含敏感信息时，确定所述待检测站点被篡改。本申请能够提高提高站点是否被篡改的精度。

技术领域

本申请涉及通信领域，特别涉及一种基于深度学习的检测站点篡改的方法及装置。

背景技术

网站的站点往往有大量的网页等内容，可以供用户访问并浏览这些网页。但目前有不法分子可以篡改站点中的网页，可以在站点中嵌入与色情、赌博、暴恐、政治等相关的敏感信息，通过站点传播敏感信息。例如，参见图1所示的站点首页，该站点首页上包括几个页面的链接，分别为院内新闻、医学常识、院务公开、在线咨询和生命救助发展基金等。参见图2，但该站点被不法份子篡改后，将医学常识的链接修改为金博棋牌，用于宣传赌博。

为了阻止敏感信息被嵌入在站点中传播，可以对站点进行检测，检测出被篡改的站点，以提醒站点的管理员及时处理。目前检测站点的方法为：爬取站点中的各网页，获取与各网页的MD5(Message-Digest Algorithm5，消息摘要算法5)值。将各网页的MD5值分别与历史获取的各网页的MD5值进行比较。比较出某个网页的MD5值与历史获取的该网页的MD5值不同时，确定该网页的内容被篡改，并向站点的管事员提醒该网页。

站点中的网页可能是动态网页，动态网页的内容的变化可能不是因为被不法分子篡改了敏感内容，但也会被上述方法错误检测出来。另外，不法分子可以将敏感内容单独做成一个网页并将该网页放入站点上，由于没有该网页的历史获取的MD5值，上述方法无法检测出该网页。所以目前的方案检测站点被篡改的精度很低。

发明内容

本申请实施例提供了一种检测站点的方法及装置，以提高站点是否被篡改的精度。所述技术方案如下：

一方面，本申请提供了一种基于深度学习的检测站点篡改的方法，所述方法包括：

爬取待检测站点中的页面内容的地址信息和所述页面内容；

根据所述地址信息的后缀确定所述页面内容的类型；

在所述类型为图片时，将所述图片输入敏感图像检测模型，所述敏感图像检测模型用于检测所述图片是否包括敏感图像，获取所述敏感图像检测模型输出的检测结果，在所述检测结果为所述图片包括敏感图像时，确定所述待检测站点被篡改；

在所述类型为文本信息时，将所述文本信息输入到文本检测模型，所述文本检测模型用于检测所述文本信息中是否包括敏感信息，获取所述文本检测模型输出的检测结果，在所述检测结果为所述文本信息包含敏感信息时，确定所述待检测站点被篡改。

可选的，所述将所述页面内容输入到敏感信息检测模型，获取所述敏感信息检测模型输出的检测结果，包括：

在所述页面内容为图片时，提取所述图片中的文本信息；

将所述文本信息输入到文本检测模型，所述文本检测模型用于检测所述文本信息中是否包括敏感信息，获取所述文本检测模型输出的检测结果。

可选的，所述将所述文本信息输入到文本检测模型，包括：

在所述文本信息包括的词语中存在敏感词时，从所述文本信息中获取与所述敏感词相邻的x个词语，x为大于1的整数；

获取x+1个词语的每个词语的词向量，词语的词向量是所述词语的语义表示，所述x+1个词语包括所述敏感词和所述x个词语；