[发明专利]基于Web页面特征的金融类钓鱼网页检测方法

摘要

本发明涉及一种基于Web页面特征的金融类钓鱼网页检测方法，基于预建立的金融类第一Title关键词库、第二Title关键词库、敏感关键词库及网页Logo图标特征点规则库；包括：使用爬虫获取待测网页HTML，提取Title标签文本信息，计算与第一、第二Title关键词库匹配度，若匹配度大于阈值，判定为钓鱼网页，否则转下一步检测；提取待测网页特定标签文本信息，统计与敏感关键词库匹配个数，计算敏感特征值，若特征值大于阈值，判定为钓鱼网页，否则转下一步检测；对待测网页进行定点截图，获取待测网页Logo图标，提取其特征点，并与图标特征点规则库对比，根据特征点匹配个数计算相似度，若相似度大于阈值，判定为钓鱼网页，否则为正常网页。本发明能够准确并快速地判断待测Web页面是否为金融类钓鱼网页。

主权项

一种基于Web页面特征的金融类钓鱼网页检测方法，其特征在于：该方法的执行基于预先建立的金融类第一Title关键词库、第二Title关键词库、敏感关键词库以及网页Logo图片特征点规则库；该方法具体包括以下步骤：S1：使用爬虫获取的待测网页的HTML，提取Title标签中的文本信息，计算文本信息与第一Title关键词库、第二Title关键词的匹配度，若匹配度大于阈值，判定待测网页为钓鱼网页，否则，进入步骤S2对待测网页做进一步检测；S2：提取待测网页特定标签中的文本信息，统计文本信息与敏感关键词库的匹配个数，计算出Web敏感特征值，若特征值大于阈值，判定待测网页为钓鱼网页，否则，进入步骤S3对待测网页做进一步检测；S3：对待测网页进行定点截图，截图尽可能以最小的面积包含待测网页的Logo图片；S4：提取出Logo截图的特征点，将其与网页Logo图片特征点规则库进行对比，根据特征点的匹配个数计算出两幅Logo图片的相似度，若相似度大于阈值，判定待测网页为钓鱼网页，否则，判定待测网页为正常网页。