CN109067708A - 一种网页后门的检测方法、装置、设备及存储介质 - Google Patents

一种网页后门的检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109067708A
CN109067708A CN201810713468.3A CN201810713468A CN109067708A CN 109067708 A CN109067708 A CN 109067708A CN 201810713468 A CN201810713468 A CN 201810713468A CN 109067708 A CN109067708 A CN 109067708A
Authority
CN
China
Prior art keywords
web page
source code
page files
rule
files source
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810713468.3A
Other languages
English (en)
Other versions
CN109067708B (zh
Inventor
张鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Hongxiang Technical Service Co Ltd
Original Assignee
Beijing Qihoo Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Qihoo Technology Co Ltd filed Critical Beijing Qihoo Technology Co Ltd
Priority to CN201810713468.3A priority Critical patent/CN109067708B/zh
Publication of CN109067708A publication Critical patent/CN109067708A/zh
Application granted granted Critical
Publication of CN109067708B publication Critical patent/CN109067708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1433—Vulnerability analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Abstract

本说明书实施例提供了一种网页后门检测方法、装置、设备及存储介质。其方法包括：获取待检测的网页文件源代码；利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量；对所述网页文件源代码的属性进行统计，得到客观特征值；利用所述主观特征向量和所述客观特征值构建特征向量；利用预先建立的分类模型对所述特征向量进行分类，分类结果指示了所述网页文件源代码中是否存在网页后门，所述分类模型是由预先获取的作为特征向量样本训练得到的，所述特征向量样本的数据结构与所述特征向量的数据结构相同。

Description

一种网页后门的检测方法、装置、设备及存储介质
技术领域
本说明书实施例涉及网络安全技术领域，尤其涉及一种网页后门的检测方法、装置、设备及存储介质。
背景技术
Webshell是黑客攻击目标主机的常用工具。以webshell为例，其是以asp(ActiveServer Pages，动态目标主机页面)、php(Hypertext Preprocessor，超文本预处理器)、jsp(Java Server Pages，Java目标主机页面)或cgi(通用网关接口)等网页文件形式存在的命令执行环境，也可以将其称为一种网页后门。
传统的网页后门检测方法主要是通过对已知网页后门文件的特征做出准确描述，进而形成正则表达式，利用正则表达式进行网页后门检测。这种检测方式依赖于人工经验，其灵活性差，且漏检率较高。
发明内容
本说明书实施例提供及一种网页后门的检测方法、装置、设备及存储介质，较之基于正则表达式的检测方法，其实现方式简单灵活，且漏检率较低。
第一方面，本说明书实施例提供一种网页后门的检测方法，该方法包括：
获取待检测的网页文件源代码；
利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量；
对所述网页文件源代码的属性进行统计，得到客观特征值；
利用所述主观特征向量和所述客观特征值构建特征向量；
利用预先建立的分类模型对所述特征向量进行分类，分类结果指示了所述网页文件源代码中是否存在网页后门，所述分类模型是由预先获取的作为特征向量样本训练得到的，所述特征向量样本的数据结构与所述特征向量的数据结构相同。
可选的，所述规则库包括多条规则，所述利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量，包括：
分别利用所述规则库中的每条规则对所述网页文件源代码进行特征匹配；
记录每条规则的匹配结果，匹配结果由数值表示；
按照每条规则在所述规则库中的顺序对所述匹配结果进行排序，得到主观特征向量。
可选的，所述客观特征值包括以下至少一种：
所述网页文件源代码的单词数，所述网页文件源代码的符号数，所述网页文件源代码的空白行数，所述网页文件源代码的压缩率，所述网页文件源代码的最长单词的字符数。
可选的，所述对所述网页文件源代码的属性进行统计之前，该方法还包括：
对所述网页文件源代码进行分词处理。
基于上述任意方法实施例，可选的，所述分类模型为随机森林模型。
第二方面，本说明书实施例提供一种网页后门的检测装置，包括：
源代码获取模块，用于获取待检测的网页文件源代码；
主观特征提取模块，用于利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量；
客观特征提取模块，用于对所述网页文件源代码的属性进行统计，得到客观特征值；
特征向量构建模块，用于利用所述主观特征向量和所述客观特征值构建特征向量；
网页后门检测模块，用于利用预先建立的分类模型对所述特征向量进行分类，分类结果指示了所述网页文件源代码中是否存在网页后门，所述分类模型是由预先获取的作为特征向量样本训练得到的，所述特征向量样本的数据结构与所述特征向量的数据结构相同。
可选的，所述规则库包括多条规则，所述主观特征提取模块用于：
分别利用所述规则库中的每条规则对所述网页文件源代码进行特征匹配；
记录每条规则的匹配结果，匹配结果由数值表示；
按照每条规则在所述规则库中的顺序对所述匹配结果进行排序，得到主观特征向量。
可选的，所述客观特征值包括以下至少一种：
所述网页文件源代码的单词数，所述网页文件源代码的符号数，所述网页文件源代码的空白行数，所述网页文件源代码的压缩率，所述网页文件源代码的最长单词的字符数。
可选的，还包括分词处理模块，用于：
对所述网页文件源代码进行分词处理。
基于上述任意装置实施例，可选的，所述分类模型为随机森林模型。
第三方面，本说明书实施例提供一种网页后门的检测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意方法实施例的步骤。
第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例的步骤。
本说明书实施例有益效果如下：
通过提取网页文件源代码的主观特征向量和客观特征值，构建得到的特征向量，从多个特征角度较为全面地描述了网页后门的特征，利用人工智能技术的分类模型，具有自学习、自组织、自适应等能力，所以可有效地发现新型或变种的网页后门，有效地弥补传统的检测方法不能检测未知网页后门的缺点，检测方式灵活，且在保证网页后门检测准确性的同时，能够降低漏报率。
附图说明
图1为本说明书实施例第一方面的方法流程图；
图2为本说明书实施例第二方面的装置示意图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。
第一方面，本说明书实施例提供一种网页后门的检测方法，请参考图1，包括：
步骤101、获取待检测的网页文件源代码。
本说明书实施例提供的方法不受限于源代码所使用的语言，因此，该步骤中，获取的网页文件源代码可以是asp、php、jsp、cgi等格式。
步骤103、利用预设的规则库对上述网页文件源代码进行特征匹配，得到主观特征向量。
该步骤即提取主观特征。
步骤105、对上述网页文件源代码的属性进行统计，得到客观特征值。
该步骤即提取客观特征。
应当指出的是，步骤103和步骤105之间没有执行时序的限制，既可以先执行步骤103，也可以先执行步骤105，还可以并行执行这两个步骤。
步骤107、利用上述主观特征向量和上述客观特征值构建特征向量。
步骤109、利用预先建立的分类模型对上述特征向量进行分类，分类结果指示了上述网页文件源代码中是否存在网页后门。
其中，上述分类模型是由预先获取的作为特征向量样本训练得到的，特征向量样本的数据结构与上述构建的特征向量的数据结构相同。
通过提取网页文件源代码的主观特征向量和客观特征值，构建得到的特征向量，从多个特征角度较为全面地描述了网页后门的特征，利用人工智能技术的分类模型，具有自学习、自组织、自适应等能力，所以可有效地发现新型或变种的网页后门，有效地弥补传统的检测方法不能检测未知网页后门的缺点，检测方式灵活，且在保证网页后门检测准确性的同时，能够降低漏报率。
另外，采用本说明书实施例提供的方法，无论是主观特征还是客观特征都属于网页文件源代码的文本特征，不涉及源代码编写所使用的编程语言的语法，因此不受限于源代码所使用的编程语言，适用范围较广。
本说明书实施例提供的方法可以但不仅限于对webshell的检测。
下面将从主观特征提取，客观特征提取，分类模型的建模及应用这几个方面对本说明书实施例提供的技术方案进行详细说明。
主观特征提取
本说明书实施例中，利用规则库对网页文件源代码进行特征匹配。其中，规则库包括预先配置的多条规则，这些规则用于描述已知的网页后门主观特征。可以但不仅限于包括：用于匹配危险函数的规则，用于匹配网页后门作者痕迹的规则，用于匹配网页后门特征码的规则等等。
当发现有新的网页后门主观特征，则可以添加相应的规则到规则库中。
作为举例而非限定，规则库中的规则可以用正则表达式表示。
相应的，上述步骤103的实现方式可以是：分别利用所述规则库中的每条规则对所述网页文件源代码进行特征匹配；记录每条规则的匹配结果，匹配结果由数值表示；按照每条规则在所述规则库中的顺序对所述匹配结果进行排序，得到主观特征向量。
其中，表示匹配结果的数值可以是设定长度的二进制数，例如，用一位二进制数表示匹配结果，1(或0)表示匹配，0(或1)表示不匹配。当然，也可以采用其他长度或者其他进制的数值表示，本说明书对此不做限定。
假设规则库中有N条规则，表示为{R1,R2,……,RN}，则遍历这N条规则，每条规则均对网页文件源代码进行特征匹配，具体的，可以按照这些规则在规则库中的顺序进行匹配，也可以按照其他遍历顺序进行匹配，还可以并行进行匹配。但匹配结果需要按照这些规则在规则库中的顺序(即按照R1,R2,……,RN的顺序)进行排列。假设1表示匹配，0表示不匹配，则得到的主观特征向量为一串01构成的数字串，假设第n个规则对应的匹配结果为不匹配，则在主观特征向量中，第n个特征为0。
客观特征提取
本说明书实施例中，客观特征值包括但不仅限于以下至少一种：
所述网页文件源代码的单词数，所述网页文件源代码的符号数，所述网页文件源代码的空白行数，所述网页文件源代码的压缩率，所述网页文件源代码的最长单词的字符数。
为了隐藏网页后门，逃避检测，网页后门的作者会对网页后门代码进行加密、压缩等处理。因此，异常的压缩率、异常长度的单词/字符串等等均可以作为网页后门的特征。这些文本属性统计值即为客观特征值，可以作为网页后门特征的补充。
为了进行属性统计，可以先对网页文件源代码进行分词处理。
通过分词，将文本进行分割，以便进行单词、字符串等统计。本说明书实施例不对分词的规则进行限定，仅举例进行说明。
在对自然语言文本进行分词处理时，对于特殊符号，例如&、#，会判断为是无意义的字符而被过滤。但在网页文件代码中，特殊符号也有其含义，例如，&lt表示小于号。因此，在对网页文件代码进行分词处理时，不删除特殊符号，而是作为有意义的字符串进行分割。具体的，在网页文件代码中，以Html为例，特殊符号的编码以&开头，因此，可以将&作为一种分词标记。
完成分词处理后，即可进行相关的属性统计。例如，统计单词数量，具体的，可以对单词进行去重，统计去重之后的单词数量。
提取了主观特征和客观特征后，通过将主观特征和客观特征级联来构建特征向量。本说明书实施例不对级联的顺序进行限定，既可以主观特征向量在前，也可以客观特征值在前，只要保证特征向量的数据结构与特征向量样本的数据结构一致即可。
所谓数据结构一致，是指主观特征向量和客观特征值的级联顺序一致，主观特征向量中各个特征的顺序一致，若有多个客观特征值，其排序一致。
根据分类模型对数据结构的要求，可能还需要对主观特征向量和客观特征值进行归一化处理。假设主观特征向量是二进制数字串，而客观特征值是十进制数值，则将客观特征值转换为二进制数字串。
分类模型的建模及应用
本说明书实施例不对分类模型进行具体限定。优选的，采用随机森林模型，经验证，采用随机模型对特征向量进行分类，其准确率较高、漏检率较低。另外，随机森林模型不需要对特征向量进行归一化处理，简化了处理流程，提高了处理效率。
以随机森林模型为例，获取大量已知有网页后门的网页文件源代码，采用上述提取方式提取主观特征向量和客观特征值，从而构建特征向量，这些特征向量即为特征向量样本。
已知有网页后门的网页文件源代码包括互联网已公开的已知有网页后门的网页文件源代码、目标主机已采集的已知有网页后门的网页文件源代码。
利用部分特征向量样本训练随机森林模型，并利用剩余的特征向量样本评估随机森林模型的性能，从而进行优化。在训练过程中，通过机器学习算法，还可以判断出特征向量样本中的各个向量的权重，对于权重过低的向量，意味着其对检测网页后门的贡献较低，可以选择从特征向量样本中删除，相应的，从规则库中删除相应的规则，或不再进行对应的属性统计。
第二方面，基于同一发明构思，本说明书实施例提供一种网页后门的检测装置，请参考图2，包括：
源代码获取模块201，用于获取待检测的网页文件源代码；
主观特征提取模块202，用于利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量；
客观特征提取模块203，用于对所述网页文件源代码的属性进行统计，得到客观特征值；
特征向量构建模块204，用于利用所述主观特征向量和所述客观特征值构建特征向量；
网页后门检测模块205，用于利用预先建立的分类模型对所述特征向量进行分类，分类结果指示了所述网页文件源代码中是否存在网页后门，所述分类模型是由预先获取的作为特征向量样本训练得到的，所述特征向量样本的数据结构与所述特征向量的数据结构相同。
可选的，所述规则库包括多条规则，所述主观特征提取模块用于：
分别利用所述规则库中的每条规则对所述网页文件源代码进行特征匹配；
记录每条规则的匹配结果，匹配结果由数值表示；
按照每条规则在所述规则库中的顺序对所述匹配结果进行排序，得到主观特征向量。
可选的，所述客观特征值包括以下至少一种：
所述网页文件源代码的单词数，所述网页文件源代码的符号数，所述网页文件源代码的空白行数，所述网页文件源代码的压缩率，所述网页文件源代码的最长单词的字符数。
可选的，还包括分词处理模块，用于：
对所述网页文件源代码进行分词处理。
基于上述任意装置实施例，可选的，所述分类模型为随机森林模型。
第三方面，基于同一发明构思，本说明书实施例提供一种网页后门的检测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意方法实施例的步骤。
第四方面，基于同一发明构思，本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方实施例的步骤。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本说明书的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。
显然，本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样，倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内，则本说明书也意图包含这些改动和变型在内。

Claims (10)

1.一种网页后门的检测方法，其特征在于，包括：
获取待检测的网页文件源代码；
利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量；
对所述网页文件源代码的属性进行统计，得到客观特征值；
利用所述主观特征向量和所述客观特征值构建特征向量；
利用预先建立的分类模型对所述特征向量进行分类，分类结果指示了所述网页文件源代码中是否存在网页后门，所述分类模型是由预先获取的作为特征向量样本训练得到的，所述特征向量样本的数据结构与所述特征向量的数据结构相同。
2.根据权利要求1所述的方法，其特征在于，所述规则库包括多条规则，所述利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量，包括：
分别利用所述规则库中的每条规则对所述网页文件源代码进行特征匹配；
记录每条规则的匹配结果，匹配结果由数值表示；
按照每条规则在所述规则库中的顺序对所述匹配结果进行排序，得到主观特征向量。
3.根据权利要求2所述的方法，其特征在于，所述客观特征值包括以下至少一种：
所述网页文件源代码的单词数，所述网页文件源代码的符号数，所述网页文件源代码的空白行数，所述网页文件源代码的压缩率，所述网页文件源代码的最长单词的字符数。
4.根据权利要求3所述的方法，其特征在于，所述对所述网页文件源代码的属性进行统计之前，该方法还包括：
对所述网页文件源代码进行分词处理。
5.根据权利要求1～4任一项所述的方法，其特征在于，所述分类模型为随机森林模型。
6.一种网页后门的检测装置，其特征在于，包括：
源代码获取模块，用于获取待检测的网页文件源代码；
主观特征提取模块，用于利用预设的规则库对所述网页文件源代码进行特征匹配，得到主观特征向量；
客观特征提取模块，用于对所述网页文件源代码的属性进行统计，得到客观特征值；
特征向量构建模块，用于利用所述主观特征向量和所述客观特征值构建特征向量；
网页后门检测模块，用于利用预先建立的分类模型对所述特征向量进行分类，分类结果指示了所述网页文件源代码中是否存在网页后门，所述分类模型是由预先获取的作为特征向量样本训练得到的，所述特征向量样本的数据结构与所述特征向量的数据结构相同。
7.根据权利要求6所述的装置，其特征在于，所述规则库包括多条规则，所述主观特征提取模块用于：
分别利用所述规则库中的每条规则对所述网页文件源代码进行特征匹配；
记录每条规则的匹配结果，匹配结果由数值表示；
按照每条规则在所述规则库中的顺序对所述匹配结果进行排序，得到主观特征向量。
8.根据权利要求6或7所述的装置，其特征在于，所述分类模型为随机森林模型。
9.一种网页后门的检测设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN201810713468.3A 2018-06-29 2018-06-29 一种网页后门的检测方法、装置、设备及存储介质 Active CN109067708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810713468.3A CN109067708B (zh) 2018-06-29 2018-06-29 一种网页后门的检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810713468.3A CN109067708B (zh) 2018-06-29 2018-06-29 一种网页后门的检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109067708A true CN109067708A (zh) 2018-12-21
CN109067708B CN109067708B (zh) 2021-07-30

Family

ID=64818821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810713468.3A Active CN109067708B (zh) 2018-06-29 2018-06-29 一种网页后门的检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109067708B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109670923A (zh) * 2019-01-03 2019-04-23 江苏海事职业技术学院 一种电子商务物流管理中的物流订单分配系统
CN110210225A (zh) * 2019-05-27 2019-09-06 四川大学 一种智能化的Docker容器恶意文件检测方法和装置
CN110232277A (zh) * 2019-04-23 2019-09-13 平安科技（深圳）有限公司 网页后门的检测方法、装置和计算机设备
CN113821448A (zh) * 2021-11-22 2021-12-21 上海斗象信息科技有限公司 一种Webshell代码的检测方法及装置、可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101692267A (zh) * 2009-09-15 2010-04-07 北京大学 一种大规模恶意网页检测方法及系统
CN101888312A (zh) * 2009-05-15 2010-11-17 北京启明星辰信息技术股份有限公司 一种web网页攻击检测和响应方法及装置
CN101964026A (zh) * 2009-07-23 2011-02-02 中联绿盟信息技术(北京)有限公司 网页挂马检测方法和系统
CN103544210A (zh) * 2013-09-02 2014-01-29 烟台中科网络技术研究所 一种识别网页类型的系统和方法
CN103577756A (zh) * 2013-11-05 2014-02-12 北京奇虎科技有限公司 基于脚本类型判断的病毒检测方法及装置
CN103839004A (zh) * 2012-11-26 2014-06-04 腾讯科技（深圳）有限公司 检测恶意文件的方法和设备
US20140317738A1 (en) * 2013-04-22 2014-10-23 Imperva, Inc. Automatic generation of attribute values for rules of a web application layer attack detector
CN105956469A (zh) * 2016-04-27 2016-09-21 百度在线网络技术（北京）有限公司 文件安全性识别方法和装置
US20170054745A1 (en) * 2014-02-17 2017-02-23 Beijing Qihoo Technology Company Limited Method and device for processing network threat
CN107451476A (zh) * 2017-07-21 2017-12-08 上海携程商务有限公司 基于云平台的网页后门检测方法、系统、设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101888312A (zh) * 2009-05-15 2010-11-17 北京启明星辰信息技术股份有限公司 一种web网页攻击检测和响应方法及装置
CN101964026A (zh) * 2009-07-23 2011-02-02 中联绿盟信息技术(北京)有限公司 网页挂马检测方法和系统
CN101692267A (zh) * 2009-09-15 2010-04-07 北京大学 一种大规模恶意网页检测方法及系统
CN103839004A (zh) * 2012-11-26 2014-06-04 腾讯科技（深圳）有限公司 检测恶意文件的方法和设备
US20140317738A1 (en) * 2013-04-22 2014-10-23 Imperva, Inc. Automatic generation of attribute values for rules of a web application layer attack detector
CN103544210A (zh) * 2013-09-02 2014-01-29 烟台中科网络技术研究所 一种识别网页类型的系统和方法
CN103577756A (zh) * 2013-11-05 2014-02-12 北京奇虎科技有限公司 基于脚本类型判断的病毒检测方法及装置
US20170054745A1 (en) * 2014-02-17 2017-02-23 Beijing Qihoo Technology Company Limited Method and device for processing network threat
CN105956469A (zh) * 2016-04-27 2016-09-21 百度在线网络技术（北京）有限公司 文件安全性识别方法和装置
CN107451476A (zh) * 2017-07-21 2017-12-08 上海携程商务有限公司 基于云平台的网页后门检测方法、系统、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
戴仲政: ""基于脚本引擎的恶意网页检测系统"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109670923A (zh) * 2019-01-03 2019-04-23 江苏海事职业技术学院 一种电子商务物流管理中的物流订单分配系统
CN110232277A (zh) * 2019-04-23 2019-09-13 平安科技（深圳）有限公司 网页后门的检测方法、装置和计算机设备
CN110210225A (zh) * 2019-05-27 2019-09-06 四川大学 一种智能化的Docker容器恶意文件检测方法和装置
CN113821448A (zh) * 2021-11-22 2021-12-21 上海斗象信息科技有限公司 一种Webshell代码的检测方法及装置、可读存储介质

Also Published As

Publication number Publication date
CN109067708B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN109067708A (zh) 一种网页后门的检测方法、装置、设备及存储介质
CN104778164B (zh) 检测重复url的方法及装置
CN107807987A (zh) 一种字符串分类方法、系统及一种字符串分类设备
CN103377260B (zh) 一种网络日志url 的分析方法及装置
CN110866181A (zh) 资源推荐的方法、装置及存储介质
CN110929203B (zh) 异常用户的识别方法、装置、设备及存储介质
TWI673617B (zh) 使用者背景資訊的收集方法及裝置
CN112508118B (zh) 针对数据偏移的目标对象行为预测方法及其相关设备
CN112766649B (zh) 基于多评分卡融合的目标对象评价方法及其相关设备
CN107003834B (zh) 行人检测设备和方法
CN111401700A (zh) 一种数据分析方法、装置、计算机系统及可读存储介质
CN112035549B (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN112860841A (zh) 一种文本情感分析方法、装置、设备及存储介质
CN103744889A (zh) 一种用于对问题进行聚类处理的方法与装置
CN113434859A (zh) 入侵检测方法、装置、设备及存储介质
CN110110035A (zh) 数据处理方法和装置以及计算机可读存储介质
CN104778283A (zh) 一种基于微博的用户职业分类方法及系统
CN103577547A (zh) 网页类型识别方法及装置
CN115982654B (zh) 一种基于自监督图神经网络的节点分类方法及装置
CN112395401A (zh) 自适应负样本对采样方法、装置、电子设备及存储介质
CN114726823B (zh) 一种基于生成对抗网络的域名生成方法、装置和设备
CN108052520A (zh) 基于主题模型的关联词分析方法、电子装置及存储介质
CN112199374A (zh) 针对数据缺失的数据特征挖掘方法及其相关设备
CN105989284B (zh) 网页入侵脚本特征的识别方法及设备
CN110298005A (zh) 一种对url进行归一化的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220720

Address after: 300450 No. 9-3-401, No. 39, Gaoxin 6th Road, Binhai Science Park, Binhai New Area, Tianjin

Patentee after: 3600 Technology Group Co.,Ltd.

Address before: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park)

Patentee before: BEIJING QIHOO TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230713

Address after: 1765, floor 17, floor 15, building 3, No. 10 Jiuxianqiao Road, Chaoyang District, Beijing 100015

Patentee after: Beijing Hongxiang Technical Service Co.,Ltd.

Address before: 300450 No. 9-3-401, No. 39, Gaoxin 6th Road, Binhai Science Park, Binhai New Area, Tianjin

Patentee before: 3600 Technology Group Co.,Ltd.