[发明专利]一种中文域名相似度计算方法及仿冒域名检测方法

摘要

本发明公开了一种中文域名相似度计算方法及仿冒域名检测方法。本方法为：1)分别生成待测域名d₁、目标域名d₂的中文字符集合set₁、set₂；2)根据集合set₁、set₂中字符数的比较结果确定计算标志flag的值并确定集合set₁、set₂中所包含的n组相似字符对以及每组相似字符对的相似度；3)根据形近字变换对待测域名d₁、目标域名d₂的影响值，以及字序交换对待测域名d₁、目标域名d₂的影响值，计算域名d₁与域名d₂的整体相似度值。如果整体相似度值大于设定阈值，则判定域名d₁为域名d₂的仿冒域名。本发明可有效检测出基于形近字替换、基于字序交换的中文仿冒域名，在网络安全领域具有广泛的应用前景。

主权项

1.一种中文域名相似度计算方法，其步骤为：1)分别生成待测域名d₁、目标域名d₂的中文字符集合set₁、set₂；其中，set₁为待测域名d₁的中文字符集合，set₂为目标域名d₂的中文字符集合；待测域名d₁、目标域名d₂的长度均为N；2)根据集合set₁、set₂中字符数的比较结果确定计算标志flag的值并确定集合set₁、set₂中所包含的n组相似字符对以及每组相似字符对的相似度；其中，n≤N；计算相似度的方法为：首先计算得集合set₁、set₂的元素个数setNum₁、setNum₂；若setNum₁≥setNum₂，则flag＝1，否则flag＝2；构造一setNum₁*setNum₂的矩阵，其中行元素为列元素为若flag＝1，则按行计算字符对的相似度：首先判断列元素中是否存在与行元素x_i相同的元素，若存在相同元素y_i，则字符对(x_i,y_i)的相似度为1；若不存在相同元素，则计算x_i与列元素中每个元素的相似度值，取其中的最大值对应的元素y_j与x_i的构成相似字符对(x_i,y_j)，对应的相似度值作为该相似字符对(x_i,y_j)的相似度；若flag＝2，则按列计算字符对的相似度，首先判断行元素中是否存在与列元素y_i相同的元素，若存在相同元素x_i，则字符对(x_i,y_i)的相似度为1；若不存在相同元素，则计算y_i与行元素中每个元素的相似度值，取其中的最大值对应的元素x_j与y_i的构成相似字符对(x_j,y_i)，对应的相似度值作为该相似字符对(x_j,y_i)的相似度；3)根据形近字变换对待测域名d₁、目标域名d₂的影响值，以及字序交换对待测域名d₁、目标域名d₂的影响值，计算待测域名d₁与目标域名d₂的整体相似度值；其中，根据公式计算形近字变换对待测域名d₁、目标域名d₂的影响值DSim_char(d₁，d₂)；若flag的值代表set₁中字符数大于或等于set₂中字符数，则以待测域名d₁中的中文字符为基准，取各字符对的相似度值；否则以目标域名d₂中的中文字符为基准，取各字符对的相似度值；CharSim_i是待测域名d₁、目标域名d₂中第i对字符对的相似度值；计算字序交换对待测域名d₁、目标域名d₂的影响值DSim_order(d₁，d₂)的方法为：若flag的值代表set₁中字符数大于或等于set₂中字符数，则根据n组相似字符将待测域名d₁中与目标域名相似的字符替换为目标域名中对应的字符，替换得新域名d₁’，目标域名不变，即d₂’＝d₂；否则根据n组相似字符将目标域名d₂中与待测域名相似的字符替换为待测域名中对应的字符，得新域名d₂’，待测域名不变，即d₁’＝d₁；然后计算d₁’与d₂’的相似度作为该影响值DSim_order(d₁，d₂)；根据公式计算该影响值DSim_order(d₁，d₂)；其中，EditDis(d′₁，d′₂)为替换后域名d₁’、d₂’的编辑距离；根据公式DSim(d₁，d₂)＝W_char×DSim_char(d₁,d₂)+(1‑W_char)×DSim_order(d₁,d₂)计算待测域名d₁与目标域名d₂整体相似度值；其中，W_char是根据形近字替换对整体域名相似度的影响而分配的权值，其取值区间为[0,1]。