[发明专利]钓鱼网站检测模型的训练方法、装置、设备及存储介质

权利要求书

1.一种钓鱼网站检测模型的训练方法，其特征在于，所述方法包括：

获取网站数据集，其中，所述网站数据集包括钓鱼网站样本集和非钓鱼网站样本集，所述钓鱼网站样本集和所述非钓鱼网站样本集中的样本的特征包括URL特征、异常操作特征、脚本特征和域名特征；

对所述网站数据集中的样本进行特征预处理；

对特征预处理后的样本进行特征提取；

采用特征提取后的样本对钓鱼网站分类器进行训练，得到钓鱼网站检测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取网站数据集，包括：

分别获取钓鱼网站和非钓鱼网站的URL并提取所述钓鱼网站和所述非钓鱼网站的URL特征；

分别爬取所述钓鱼网站和所述非钓鱼网站的URL对应的网页代码；

根据所述钓鱼网站和所述非钓鱼网站的网页代码，分别提取所述钓鱼网站和所述非钓鱼网站的异常操作特征、脚本特征和域名特征；

分别对所述钓鱼网站和所述非钓鱼网站进行标注，得到所述钓鱼网站和所述非钓鱼网站的标签。

3.根据权利要求1所述的方法，其特征在于，所述对所述网站数据集中的样本进行特征预处理，包括：

对所述网站数据集中的样本对应的特征列进行数据清洗；

对数据清洗后的特征列进行归一化处理。

4.根据权利要求1所述的方法，其特征在于，所述对特征预处理后的样本进行特征提取，包括：

计算特征预处理后的样本对应的多个特征列与特征预处理后的样本对应的标签列的相关系数；

按照相关系数从小到大的顺序对特征预处理后的样本对应的多个特征列进行排序；

将排序后的多个特征列划分为M-N+1个特征组，其中，第i个特征组包括前i+N-1个特征列，i∈[1,M-N+1]，M表示特征预处理后的样本对应的特征列的个数，N≤M且为正整数；

采用每个特征组中的特征列与所述标签列训练基线模型，得到每个特征组对应的评估指标；

保留特征预处理后的样本对应的多个特征列中在评估指标最高的特征组中存在的特征列。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述网站分类器包括SVM和随机森林；

所述采用特征提取后的样本对钓鱼网站分类器进行训练，得到钓鱼网站检测模型，包括：

将所述特征提取后的样本按照预设比例划分为训练集和测试集；

采用训练集中的样本分别对SVM和随机森林进行训练，得到目标SVM和目标随机森林；

采用测试集中的样本分别对目标SVM和目标随机森林进行测试，得到目标SVM和目标随机森林的评估指标；

选择评估指标最高的一方为钓鱼网站检测模型。

6.一种钓鱼网站检测方法，其特征在于，所述方法包括：

获取待检测网站的特征；

基于钓鱼网站检测模型对所述特征进行检测，确定所述待检测网站是否为钓鱼网站，其中，所述钓鱼网站检测模型基于权利要求1-5中任一项所述的钓鱼网站检测模型的训练方法得到。

7.一种钓鱼网站检测模型的训练装置，其特征在于，所述装置包括：

获取模块，用于获取网站数据集，其中，所述网站数据集包括钓鱼网站样本集和非钓鱼网站样本集，所述钓鱼网站样本集和所述非钓鱼网站样本集中的样本的特征包括URL特征、异常操作特征、脚本特征和域名特征；

预处理模块，用于对所述网站数据集中的样本进行特征预处理；

提取模块，用于对特征预处理后的样本进行特征提取；

训练模块，用于采用特征提取后的样本对钓鱼网站分类器进行训练，得到钓鱼网站检测模型。

8.一种钓鱼网站检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测网站的特征；

检测模块，用于基于钓鱼网站检测模型对所述特征进行检测，确定所述待检测网站是否为钓鱼网站，其中，所述钓鱼网站检测模型基于权利要求1-5中任一项所述的钓鱼网站检测模型的训练方法得到。