CN115150354A - 一种生成域名的方法、装置、存储介质及电子设备 - Google Patents
一种生成域名的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115150354A CN115150354A CN202210760964.0A CN202210760964A CN115150354A CN 115150354 A CN115150354 A CN 115150354A CN 202210760964 A CN202210760964 A CN 202210760964A CN 115150354 A CN115150354 A CN 115150354A
- Authority
- CN
- China
- Prior art keywords
- domain name
- category
- vocabulary
- main
- word
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000013598 vector Substances 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 244000089409 Erythrina poeppigiana Species 0.000 description 3
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 108020001568 subdomains Proteins 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L61/00—Network arrangements, protocols or services for addressing or naming
- H04L61/30—Managing network names, e.g. use of aliases or nicknames
- H04L61/3015—Name registration, generation or assignment
- H04L61/3025—Domain name generation or assignment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请的一些实施例提供了一种生成域名的方法、装置、存储介质及电子设备,该生成域名的方法包括:获取主域名类别;获取与所述主域名类别对应的至少一个词汇;根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名。本申请的一些实施例可以快速生成完整的域名,有助于对网络中存在的域名进行主动探测,确保网络安全。
Description
技术领域
本申请涉及网络监测技术领域,具体而言,涉及一种生成域名的方法、装置、存储介质及电子设备。
背景技术
域名是由一串用点分隔的字符串组成的,是网络上的某一台计算机或计算机组的名称,在数据传输时可以作为计算机的定位标识。
为了维护网络的数据传输安全,需要通过域名对网络中的计算机或计算机组进行监控。在进行监控之前需要收集大量的域名。目前,收集域名的方式是通过在互联网进行采集得到的,但是该方法收集到的域名是有限的,不能全面掌握网络中的域名情况,进而不能实现对网络中域名的主动探测,以确保网络安全。
因此,如何提供一种高效地生成域名的方法的技术方案成为亟需解决的技术问题。
发明内容
本申请的一些实施例的目的在于提供一种生成域名的方法、装置、存储介质及电子设备,通过本申请的实施例的技术方案可以根据已有域名,自动快速生成生成多个完整的域名,准确度较高,为网络的主动扫描和探测提供丰富的数据支持,有助于对网络中存在的域名进行主动探测,确保网络安全。
第一方面,本申请的一些实施例提供了一种生成域名的方法,包括:获取主域名类别;获取与所述主域名类别对应的至少一个词汇;根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名。
本申请的一些实施例通过主域名类别和其对应的至少一个词汇,得到主域名下的至少一个域名,可以快速、准确地生成批量的域名,为网络的主动扫描和探测提供丰富的数据支持,有助于对网络中存在的域名进行主动探测,确保网络安全。
在一些实施例,所述获取主域名类别包括:获取主域名的网页关键内容,其中所述网页关键内容是对网页内容进行内容过滤和解析之后得到的;对所述网页关键内容进行分词,获取内容关键词;对所述内容关键词进行向量化,得到词向量;将所述词向量输入至目标生成域名类别模型中,得到所述主域名类别。
本申请的一些实施例通过将主域名的网页关键内容进行处理得到的词向量输入到目标生成域名类别模型中,得到主域名类别,可以实现对主域名类别的准确判别,进而为生成准确度较高的域名提供支持。
在一些实施例,在所述获取主域名的网页关键内容之前,所述方法还包括:获取待生成字段;若确认所述待生成字段属于网络协议地址,则查找与所述网络协议地址对应的所述主域名;若确认所述待生成字段属于域名,则将所述待生成字段作为所述主域名。
本申请的一些实施例通过对待生成字段进行分析得到主域名,可以针对不同的字段采取不同的方法,灵活性较高,适用性较广。
在一些实施例,所述根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名,包括:获取所述各词汇的各扩展词,其中,所述各扩展词包括所述各词汇的近义词和/或缩写词;将所述主域名分别与所述各词汇和所述各扩展词拼接,得到所述主域名下的至少一个域名。
本申请的一些实施例通过对各词汇进行扩展可以丰富词汇的种类,进而可以快速得到多种域名。
在一些实施例,所述获取与所述主域名类别对应的至少一个词汇,包括:从词库查找所述主域名类别下的所述至少一个词汇;所述根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名,包括:将所述主域名与所述各词汇拼接,得到所述主域名下的至少一个域名。
本申请的一些实施例通过在词库查找到的至少一个词汇和主域名进行拼接,得到域名,可以实现快速且准确地生成批量域名的效果。
在一些实施例,在所述从词库查找所述主域名类别下的所述至少一个词汇之前,所述方法还包括:将至少一种类别域名的子域名,以及所述子域名的近义词和/或缩写词作为词汇,构建所述词库。
本申请的一些实施例通过至少一种类别域名的子域名以及其近义词和/或缩写词构建词库,使得词库被包含的词汇类型较为丰富,进而可以生成各种类别的域名。
在一些实施例,在所述将所述词向量输入至目标生成域名类别模型中之前,所述方法还包括:获取样本数据集,其中,所述样本数据集包括多个域名对应的词向量和所述多个域名的类别;对所述样本数据集进行拆分,得到训练数据集和测试数据集;利用所述训练数据集对初始生成域名类别模型进行训练,获取待测试生成域名类别模型;利用所述测试数据集对所述待测试生成域名类别模型进行测试,获取所述目标生成域名类别模型。
本申请的一些实施例通过对样本数据集进行处理后的训练数据集和验测试数据集对初始生成域名类别模型进行训练和测试,可以得到准确度较高的目标生成域名类别模型,进而可以准确判定输入的主域名的所属类别,进而为生成域名的准确性提供保障。
在一些实施例,所述获取样本数据集,包括:获取所述多个域名对应的网页源码数据;对所述网页源码数据进行过滤和内容解析,获取所述多个域名对应的网页数据;对所述网页数据进行预处理得到所述多个域名对应的词向量,并对所述多个域名对应的词向量进行标注,得到所述多个域名的类别。
本申请的一些实施例通过将各类域名的网页源码数据进行预处理和标注,可以准确确定样本数据所属类别,提升了样本数据的准确度。
在一些实施例,所述对所述网页数据进行预处理得到所述多个域名对应的词向量,包括:对所述网页数据中的文本进行分词,获取文本分词结果;将所述文本分词结果转化为所述多个域名对应的词向量。
本申请的一些实施例通过将样本数据集中的数据进行处理得到符合模型输入的数据,可以确保数据集的准确度和适应度。
在一些实施例,所述目标生成域名类别模型为多个,其中,所述将所述词向量输入至目标生成域名类别模型中,得到所述主域名类别,包括:将所述词向量输入至各目标生成域名类别模型中,获取所述各目标生成域名类别模型的各投票数和输出结果;将所述各投票数中投票数最高的目标生成域名类别模型的输出结果作为所述主域名类别。
本申请的一些实施例通过将主域名输入到训练的多个模型中选取投票数最高的模型的输出结果,有效确保了得到的主域名类别的准确度。
第二方面,本申请的一些实施例提供了一种生成域名的装置,包括:类别获取模块,被配置为获取主域名类别;词获取模块,被配置为获取与所述主域名类别对应的至少一个词汇;域名生成模块,被配置为根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名。
第三方面,本申请的一些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,所述程序被处理器执行时可实现如第一方面任一实施例所述的方法。
第四方面,本申请的一些实施例提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述程序时可实现如第一方面任一实施例所述的方法。
第五方面,本申请的一些实施例提供一种计算机程序产品,所述的计算机程序产品包括计算机程序,其中,所述的计算机程序被处理器执行时可实现如第一方面任一实施例所述的方法。
附图说明
为了更清楚地说明本申请的一些实施例的技术方案,下面将对本申请的一些实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请的一些实施例提供的一种生成域名的系统图;
图2为本申请的一些实施例提供的一种生成域名的方法流程图;
图3为本申请的一些实施例提供的获取主域名类别的方法流程图;
图4为本申请的一些实施例提供的训练目标生成域名类别模型的方法流程图;
图5为本申请的一些实施例提供的一种生成域名的装置组成框图;
图6为本申请的一些实施例提供的一种电子设备示意图。
具体实施方式
下面将结合本申请的一些实施例中的附图,对本申请的一些实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
相关技术中,为了确保网络安全,需要尽可能多的收集域名实现对网络的全面监控。现有的域名收集方法主要是通过第三方知识库、互联网主动采集以及IP/ICP(InternetProtocol网际互连协议,Internet Content Provider网络内容服务商)备案库等。由上述相关技术可知,当前方法收集到的域名是有限的,不能及时发现新注册的域名,进而无法实现对网络的主动探测和全面监控。
鉴于此,本申请的一些实施例提供了一种生成域名的方法,该方法可以根据主域名类别和主域名类别对应的至少一个词汇,生成主域名下的至少一个域名。本申请的一些实施例可以实现自动快速生成生成多个完整的域名,准确度较高,为网络的主动扫描和探测提供丰富的数据支持,有助于对网络中存在的域名进行主动探测,确保网络安全。
下面示例性介绍本申请的一些实施例提供的一种生成域名的系统。
如图1所示,本申请的一些实施例提供了一种生成域名的系统,该系统包括生成域名端200,其中,生成域名端200可以得到用户100输入的主域名类别,然后获取主域名类别以及对应的至少一个词汇,最后根据主域名与至少一个词汇生成主域名下的至少一个域名。
在本申请的一些实施例中,生成域名端200可以是服务器设备或者终端设备。其中,终端设备可以是移动终端设备,也可以为非便携的电脑终端等等,本申请在此不作具体限定。
下面结合附图2示例性阐述本申请的一些实施例提供的由生成域名端200执行的生成域名的实现过程。
请参见附图2,图2为本申请的一些实施例提供的一种生成域名的方法流程图,该方法包括:
S210,获取主域名类别。
例如,在本申请的一些实施例中,主域名类别包括:新闻、财经、门户、视频等70多个类别。
在本申请的一些实施例中,在S210之前,生成域名的方法还包括如附图3提供的获取主域名类别的方法流程图,该方法包括:
S201,获取主域名的网页关键内容,其中所述网页关键内容是对网页内容进行内容过滤和解析之后得到的。
例如,在本申请的一些实施例中,通过Python代码获取主域名对应的网页内容。然后对网页内容进行过滤得到过滤后的内容,例如,过滤掉小语种内容数据。最后对过滤后的内容进行解析,得到与主题Title、关键词Keywords、内容描述Description、文本Text字段以及相应的内容,得到网页关键内容。例如,网页关键内容为“河南的省会是郑州”。
S202,对所述网页关键内容进行分词,获取内容关键词。
例如,在本申请的一些实施例中,利用开源的分词工具(例如,NLPIR分词系统,即Natural language processing and information retrievalsharing platform,自然语言处理与信息检索共享平台)对网页关键内容进行分词,并过滤掉无意义的词。例如,对字符串“河南的省会是郑州”,进行分词和过滤后得到内容关键词:“河南”、“省会”、“郑州”。
S203,对所述内容关键词进行向量化,得到词向量。
例如,在本申请的一些实施例中,利用生成词向量算法(例如,统计词频算法或词向量模型word2vec)把上述的内容关键词“河南”、“省会”、“郑州”转换为词向量。首先对“河南”、“省会”、“郑州”进行编号,分别为河南为1,省会为2和郑州为3,其权重分别为0.1,0.2,0.3,然后把内容关键词向量化后得到0 1:0.1 2:0.2 3:0.3,其中,0所在的列为标签列。
S204,将所述词向量输入至目标生成域名类别模型中,得到所述主域名类别。
例如,在本申请的一些实施例中,目标生成域名类别模型是对初始生成域名类别模型进行训练得到的。在训练模型的阶段,对Logistic(回归模型)、SVM(Support VectorMachine,SVM,支持向量机)模型以及Deeplearning(深度学习)模型进行训练得到第一生成域名类别模型、第二生成域名类别模型和第三生成域名类别模型,对三个模型进行打分,将分值最高的模型作为目标生成域名类别模型。通过将词向量输入到目标生成域名类别模型得到分类结果(也就是主域名类别)。
在本申请的另一些实施例中,目标生成域名类别模型为多个,其中,S204可以包括:将所述词向量输入至各目标生成域名类别模型中,获取所述各目标生成域名类别模型的各投票数和输出结果;将所述各投票数中投票数最高的目标生成域名类别模型的输出结果作为所述主域名类别。
例如,在本申请的另一些实施例中,可以通过对不同的模型进行训练得到不同的目标生成域名类别模型。例如,对Logistic(回归模型)、SVM(Support Vector Machine,SVM,支持向量机)模型以及Deeplearning(深度学习)模型进行训练得到第一目标生成域名类别模型、第二目标生成域名类别模型和第三目标生成域名类别模型。将主域名输入到这三个模型中得到投票数为85、90、97和输出结果A、B、C,则第三目标生成域名类别模型的投票数最高,则主域名类别为C。
应理解,在实际的因此场景中,可以根据实际情况选择不同的模型进行训练得到目标生成域名类别模型。
在本申请的一些实施例中,在S201之前,生成域名的方法还包括:获取待生成字段;若确认所述待生成字段属于网络协议地址,则查找与所述网络协议地址对应的所述主域名;若确认所述待生成字段属于域名,则将所述待生成字段作为所述主域名。
例如,在本申请的一些实施例中,当用户输入一个待生成字段时还需要判定是IP地址(也就是网络协议地址)IP地址还是主域名。如果是IP地址,则利用开源的IP反查工具反查得到该IP地址对应的主域名。
在本申请的另一些实施例中,如果用户已经知道待生成字段属于主域名,且已知主域名类别时,可以直接输入主域名类别,此时生成域名端200识别到主域名类别后,则不需要输入目标生成域名类别模型对主域名类别进行判定。
S220,获取与所述主域名类别对应的至少一个词汇。
例如,在本申请的一些实施例中,可以通过在网络中查找的方式,得到主域名类别下的所有词汇。其中,至少一个词汇是所有词汇中的全部词汇或部分词汇。
S230,根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名。
为了可以生成批量的域名,在本申请的一些实施例中,S230还可以包括:获取所述各词汇的各扩展词,其中,所述各扩展词包括所述各词汇的近义词和/或缩写词;将所述主域名分别与所述各词汇和所述各扩展词拼接,得到所述主域名下的至少一个域名。
例如,在本申请的一些实施例中,例如至少一个词汇中的任一词汇为“上海”,此时需要对该词汇进行扩展得到扩展词,例如,“上海”可以缩写为“shanghai”“SH”或者“Sh”等等。然后将主域名(例如,sina)和词汇和各缩写词进行拼接,得到域名:shanghai.sina.com、SH.sina.com或者sh.sina.com。
在本申请的另一些实施例中,在S220之前还可以将至少一种类别域名的子域名,以及所述子域名的近义词和/或缩写词作为词汇,构建所述词库。
例如,在本申请的一些实施例中,首先收集分类后的主域名的子域名,获取相同类别的主域名(例如,同属于新闻类的主域名)对应的子域名。然后利用中文NLP资源库,可以将子域名转化为英文以及将中文拼音首字母缩写的词汇(例如将河北,转换为hebei或Hb),得到缩写词。再查找到与子域名近义词或同义词。将至少一种类别的子域名、子域名的缩写词以及子域名的近义词或同义词作为词汇,构成词库。需要说明的是,词库中含有新闻、财经、门户、视频等70多个类别域名对应的子词库。每一种类别域名与自己类别下的词汇进行绑定,在已知主域名类别时可以快速获取对应的至少一个词汇。或者,可以将每一种类别域名和与自己类别下的词汇存储到对应的子词库,将所有类别域名的子词库构建成词库。例如,新闻类的域名和其对应的词汇存储在新闻子词库,财经类的域名和其对应的词汇存储在财经子词库。
在本申请的另一些实施例中,S220可以包括:从词库查找所述主域名类别下的所述至少一个词汇。
可以理解的是,在本申请的另一些实施例中,从词库中查找到的词汇是已经对已知的子域名进行扩展后的所有词汇(也就是子域名、近义词和/或缩写词)。其中,至少一个词汇是所有词汇中的全部词汇或部分词汇。
在本申请的另一些实施例中,S230可以包括:将所述主域名与所述各词汇拼接,得到所述主域名下的至少一个域名。
为了得到精准度较高的目标生成域名类别模型,在本申请的一些实施例中还需要对初始生成域名类别模型进行训练。下面结合附图4示例性阐述本申请的一些实施例提供的训练目标生成域名类别模型的实现过程。
请参见附图4,图4为本申请的一些实施例提供的训练目标生成域名类别模型的方法流程图,该方法包括:
S410,获取样本数据集,其中,所述样本数据集包括多个域名对应的词向量和所述多个域名的类别。
在本申请的一些实施例中,S410包括:获取所述多个域名对应的网页源码数据;对所述网页源码数据进行过滤和内容解析,获取所述多个域名对应的网页数据;对所述网页数据进行预处理得到所述多个域名对应的词向量,并对所述多个域名对应的词向量进行标注,得到所述多个域名的类别。
例如,在本申请的一些实施例中,样本数据集中的样本数据来源于第三方库,例如,Alexa(亚马逊互联网公司)、Cisco Umbrella(思科公司)和Majestic(马杰斯特公司)等等,仅获取这些公司的主域名。对不同类别域名对应的网页源码数据进行获取和解析。通过文本解析算法对得到的网页源码数据中的不符合过滤规则的内容进行过滤(例如,语言类型为小语种的内容,由于模型只支持中英文输入,具体可以根据实际的情况进行调整过滤规则),然后将网页源码数据的标签部分删除并将匹配出Title、Keywords、Description、Text字段以及相应的内容作为网页数据。
在本申请的一些实施例中,S410是对所述网页数据进行预处理得到所述多个域名对应的词向量包括:对所述网页数据中的文本进行分词,获取文本分词结果;将所述文本分词结果转化为所述多个域名对应的词向量。
例如,在本申请的一些实施例中,可以通过上述S202和S203的实施例提供的方法对网页数据中的文本进行分词和转化,以此得到文本分词结果和文本词向量(也就是多个域名对应的词向量)。然后通过人工对文本词向量的类别进行标注,得到准确度较高的文本标签。最后将文本和文本对应的文本标签组成数据集。为了避免重复在此不做赘述。
S420,对所述样本数据集进行拆分,得到训练数据集和测试数据。
S430,利用所述训练数据集对初始生成域名类别模型进行训练,获取待测试生成域名类别模型。
例如,在本申请的一些实施例中,将训练数据集中的多个域名对应的词向量作为初始生成域名类别模型的输入,将多个域名的类别作为初始生成域名类别模型的输出,对初始生成域名类别模型进行训练,得到待测试生成域名类别模型。
S440,利用所述测试数据集对所述待测试生成域名类别模型进行测试,获取所述目标生成域名类别模型。
请参考图5,图5示出了本申请的一些实施例提供的生成域名的装置的组成框图。应理解,该生成域名的装置与上述图2方法实施例对应,能够执行上述方法实施例涉及的各个步骤,该生成域名的装置的具体功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
图5的生成域名的装置包括至少一个能以软件或固件的形式存储于存储器中或固化在生成域名的装置中的软件功能模块,该生成域名的装置包括:类别获取模块510,被配置为获取主域名类别;词获取模块520,被配置为获取与所述主域名类别对应的至少一个词汇;域名生成模块530,被配置为根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名。
在本申请的一些实施例中,类别获取模块510至少被配置为获取主域名的网页关键内容,其中所述网页关键内容是对网页内容进行内容过滤和解析之后得到的;对所述网页关键内容进行分词,获取内容关键词;对所述内容关键词进行向量化,得到词向量;将所述词向量输入至目标生成域名类别模型中,得到所述主域名类别。
在本申请的一些实施例中,类别获取模块510至少被配置为获取待生成字段;若确认所述待生成字段属于网络协议地址,则查找与所述网络协议地址对应的所述主域名;若确认所述待生成字段属于域名,则将所述待生成字段作为所述主域名。
在本申请的一些实施例中,域名生成模块530至少被配置为获取所述各词汇的各扩展词,其中,所述各扩展词包括所述各词汇的近义词和/或缩写词;将所述主域名分别与所述各词汇和所述各扩展词拼接,得到所述主域名下的至少一个域名。
在本申请的一些实施例中,词获取模块520至少被配置为从词库查找所述主域名类别下的所述至少一个词汇;域名生成模块530至少被配置为将所述主域名与所述各词汇拼接,得到所述主域名下的至少一个域名。
在本申请的一些实施例中,至少被配置为词获取模块520至少被配置为将至少一种类别域名的子域名,以及所述子域名的近义词和/或缩写词作为词汇,构建至少一个子词库;将所述至少一个子词库组成所述词库。
在本申请的一些实施例中,生成域名的装置还包括训练模块(图中未示出),被配置为获取样本数据集,其中,所述样本数据集包括多个域名对应的词向量和所述多个域名的类别;对所述样本数据集进行拆分,得到训练数据集和测试数据集;利用所述训练数据集对初始生成域名类别模型进行训练,获取待测试生成域名类别模型;利用所述测试数据集对所述待测试生成域名类别模型进行测试,获取所述目标生成域名类别模型。
在本申请的一些实施例中,训练模块至少被配置为获取所述多个域名对应的网页源码数据;对所述网页数据进行预处理得到所述多个域名对应的词向量,并对所述多个域名对应的词向量进行标注,得到所述多个域名的类别。
在本申请的一些实施例中,训练模块至少被配置为对所述网页数据中的文本进行分词,获取文本分词结果;将所述文本分词结果转化为所述多个域名对应的词向量。
在本申请的一些实施例中,所述目标生成域名类别模型为多个,其中,词获取模块520至少被配置为:将所述词向量输入至各目标生成域名类别模型中,获取所述各目标生成域名类别模型的各投票数和输出结果;将所述各投票数中投票数最高的目标生成域名类别模型的输出结果作为所述主域名类别。
本申请的一些实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。
本申请的一些实施例还提供了一种计算机程序产品,所述的计算机程序产品包括计算机程序,其中,所述的计算机程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。
如图6所示,本申请的一些实施例提供一种电子设备600,该电子设备600包括:存储器610、处理器620以及存储在存储器610上并可在处理器620上运行的计算机程序,其中,处理器620通过总线630从存储器610读取程序并执行所述程序时可实现如上述任意实施例的方法。
处理器620可以处理数字信号,可以包括各种计算结构。例如复杂指令集计算机结构、结构精简指令集计算机结构或者一种实行多种指令集组合的结构。在一些示例中,处理器620可以是微处理器。
存储器610可以用于存储由处理器620执行的指令或指令执行过程中相关的数据。这些指令和/或数据可以包括代码,用于实现本申请实施例描述的一个或多个模块的一些功能或者全部功能。本公开实施例的处理器620可以用于执行存储器610中的指令以实现上述所示的方法。存储器610包括动态随机存取存储器、静态随机存取存储器、闪存、光存储器或其它本领域技术人员所熟知的存储器。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (14)
1.一种生成域名的方法,其特征在于,包括:
获取主域名类别;
获取与所述主域名类别对应的至少一个词汇;
根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名。
2.如权利要求1所述的方法,其特征在于,所述获取主域名类别包括:
获取主域名的网页关键内容,其中,所述网页关键内容是对网页内容进行内容过滤和解析之后得到的;
对所述网页关键内容进行分词,获取内容关键词;
对所述内容关键词进行向量化,得到词向量;
将所述词向量输入至目标生成域名类别模型中,得到所述主域名类别。
3.如权利要求2所述的方法,其特征在于,在所述获取主域名的网页关键内容之前,所述方法还包括:
获取待生成字段;
若确认所述待生成字段属于网络协议地址,则查找与所述网络协议地址对应的所述主域名;
若确认所述待生成字段属于域名,则将所述待生成字段作为所述主域名。
4.如权利要求1-3任一项所述的方法,其特征在于,所述根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名,包括:
获取所述各词汇的各扩展词,其中,所述各扩展词包括所述各词汇的近义词和/或缩写词;
将所述主域名分别与所述各词汇和所述各扩展词拼接,得到所述主域名下的至少一个域名。
5.如权利要求1-3任一项所述的方法,其特征在于,所述获取与所述主域名类别对应的至少一个词汇,包括:
从词库查找所述主域名类别下的所述至少一个词汇;
所述根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名,包括:
将所述主域名与所述各词汇拼接,得到所述主域名下的至少一个域名。
6.如权利要求5所述的方法,其特征在于,在所述从词库查找所述主域名类别下的所述至少一个词汇之前,所述方法还包括:
将至少一种类别域名的子域名,以及所述子域名的近义词和/或缩写词作为词汇,构建所述词库。
7.如权利要求2或3所述的方法,其特征在于,在所述将所述词向量输入至目标生成域名类别模型中之前,所述方法还包括:
获取样本数据集,其中,所述样本数据集包括多个域名对应的词向量和所述多个域名的类别;
对所述样本数据集进行拆分,得到训练数据集和测试数据集;
利用所述训练数据集对初始生成域名类别模型进行训练,获取待测试生成域名类别模型;
利用所述测试数据集对所述待测试生成域名类别模型进行测试,获取所述目标生成域名类别模型。
8.如权利要求7所述的方法,其特征在于,所述获取样本数据集,包括:
获取所述多个域名对应的网页源码数据;
对所述网页源码数据进行过滤和内容解析,获取所述多个域名对应的网页数据;
对所述网页数据进行预处理得到所述多个域名对应的词向量,并对所述多个域名对应的词向量进行标注,得到所述多个域名的类别。
9.如权利要求8所述的方法,其特征在于,所述对所述网页数据进行预处理得到所述多个域名对应的词向量,包括:
对所述网页数据中的文本进行分词,获取文本分词结果;
将所述文本分词结果转化为所述多个域名对应的词向量。
10.如权利要求9所述的方法,其特征在于,所述目标生成域名类别模型为多个,其中,所述将所述词向量输入至目标生成域名类别模型中,得到所述主域名类别,包括:
将所述词向量输入至各目标生成域名类别模型中,获取所述各目标生成域名类别模型的各投票数和输出结果;
将所述各投票数中投票数最高的所述目标生成域名类别模型的输出结果作为所述主域名类别。
11.一种生成域名的装置,其特征在于,包括:
类别获取模块,被配置为获取主域名类别;
词获取模块,被配置为获取与所述主域名类别对应的至少一个词汇;
域名生成模块,被配置为根据所述主域名和所述至少一个词汇中的各词汇,生成所述主域名下的至少一个域名。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,其中,所述计算机程序被处理器运行时执行如权利要求1-10中任意一项权利要求所述的方法。
13.一种计算机程序产品,其特征在于,所述的计算机程序产品包括计算机程序,其中,所述计算机程序被处理器运行时执行如权利要求1-10中任意一项权利要求所述的方法。
14.一种电子设备,其特征在于,包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序,其中,所述计算机程序被所述处理器运行时执行如权利要求1-10中任意一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210760964.0A CN115150354B (zh) | 2022-06-29 | 2022-06-29 | 一种生成域名的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210760964.0A CN115150354B (zh) | 2022-06-29 | 2022-06-29 | 一种生成域名的方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115150354A true CN115150354A (zh) | 2022-10-04 |
CN115150354B CN115150354B (zh) | 2023-11-10 |
Family
ID=83410010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210760964.0A Active CN115150354B (zh) | 2022-06-29 | 2022-06-29 | 一种生成域名的方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115150354B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841115A (zh) * | 2023-02-24 | 2023-03-24 | 山东云天安全技术有限公司 | 一种数据补充方法、存储介质及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804210A (zh) * | 2020-12-31 | 2021-05-14 | 北京知道创宇信息技术股份有限公司 | 数据关联方法、装置、电子设备和计算机可读存储介质 |
CN113011189A (zh) * | 2021-03-26 | 2021-06-22 | 深圳壹账通智能科技有限公司 | 开放式实体关系的抽取方法、装置、设备及存储介质 |
CN113221549A (zh) * | 2020-01-21 | 2021-08-06 | 中国电信股份有限公司 | 词语类型标注方法、装置以及存储介质 |
CN114095212A (zh) * | 2021-10-29 | 2022-02-25 | 北京天融信网络安全技术有限公司 | 一种对抗训练dga域名检测模型的方法及装置 |
CN114154550A (zh) * | 2021-10-12 | 2022-03-08 | 清华大学 | 域名对抗样本生成方法以及装置 |
CN114329287A (zh) * | 2021-10-25 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 一种异常链接处理方法、装置、计算机设备和存储介质 |
CN114491077A (zh) * | 2022-02-15 | 2022-05-13 | 平安科技(深圳)有限公司 | 文本生成方法、装置、设备及介质 |
-
2022
- 2022-06-29 CN CN202210760964.0A patent/CN115150354B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221549A (zh) * | 2020-01-21 | 2021-08-06 | 中国电信股份有限公司 | 词语类型标注方法、装置以及存储介质 |
CN112804210A (zh) * | 2020-12-31 | 2021-05-14 | 北京知道创宇信息技术股份有限公司 | 数据关联方法、装置、电子设备和计算机可读存储介质 |
CN113011189A (zh) * | 2021-03-26 | 2021-06-22 | 深圳壹账通智能科技有限公司 | 开放式实体关系的抽取方法、装置、设备及存储介质 |
CN114154550A (zh) * | 2021-10-12 | 2022-03-08 | 清华大学 | 域名对抗样本生成方法以及装置 |
CN114329287A (zh) * | 2021-10-25 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 一种异常链接处理方法、装置、计算机设备和存储介质 |
CN114095212A (zh) * | 2021-10-29 | 2022-02-25 | 北京天融信网络安全技术有限公司 | 一种对抗训练dga域名检测模型的方法及装置 |
CN114491077A (zh) * | 2022-02-15 | 2022-05-13 | 平安科技(深圳)有限公司 | 文本生成方法、装置、设备及介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841115A (zh) * | 2023-02-24 | 2023-03-24 | 山东云天安全技术有限公司 | 一种数据补充方法、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115150354B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101173556B1 (ko) | 토픽맵 기반 색인 장치, 토픽맵 기반 검색 장치, 토픽맵 기반 검색 시스템 및 그 방법 | |
CN110781276A (zh) | 文本抽取方法、装置、设备及存储介质 | |
US8396850B2 (en) | Discriminating search results by phrase analysis | |
CN109947952B (zh) | 基于英语知识图谱的检索方法、装置、设备及存储介质 | |
KR101509727B1 (ko) | 자율학습 정렬 기반의 정렬 코퍼스 생성 장치 및 그 방법과, 정렬 코퍼스를 사용한 파괴 표현 형태소 분석 장치 및 그 형태소 분석 방법 | |
US11074281B2 (en) | Analogy outcome determination | |
KR101709055B1 (ko) | 오픈 웹 질의응답을 위한 질문분석 장치 및 방법 | |
US10740570B2 (en) | Contextual analogy representation | |
CN111966792B (zh) | 一种文本处理方法、装置、电子设备及可读存储介质 | |
CN112380866A (zh) | 一种文本话题标签生成方法、终端设备及存储介质 | |
CN111369980A (zh) | 语音检测方法、装置、电子设备及存储介质 | |
US10133736B2 (en) | Contextual analogy resolution | |
CN115150354B (zh) | 一种生成域名的方法、装置、存储介质及电子设备 | |
CN109635125B (zh) | 一种词汇图谱搭建方法及电子设备 | |
US9892112B1 (en) | Machine learning to determine analogy outcomes | |
US9569538B1 (en) | Generating content based on a work of authorship | |
CN110309258B (zh) | 一种输入检查方法、服务器和计算机可读存储介质 | |
CN111078879A (zh) | 基于深度学习的卫星互联网文本敏感信息检测方法及装置 | |
US10878338B2 (en) | Machine learning of analogic patterns | |
CN115510192A (zh) | 一种新闻事件脉络关系检测方法及装置 | |
CN112115362B (zh) | 一种基于相似代码识别的编程信息推荐方法及装置 | |
März et al. | Data centric domain adaptation for historical text with OCR errors | |
US10325025B2 (en) | Contextual analogy representation | |
US10503768B2 (en) | Analogic pattern determination | |
KR101092355B1 (ko) | 대용어 복원 방법 |
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 |