JP7042236B2 - ウェブサイト判定装置 - Google Patents

Description

本発明は、ウェブサイト判定装置に関する。

近年、電子商取引サイト等の本物のウェブ（Ｗｅｂ）サイトのホームページに似せたホームページを提供する偽のＷｅｂサイトによって、個人情報を入力させて搾取するフィッシング詐欺が知られている。そのフィッシング詐欺に使用されるウェブサイト（以下、フィッシング詐欺サイトと称する）を検知する従来技術として、例えば非特許文献１が知られている。

非特許文献１に記載の従来技術では、ＷｅｂサイトのＵＲＬ（Uniform Resource Locator）やコンテンツのコーディング内容から特徴を抽出し、機械学習によりフィッシング詐欺サイトを検知している。

S. Marchal, G. Armano, T. Grondahl, K. Saari, N. Singh, and N. Asokan, "Off-the-hook: An efficient and usable client-side phishing prevention application," IEEE Trans. Comput., vol. 66, no. 10, pp. 1717-1733, 2017.

しかし、非特許文献１に記載の従来技術では、ＷｅｂサイトのＵＲＬやコンテンツの記述方法には様々なものが考えられるので、それらすべてを網羅することは難しい。

本発明は、このような事情を考慮してなされたものであり、その目的は、特定ウェブサイトに対応する例えばフィッシング詐欺サイト等のサイトであることの判定精度を向上させることにある。

本発明の一態様は、縮小画像生成対象ウェブサイトのホームページの全体画面の画像から先頭領域の画像と最終領域の画像とを取得し、前記先頭領域の画像と前記最終領域の画像とを含む前記ホームページの縮小画像を生成する縮小画像生成部と、特定ウェブサイトに対応するサイトであるか否かを判定したい判定対象ウェブサイトのホームページの前記縮小画像に基づいて、前記判定対象ウェブサイトが前記特定ウェブサイトに対応するサイトであることの判定データを出力する判定部と、を備え、前記縮小画像生成部は、前記縮小画像生成対象ウェブサイトのホームページの全体画面の画像から前記先頭領域の画像と前記最終領域の画像との間の中間領域の画像をさらに取得し、前記縮小画像において、前記中間領域の画像を縮小した画像を前記先頭領域の画像と前記最終領域の画像との間に配置する、ウェブサイト判定装置である。
本発明の一態様は、前記判定部は、前記特定ウェブサイトのホームページの前記縮小画像と、学習用ウェブサイトのホームページの前記縮小画像とを使用して機械学習されたものである、上記のウェブサイト判定装置である。
本発明の一態様は、前記判定データは、前記判定対象ウェブサイトが前記特定ウェブサイトに対応するフィッシング詐欺サイトであることの判定データである、上記のウェブサイト判定装置である。

（５）本発明の一態様は、コンピュータに、縮小画像生成対象ウェブサイトのホームページの全体画面の画像から先頭領域の画像と最終領域の画像とを取得し、前記先頭領域の画像と前記最終領域の画像とを含む前記ホームページの縮小画像を生成する縮小画像生成ステップと、特定ウェブサイトに対応するサイトであるか否かを判定したい判定対象ウェブサイトのホームページの前記縮小画像に基づいて、前記判定対象ウェブサイトが前記特定ウェブサイトに対応するサイトであることの判定データを出力する判定ステップと、を実行させるためのコンピュータプログラムである。

（６）本発明の一態様は、ウェブサイト判定装置が、縮小画像生成対象ウェブサイトのホームページの全体画面の画像から先頭領域の画像と最終領域の画像とを取得し、前記先頭領域の画像と前記最終領域の画像とを含む前記ホームページの縮小画像を生成する縮小画像生成ステップと、前記ウェブサイト判定装置が、特定ウェブサイトに対応するサイトであるか否かを判定したい判定対象ウェブサイトのホームページの前記縮小画像に基づいて、前記判定対象ウェブサイトが前記特定ウェブサイトに対応するサイトであることの判定データを出力する判定ステップと、を含むウェブサイト判定方法である。

本発明によれば、特定ウェブサイトに対応する例えばフィッシング詐欺サイト等のサイトであることの判定精度を向上させることができるという効果が得られる。

一実施形態に係るＷｅｂサイト判定装置の構成例を示すブロック図である。 一実施形態に係る学習段階の手順を示すフロー図である。 一実施形態に係るＷｅｂサイト判定段階の手順を示すフロー図である。 一実施形態に係る縮小画像生成方法を説明するための説明図である。 一実施形態に係る縮小画像生成方法を説明するための説明図である。 一実施形態に係る縮小画像生成方法を説明するための説明図である。 一実施形態に係るＷｅｂサイト判定方法の一実施例を示すフローチャートである。

以下、図面を参照し、本発明の実施形態について説明する。
図１は、一実施形態に係るウェブ（Ｗｅｂ）サイト判定装置の構成例を示すブロック図である。図１において、Ｗｅｂサイト判定装置１０は、縮小画像生成部１１と判定部１２と判定結果出力部１３とを備える。図１に示されるＷｅｂサイト判定装置１０の各機能は、Ｗｅｂサイト判定装置１０が備えるＣＰＵ（Central Processing Unit：中央演算処理装置）がコンピュータプログラムを実行することにより実現される。なお、Ｗｅｂサイト判定装置１０として、汎用のコンピュータ装置を使用して構成してもよく、又は、専用のハードウェア装置として構成してもよい。

縮小画像生成部１１は、縮小画像を生成する対象のＷｅｂサイト（以下、縮小画像生成対象Ｗｅｂサイトと称する）のホームページの全体画面の画像から先頭領域の画像と最終領域の画像とを取得し、当該先頭領域の画像と当該最終領域の画像とを含む当該ホームページの縮小画像を生成する。

判定部１２は、特定Ｗｅｂサイトに対応するサイトであるか否かを判定したいＷｅｂサイト（以下、判定対象Ｗｅｂサイトと称する）のホームページの縮小画像に基づいて、当該判定対象Ｗｅｂサイトが当該特定Ｗｅｂサイトに対応するサイトであることの判定データを出力する。判定対象Ｗｅｂサイトのホームページの縮小画像は、縮小画像生成部１１によって生成される。

判定結果出力部１３は、判定部１２から出力された判定データに基づいて、判定対象Ｗｅｂサイトが特定Ｗｅｂサイトに対応するサイトであるか否かを示す判定結果データを出力する。

次に図２及び図３を参照して本実施形態に係るＷｅｂサイト判定方法を説明する。図２は、本実施形態に係る学習段階の手順を示すフロー図である。図３は、本実施形態に係るＷｅｂサイト判定段階の手順を示すフロー図である。

［学習段階］
まず図２を参照して判定部１２の学習段階を説明する。学習段階は、後述するＷｅｂサイト判定段階で使用される判定部１２の学習を行う段階である。判定部１２の学習段階は、Ｗｅｂサイト判定装置１０により実施されてもよく、又は、Ｗｅｂサイト判定装置１０とは異なるコンピュータにより実施されてもよい。なお、図２に示される縮小画像生成部１１は、図１に示されるＷｅｂサイト判定装置１０の縮小画像生成部１１と同様の機能を有する。

図２において、学習段階（Ｓ１０）は、４つのステップＳ１１、Ｓ１２、Ｓ１３及びＳ１４を含む。学習段階（Ｓ１０）では、特定Ｗｅｂサイト１１０のホームページの縮小画像と、学習用Ｗｅｂサイト１２０のホームページの縮小画像とを使用して、判定部１２の機械学習を行う。特定Ｗｅｂサイト１１０のホームページの縮小画像及び学習用Ｗｅｂサイト１２０のホームページの縮小画像は、縮小画像生成部１１によって生成される。

（ステップＳ１１） 特定Ｗｅｂサイト１１０のホームページの全体画面の画像が縮小画像生成部１１に入力される。特定Ｗｅｂサイト１１０は、自己に対応するサイトを検知したいＷｅｂサイトである。例えば、特定Ｗｅｂサイト１１０は、自己に対応するフィッシング詐欺サイトを検知したいＷｅｂサイトである。特定Ｗｅｂサイト１１０は、ユーザ等によって指定される。特定Ｗｅｂサイト１１０のホームページの全体画面の画像は、例えば、当該ホームページの全体画面が表示された表示画面をスクリーンショットすることにより取得される。なお、縮小画像生成部１１が、特定Ｗｅｂサイト１１０のホームページの全体画面が表示された表示画面をスクリーンショットすることにより、特定Ｗｅｂサイト１１０のホームページの全体画面の画像を取得してもよい。

また、学習用Ｗｅｂサイト１２０のホームページの全体画面の画像が縮小画像生成部１１に入力される。学習用Ｗｅｂサイト１２０は、特定Ｗｅｂサイト１１０に対応するサイトを判定するための機械学習に使用されるＷｅｂサイトである。学習用Ｗｅｂサイト１２０のホームページの全体画面の画像は、例えば、当該ホームページの全体画面が表示された表示画面をスクリーンショットすることにより取得される。なお、縮小画像生成部１１が、学習用Ｗｅｂサイト１２０のホームページの全体画面が表示された表示画面をスクリーンショットすることにより、学習用Ｗｅｂサイト１２０のホームページの全体画面の画像を取得してもよい。

学習用Ｗｅｂサイト１２０は、手作業により指定されてもよく、又は、コンピュータによりインターネット上から探索されてもよい。

［学習用Ｗｅｂサイト探索方法］
学習用Ｗｅｂサイト１２０の探索方法について以下に説明する。学習用Ｗｅｂサイト１２０のドメイン情報の取得方法の例として、特定Ｗｅｂサイト１１０に関連する固有名詞を使用してＷｅｂ検索により固有名詞辞書を検索し、当該検索結果から学習用Ｗｅｂサイト１２０へのリンク情報を取得することによって学習用Ｗｅｂサイト１２０のドメイン情報を取得する。又は、学習用Ｗｅｂサイト１２０のドメイン情報の取得方法の他の例として、Ｗｅｂサイトアクセスランキングを公表するＷｅｂサイトから、学習用Ｗｅｂサイト１２０として使用するＷｅｂサイトのドメイン情報を取得する。

［Ｗｅｂサイトのホームページのスクリーンショット方法］
Ｗｅｂサイトのホームページのスクリーンショット方法について以下に説明する。通常、Ｗｅｂサイトは複数のページから構成されている。このため、以下の手順１，２，３によりＷｅｂサイトのページ構成情報（ＷｅｂサイトＵＲＬリスト）を生成する。
（手順１）ドメインのページにアクセスし、htmlデータを取得する。
（手順２）htmlデータからリンク（a要素のhref属性の値）を抽出し、同じドメイン内であるか否かを判定し、同じドメイン内である場合にＷｅｂサイトＵＲＬリストに追記する。
（手順３）Ｗｅｂサイトリストに基づいて上記手順１，２を所定回数だけ繰り返し、Ｗｅｂサイトを構成するページのＵＲＬのリスト（ＷｅｂサイトＵＲＬリスト）を生成する。

次いで、ＷｅｂサイトＵＲＬリストに基づいてＷｅｂサイトにアクセスし、当該Ｗｅｂサイトのホームページの全体画面が表示された表示画面をスクリーンショットする。

（ステップＳ１２） 縮小画像生成部１１は、特定Ｗｅｂサイト１１０のホームページの全体画面の画像から、特定Ｗｅｂサイト１１０のホームページの縮小画像を生成する。また、縮小画像生成部１１は、学習用Ｗｅｂサイト１２０のホームページの全体画面の画像から、学習用Ｗｅｂサイト１２０のホームページの縮小画像を生成する。

［縮小画像生成方法］
図４、図５及び図６を参照して本実施形態に係る縮小画像生成方法を説明する。図４、図５及び図６は、本実施形態に係る縮小画像生成方法を説明するための説明図である。図４には、縮小画像生成対象Ｗｅｂサイトのホームページの全体画面の画像２００が示される。画像２００は、当該ホームページにおいて、先頭領域の画像２１０と、中間領域の画像２２０と、最終領域の画像２３０とから構成される。先頭領域は、ホームページの全体画面において先頭に位置する所定サイズの領域である。最終領域は、ホームページの全体画面において最終に位置する所定サイズの領域である。先頭領域及び最終領域のサイズは、予め設定される。中間領域は、ホームページの全体画面において先頭領域と最終領域の間の領域である。以下、縮小画像生成方法の例１，例２を説明する。

（縮小画像生成方法の例１）
図４及び図５を参照して縮小画像生成方法の例１を説明する。縮小画像生成部１１は、縮小画像生成対象Ｗｅｂサイトのホームページの全体画面の画像２００（図４参照）から、先頭領域の画像２１０と最終領域の画像２３０とを取得する。次いで、縮小画像生成部１１は、図５に示されるように、先頭領域の画像２１０と最終領域の画像２３０とを連結した縮小画像２４０を生成する。縮小画像２４０は、図４に示される画像２００から中間領域の画像２２０が切り取られて表示画面上の縦方向の長さが短くされたものになる。

（縮小画像生成方法の例２）
図４及び図６を参照して縮小画像生成方法の例２を説明する。縮小画像生成部１１は、縮小画像生成対象Ｗｅｂサイトのホームページの全体画面の画像２００（図４参照）から、先頭領域の画像２１０と中間領域の画像２２０と最終領域の画像２３０とを取得する。次いで、縮小画像生成部１１は、中間領域の画像２２０に対して表示画面上の縦方向の長さを短くするように縮小した画像２２０ａを生成する。中間領域の画像２２０の縮小サイズ（縦方向の縮小サイズ）は、予め設定される。次いで、縮小画像生成部１１は、図６に示されるように、先頭領域の画像２１０と中間領域の画像２２０ａと最終領域の画像２３０とを連結した縮小画像２４０ａを生成する。縮小画像２４０ａにおいて、中間領域の画像２２０ａは、先頭領域の画像２１０と最終領域の画像２３０との間に配置される。縮小画像２４０ａは、図４に示される画像２００において中間領域の画像２２０が縮小されて表示画面上の縦方向の長さが短くされたものになる。

以上が縮小画像生成方法の例１，例２の説明である。説明を図２に戻す。縮小画像生成部１１によって生成された特定Ｗｅｂサイト１１０のホームページの縮小画像と学習用Ｗｅｂサイト１２０のホームページの縮小画像とを使用して、判定部１２の機械学習を行う。

（ステップＳ１３） 縮小画像生成部１１によって生成された特定Ｗｅｂサイト１１０のホームページの縮小画像と学習用Ｗｅｂサイト１２０のホームページの縮小画像とを判定部１２へ入力する。この入力において、当該各縮小画像のサイズを判定部１２の入力サイズに合わせるリサイズが行われる。当該各縮小画像を判定部１２へ入力した結果として、判定データが判定部１２から出力される。当該判定データは、当該学習用Ｗｅｂサイト１２０が当該特定Ｗｅｂサイト１１０に対応するサイトであることの判定データである。

本実施形態に係る判定データの例として、判定データは、判定対象Ｗｅｂサイトが特定Ｗｅｂサイトに対応するサイトであるか否かを示す所属確率である。例えば、本学習段階における判定データが「０．９８，０．０２」である場合、当該判定データは、学習用Ｗｅｂサイト１２０が特定Ｗｅｂサイト１１０に対応するサイトである確率が９８％であり、そうではない確率が２％であることを示す。

（ステップＳ１４） 判定部１２から出力された学習用Ｗｅｂサイト１２０についての判定データを、当該学習用Ｗｅｂサイト１２０の正解データに基づいて検証する。学習用Ｗｅｂサイト１２０の正解データは、当該学習用Ｗｅｂサイト１２０が特定Ｗｅｂサイト１１０に対応するサイトであるか否かを示すデータである。例えば、学習用Ｗｅｂサイト１２０が特定Ｗｅｂサイト１１０に対応するサイトである場合に正解データ「１」であり、そうではない場合に正解データ「０」である。この検証では、判定データと正解データとの乖離値が計算される。次いで、当該計算結果の乖離値を判定部１２に反映させる。当該検証の結果が所定の学習終了条件を満足するまで、判定部１２の機械学習は繰り返し行われる。所定の学習終了条件は、例えば、所定の正解率以上若しくは所定の不正解率以下を満足すること、又は、所定の正解率以上及び所定の不正解率以下を両方満足すること、である。又は、所定の学習終了条件は、判定部１２の機械学習の繰り返し回数が所定の回数に達したことである。

［判定部の構成例］
判定部１２には、機械学習アルゴリズムのモデルを使用する。例えば、ニューラルネットワークのモデルを適用してもよい。ニューラルネットワークのモデルの例として画像認識に使用される「VGG16」や「InceptionV4」と呼ばれるモデルを適用してもよい。
判定部１２の機械学習では、判定部１２が出力した判定データと正解データとの乖離値によって、判定部１２の機械学習アルゴリズムのモデルのパラメータを調整する。

［Ｗｅｂサイト判定段階］
次に図３を参照してＷｅｂサイト判定段階を説明する。Ｗｅｂサイト判定段階は、上述した図２に示す学習段階により学習済みの判定部１２を使用して、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトであるか否かを判定する段階である。例えば、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するフィッシング詐欺サイトであるか否かを判定する段階である。

図３において、Ｗｅｂサイト判定段階（Ｓ２０）は、３つのステップＳ２１、Ｓ２２及びＳ２３を含む。Ｗｅｂサイト判定段階（Ｓ２０）では、Ｗｅｂサイト判定装置１０は、上述した図２に示す学習段階により学習済みの判定部１２を備える。当該学習済みの判定部１２は、判定対象Ｗｅｂサイト１３０のホームページの縮小画像に基づいて、当該判定対象Ｗｅｂサイトが特定Ｗｅｂサイト１１０に対応するサイトであることの判定データを出力する。例えば、当該学習済みの判定部１２は、判定対象Ｗｅｂサイト１３０のホームページの縮小画像に基づいて、当該判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するフィッシング詐欺サイトであることの判定データを出力する。

（ステップＳ２１） 判定対象Ｗｅｂサイト１３０の全体画面の画像が縮小画像生成部１１に入力される。縮小画像生成部１１は、判定対象Ｗｅｂサイト１３０のホームページの全体画面の画像から、判定対象Ｗｅｂサイト１３０のホームページの縮小画像を生成する。

（ステップＳ２２） 縮小画像生成部１１によって生成された判定対象Ｗｅｂサイト１３０のホームページの縮小画像を判定部１２へ入力する。この入力において、当該縮小画像のサイズを判定部１２の入力サイズに合わせるリサイズが行われる。当該縮小画像を判定部１２へ入力した結果として、判定データが判定部１２から出力される。当該判定データは、当該判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトであることの判定データである。本実施形態に係る例として、当該判定データは、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトであるか否かを示す所属確率である。

（ステップＳ２３） 判定結果出力部１３は、判定部１２から出力された判定データに基づいて、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトであるか否かを示す判定結果データを出力する。具体的には、判定結果出力部１３は、判定データの所属確率において、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトである確率が閾値以上である場合に、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトであることを示す判定結果データを出力する。一方、判定結果出力部１３は、判定データの所属確率において、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトである確率が閾値未満である場合には、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するサイトではないことを示す判定結果データを出力する。なお、判定結果出力部１３は、判定対象Ｗｅｂサイト１３０のドメインが特定Ｗｅｂサイト１１０のドメインと同じである場合には、当該判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０であることを示す判定結果データを出力する。

例えば、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するフィッシング詐欺サイトであるか否かを判定する場合、判定データの所属確率において判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するフィッシング詐欺サイトである確率が閾値以上であり、且つ、判定対象Ｗｅｂサイト１３０のドメインが特定Ｗｅｂサイト１１０のドメインと異なるときに、判定結果出力部１３は、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するフィッシング詐欺サイトであることを示す判定結果データを出力する。一方、そうではないときには、判定結果出力部１３は、判定対象Ｗｅｂサイト１３０が特定Ｗｅｂサイト１１０に対応するフィッシング詐欺サイトではないことを示す判定結果データを出力する。

次に図７を参照して本実施形態に係るＷｅｂサイト判定方法の一実施例を説明する。図７は、本実施形態に係るＷｅｂサイト判定方法の一実施例を示すフローチャートである。ここでは、ユーザがアクセスするＷｅｂサイトがフィッシング詐欺サイトであるか否かを判定する場合の実施例を説明する。

本実施例において、図１に示されるＷｅｂサイト判定装置１０の機能（以下、Ｗｅｂサイト判定機能と称する）は、ユーザが使用するＷｅｂブラウザに組み込まれたソフトウェアによって実現される。当該Ｗｅｂブラウザが起動されることによって、Ｗｅｂサイト判定機能が実現される。

（ステップＳ１０１） ユーザがＷｅｂブラウザによりＷｅｂサイトにアクセスし、当該Ｗｅｂサイトのログインフォームにおいてユーザ識別子（ユーザＩＤ）及びパスワードを入力し、当該Ｗｅｂサイトにログインする。Ｗｅｂブラウザは、フィッシング詐欺を防止するために、ユーザがログインしたＷｅｂサイトのＵＲＬを特定ＷｅｂサイトＵＲＬリストに登録する。

（ステップＳ１０２） 特定ＷｅｂサイトＵＲＬリストに登録されたＵＲＬのＷｅｂサイトを特定Ｗｅｂサイトとして判定部１２の学習段階を実行する。判定部１２の学習段階は、Ｗｅｂブラウザ内のＷｅｂサイト判定機能により実施されてもよく、又は、Ｗｅｂブラウザとは異なるコンピュータにより実施されてもよい。例えば、Ｗｅｂブラウザとは異なるサーバが判定部１２の学習段階を実施してもよい。この場合、サーバは、学習済みの判定部１２のモデルをＷｅｂブラウザに送信する。

（ステップＳ１０３） ユーザがＷｅｂブラウザによりＷｅｂサイトにアクセスする。Ｗｅｂブラウザは、当該アクセス先のＷｅｂサイトがログインフォームを有し且つユーザがまだアクセスしたことのないＷｅｂサイトである場合、当該アクセス先のＷｅｂサイトのＵＲＬを判定対象ＷｅｂサイトＵＲＬリストに登録する。

（ステップＳ１０４） Ｗｅｂブラウザは、Ｗｅｂサイト判定機能により、判定対象ＷｅｂサイトＵＲＬリストに登録されたＵＲＬのＷｅｂサイトを判定対象ＷｅｂサイトとしてＷｅｂサイト判定段階を実行する。

（ステップＳ１０５） Ｗｅｂブラウザは、Ｗｅｂサイト判定機能により出力された判定結果データに基づいて、ユーザがアクセスするＷｅｂサイトがフィッシング詐欺サイトであるか否かを報知する。例えば、判定結果データがフィッシング詐欺サイトであることを示す場合、その旨を報知する警告画面をＷｅｂブラウザ表示画面上に表示させる。これにより、ユーザに対して、現在アクセスしているＷｅｂサイトがフィッシング詐欺サイトであるかもしれないことを認識させて、フィッシング詐欺にあわないように注意を促すことができる。

上述した実施形態によれば、ホームページの全体画面の画像における先頭領域の画像と最終領域の画像とを含む当該ホームページの縮小画像を使用することにより、特定ウェブサイトに対応する例えばフィッシング詐欺サイト等のサイトであることの判定精度を向上させることができる。これは、ホームページの全体画面の画像における先頭領域の画像と最終領域の画像との間の中間領域の画像には、誤判定の要因になる情報が含まれる確率が高いので、ホームページの縮小画像に中間領域の画像を含めない又は中間領域の画像を縮小した画像を含めることによって、誤判定の要因になる情報を削減することができるからである。

なお、ホームページの縮小画像に中間領域の画像を縮小した画像を含めることによって、誤判定の要因になる情報を削減するとともに、正しい判定に役立つ情報を残すことができるので、さらなる判定精度の向上効果が得られる。

以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。

上述した各装置の機能を実現するためのコンピュータプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Digital Versatile Disc）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１０…Ｗｅｂサイト判定装置、１１…縮小画像生成部、１２…判定部、１３…判定結果出力部

Claims (3)

1. 縮小画像生成対象ウェブサイトのホームページの全体画面の画像から先頭領域の画像と最終領域の画像とを取得し、前記先頭領域の画像と前記最終領域の画像とを含む前記ホームページの縮小画像を生成する縮小画像生成部と、
   特定ウェブサイトに対応するサイトであるか否かを判定したい判定対象ウェブサイトのホームページの前記縮小画像に基づいて、前記判定対象ウェブサイトが前記特定ウェブサイトに対応するサイトであることの判定データを出力する判定部と、
   を備え、
   前記縮小画像生成部は、前記縮小画像生成対象ウェブサイトのホームページの全体画面の画像から前記先頭領域の画像と前記最終領域の画像との間の中間領域の画像をさらに取得し、前記縮小画像において、前記中間領域の画像を縮小した画像を前記先頭領域の画像と前記最終領域の画像との間に配置する、
   ウェブサイト判定装置。
2. 前記判定部は、前記特定ウェブサイトのホームページの前記縮小画像と、学習用ウェブサイトのホームページの前記縮小画像とを使用して機械学習されたものである、
   請求項１に記載のウェブサイト判定装置。
3. 前記判定データは、前記判定対象ウェブサイトが前記特定ウェブサイトに対応するフィッシング詐欺サイトであることの判定データである、
   請求項１又は２のいずれか１項に記載のウェブサイト判定装置。

Images