一种诈骗网站的识别方法、装置、存储介质和电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115878927A(43)申请公布日2023.03.31(21)申请号202211236015.9(22)申请日2022.10.10(71)申请人尚伯乐地址150000黑龙江省哈尔滨市南岗区学府三道街34号3单元503室(72)发明人尚伯乐(51)Int.Cl.G06F16/958(2019.01)G06F16/955(2019.01)G06F16/35(2019.01)G06F40/279(2020.01)G06F18/214(2023.01)G06F18/2411(2023.01)G06N20/00(2019.01)权利要求书2页说明书12页附图2页(54)发明名称一种诈骗网站的识别方法、装置、存储介质和电子设备(57)摘要本发明公开了一种诈骗网站的识别方法、装置、存储介质和电子设备，方法包括：首先获取诈骗网站的文本特征数据集和网络特征数据集，构建网站识别训练模型，基于文本特征数据集或网络特征数据集，利用预设训练方法对网站识别训练模型进行训练，得到训练好的单分类网站识别模型，将待识别的网站信息输入训练好的单分类网站识别模型，得到待识别的网站信息的识别结果，它通过构建单分类模型，能够进行诈骗网站的自动识别，提高诈骗网站识别的准确率，降低误判率。CN115878927ACN115878927A权利要求书1/2页1.一种诈骗网站的识别方法，其特征在于，所述方法包括：获取诈骗网站的文本特征数据集和网络特征数据集；构建网站识别训练模型；基于所述文本特征数据集或网络特征数据集，利用预设训练方法对所述网站识别训练模型进行训练，得到训练好的单分类网站识别模型，其中，所述预设训练方法包括机器学习的SVM方法或深度学习的CVDD方法；将待识别的网站信息输入所述训练好的单分类网站识别模型，得到所述待识别的网站信息的识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取诈骗网站的文本特征数据集和网络特征数据集，包括：提取所述诈骗网站上的文本内容，并利用预设方法对所述诈骗网站上的文本内容进行分词处理，得到至少一个词表；根据所述词表，生成所述诈骗网站的文本特征数据集。3.根据权利要求2所述的方法，其特征在于，所述预设方法包括BagofWord、Bi‑Gram、TF‑IDF以及分标签TF‑IDF特征向量表示方法。4.根据权利要求1所述的方法，其特征在于，所述基于所述文本特征数据集或网络特征数据集，利用预设训练方法对所述网站识别训练模型进行训练，得到训练好的单分类网站识别模型，包括：当所述预设训练方法为基于机器学习的SVM方法，构造超平面分类函数，并输入至所述网站识别训练模型；根据训练模型的输出结果，获取基于所述文本特征数据或网络特征数据的第一优化目标；根据所述文本特征数据或网络特征数据的第一优化目标，优化所述训练模型的参数，直至得到训练好的单分类网站识别模型。5.根据权利要求4所述的方法，其特征在于，所述超平面分类函数通过以下算式确定：其中sgn为符号函数，w为权重，T为矩阵转置符，φ为映射函数，x为数据项，ρ为超平面偏置项，α为权重，K(x)为核函数。6.根据权利要求5所述的方法，其特征在于，所述第一优化目标通过以下算式确定：其中，ω为权重，n为数据项个数，为ζi为松弛因子，v为惩罚因子，ρ为超平面偏置项，w为2CN115878927A权利要求书2/2页权重，φ为映射函数，x为数据项。7.根据权利要求1所述的方法，其特征在于，所述基于所述文本特征数据集或网络特征数据集，利用预设训练方法对所述网站识别训练模型进行训练，得到训练好的单分类网站识别模型，还包括：当所述预设训练方法为基于深度学习的CVDD方法，构造打分函数，并输入至所述网站识别训练模型；根据训练模型的输出结果，获取基于所述文本特征数据或网络特征数据的第二优化目标；根据所述文本特征数据或网络特征数据的第二优化目标，优化所述训练模型的参数，直至得到训练好的单分类网站识别模型。8.根据权利要求7所述的方法，其特征在于，所述打分函数通过以下算式确定：其中，s为由l个词组成的句子，满足s＝(w1，w2，w3，...，wl)且每一项wk是一个d维词向量，M＝HA，H＝(h1，h2，h3，...，hl)且每一项hk是一个p维向量，A＝(a1，a2，a3，...，ar)且每一项ak是一个l维向量，即为注意力头，ck为ContextVector，满足C＝(c1，c2，c3，...，cr)且C与M相同。9.根据权利要求7所述的方法，其特征在于，所述第二优化目标通过以下算式确定：其中，外层求和符号代表数据集中有n个句子，内层求和符号代表考虑了r个(i)注意力头。第二优化目标中第一项σk(H))代表一个权重，即对每个注意力头分配的权重，(i)其