[发明专利]一种远程网页篡改监测方法、系统、设备及存储介质

权利要求书

1.一种远程网页篡改监测方法，其特征在于，包括：

收集待监测网站的网页原始数据；

从所述网页原始数据中提取页面元数据特征；

将所述页面元数据特征输入到训练后的逻辑回归检测器中进行篡改检测；

根据篡改检测结果判断待监测网站是否存在篡改。

2.根据权利要求1所述的远程网页篡改监测方法，其特征在于，当篡改检测结果大于篡改阈值，则认为发生网页篡改，则对该页面标注存在篡改标签；

当篡改检测结果小于指定阈值，且大于最小阈值时，则认为可能存在网页篡改，再经人工验证进行确认，当确认结果为发生网页篡改时，则对该页面标注存在篡改标签，否则，则对该页面标注不存在网页篡改；当篡改检测结果小于最小阈值时，认定不存在网页篡改，则对该页面标注不存在篡改标签。

3.根据权利要求1所述的远程网页篡改监测方法，其特征在于，采用网页爬虫技术收集待监测网站的网页原始数据。

4.根据权利要求1所述的远程网页篡改监测方法，其特征在于，所述待监测网站的网页原始数据包括爬取时间、URL链接、页面原始内容及页面解析后内容。

5.根据权利要求1所述的远程网页篡改监测方法，其特征在于，所述页面元数据特征包括图片数量、body长度、网页跳转量、标签数量、网页历史相似度、域名泛解析信息、图片OCR信息及搜索引擎爬虫跳转量。

6.根据权利要求1所述的远程网页篡改监测方法，其特征在于，还包括：

收集页面元数据特征样本及其对应的标签，并以此构建训练数据样本；

利用训练数据样本对逻辑回归模型进行训练，得优化后的逻辑回归模型。

7.一种远程网页篡改监测系统，其特征在于，包括：

收集模块(1)，用于收集待监测网站的网页原始数据；

提取模块(2)，用于从所述网页原始数据中提取页面元数据特征；

检测模块(3)，用于将所述页面元数据特征输入到训练后的逻辑回归检测器中进行篡改检测；

判断模块(4)，用于根据篡改检测结果判断待监测网站是否存在篡改。

8.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述远程网页篡改监测方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述远程网页篡改监测方法的步骤。