CN110647896A - 一种基于logo图像的钓鱼页面识别方法及相关设备 - Google Patents

一种基于logo图像的钓鱼页面识别方法及相关设备 Download PDF

Info

Publication number
CN110647896A
CN110647896A CN201810672719.8A CN201810672719A CN110647896A CN 110647896 A CN110647896 A CN 110647896A CN 201810672719 A CN201810672719 A CN 201810672719A CN 110647896 A CN110647896 A CN 110647896A
Authority
CN
China
Prior art keywords
page
detected
surf
surf characteristic
vector set
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
CN201810672719.8A
Other languages
English (en)
Other versions
CN110647896B (zh
Inventor
马长春
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.)
Sangfor Technologies Co Ltd
Original Assignee
Sangfor Technologies 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 Sangfor Technologies Co Ltd filed Critical Sangfor Technologies Co Ltd
Priority to CN201810672719.8A priority Critical patent/CN110647896B/zh
Publication of CN110647896A publication Critical patent/CN110647896A/zh
Application granted granted Critical
Publication of CN110647896B publication Critical patent/CN110647896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • H04L63/1441—Countermeasures against malicious traffic
    • H04L63/1483—Countermeasures against malicious traffic service impersonation, e.g. phishing, pharming or web spoofing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明实施例提供了一种基于logo图像的钓鱼页面识别方法及相关设备。本发明实施例中，从多维度对待检测登录页面进行防伪识别，一方面，服务器可以将预置安全logo图像集合中的每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合，将待检测登录页面的页面截图对应的SURF特征向量集合与各个标准SURF特征向量集合进行匹配，基于匹配的结果可以为待检测页面分配第一权值，另一方面，可以判断匹配成功的SURF特征向量集合是否满足缩放映射，基于判断的结果可以为待检测页面分配第二权值，最终结合待检测登录页面获得的权值之和综合判定待检测登录页面是否为钓鱼页面，提高了钓鱼页面识别的准确率。

Description

一种基于logo图像的钓鱼页面识别方法及相关设备
技术领域
本发明涉及网络安全技术领域，尤其涉及一种基于logo图像的钓鱼页面识别方法及相关设备。
背景技术
网络钓鱼是通过大量发送声称来自于银行或其他知名机构的欺骗性垃圾信息，意图引诱收信人给出敏感信息(如用户名、口令、帐号ID、ATM PIN码或信用卡详细信息)的一种攻击方式。黑客往往会伪造钓鱼页面，用户访问伪造的钓鱼页面并输入相应的敏感信息，保存这些敏感信息，达到窃取敏感信息的目的。
现有的网页伪造检测方案往往是基于黑名单技术，主要是基于安全厂商建立的黑名单进行筛选，安全厂商的黑名单的更新往往是在钓鱼网站危害已经形成之后，并不能在钓鱼网站出现之初进行识别。
有鉴于此，有必要提出一种新的钓鱼页面识别方法，降低网络钓鱼的风险。
发明内容
本发明实施例提供了一种基于logo图像的钓鱼页面识别方法及相关设备，用于识别网络钓鱼页面。
本发明实施例第一方面提供了一种基于logo图像的钓鱼页面识别方法，其特征在于，包括：
分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合；
采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合；
根据所述第一SURF特征向量集合与所述标准SURF特征向量集合，从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值；
统计所述待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定所述待检测登录页面为钓鱼页面。
可选的，作为一种可能的实施方式，本发明实施例中所述从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值，包括：
若所述安全logo图像集合对应的各个所述标准SURF特征向量集合中存在第二SURF特征向量集合，所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则为所述待检测登录页面分配第一权值，其中，两个SURF特征向量相似度大于第二预置阀值则判定对应的SURF特征向量匹配成功；
判断所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为所述待检测登录页面分配第二权值。
可选的，作为一种可能的实施方式，本发明实施例中在统计所述待检测登录页面获得的权值之和之前，该方法还包括：
判断所述第二SURF特征向量集合与所述待检测登录页面对应的域名是否相同，并根据判断结果为所述待检测登录页面分配第三权值。
可选的，作为一种可能的实施方式，本发明实施例中基于logo图像的钓鱼页面识别方法还包括：
采集待检测页面的页面信息，所述页面信息至少包括所述待检测页面对应的超文本标记语言HTML文件；
从所述HTML文件中提取文件正文及统一资源定位符URL地址；
统计所述HTML文件的文件正文中包含预置关键词汇的数量；
判断所述HTML文件中的URL地址的个数，与文件正文的字节数的比值是否大于第四预置阀值，并根据判断结果为所述待检测页面分配第四权值；
判断所述HTML文件中的文件正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为所述待检测页面分配第五权值；
统计各项检测过程中所述待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定所述待检测页面为待检测登录页面。
可选的，作为一种可能的实施方式，本发明实施例中基于logo图像的钓鱼页面识别方法还包括：
所述待检测页面的页面信息登录页面截图，在统计所述待检测页面获得的权值之和之前，还包括：
将所述登录页面截图输入预置的卷积神经网络CNN分类器模型中进行分类，并根据分类结果为所述待检测页面分配第六权值。
本发明实施例第二方面提供了一种服务器，其特征在于，包括：
第一提取模块，用于分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合；
第一采集模块，用于采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合；
第一分配模块，用于根据所述第一SURF特征向量集合与所述标准SURF特征向量集合，从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值；
第一统计模块，用于统计所述待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定所述待检测登录页面为钓鱼页面。
可选的，作为一种可能的实施方式，本发明实施例中的第一分配模块包括：
第一分配单元，若所述安全logo图像集合对应的各个所述标准SURF特征向量集合中存在第二SURF特征向量集合，所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则用于为所述待检测登录页面分配第一权值，其中，两个SURF特征向量相似度大于第二预置阀值则判定对应的SURF特征向量匹配成功；
第二分配单元，用于判判断所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为所述待检测登录页面分配第二权值。
可选的，作为一种可能的实施方式，本发明实施例中的服务器还包括：
第二分配模块，用于判断所述第二SURF特征向量集合与所述待检测登录页面对应的域名是否相同，并根据判断结果为所述待检测登录页面分配第三权值。
可选的，作为一种可能的实施方式，本发明实施例中的服务器还包括：
第二采集模块，用于采集待检测页面的页面信息，所述页面信息至少包括所述待检测页面对应的超文本标记语言HTML文件；
第二提取模块，用于从所述HTML文件中提取文件正文及统一资源定位符URL地址；
第二统计模块，用于统计所述HTML文件的文件正文中包含预置关键词汇的数量；
第四分配模块，用于判断所述HTML文件中的URL地址的个数，与文件正文的字节数的比值是否大于第四预置阀值，并根据判断结果为所述待检测页面分配第四权值；
第五分配模块，用于判断所述HTML文件中的文件正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为所述待检测页面分配第五权值；
第三统计模块，用于统计各项检测过程中所述待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定所述待检测页面为待检测登录页面。
第六分配模块，用于将所述登录页面截图输入预置的卷积神经网络CNN分类器模型中进行分类，并根据分类结果为所述待检测页面分配第六权值。
可选的，作为一种可能的实施方式，所述待检测页面的页面信息登录页面截图，本发明实施例中的服务器还包括：
第六分配模块，用于将所述登录页面截图输入预置的卷积神经网络CNN分类器模型中进行分类，并根据分类结果为所述待检测页面分配第六权值。
本发明实施例第三方面提供了一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如第一方面及第一方面任意一种可能的实施方式中的步骤。
本发明实施例第四方面提供了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如第一方面及第一方面任意一种可能的实施方式中的步骤。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例中，服务器可以预先采集预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合，以这些标准SURF特征向量集合为参照，从多维度对待检测登录页面进行实时的防伪识别，基于识别的结果可以为待检测页面分配权值，最终可以统计待检测登录页面获得的权值之和判断待检测登录页面是否为钓鱼页面，提高了钓鱼页面识别的准确率。
附图说明
图1为本发明实施例中一种基于logo图像的钓鱼页面识别方法的一个实施例示意图；
图2为本发明实施例中一种基于logo图像的钓鱼页面识别方法的另一个实施例示意图；
图3为本发明实施例中待检测页面识别方法的一个实施例示意图；
图4为本发明实施例中一种服务器的一个实施例示意图；
图5为本发明实施例中一种服务器的另一个实施例示意图；
图6为本发明实施例中一种服务器的另一个实施例示意图；
图7为本发明实施例中一种计算机装置的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于logo图像的钓鱼页面识别方法及相关设备，用于识别网络钓鱼页面。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解，下面对本发明实施例中的具体流程进行描述，请参阅图1，本发明实施例中一种基于logo图像的钓鱼页面识别方法的一个实施例包括：
101、分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合。
本发明实施例中，为了对待检测的登录页面进行识别，首先需要预先采集一些容易被钓鱼的目标应用程序对应的logo图像作为参照，常见的钓鱼目标应用程序种类可以包括银行类(例如招商银行)、IM类(例如QQ)、文档共享类(例如百度云)、邮箱类(新浪邮箱)、购物类(淘宝)等。服务器可以采集常见的钓鱼目标应用程序界面对应的logo图像，形成预置安全logo图像集合。
知名站点的logo通常会展示在首页，所以我们只需要访问白名单站点的首页，具体获取logo图像的方法可以采用爬虫引擎根据登录页面的URL地址在登录页面截取，也可以在对应的HTML文件中通过获取logo图像的存储位置获取logo图像，当采用HTML文件获取logo图像时，可以先获取对应的HTML文件，然后通过正则匹配logo等词语就可以找到他们的logo图像，具体获取logo图像的方式此处不做限定。
在采集到安全登录框图像之后，可以对通过SURF算法提取各个logo图像的SURF特征向量，每个logo图像可以提取到多个158维度的SURF特征向量，可以将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合。其中，SURF是Speeded UpRobust Features(加速稳健特征)的缩写，SURF算法是一种稳健的局部特征点检测和描述算法。最初由Herbert Bay发表在2006年的欧洲计算机视觉国际会议(Europen Conferenceon Computer Vision，ECCV)上，并在2008年正式发表在Computer Vision and ImageUnderstanding期刊上。SURF算法是对David Lowe在1999年提出的Sift算法的改进，提升了算法的执行效率，具体的SURF算法为现有技术，此处不做赘述。
102、采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合。
对于待检测页面，当确定待检测页面为登录页面之后，服务器可以采集待检测登录页面的页面截图，并采用SURF算法提取该页面截图对应的SURF特征向量，形成第一SURF特征向量集合。
103、从至少两个维度判断待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为待检测登录页面分配对应的权值。
实际运用中，各个登陆页面往往会包含有对应的logo图像，本发明实施例中可以通过检测待检测页面是否包含预置的安全logo图像对待检测页面的真伪进行识别。具体的，在获取到第一SURF特征向量集合与标准SURF特征向量集合之后，服务器可以从至少两个维度判断待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为待检测登录页面分配对应的权值，具体的检测维度的数量此处不做限定，示例性的检测维度将在后续的实施例中详细描述。
104、统计待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定待检测登录页面为钓鱼页面。
服务器可以统计待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定待检测登录页面为钓鱼页面。
在上述图1所示的实施例的基础上，为了进一步提高检测的准确性，可以从更多的维度检测待检测页面是否为钓鱼页面，请参阅图2，本发明实施例中一种基于logo图像的钓鱼页面识别方法的另一个实施例可包括：
201、分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合。
202、采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合。
203、将第一SURF特征向量集合与各个标准SURF特征向量集合进行匹配。
实际应用中，第一SURF特征向量与各个标准SURF特征向量集合中均包括多个SURF特征向量，为了对待检测登录页面进行安全检测，需要将第一SURF特征向量集合与各个标准SURF特征向量集合进行匹配。若安全登录框图像集合对应的各个标准SURF特征向量集合中存在第二SURF特征向量集合，该第二SURF特征向量集合与第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则为待检测登录页面分配第一权值，其中，两个SURF特征向量匹配成功是指两个SURF特征向量相似度大于第二预置阀值。可选的，若安全登录框图像集合对应的各个标准SURF特征向量集合中存在上述的第二SURF特征向量集合，则可以不分配第一权值或为待检测登录页面分配权值为零。
可选的，判断两个SURF特征向量相似度大于第二预置阀值可以采用欧氏距离算法计算两个SURF特征向量的欧氏距离，两者的欧氏距离小于特定阀值，则可以判断两个SURF特征向量相似度大于第二预置阀值，进而判定对应的SURF特征向量匹配成功。可以理解的是，本发明实施例中判断向量相似度的算法可以是欧氏距离算法、也可以是曼哈顿距离算法、切比雪夫距离算法、闵可夫斯基距离算法、马氏距离算法、汉明距离算法等，具体此处不做限定。进一步的，为了减少计算量，本发明实施例中可以根据第二预置阀值及各个标准SURF特征向量集合计算满足匹配条件的SURF特征向量各个维度的参数的取值范围，根据该取值范围初步判断两个SURF特征向量的相似度，对满足取值范围的SURF特征向量进行进一步的相似度计算，减少计算量。
可选的，若不存在上述的第二SURF特征向量集合，则可以不进行下述的检测步骤。
204、判断第二SURF特征向量集合与第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为待检测登录页面分配第二权值。
若安全登录框图像集合对应的各个标准SURF特征向量集合中存在上述步骤203中第二SURF特征向量集合，则服务器可以进一步判断第二SURF特征向量集合与第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为待检测登录页面分配第二权值，可选的，若第二SURF特征向量集合与第一SURF特征向量集合中匹配成功的SURF特征向量满足缩放映射，则可以不分配第二权值或为待检测登录页面分配第二权值为零。
具体的，可以根据坐标系中SURF特征向量的位置信息，计算两个图片的公共原点，再从原点出发，可以求得第二SURF特征向量集合与第一SURF特征向量集合中匹配成功的SURF特征向量点与原点之间的距离，进而判断两个集合中匹配成功的每一对SURF特征向量点与原点之间的距离的比例值，若这些比例值一致或比例值的差值小于预设范围，则可以判定对应的匹配成功的SURF特征向量满足缩放映射。如果满足缩放映射，则说明待检测登陆页面中出现了预置安全logo图像集合中的某个logo图像，待检测登陆页面可能为安全页面。
205、判断第二SURF特征向量集合与待检测登录页面对应的域名是否相同，并根据判断结果为待检测登录页面分配第三权值。
可选的，服务器可以通过爬虫引擎采集常见的钓鱼目标应用程序以及待检测登录页面对应的域名，判断第二SURF特征向量集合与待检测登录页面对应的域名是否相同，并根据判断结果为待检测登录页面分配第三权值，可选的，若第二SURF特征向量集合与待检测登录页面对应的域名相同，则可以不分配第三权值或为待检测登录页面分配权值为零。
206、统计待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定待检测登录页面为钓鱼页面。
服务器可以统计待检测登录页面获得的权值之和，本实施例中可以统计第一权值、第三权值、第二权值及第四权值的和，若权值之和不小于第三预置阀值，则判定待检测页面为登录页面，具体的第三预置阀值可以根据实际权值的配置进行合理的设置，具体此处不做限定。
例如，对于待检测登录页面存在步骤203中所示的第二SURF特征向量集合与该待检测登录页面的页面截图的第一SURF特征向量集合相匹配，则为待检测登录页面分配第一权值为0，若第二SURF特征向量集合与待检测登录页面对应的域名不相同，则可以为待检测登录页面分配第三权值为2，若第二SURF特征向量集合与第一SURF特征向量集合中匹配成功的SURF特征向量不满足缩放映射，则为待检测登录页面分配第二权值为1，设定第三预置阀值为3，则可以判定待检测登录页面为钓鱼页面。
本发明实施例中，服务器可以预先采集预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合，以这些标准SURF特征向量集合为参照，从多维度对待检测登录页面进行实时的防伪识别，可以将待检测登录页面的页面截图的第一SURF特征向量集合与各个标准SURF特征向量集合进行匹配，若存在匹配成功标准SURF特征向量集合，则可以为待检测登录页面分配第一权值，对于匹配成功的SURF特征向量集合可以判断其是否满足缩放映射，基于判断的结果可以为待检测页面分配第二权值，判断第二SURF特征向量集合与待检测登录页面对应的域名是否相同，并根据判断结果为待检测登录页面分配第三权值，最终可以统计待检测登录页面获得的权值之和判断待检测登录页面是否为钓鱼页面，提高了钓鱼页面识别的准确率。
实际运用中，待检测的页面可能包含登录页面和非登录页面，在实施上述图1及图2所示的实施例中的检测对象优选为登录页面，也可以是非登录页面，为了提高检测的准确率，可以对待检测页面进行初步的筛选，筛选出待检测的登录页面。请参阅图3，在上述图1及图2所示的实施例的基础上，本发明实施例中识别待检测登录页面的一个实施例可包括：
301、采集待检测页面的页面信息，该页面信息至少包括待检测页面对应的超文本标记语言HTML文件；
考虑到登录页面的正文内容相对较少，而且登录页面往往会有与登录相关的预置关键词汇，例如“登录”、“注册”“忘记密码”“自动登录”“记住密码”等词汇，还可以是其他国家的语言中上述预置关键词汇的译文，登录页面往往会有连接到主页面、注册页面、密码找回页面、合作方账户登录页面等页面的内链，本发明实施例中，基于上述登录页面的特性进行登录页面的识别。
服务器可以采集待检测页面的页面信息，该页面信息可以包括待检测页面的HTML文件，进而可以从对应的HTML文件中可以提取到页面正文及HTML文件中包含的URL地址(内链)。可选的，服务器可以构建爬虫引擎爬取待检测页面的页面信息。
302、从HTML文件中提取页面正文及统一资源定位符URL地址。
服务器获取到HTML文件之后，可以从该HTML文件中提取待检测页面的正文及URL地址。具体的，可以根据HTML语法规则提取文件中的URL地址。
可选的，服务器可以将HTML文件中的编码转换为预置的格式进行存储，可以去除编码中的脚本及特殊字符、去除HTML格式的格式标签得到的页面正文之后可以得到待检测页面的页面正文。可选的，还可以根据HTML文件中的编码的行距与字距分布，去除行距较大，字距较大的部分编码，以进一步的对获取到的页面正文进行优化。可以理解的是，具体从HTML文件中提取待检测页面的正文的方法可以根据实际的HTML文件编码方式进行合理的调整，具体此处不做限定。
303、统计HTML文件的页面正文中包含预置关键词汇的数量。
在提取到HTML文件的页面正文之后，服务器可以统计HTML文件的页面正文中包含预置关键词汇的数量，预置关键词汇可以是“登录”、“注册”“忘记密码”“自动登录”“记住密码”等词汇，以及其他国家的语言中上述预置关键词汇的译文。可以理解的是，可以根据预置关键词汇可以根据语言种类的不同及登录页面的不同进行合理的设置，具体此处不做限定。
304、判断HTML文件中的URL地址的个数，与页面正文的字节数的比值是否大于第四预置阀值，并根据判断结果为待检测页面分配第四权值；
常见的登录页面的页面正文相对较少，而登录页面连接到主页面、注册页面、密码找回页面、合作方账户登录页面等多个页面的内链，往往待检测页面中的页面正文一定的情况下，内链越多越可能为登录页面。本发明实施例中采用多维度的检测方式，为每一维度的检测结果分配权值，服务器可以判断HTML文件中的URL地址的个数，与页面正文的字节数的比值是否大于第四预置阀值并根据判断结果为待检测页面分配第四权值，例如，HTML文件中的URL地址的个数，与页面正文的字节数的比值大于第一预置阀值时，为待检测页面分配不为零的第四权值，当比值小于第四预置阀值时为待检测页面分配的第四权值为零。
305、判断HTML文件中的页面正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为待检测页面分配第五权值；
服务器可以判断HTML文件中的页面正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为待检测页面分配第五权值，可选的，页面正文中包含预置关键词汇的数量不小于第五预置阀值，可以为待检测页面分配固定的第五权值，也可以设定页面正文中包含预置关键词汇的数量越大分配的第五权值越大，具体此处不做限定。
306、将登录页面截图输入预置的CNN分类器模型中进行分类，并根据分类结果为待检测页面分配第六权值。
可选的，为了进一步提高检测的准确性，可以引入卷积神经网络CNN分类器检测待检测页面是否为登录页面。具体的，服务器可以采集预置数量的登录页面图像作为正样本、预置数量的非登录页面作为负样本；将正样本及负样本输入原始CNN分类器模型进行训练，得到预置的CNN分类器模型。
具体的，服务器可以将获取到的正样本及负样本按照预置的算法，例如哈希算法，surf算法，sift算法等，进行特征化，生成对应的特征向量，样本向量化之后，特征向量记为X，人工分类的标签记为Y；
将向量X和标签Y输入到分类器模型中进行训练，例如将向量X和标签Y输入到CNN分类器模型中，CNN模型会根据预置的算法计算将向量X映射到标签Y的过程中所需的参数，最终得到预置CNN模型。该模型可以将未知特征向量集合X到标签集合Y的映射lr：x—>y，具体的CNN分类器模型的算法原理为现有技术，此处不做赘述。
在训练得到预置的CNN分类器模型之后，服务器可以通过渲染引擎获取待检测页面的页面截图，可以将登录页面截图输入预置的CNN分类器模型中进行分类，并根据分类结果为待检测页面分配第六权值，例如，CNN分类器将待检测页面的页面截图分类为非登录界面，则服务器为待检测页面分配的第六权值可以为零。
307、将HTML文件中的URL地址输入长短期记忆网络LSTM分类器模型中进行分类，并根据分类结果为待检测页面分配第七权值。
可选的，为了进一步提高检测的准确性，还可以引入输入长短期记忆网络LSTM分类器模型检测待检测页面是否为登录页面。具体的，服务器可以采集预置数量的登录页面的URL地址作为正样本、预置数量的非登录页面的URL地址作为负样本；将正样本及负样本输入原始LSTM分类器模型进行训练，得到预置的LSTM分类器模型。
服务器可以将先前获取到的待检测页面的HTML文件中的URL地址输入长短期记忆网络LSTM分类器模型中进行分类，并根据分类结果为待检测页面分配第七权值。例如，LSTM分类器将待检测页面的页面截图分类为非登录界面，则服务器为待检测页面分配的第七权值可以为零。
308、统计待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定待检测页面为登录页面。
服务器可以统计待检测页面获得的权值之和，本实施例中可以统计第四权值、第五权值、第六权值及第七权值的和，若权值之和不小于第六预置阀值，则判定待检测页面为登录页面，具体的第六预置阀值可以根据实际权值的配置进行合理的设置，具体此处不做限定。
本发明实施例中，可以采集待检测页面的页面信息，该页面信息可以包括待检测页面的HTML文件及待检测页面的页面截图，基于待检测页面的页面信息进行四个维度的检测，并根据每个维度的检测结果为待检测页面分配四个权值，最终统计待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定待检测页面为登录页面，从多维度检测待检测页面是否为登录页面，提高了检测的准确性。
可以理解的是，在本发明的各种实施例中，上述各步骤的序号的大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
上述实施例对本发明实施例中的基于登录框图像的钓鱼页面识别方法进行了描述，下面将对本发明实施例中的服务器进行描述，请参阅图4，本发明实施例中，一种服务器的一个实施例可包括：
第一提取模块401，用于分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合；
第一采集模块402，用于采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合；
第一分配模块403，用于根据所述第一SURF特征向量集合与所述标准SURF特征向量集合，从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值；
第一统计模块404，用于统计待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定待检测登录页面为钓鱼页面。
可选的，作为一种可能的实施方式，请参阅图5，本发明实施例中的第一分配模块403包括：
第一分配单元4031，若所述安全logo图像集合对应的各个所述标准SURF特征向量集合中存在第二SURF特征向量集合，所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则用于为所述待检测登录页面分配第一权值，其中，两个SURF特征向量相似度大于第二预置阀值则判定对应的SURF特征向量匹配成功；
第二分配单元4032，用于判判断所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为所述待检测登录页面分配第二权值。
可选的，作为一种可能的实施方式，请参阅图5，本发明实施例中的服务器还包括：
第二分配模块405，用于判断所述第二SURF特征向量集合与所述待检测登录页面对应的域名是否相同，并根据判断结果为所述待检测登录页面分配第三权值。
可选的，作为一种可能的实施方式，请参阅图6，本发明实施例中的服务器还包括：
第二采集模块406，用于采集待检测页面的页面信息，页面信息至少包括待检测页面对应的超文本标记语言HTML文件；
第二提取模块407，用于从HTML文件中提取文件正文及统一资源定位符URL地址；
第二统计模块408，用于统计HTML文件的文件正文中包含预置关键词汇的数量；
第四分配模块409，用于判断HTML文件中的URL地址的个数，与文件正文的字节数的比值是否大于第四预置阀值，并根据判断结果为待检测页面分配第四权值；
第五分配模块410，用于判断HTML文件中的文件正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为待检测页面分配第五权值；
第三统计模块411，用于统计各项检测过程中待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定待检测页面为待检测登录页面。
可选的，作为一种可能的实施方式，本发明实施例中的服务器还包括：
第六分配模块412，用于将登录页面截图输入预置的卷积神经网络CNN分类器模型中进行分类，并根据分类结果为待检测页面分配第六权值。
上面从模块化功能实体的角度对本发明实施例中的用于服务器进行了描述，下面从硬件处理的角度对本发明实施例中的计算机装置进行描述：
本发明实施例还提供了一种计算机装置7，如图7所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机装置7一般指服务器等处理能力较强的计算机设备。
参考图7，计算机装置7包括：电源710、存储器720、处理器730、有线或无线网络接口740以及存储在存储器中并可在处理器上运行的计算机程序。处理器执行计算机程序时实现上述基于登录框图像的钓鱼页面识别方法实施例中的步骤，例如图1所示的步骤101至104。或者，处理器执行计算机程序时实现上述各装置实施例中各模块或单元的功能。
本发明的一些实施例中，处理器具体用于实现如下步骤：
分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合；
采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合；
根据所述第一SURF特征向量集合与所述标准SURF特征向量集合，从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值；
统计待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定待检测登录页面为钓鱼页面。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
若所述安全logo图像集合对应的各个所述标准SURF特征向量集合中存在第二SURF特征向量集合，所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则为所述待检测登录页面分配第一权值，其中，两个SURF特征向量相似度大于第二预置阀值则判定对应的SURF特征向量匹配成功；
判断所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为所述待检测登录页面分配第二权值。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
判断所述第二SURF特征向量集合与所述待检测登录页面对应的域名是否相同，并根据判断结果为所述待检测登录页面分配第三权值。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
采集待检测页面的页面信息，页面信息至少包括待检测页面对应的超文本标记语言HTML文件；
从HTML文件中提取文件正文及统一资源定位符URL地址；
统计HTML文件的文件正文中包含预置关键词汇的数量；
判断HTML文件中的URL地址的个数，与文件正文的字节数的比值是否大于第四预置阀值，并根据判断结果为待检测页面分配第四权值；
判断HTML文件中的文件正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为待检测页面分配第五权值；
统计各项检测过程中待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定待检测页面为待检测登录页面。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
待检测页面的页面信息登录页面截图，在统计待检测页面获得的权值之和之前，还包括：
将登录页面截图输入预置的卷积神经网络CNN分类器模型中进行分类，并根据分类结果为待检测页面分配第六权值。
计算机装置7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
本领域技术人员可以理解，图7中示出的结构并不构成对计算机装置7的限定，计算机装置7可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，例如计算机装置还可以包括输入输出设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，可以实现如下步骤：
分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合；
采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合；
根据所述第一SURF特征向量集合与所述标准SURF特征向量集合，从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值；
统计待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定待检测登录页面为钓鱼页面。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
若所述安全logo图像集合对应的各个所述标准SURF特征向量集合中存在第二SURF特征向量集合，所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则为所述待检测登录页面分配第一权值，其中，两个SURF特征向量相似度大于第二预置阀值则判定对应的SURF特征向量匹配成功；
判断所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为所述待检测登录页面分配第二权值。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
判断所述第二SURF特征向量集合与所述待检测登录页面对应的域名是否相同，并根据判断结果为所述待检测登录页面分配第三权值。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
采集待检测页面的页面信息，页面信息至少包括待检测页面对应的超文本标记语言HTML文件；
从HTML文件中提取文件正文及统一资源定位符URL地址；
统计HTML文件的文件正文中包含预置关键词汇的数量；
判断HTML文件中的URL地址的个数，与文件正文的字节数的比值是否大于第四预置阀值，并根据判断结果为待检测页面分配第四权值；
判断HTML文件中的文件正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为待检测页面分配第五权值；
统计各项检测过程中待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定待检测页面为待检测登录页面。
可选的，本发明的一些实施例中，处理器还可以用于实现如下步骤：
待检测页面的页面信息登录页面截图，在统计待检测页面获得的权值之和之前，还包括：
将登录页面截图输入预置的卷积神经网络CNN分类器模型中进行分类，并根据分类结果为待检测页面分配第六权值。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于logo图像的钓鱼页面识别方法，其特征在于，包括：
分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合；
采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合；
根据所述第一SURF特征向量集合与所述标准SURF特征向量集合，从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值；
统计所述待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定所述待检测登录页面为钓鱼页面。
2.根据权利要求1所述的方法，其特征在于，所述从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值，包括：
若所述安全logo图像集合对应的各个所述标准SURF特征向量集合中存在第二SURF特征向量集合，所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则为所述待检测登录页面分配第一权值，其中，两个SURF特征向量相似度大于第二预置阀值则判定对应的SURF特征向量匹配成功；
判断所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为所述待检测登录页面分配第二权值。
3.根据权利要求2所述的方法，其特征在于，在统计所述待检测登录页面获得的权值之和之前，还包括：
判断所述第二SURF特征向量集合与所述待检测登录页面对应的域名是否相同，并根据判断结果为所述待检测登录页面分配第三权值。
4.根据权利要求3所述的方法，其特征在于，在所述获取待检测登录页面的页面截图之前，还包括：
采集待检测页面的页面信息，所述页面信息至少包括所述待检测页面对应的超文本标记语言HTML文件；
从所述HTML文件中提取文件正文及统一资源定位符URL地址；
统计所述HTML文件的文件正文中包含预置关键词汇的数量；
判断所述HTML文件中的URL地址的个数，与文件正文的字节数的比值是否大于第四预置阀值，并根据判断结果为所述待检测页面分配第四权值；
判断所述HTML文件中的文件正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为所述待检测页面分配第五权值；
统计各项检测过程中所述待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定所述待检测页面为待检测登录页面。
5.根据权利要求4所述的方法，其特征在于，还包括：
所述待检测页面的页面信息登录页面截图，在统计所述待检测页面获得的权值之和之前，还包括：
将所述登录页面截图输入预置的卷积神经网络CNN分类器模型中进行分类，并根据分类结果为所述待检测页面分配第六权值。
6.一种服务器，其特征在于，包括：
第一提取模块，用于分别提取预置安全logo图像集合中的各个logo图像的SURF特征向量，并将每个logo图像的各个SURF特征向量关联存储，形成各自的标准SURF特征向量集合；
第一采集模块，用于采集待检测登录页面的页面截图，并提取对应的SURF特征向量，形成第一SURF特征向量集合；
第一分配模块，用于根据所述第一SURF特征向量集合与所述标准SURF特征向量集合，从至少两个维度判断所述待检测登录页面与各个安全logo图像的相似度，并根据各个维度的判断结果为所述待检测登录页面分配对应的权值；
第一统计模块，用于统计所述待检测登录页面获得的权值之和，若权值之和不小于第三预置阀值，则判定所述待检测登录页面为钓鱼页面。
7.根据权利要求6所述的服务器，其特征在于，所述第一分配模块包括：
第一分配单元，若所述安全logo图像集合对应的各个所述标准SURF特征向量集合中存在第二SURF特征向量集合，所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量的个数不小于第一预置阀值，则用于为所述待检测登录页面分配第一权值，其中，两个SURF特征向量相似度大于第二预置阀值则判定对应的SURF特征向量匹配成功；
第二分配单元，用于判判断所述第二SURF特征向量集合与所述第一SURF特征向量集合中匹配成功的SURF特征向量是否满足缩放映射，并根据判断结果为所述待检测登录页面分配第二权值。
8.根据权利要求7所述的服务器，其特征在于，还包括：
第二采集模块，用于采集待检测页面的页面信息，所述页面信息至少包括所述待检测页面对应的超文本标记语言HTML文件；
第二提取模块，用于从所述HTML文件中提取文件正文及统一资源定位符URL地址；
第二统计模块，用于统计所述HTML文件的文件正文中包含预置关键词汇的数量；
第四分配模块，用于判断所述HTML文件中的URL地址的个数，与文件正文的字节数的比值是否大于第四预置阀值，并根据判断结果为所述待检测页面分配第四权值；
第五分配模块，用于判断所述HTML文件中的文件正文中包含预置关键词汇的数量是否大于第五预置阀值，并根据判断结果为所述待检测页面分配第五权值；
第三统计模块，用于统计各项检测过程中所述待检测页面获得的权值之和，若权值之和不小于第六预置阀值，则判定所述待检测页面为待检测登录页面。
9.一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5中任意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如权利要求1至5中任意一项所述方法的步骤。
CN201810672719.8A 2018-06-26 2018-06-26 一种基于logo图像的钓鱼页面识别方法及相关设备 Active CN110647896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810672719.8A CN110647896B (zh) 2018-06-26 2018-06-26 一种基于logo图像的钓鱼页面识别方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810672719.8A CN110647896B (zh) 2018-06-26 2018-06-26 一种基于logo图像的钓鱼页面识别方法及相关设备

Publications (2)

Publication Number Publication Date
CN110647896A true CN110647896A (zh) 2020-01-03
CN110647896B CN110647896B (zh) 2023-02-03

Family

ID=69008741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810672719.8A Active CN110647896B (zh) 2018-06-26 2018-06-26 一种基于logo图像的钓鱼页面识别方法及相关设备

Country Status (1)

Country Link
CN (1) CN110647896B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021154724A1 (en) * 2020-01-27 2021-08-05 Netskope, Inc. Metadata-based detection and prevention of phishing attacks
JP2021170221A (ja) * 2020-04-15 2021-10-28 ネットスター株式会社 学習済みモデル、サイト判定プログラム及びサイト判定システム
CN114005004A (zh) * 2021-12-30 2022-02-01 成都无糖信息技术有限公司 一种基于图片实例级特征的诈骗网站识别方法及系统
US11336689B1 (en) 2021-09-14 2022-05-17 Netskope, Inc. Detecting phishing websites via a machine learning-based system using URL feature hashes, HTML encodings and embedded images of content pages
US11438377B1 (en) 2021-09-14 2022-09-06 Netskope, Inc. Machine learning-based systems and methods of using URLs and HTML encodings for detecting phishing websites
US11444978B1 (en) 2021-09-14 2022-09-13 Netskope, Inc. Machine learning-based system for detecting phishing websites using the URLS, word encodings and images of content pages
US12132757B2 (en) 2021-07-30 2024-10-29 Netskope, Inc. Preventing cloud-based phishing attacks using shared documents with malicious links

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130086677A1 (en) * 2010-12-31 2013-04-04 Huawei Technologies Co., Ltd. Method and device for detecting phishing web page
CN105763543A (zh) * 2016-02-03 2016-07-13 百度在线网络技术（北京）有限公司 一种识别钓鱼网站的方法及装置
CN107204960A (zh) * 2016-03-16 2017-09-26 阿里巴巴集团控股有限公司 网页识别方法及装置、服务器
CN107800679A (zh) * 2017-05-22 2018-03-13 湖南大学 假冒学术期刊网站的检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130086677A1 (en) * 2010-12-31 2013-04-04 Huawei Technologies Co., Ltd. Method and device for detecting phishing web page
CN105763543A (zh) * 2016-02-03 2016-07-13 百度在线网络技术（北京）有限公司 一种识别钓鱼网站的方法及装置
CN107204960A (zh) * 2016-03-16 2017-09-26 阿里巴巴集团控股有限公司 网页识别方法及装置、服务器
CN107800679A (zh) * 2017-05-22 2018-03-13 湖南大学 假冒学术期刊网站的检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021154724A1 (en) * 2020-01-27 2021-08-05 Netskope, Inc. Metadata-based detection and prevention of phishing attacks
JP2021170221A (ja) * 2020-04-15 2021-10-28 ネットスター株式会社 学習済みモデル、サイト判定プログラム及びサイト判定システム
US12132757B2 (en) 2021-07-30 2024-10-29 Netskope, Inc. Preventing cloud-based phishing attacks using shared documents with malicious links
US11336689B1 (en) 2021-09-14 2022-05-17 Netskope, Inc. Detecting phishing websites via a machine learning-based system using URL feature hashes, HTML encodings and embedded images of content pages
US11438377B1 (en) 2021-09-14 2022-09-06 Netskope, Inc. Machine learning-based systems and methods of using URLs and HTML encodings for detecting phishing websites
US11444978B1 (en) 2021-09-14 2022-09-13 Netskope, Inc. Machine learning-based system for detecting phishing websites using the URLS, word encodings and images of content pages
CN114005004A (zh) * 2021-12-30 2022-02-01 成都无糖信息技术有限公司 一种基于图片实例级特征的诈骗网站识别方法及系统
CN114005004B (zh) * 2021-12-30 2022-04-01 成都无糖信息技术有限公司 一种基于图片实例级特征的诈骗网站识别方法及系统

Also Published As

Publication number Publication date
CN110647896B (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
CN110647896B (zh) 一种基于logo图像的钓鱼页面识别方法及相关设备
CN110647895B (zh) 一种基于登录框图像的钓鱼页面识别方法及相关设备
Goel et al. Dual branch convolutional neural network for copy move forgery detection
CN107067006B (zh) 一种服务于数据采集的验证码识别方法及系统
CN106778241B (zh) 恶意文件的识别方法及装置
CN107808358B (zh) 图像水印自动检测方法
Mishra et al. Region duplication forgery detection technique based on SURF and HAC
CN108229353B (zh) 人体图像的分类方法和装置、电子设备、存储介质、程序
CN111897962B (zh) 一种物联网资产标记方法及装置
CN110650108A (zh) 一种基于icon图标的钓鱼页面识别方法及相关设备
CN105357221A (zh) 识别钓鱼网站的方法及装置
US10140510B2 (en) Machine print, hand print, and signature discrimination
CA3018437C (en) Optical character recognition utilizing hashed templates
CN110929203B (zh) 异常用户的识别方法、装置、设备及存储介质
CN110991231B (zh) 活体检测方法、装置、服务器和人脸识别设备
CN108108731A (zh) 基于合成数据的文本检测方法及装置
CN102306287A (zh) 一种用于识别敏感图像的方法与设备
CN111553241A (zh) 掌纹的误匹配点剔除方法、装置、设备及存储介质
CN107231383B (zh) Cc攻击的检测方法及装置
CN104966109B (zh) 医疗化验单图像分类方法及装置
CN113688240A (zh) 威胁要素提取方法、装置、设备及存储介质
CN115223022A (zh) 一种图像处理方法、装置、存储介质及设备
CN115240203A (zh) 业务数据处理方法、装置、设备及存储介质
US9332031B1 (en) Categorizing accounts based on associated images
Alkhowaiter et al. Evaluating perceptual hashing algorithms in detecting image manipulation over social media platforms

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