CN115795207A - 涉诈网站自动识别方法及系统 - Google Patents
涉诈网站自动识别方法及系统 Download PDFInfo
- Publication number
- CN115795207A CN115795207A CN202211194216.7A CN202211194216A CN115795207A CN 115795207 A CN115795207 A CN 115795207A CN 202211194216 A CN202211194216 A CN 202211194216A CN 115795207 A CN115795207 A CN 115795207A
- Authority
- CN
- China
- Prior art keywords
- website
- fraud
- weight
- judgment
- websites
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了涉诈网站自动识别方法及系统,其中,所述方法包括:采集涉诈网站的网站内容;将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;基于所述网站权重对所述涉诈网站进行识别。通过本发明的方法可解决现有技术无法有效识别新型涉诈网站和代码变异混淆的涉诈网站的问题。
Description
技术领域
本发明涉及信息处理技术领域,具体涉及一种涉诈网站自动识别方法、系统、计算机设备以及非易失性计算机可读存储介质。
背景技术
目前,市场主流的涉诈网站识别技术主要是基于黑样本特征值的匹配技术,依靠已知的涉诈网站样本提取相关特征,利用相同的特征去识别判断涉诈网站是否属于诈骗网站。该技术局限性较大,对特征库的依赖极大,不能判断未知涉诈类型的网站,涉诈网站更新迭代较快,网站代码混淆即可绕过基于特征值的涉诈网站检测,对于新型涉诈网站和代码变异的涉诈网站现在技术无法做到有效的识别判断。
因此,现有技术还有待改进和提高。
发明内容
鉴于上述现有技术的不足之处,本发明的目的在于提供一种涉诈网站自动识别方法、系统、计算机设备以及非易失性计算机可读存储介质,旨在解决现有技术无法有效识别新型涉诈网站和代码变异混淆的涉诈网站的问题。
为了达到上述目的,本发明采取了以下技术方案:
一种涉诈网站自动识别方法,其中,包括:
采集涉诈网站的网站内容;
将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;
提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;
基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;
基于所述网站权重对所述涉诈网站进行识别。
在进一步的技术方案中,所述的涉诈网站自动识别方法,其中,所述采集涉诈网站的网站内容,包括:
接收用户输入的涉诈网站的网站域名;
通过爬虫程序采集所述涉诈网站的网站内容。
在进一步的技术方案中,所述的涉诈网站自动识别方法,其中,所述将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重,包括:
采用卷积神经网络机器学习框架构建人工智能模型;
根据涉诈网站识别样本对所述人工智能模型进行训练,生成涉诈网站识别模型;
将采集的涉诈网站的网站内容输入所述涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重。
在进一步的技术方案中,所述的涉诈网站自动识别方法,其中,所述提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重中,所述网站特征包括网站域名、网站IP归属地、HTML源代码、关键词模型、过滤词模型、特征指纹模型。
在进一步的技术方案中,所述的涉诈网站自动识别方法,其中,所述基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重中,所述网站权重为所述初次研判权重和所述二次研判权重的两者之和。
在进一步的技术方案中,所述的涉诈网站自动识别方法,其中,所述基于所述网站权重对所述涉诈网站进行识别,包括:
判断所述网站权重是否超过预设的权重阈值;
若所述网站权重超过预设的所述权重阈值,则判断所述涉诈网站是诈骗网站。
在进一步的技术方案中,所述的涉诈网站自动识别方法,其中,所述基于所述网站权重对所述涉诈网站进行识别,还包括:
若所述网站权重未超过预设的所述权重阈值,则判断所述涉诈网站不是诈骗网站。
一种涉诈网站自动识别系统,其中,包括:
采集模块,用于采集涉诈网站的网站内容;
初次研判模块,用于将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;
二次研判模块,用于提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;
计算处理模块,用于基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;
识别模块,用于基于所述网站权重对所述涉诈网站进行识别。
一种计算机设备,其中,所述计算机设备包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器上存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行时,可实现如上述任一项所述的涉诈网站自动识别方法。
一种非易失性计算机可读存储介质,其中,所述非易失性计算机可读存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时,可实现如上述任一项所述的涉诈网站自动识别方法。
相较于现有技术,本发明提供了一种涉诈网站自动识别方法及系统,其中,所述方法包括:采集涉诈网站的网站内容;将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;基于所述网站权重对所述涉诈网站进行识别。通过本发明的方法可解决现有技术无法有效识别新型涉诈网站和代码变异混淆的涉诈网站的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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它的附图。
图1为本发明实施例提供的涉诈网站自动识别方法的流程示意图。
图2为本发明实施例提供的涉诈网站自动识别系统的功能模块示意图。
图3为本发明实施例提供的所述计算机设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在本发明的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
下面结合附图,详细说明本发明的各种非限制性实施方式。
请参阅图1,本发明实施例提供了一种涉诈网站自动识别方法,其中,包括步骤:
S100、采集涉诈网站的网站内容;
其中,所述网站内容是指涉诈网站上为用户提供的所有文字、图片以及这个涉诈网站上的一切可供用户充分利用的内容,包括图片上经过ORC识别的文字信息。
S200、将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;
S300、提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;
S400、基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;
S500、基于所述网站权重对所述涉诈网站进行识别。
进一步地,所述的涉诈网站自动识别方法,其中,所述步骤S100、采集涉诈网站的网站内容,包括:
接收用户输入的涉诈网站的网站域名;
通过爬虫程序采集所述涉诈网站的网站内容。
具体实施时,本领域技术人员可以理解,除了常规直接访问可以直接获取网站内容的涉诈网站之外,部分涉诈网站会采用技术手段绕过程序采集,例如浏览器渲染才会加载真正网站内容的涉诈网站,进行二级以上的多级跳转才能访问的涉诈网站,通iframe标签隐藏网站内容的涉诈网站,通过延迟访问才会加载网站内容的涉诈网站等,因此,本实施例中,通过采用爬虫程序对涉诈网站的网站内容进行采集,可确保获取正确的网站内容,以为后续步骤的研判提供数据。
进一步地,所述的涉诈网站自动识别方法,其中,所述步骤S200、将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重,包括:
采用卷积神经网络机器学习框架构建人工智能模型;
根据涉诈网站识别样本对所述人工智能模型进行训练,生成涉诈网站识别模型;
将采集的涉诈网站的网站内容输入所述涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重。
具体实施时,本实施例采用卷积神经网络机器学习框架构建人工智能模型,根据涉诈网站识别样本(具体为涉诈网站中的网站内容识别样本)对所述人工智能模型进行训练,以生成涉诈网站识别模型,再将采集的涉诈网站的网站内容输入所述涉诈网站识别模型,对所述涉诈网站进行初次研判,以输出得到初次研判权重。
进一步地,所述的涉诈网站自动识别方法,其中,所述步骤S300、提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重中,所述网站特征包括网站域名、网站IP归属地、HTML源代码、关键词模型、过滤词模型、特征指纹模型。
进一步地,所述的涉诈网站自动识别方法,其中,所述步骤S400、基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重中,所述网站权重为所述初次研判权重和所述二次研判权重的两者之和。
具体实施时,本实施例中,涉诈网站的网站权重利用如下公式确定:
θ=fn(x)+fm(y)
其中,θ为涉诈网站的网站权重,fn(x)为涉诈网站的初次研判权重,fm(y)为涉诈网站的二次研判权重。
进一步地,所述的涉诈网站自动识别方法,其中,所述步骤S500、基于所述网站权重对所述涉诈网站进行识别,包括:
判断所述网站权重是否超过预设的权重阈值;
若所述网站权重超过预设的所述权重阈值,则判断所述涉诈网站是诈骗网站。
进一步地,所述的涉诈网站自动识别方法,其中,所述步骤S500、基于所述网站权重对所述涉诈网站进行识别,还包括:
若所述网站权重未超过预设的所述权重阈值,则判断所述涉诈网站不是诈骗网站。
由以上方法实施例可知,本发明提供的涉诈网站自动识别方法采用人工智能技术,预先构建涉诈网站识别模型自动对涉诈网站中通过爬虫程序采集的网站内容进行初次研判,得到涉诈网站的初次研判权重,再提取涉诈网站的网站特征,基于网站特征对涉诈网站进行二次研判,得到涉诈网站的二次研判权重,基于初次研判权重和二次研判权重的两者之和以得到涉诈网站的网站权重,再判断网站权重是否超过预设的权重阈值,若网站权重超过预设的权重阈值,则判断涉诈网站是诈骗网站,若网站权重未超过预设的权重阈值,则判断涉诈网站不是诈骗网站;由于本发明中采用基于涉诈网站中的网站内容识别样本构建的涉诈网站识别模型,进行初次研判时,本发明能够对新型涉诈网站和代码变异混淆的涉诈网站也能做到有效识别,同时,再结合涉诈网站的具体网站特征进行二次研判,本发明采用综合分析的方式还可以提升涉诈网站的研判效果。
应该理解的是,虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤,这些操作步骤并不是必然按照实施例或流程图的顺序依次执行。实施例或流程图中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。而且,实施例或流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流、交替或者同步地执行。
基于上述实施例,请参阅图2,本发明另一实施例还提供了一种涉诈网站自动识别系统,其中,包括:
采集模块11,用于采集涉诈网站的网站内容;
初次研判模块12,用于将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;
二次研判模块13,用于提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;
计算处理模块14,用于基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;
识别模块15,用于基于所述网站权重对所述涉诈网站进行识别。
具体实施方式见上述方法实施例,此处不再赘述。
基于上述实施例,请参阅图3,本发明另一实施例还提供了一种计算机设备,其中,所述计算机设备10包括:
存储器120以及一个或多个处理器110,图3中以一个处理器110为例进行介绍,处理器110和存储器120可以通过通信总线或者其他方式连接,图3中以通过通信总线连接为例。
处理器110用于完成计算机设备10的各种控制逻辑,其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有,处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。
存储器120作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的涉诈网站自动识别方法对应的计算机程序。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元,从而执行计算机设备10的各种功能应用以及数据处理,即实现上述方法实施例中的涉诈网站自动识别方法。
存储器120可以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装置、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备10使用所创建的数据等。此外,存储器120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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个单元存储在存储器120中,当被一个或者多个处理器110执行时,可实现如上述任一项方法实施例中的涉诈网站自动识别方法,例如,可实现以上描述的图1中的方法步骤S100至步骤S500。
本领域技术人员可以理解,图3中示出的硬件结构示意图,仅仅是与本发明方案相关的部分结构的示意图,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多的部件,或者组合某些部件,或者具有不同的部件布置。
基于上述实施例,本发明还提供了一种非易失性计算机可读存储介质,其中,所述非易失性计算机可读存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时,可实现如上述任一项方法实施例中的涉诈网站自动识别方法,例如,可实现以上描述的图1中的方法步骤S100至步骤S500。
作为示例,非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明并非限制,RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、Synchl ink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
本发明的另一种实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被处理器执行时,可实现如上述任一项方法实施例中的涉诈网站自动识别方法,例如,可实现以上描述的图1中的方法步骤S100至步骤S500。
以上所描述的实施例仅仅是示意性的,其中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。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述,本领域的技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存在于计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行各个实施例或者实施例的某些部分的方法。
除了其他之外,诸如“能够”、“能”、“可能”或“可以”之类的条件语言除非另外具体地陈述或者在如所使用的上下文内以其他方式理解,否则一般地旨在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/或操作。因此,这样的条件语言一般地还旨在暗示特征、元件和/或操作对于一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括用于在有或没有输入或提示的情况下判定这些特征、元件和/或操作是否被包括或者将在任何特定实施方式中被执行的逻辑。
已经在本文中在本说明书和附图中描述的内容包括能够提供涉诈网站自动识别方法、系统、计算机设备以及非易失性计算机可读存储介质的示例。当然,不能够出于描述本公开的各种特征的目的来描述元件和/或方法的每个可以想象的组合,但是可以认识到,所公开的特征的许多另外的组合和置换是可能的。因此,显而易见的是,在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改,但是,所有这些各种修改都应属于本发明所附权利要求的保护范围。此外,或在替代方案中,本公开的其他实施例从对本说明书和附图的考虑以及如本文中所呈现的本公开的实践中可能是显而易见的。意图是,本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中采用了特定术语,但是它们在通用和描述性意义上被使用并且不用于限制的目的。
Claims (10)
1.一种涉诈网站自动识别方法,其特征在于,包括:
采集涉诈网站的网站内容;
将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;
提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;
基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;
基于所述网站权重对所述涉诈网站进行识别。
2.根据权利要求1所述的涉诈网站自动识别方法,其特征在于,所述采集涉诈网站的网站内容,包括:
接收用户输入的涉诈网站的网站域名;
通过爬虫程序采集所述涉诈网站的网站内容。
3.根据权利要求2所述的涉诈网站自动识别方法,其特征在于,所述将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重,包括:
采用卷积神经网络机器学习框架构建人工智能模型;
根据涉诈网站识别样本对所述人工智能模型进行训练,生成涉诈网站识别模型;
将采集的涉诈网站的网站内容输入所述涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重。
4.根据权利要求3所述的涉诈网站自动识别方法,其特征在于,所述提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重中,所述网站特征包括网站域名、网站IP归属地、HTML源代码、关键词模型、过滤词模型、特征指纹模型。
5.根据权利要求4所述的涉诈网站自动识别方法,其特征在于,所述基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重中,所述网站权重为所述初次研判权重和所述二次研判权重的两者之和。
6.根据权利要求5所述的涉诈网站自动识别方法,其特征在于,所述基于所述网站权重对所述涉诈网站进行识别,包括:
判断所述网站权重是否超过预设的权重阈值;
若所述网站权重超过预设的所述权重阈值,则判断所述涉诈网站是诈骗网站。
7.根据权利要求6所述的涉诈网站自动识别方法,其特征在于,所述基于所述网站权重对所述涉诈网站进行识别,还包括:
若所述网站权重未超过预设的所述权重阈值,则判断所述涉诈网站不是诈骗网站。
8.一种涉诈网站自动识别系统,其特征在于,包括:
采集模块,用于采集涉诈网站的网站内容;
初次研判模块,用于将采集的所述网站内容输入预先训练好的涉诈网站识别模型,对所述涉诈网站进行初次研判,得到初次研判权重;
二次研判模块,用于提取所述涉诈网站的网站特征,基于所述网站特征对所述涉诈网站进行二次研判,得到二次研判权重;
计算处理模块,用于基于所述初次研判权重和所述二次研判权重进行计算处理,得到所述涉诈网站的网站权重;
识别模块,用于基于所述网站权重对所述涉诈网站进行识别。
9.一种计算机设备,其特征在于,所述计算机设备包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器上存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行时,可实现如权利要求1-7任一项所述的涉诈网站自动识别方法。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时,可实现如权利要求1-7任一项所述的涉诈网站自动识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211194216.7A CN115795207A (zh) | 2022-09-28 | 2022-09-28 | 涉诈网站自动识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211194216.7A CN115795207A (zh) | 2022-09-28 | 2022-09-28 | 涉诈网站自动识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115795207A true CN115795207A (zh) | 2023-03-14 |
Family
ID=85432374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211194216.7A Pending CN115795207A (zh) | 2022-09-28 | 2022-09-28 | 涉诈网站自动识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115795207A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117254983A (zh) * | 2023-11-20 | 2023-12-19 | 卓望数码技术(深圳)有限公司 | 涉诈网址检测方法、装置、设备及存储介质 |
-
2022
- 2022-09-28 CN CN202211194216.7A patent/CN115795207A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117254983A (zh) * | 2023-11-20 | 2023-12-19 | 卓望数码技术(深圳)有限公司 | 涉诈网址检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121795B (zh) | 用户行为预测方法及装置 | |
CN112860841B (zh) | 一种文本情感分析方法、装置、设备及存储介质 | |
CN107257390B (zh) | 一种url地址的解析方法和系统 | |
CN110929785B (zh) | 数据分类方法、装置、终端设备及可读存储介质 | |
CN110427755A (zh) | 一种识别脚本文件的方法及装置 | |
CN110175851B (zh) | 一种作弊行为检测方法及装置 | |
CN110362814B (zh) | 一种基于改进损失函数的命名实体识别方法及装置 | |
CN109784059B (zh) | 一种木马文件溯源方法、系统及设备 | |
CN111092894A (zh) | 一种基于增量学习的webshell检测方法、终端设备及存储介质 | |
CN111914159A (zh) | 一种信息推荐方法及终端 | |
CN111125543A (zh) | 书籍推荐排序模型的训练方法、计算设备及存储介质 | |
CN115795207A (zh) | 涉诈网站自动识别方法及系统 | |
CN111222051B (zh) | 一种趋势预测模型的训练方法及装置 | |
CN113963205A (zh) | 基于特征融合的分类模型训练方法、装置、设备及介质 | |
CN110334262B (zh) | 一种模型训练方法、装置及电子设备 | |
CN117036843A (zh) | 目标检测模型训练方法、目标检测方法和装置 | |
CN112347457A (zh) | 异常账户检测方法、装置、计算机设备和存储介质 | |
CN111382432A (zh) | 一种恶意软件检测、分类模型生成方法及装置 | |
CN116991455A (zh) | 一种api资产识别方法和装置 | |
CN114285587A (zh) | 域名鉴别方法和装置、域名分类模型的获取方法和装置 | |
CN112559743A (zh) | 一种政企网络支持度的计算方法、装置、设备及存储介质 | |
CN109657710B (zh) | 数据筛选方法、装置、服务器及存储介质 | |
CN109992778B (zh) | 基于机器学习的简历文档判别方法及装置 | |
CN111832610A (zh) | 一种3d打印组织预测的方法、系统、介质以及终端设备 | |
CN111125704A (zh) | 一种网页挂马识别方法及系统 |
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 |