钓鱼网站特性自学挖掘方法及系统

摘要

本发明属于计算机防御技术领域，具体公开了一种钓鱼网站特性自学挖掘方法及系统。该方法以下步骤：根据已有的钓鱼网站数据库和安全网站数据库中存储的URL，获取各个网站的页面内容；将每个网站的网页内容拆分为多个单词；根据公式计算出各个单词在钓鱼网站数据库和安全网站数据库中出现的概率；若第一单词在钓鱼网站数据库中出现的概率大于预设的第一概率且在安全网站数据库中出现的概率小于预设的第二概率，则将该单词添加进一黑词数据库中。该系统包括与方法对应的网页内容获取模块、网页内容拆分模块、概率计算模块、以及黑词数据添加模块。通过本发明，可以更佳准确找出钓鱼网站的用词特征，进一步提高钓鱼网站的检测准确率，保障了用户的使用安全。

主权项

一种钓鱼网站特性自学习挖掘方法，其特征在于包括以下步骤：根据已有的钓鱼网站数据库和安全网站数据库中存储的URL，获取各个网站的页面内容；将每个网站的网页内容拆分为多个单词；根据以下公式计算出各个单词在钓鱼网站数据库和安全网站数据库中出现的概率：P1=X/M、P2=Y/N，其中，P1为单词在钓鱼网站数据库中出现的概率，其中，P2为单词在安全网站数据库中出现的概率，其中，X为包含有该单词的钓鱼网站数目，其中，M为钓鱼网站数据库中包含的钓鱼网站数目，其中，Y为包含有该单词的安全网站数目，其中，N为安全网站数据库中包含的安全网站数目；若第一单词在钓鱼网站数据库中出现的概率大于预设的第一概率且在安全网站数据库中出现的概率小于预设的第二概率，则将该单词添加进一黑词数据库中。