CN107133310-CN201710298791-僵尸网站的检测方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107133310 A (43)申请公布日 2017.09.05 (21)申请号 201710298791.4 (22)申请日 2017.04.28 (71)申请人 安徽博约信息科技股份有限公司 地址 230000 安徽省合肥市高新区黄山路 602号合肥国家大学科技园A509室 (72)发明人 周银行　杨东　董郑江　胡淦　 陈焕　郑中华　 (74)专利代理机构 北京轻创知识产权代理有限 公司 11212 代理人 沈尚林 (51)Int.Cl. G06F 17/30(2006.01) 权利要求书1页 说明书4页 附图3页 (54)发明名称 僵尸网站的检测方法 (57)摘要 本发明公开了一种僵尸网站的检测方法。该 检测方法包括网络信息收集和索引、网站可用性 检测、网站信息更新检测和网站综合打分及僵尸 网站判定等4个步骤。本发明通过采集相应网站 信息，进行信息抽取和索引后，使用既定的网站 评价指标(网站可用性、网站信息更新频率等)对 网站是否僵尸网站进行检测，实现了对网站是否 僵尸网站的有效判别。 A 0 1 3 3 3 1 7 0 1 N C CN 107133310 A 权　利　要　求　书 1/1页 1.僵尸网站的检测方法，包括以下步骤： (1)网络信息收集和索引 使用网络信息采集雷达采集网站发布的互联网信息，所述的互联网信息为htm1格式， 运用网页预处理算法对正文中的标题、发表时间、正文进行数据提取，重点对发表时间进行 多种校验，保证提取的时间的正确性；而后将提取后的数据发送到索引模块，索引模块在对 上述字段进行分词处理后，建立倒排索引，实现文本的检索； (2)网站可用性检测 基于上述采集引擎，实现对网站可用性的检测，主要是对网站在检测时间段内是否可 访问、网站页面链接是否可访问、网站页面链接的响应时间三方面内容进行监测，综合不可 访问次数比例进行打分，该分数作为后续僵尸网站检测时的网站可用性权重； (3)网站信息更新检测 基于所采集的数据，考虑每一个网站的栏目设置、及信息来源各个栏目数量等指标，在 给定的时间段内按照预先设定的评判标准对网站的更新频率进行加权计算，对每个网站的 信息更新指数进行打分，该分数作为后续僵尸网站检测时的网站信息更新频率权重； (4)网站综合打分及僵尸网站判定 根据用户设定的统计时间间隔，计算出每个时间段各个网站的可用性、网站信息更新 情况；然后对每个时间段内的网站按照预先设定的标准进行加权打分；根据计算的网站综 合打分对网站是否是僵尸网站进行检测，利用设定好的网站指标对网站进行判别。 2.根据权利要求1所述的检测方法，其特征在于：在步骤(1)中，所述网页预处理算法包 括以下步骤： 对网页中的内容进行预处理时，会创建一个预处理对象，预处理对象调用本地自然语 言解析脚本对网页中的正文进行信息预处理，特别地对网页中的时间文本进行处理。 3.根据权利要求2所述的检测方法，其特征在于：所述本地自然语言解析脚本包含了对 自然语言的噪音的过滤、信息的归约以及变换。 2 2 CN 107133310 A 说　明　书 1/4页