專利名稱：：一種識別假冒網(wǎng)頁的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種信息安全領(lǐng)域的計(jì)算機(jī)技術(shù)，特別是涉及一種通過挖掘寄生社區(qū)來自動識別假冒網(wǎng)頁及其所假冒的對象的方法及系統(tǒng)。
背景技術(shù)：
：網(wǎng)絡(luò)欺詐是一種通過假冒真實(shí)網(wǎng)站來獲取人們敏感信息如用戶名、密碼等信用卡信息的犯罪行為。近幾年，網(wǎng)絡(luò)欺詐案例不斷增加，并且識破難度也越來越大。在過去的一年里，有363662個(gè)網(wǎng)站被列為假冒網(wǎng)站。根據(jù)Gartner的調(diào)查(http:〃ww.gartner.com/it/page,jsp7id二565125)，美國因網(wǎng)絡(luò)欺詐2007年經(jīng)濟(jì)損失超過30億美元。假冒網(wǎng)頁通常在外觀上與真實(shí)網(wǎng)站相近似，在視覺上具有極高的相似度。同時(shí)，帶有指向該真實(shí)網(wǎng)站所包括的真實(shí)網(wǎng)頁的鏈接或者其他直接關(guān)聯(lián)的方式，使得用戶在執(zhí)行一些常規(guī)操作時(shí)，能夠跳轉(zhuǎn)到對應(yīng)的真實(shí)的網(wǎng)頁，故而，迷惑性較強(qiáng)，使得瀏覽用戶誤認(rèn)為該欺詐網(wǎng)頁是真實(shí)的。又由于該欺詐網(wǎng)頁常設(shè)置有用戶登錄信息的輸入框，使得用戶在完全沒有防備的情況下，輕易發(fā)送個(gè)人敏感信息至欺詐服務(wù)器中，造成了數(shù)據(jù)泄漏。目前，人們提出了一些反網(wǎng)絡(luò)欺詐領(lǐng)域的技術(shù)及方法。其中，有的專注于電子郵件欺詐，通過電郵認(rèn)證以及垃圾郵件過濾來減弱網(wǎng)絡(luò)欺詐的攻擊。然而，可能有丟失重要電子郵件的風(fēng)險(xiǎn)。使用最多的最直接的方法為黑/白名單檢測，如PhishTankSiteChecker(http://www.phishtank.com/)、GoogleSafeBrowsing(http://www.google,com/tools/firfox/safebrowsing/)、FirePhish(http:〃opdb，herlios.de/)，以及CallingIDLinkAdvisorChttp:〃www.callingid.com/DesktopSolutions/CallinglDLinkAdvisor.as巡)等。白名單是一個(gè)合法公司的域名列表，其需要注冊并頻繁地動態(tài)更新。這樣，維護(hù)列表是一項(xiàng)較繁復(fù)的密集型勞動。同樣，維護(hù)假冒網(wǎng)站列表也如此。發(fā)明專利"一種檢測鑒別假冒網(wǎng)頁的方法及系統(tǒng)(申請?zhí)?00410009873.5)"提出基于視覺相似度的方法。即通過計(jì)算可疑網(wǎng)頁與受保護(hù)網(wǎng)頁之間的視覺相似度來判斷其是否為假冒網(wǎng)頁。然而，該方法要求事先指定受保護(hù)網(wǎng)站，其適用于企業(yè)級用戶保護(hù)自己的網(wǎng)站不被別人假冒。
發(fā)明內(nèi)容本發(fā)明解決的技術(shù)問題在于，可針對一給定網(wǎng)頁，判斷其是否為假冒網(wǎng)頁，識別出其所假冒的對象。為解決上述問題，本發(fā)明公開了一種識別假冒網(wǎng)頁的方法，包括以下步驟歩驟l，針對一給定網(wǎng)頁，構(gòu)造與該給定網(wǎng)頁具備關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)；歩驟2，逐個(gè)計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)，根據(jù)每個(gè)網(wǎng)頁的寄生因數(shù)，判斷該給定網(wǎng)頁與寄生網(wǎng)頁社區(qū)中的網(wǎng)頁是否存在假冒關(guān)系。本發(fā)明還公開了一種識別假冒網(wǎng)頁的系統(tǒng)，運(yùn)行于網(wǎng)絡(luò)服務(wù)器端，包括寄生網(wǎng)頁社區(qū)構(gòu)造模塊，用于根據(jù)一給定網(wǎng)頁，構(gòu)造與該給定網(wǎng)頁具備關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)；假冒網(wǎng)頁識別模塊，用于逐個(gè)計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)，根據(jù)每個(gè)網(wǎng)頁的寄生因數(shù)，判斷該給定網(wǎng)頁與寄生網(wǎng)頁社區(qū)中的網(wǎng)頁是否存在假冒關(guān)系。本發(fā)明實(shí)現(xiàn)的技術(shù)效果在于，根據(jù)給定的網(wǎng)頁，識別出其是否為一假冒網(wǎng)頁，識別出與該給定網(wǎng)頁存在假冒關(guān)系的網(wǎng)頁，即，該假冒網(wǎng)頁所模仿的真實(shí)網(wǎng)站的網(wǎng)頁，避免冒然提交個(gè)人數(shù)據(jù)而造成相關(guān)財(cái)產(chǎn)、隱私等權(quán)益的損失。同時(shí)，本發(fā)明的識別方法準(zhǔn)確率高，操作方便。圖1A、圖1B、圖1C、圖1D所示為識別假冒網(wǎng)頁的系統(tǒng)的結(jié)構(gòu)示意圖2所示為本發(fā)明的識別假冒網(wǎng)頁的方法流程圖3A、3B所示為本發(fā)明的識別假冒網(wǎng)頁的具體方法流程圖；圖4所示為本發(fā)明一用戶界面的示意圖。1具體實(shí)施例方式本發(fā)明公開了一種識別假冒網(wǎng)頁的方法及系統(tǒng)，可針對一給定網(wǎng)頁，判斷出其是否為假冒網(wǎng)頁，并識別出其所假冒的真實(shí)網(wǎng)站。使得用戶在瀏覽網(wǎng)頁并針對當(dāng)前網(wǎng)頁提供個(gè)人數(shù)據(jù)的歩驟前，能夠?qū)Ξ?dāng)前網(wǎng)頁的真實(shí)性作出判斷，避免冒然提交個(gè)人數(shù)據(jù)而造成相關(guān)財(cái)產(chǎn)、隱私等權(quán)益的損失。本發(fā)明的識別假冒網(wǎng)頁的系統(tǒng)100設(shè)置于網(wǎng)絡(luò)中的服務(wù)器端或任意計(jì)算機(jī)系統(tǒng)中。該服務(wù)器端或計(jì)算機(jī)系統(tǒng)包括現(xiàn)有技術(shù)中的常用模塊，容不贅述。識別假冒網(wǎng)頁的系統(tǒng)的結(jié)構(gòu)示意圖如圖1A、圖1B、圖1C、圖1D所示。本發(fā)明的該系統(tǒng)100包括寄生網(wǎng)頁社區(qū)構(gòu)造模塊110和假冒網(wǎng)頁識別模塊120。識別假冒網(wǎng)頁的系統(tǒng)100獲取一個(gè)網(wǎng)頁P(yáng)的地址，對該網(wǎng)頁的真實(shí)性進(jìn)行判斷，該識別假冒網(wǎng)頁的系統(tǒng)100可以通過網(wǎng)絡(luò)接收客戶端的地址，或者，直接通過該識別假冒網(wǎng)頁的系統(tǒng)100的輸入裝置而獲取該地址。由于假冒網(wǎng)頁通常在視覺效果上與真實(shí)網(wǎng)站的網(wǎng)頁具備較高的相似度，同時(shí)，假冒網(wǎng)頁也通常與真實(shí)網(wǎng)站的網(wǎng)頁相關(guān)聯(lián)，例如，具備直接指向該真實(shí)網(wǎng)站的網(wǎng)頁的鏈接等，故而，本發(fā)明利用寄生網(wǎng)頁社區(qū)構(gòu)造模塊110，構(gòu)建與網(wǎng)頁P(yáng)具備關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)。也就是說，首先挖掘與網(wǎng)頁P(yáng)存在直接指向和/或具備頁面內(nèi)容相關(guān)性的網(wǎng)頁，再利用假冒網(wǎng)頁識別模塊120從中識別存在假冒關(guān)系的網(wǎng)頁，g卩，通過該網(wǎng)頁P(yáng)所寄生的網(wǎng)頁集合，分析該網(wǎng)頁P(yáng)的真實(shí)性，并識別出被網(wǎng)頁P(yáng)假冒的真實(shí)網(wǎng)頁。該寄生網(wǎng)頁社區(qū)構(gòu)造模塊110中進(jìn)一步包括初始關(guān)聯(lián)網(wǎng)頁集構(gòu)建模塊111，用于根據(jù)該給定網(wǎng)頁P(yáng)建立一初始關(guān)聯(lián)網(wǎng)頁集。該初始關(guān)聯(lián)網(wǎng)頁集包括與該給定的網(wǎng)頁P(yáng)直接關(guān)聯(lián)或間接關(guān)聯(lián)的網(wǎng)頁，或者同時(shí)包括與該給定的網(wǎng)頁P(yáng)直接關(guān)聯(lián)和間接關(guān)聯(lián)的網(wǎng)頁，但不包括該給定網(wǎng)頁P(yáng)。艮P，首先構(gòu)建一個(gè)空的關(guān)聯(lián)網(wǎng)頁集A，根據(jù)該給定網(wǎng)頁P(yáng)，尋找與P關(guān)聯(lián)的網(wǎng)頁并加入到關(guān)聯(lián)網(wǎng)頁集A中，形成初始關(guān)聯(lián)網(wǎng)頁集。網(wǎng)絡(luò)圖構(gòu)建模塊112，用于根據(jù)該初始關(guān)聯(lián)網(wǎng)頁集，獲取與該初始關(guān)聯(lián)網(wǎng)頁集中的初始關(guān)聯(lián)網(wǎng)頁具備關(guān)聯(lián)關(guān)系的網(wǎng)頁，并根據(jù)該網(wǎng)頁間的關(guān)系構(gòu)建網(wǎng)絡(luò)網(wǎng)絡(luò)圖分割模塊113，利用分割算法對該網(wǎng)絡(luò)圖進(jìn)行分割，以得到與該給定頁面具備緊密關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)。在本申請的另一具體實(shí)施例中，該寄生網(wǎng)頁社區(qū)構(gòu)造模塊no中還可以包括修正模塊114，用于對該初始關(guān)聯(lián)網(wǎng)頁集進(jìn)行修正，修正后的初始關(guān)聯(lián)網(wǎng)頁集發(fā)送至該網(wǎng)絡(luò)圖構(gòu)建模塊，循環(huán)執(zhí)行網(wǎng)絡(luò)圖構(gòu)建模塊112和網(wǎng)絡(luò)圖分割模塊113，以構(gòu)建具備極為緊密關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)。以下結(jié)合上述識別假冒網(wǎng)頁的系統(tǒng)結(jié)構(gòu)示意1，介紹本申請的識別假冒網(wǎng)頁的方法。圖2所示為本發(fā)明的識別假冒網(wǎng)頁的方法流程圖。歩驟201，利用寄生網(wǎng)頁社區(qū)構(gòu)造模塊110針對用戶給定的網(wǎng)頁P(yáng)，構(gòu)造與該給定網(wǎng)頁具備關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)；步驟202，利用假冒網(wǎng)頁識別模塊120逐個(gè)計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)，根據(jù)每個(gè)網(wǎng)頁的寄生因數(shù)，判斷該給定網(wǎng)頁與寄生網(wǎng)頁社區(qū)中的網(wǎng)頁是否存在假冒關(guān)系。圖3A、3B所示為本發(fā)明的識別假冒網(wǎng)頁的具體方法流程圖，請同時(shí)參考圖1A、圖1B、圖1C、圖1D。該步驟201包括如下步驟步驟301，用戶提供一給定網(wǎng)頁P(yáng)的地址至識別假冒網(wǎng)頁的系統(tǒng)。歩驟302，初始關(guān)聯(lián)網(wǎng)頁集構(gòu)建模塊111接收該給定網(wǎng)頁P(yáng)的地址，根據(jù)該給定網(wǎng)頁P(yáng)建立該給定網(wǎng)頁的初始關(guān)聯(lián)網(wǎng)頁集，該初始關(guān)聯(lián)網(wǎng)頁集包括與該網(wǎng)頁P(yáng)直接關(guān)聯(lián)和/或間接關(guān)聯(lián)的網(wǎng)頁。由于假冒網(wǎng)頁在一定程度上與真實(shí)網(wǎng)頁存在相似性或關(guān)聯(lián)性，故而，欲確認(rèn)給定網(wǎng)頁是否為假冒網(wǎng)頁，假冒的是哪個(gè)真實(shí)網(wǎng)站的網(wǎng)頁，需首先確定該給定網(wǎng)頁與哪些網(wǎng)頁存在關(guān)聯(lián)關(guān)系，再從中進(jìn)行識別。在本歩驟中，可首先構(gòu)建一個(gè)空的關(guān)聯(lián)網(wǎng)頁集A，接收該給定網(wǎng)頁P(yáng)，尋找與P關(guān)聯(lián)的網(wǎng)頁并加入關(guān)聯(lián)網(wǎng)頁集A，以形成初始關(guān)聯(lián)網(wǎng)頁集，該初始關(guān)聯(lián)網(wǎng)頁集A包括與該網(wǎng)頁P(yáng)直接關(guān)聯(lián)和/或間接關(guān)聯(lián)的網(wǎng)頁。其中，該直接關(guān)聯(lián)的網(wǎng)頁為與給定網(wǎng)頁P(yáng)存在直接關(guān)聯(lián)關(guān)系的網(wǎng)頁，例如包括但不限于該給定網(wǎng)頁P(yáng)中的鏈接所指向的網(wǎng)頁。該間接關(guān)聯(lián)的網(wǎng)頁為與給定網(wǎng)頁P(yáng)存在間接關(guān)聯(lián)關(guān)系的網(wǎng)頁，例如包括但不限于，具有相同或相似的文本和/或視覺信息的網(wǎng)頁。在一實(shí)施例中，步驟302進(jìn)一步包括步驟3021，在搜索引擎中檢索關(guān)鍵詞，得到該間接關(guān)聯(lián)的網(wǎng)頁。該關(guān)鍵詞包括但不限于該網(wǎng)頁P(yáng)的標(biāo)題、Meta標(biāo)記和網(wǎng)頁中出現(xiàn)頻率高于一預(yù)設(shè)閾值的高頻單詞中的一種或幾種?；蛘?進(jìn)行基于視覺相似度的搜索(見〃AStatisticalBigramCorrelationModelforImageRetrieval,"USPatent#6，901,411，issueddate:May31，2005，Inventors:LiMingjing,ChenZhen，LiuWenyin，andZhangHongjiang。還有很多關(guān)于基于視覺相似度的搜索的論文，如MichaelS.Lew'"Next-GenerationWebSearchesforVisualContent,，，Computer33(11):46-53，November2000。Datta，Ritendm;DhirajJoshi，JiaLi，JamesZ.Wang(2008)."ImageRetrieval:Ideas,Influences,andTrendsoftheNewAge〃.層Co卿tingS附eys40(2)，Article#5，April2008也介紹了很多相關(guān)論文)，即搜索包含該給定網(wǎng)頁P(yáng)中類似視覺元素(例如圖片、Flash等)的網(wǎng)頁，得到該間接關(guān)聯(lián)的網(wǎng)頁。步驟303，網(wǎng)絡(luò)圖構(gòu)建模塊112根據(jù)該初始關(guān)聯(lián)網(wǎng)頁集A，進(jìn)一歩獲取與該初始關(guān)聯(lián)網(wǎng)頁集A中的初始關(guān)聯(lián)網(wǎng)頁具備關(guān)聯(lián)關(guān)系的網(wǎng)頁，并根據(jù)該網(wǎng)頁間的關(guān)系構(gòu)建網(wǎng)絡(luò)圖。本步驟用于進(jìn)一步挖掘與給定網(wǎng)頁存在關(guān)聯(lián)關(guān)系的網(wǎng)頁，并擴(kuò)大該關(guān)聯(lián)網(wǎng)頁集的范圍。在本發(fā)明的一個(gè)實(shí)施例中，網(wǎng)絡(luò)圖用G二(V，E)表示，其中，V表示點(diǎn)的集合，即為初始網(wǎng)頁集A中的所有網(wǎng)頁；E表示連接兩個(gè)點(diǎn)的邊的集合，初始為空。網(wǎng)絡(luò)圖G的構(gòu)建過程為首先通過前向鏈接和/或反向鏈接找到與初始關(guān)聯(lián)網(wǎng)頁集A中的網(wǎng)頁相關(guān)聯(lián)的網(wǎng)頁，從而得到一個(gè)新的網(wǎng)頁集N和鏈接集L。把他們分別加到V和E中，即G—A+N，L)。然后，通過前向鏈接找到與N中的網(wǎng)頁相關(guān)聯(lián)的網(wǎng)頁，從而，得到一個(gè)新的網(wǎng)頁集礦和鏈接集丄'，同樣加到網(wǎng)絡(luò)圖中，即G"A+N+W'，L+丄')。該歩驟303中進(jìn)一步包括步驟3031，利用判斷模塊1121判斷網(wǎng)頁P(yáng)是否出現(xiàn)在該新找到的網(wǎng)頁集中，如果出現(xiàn)，即Pe(A^J,)，那么，p的寄生社區(qū)為NULL，并且認(rèn)定其為合法網(wǎng)站，整個(gè)過程結(jié)束。由于通常情況下，假冒網(wǎng)頁存在指向真實(shí)網(wǎng)頁的鏈接，而真實(shí)網(wǎng)頁不存在指向假冒網(wǎng)頁的鏈接，真實(shí)網(wǎng)頁只存在指向其他真實(shí)網(wǎng)頁的鏈接，故而，通過前向鏈接以及反向鏈接所找到的網(wǎng)頁，如果能夠包括網(wǎng)頁P(yáng)，證明該網(wǎng)頁P(yáng)為真實(shí)網(wǎng)頁。如果不能夠包括該網(wǎng)頁P(yáng)，則該網(wǎng)頁P(yáng)有可能是假冒網(wǎng)頁，繼續(xù)執(zhí)行后續(xù)的步驟。步驟304，利用網(wǎng)絡(luò)圖分割模塊113采用分割算法對該網(wǎng)絡(luò)圖進(jìn)行分割，生成與該給定頁面具備緊密關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)。在本發(fā)明的一個(gè)實(shí)施例中，利用現(xiàn)有技術(shù)中的s-1最小切割算法(見T.H.Cormen，C.E.Leiserson，andR.L.Rivest.Introductiontoalgorithms.MITPressandMcGraw-HillBookCompany,6thedition,1992.，the"maximumflowminimumcut"theoreminTheorem26.7，page657)分害廿該網(wǎng)絡(luò)圖。根據(jù)該算法，首先生成一個(gè)源(source)s和一個(gè)匯(sink)t，把他們加到網(wǎng)絡(luò)圖中，鏈接s到A中所有網(wǎng)頁(每條生成的邊的容量為無窮大)，生成一個(gè)新的鏈接集Ls;鏈接^中的所有網(wǎng)頁到t(每條生成的邊的容量為無窮大)，生成一個(gè)新的鏈接集Lt。將Ls，Lt加到網(wǎng)絡(luò)圖中，從而，G=(s+t+A+N+W'，Ls+Lt+L+Z*)。上述步驟的實(shí)現(xiàn)例如為1procedureAddGraph(G二(V，E);V=A+N+N*，E二L+L氺)2Createvertexs，addstoV3forallvGA，4Createedgee=(s，v)，c(s，v)=°°，addeto5endfor6Createvertext，addttoV7forallu￡N*，8Createedgee=(u，t)，c(u，t)二00，addeto9endfor10Addand"toE11endprocedure這時(shí)，通過最大網(wǎng)絡(luò)流算法(見T.H.Cormen，C.E.Leiserson，andR.LRivest.Introductiontoalgorithms.MITPressandMcGraw-HillBookCompany,6thedition,1992.)計(jì)算上述步驟獲得的網(wǎng)絡(luò)圖G中在邊的容量限制下s到t的最大網(wǎng)絡(luò)流。當(dāng)該網(wǎng)絡(luò)圖達(dá)到最大網(wǎng)絡(luò)流狀態(tài)時(shí)，匯集網(wǎng)絡(luò)圖中仍可從s導(dǎo)入更多流量的點(diǎn)(網(wǎng)頁)即得到寄生社區(qū)。SP，通過計(jì)算得到網(wǎng)絡(luò)圖中關(guān)聯(lián)關(guān)系最為緊密的網(wǎng)頁集合，以獲得關(guān)聯(lián)程度最高的寄生網(wǎng)頁社區(qū)，提高假冒網(wǎng)頁識別的精度。在另一實(shí)施例中，參見圖3B，步驟201可以進(jìn)一步包括步驟305，基于步驟304中所得到的寄生網(wǎng)頁社區(qū)，利用修正模塊114對該當(dāng)前關(guān)聯(lián)網(wǎng)頁集A進(jìn)行修正，并循環(huán)執(zhí)行步驟303，該修正模塊114進(jìn)一步包括一出入度計(jì)算模塊1141、一寄生因數(shù)計(jì)算模塊1142，以及一處理模塊1143。該出入度計(jì)算模塊用來計(jì)算該當(dāng)前關(guān)聯(lián)網(wǎng)頁集A中的網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的網(wǎng)頁的入度和出度；該寄生因數(shù)計(jì)算模塊1142用來計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)；該處理模塊用來向當(dāng)前關(guān)聯(lián)網(wǎng)頁集A中添加積極網(wǎng)頁和/或刪除消極網(wǎng)頁。該積極網(wǎng)頁為屬于該寄生網(wǎng)頁社區(qū)，卻不屬于該當(dāng)前關(guān)聯(lián)網(wǎng)頁集A的網(wǎng)頁，并且對于該寄生網(wǎng)頁社區(qū)具有最大入度或出度，該消極網(wǎng)頁為屬于該當(dāng)前關(guān)聯(lián)網(wǎng)頁集A，并且對于該寄生網(wǎng)頁社區(qū)的出度和入度的和小于第一預(yù)設(shè)閾值。該積極網(wǎng)頁也可以為，屬于該寄生網(wǎng)頁社區(qū)，卻不屬于該當(dāng)前關(guān)聯(lián)網(wǎng)頁集A的網(wǎng)頁，并且寄生因數(shù)大于第二預(yù)設(shè)閾值(例如0.8)的網(wǎng)頁，該消極網(wǎng)頁也可以為，屬于該當(dāng)前關(guān)聯(lián)網(wǎng)頁集A，并且寄生因數(shù)小于第三預(yù)設(shè)閾值(例如0.2)的網(wǎng)頁。該第二、第三閾值在特殊情況下也可以相等。有關(guān)寄生因數(shù)的計(jì)算見后述。通過上述修正，使得初始關(guān)聯(lián)網(wǎng)頁集A覆蓋的范圍更廣，同時(shí)獲得了那些與其他網(wǎng)頁聯(lián)系最為緊密的網(wǎng)頁，以挖掘出給定網(wǎng)頁P(yáng)所緊密寄生的寄生網(wǎng)頁社區(qū)，使得識別假冒網(wǎng)頁的精度更高。該步驟305進(jìn)一步包括一步驟3051，利用終止條件判斷模塊1144，判斷修正后的關(guān)聯(lián)網(wǎng)頁集A是否變化，如果未變化，執(zhí)行歩驟202，如果變化，循環(huán)執(zhí)行步驟303。該步驟304可以進(jìn)一步包括一步驟3041，利用判斷模塊1131，判斷該循環(huán)執(zhí)行的次數(shù)是否超過一次數(shù)閾值，如果超過，執(zhí)行后續(xù)的步驟202，如果未超過，繼續(xù)執(zhí)行步驟305。該步驟202進(jìn)一步包括:、該假冒網(wǎng)頁識別模塊120進(jìn)一步包括一計(jì)算模塊121，與寄生因數(shù)計(jì)算模17<formula>formulaseeoriginaldocumentpage18</formula>塊1142相同，該計(jì)算模塊121用于計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)。該寄生因數(shù)通過如下方式計(jì)算步驟2021，以網(wǎng)頁i為該給定的網(wǎng)頁，網(wǎng)頁j為通過歩驟201所得到的寄生網(wǎng)頁社區(qū)中的一個(gè)網(wǎng)頁。用Pe^"代表網(wǎng)頁i對網(wǎng)頁j的寄生因數(shù)，的值越大，網(wǎng)頁i和網(wǎng)頁j之間的寄生關(guān)系越強(qiáng)烈，這樣，擁有最大^^""值(并且^e^值大于一預(yù)設(shè)閾值，且一預(yù)設(shè)閾值要大于1)的網(wǎng)頁所在的網(wǎng)站即為該給定的網(wǎng)頁所假冒的對象，可斷定該網(wǎng)頁i與網(wǎng)頁j之間存在假冒關(guān)系，網(wǎng)頁i為假冒網(wǎng)頁。^e^計(jì)算公式如下，=-^其中，^^""代表寄生因數(shù)；^"m"代表網(wǎng)頁i對網(wǎng)頁j的寄生因子。代表網(wǎng)頁j對網(wǎng)頁i的寄生因子。步驟2021中進(jìn)一步包括一對^^進(jìn)行判斷的步驟，當(dāng)&、小于某一預(yù)設(shè)閾值(如O.1)時(shí)，令^^^為零。在本發(fā)明的一個(gè)實(shí)施例中，根據(jù)網(wǎng)頁間的直接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度和間接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度來計(jì)算寄生因子，如，尸"ra^=Dy+(1_其中，^代表網(wǎng)頁i對網(wǎng)頁j的寄生因子；A代表從網(wǎng)頁i到網(wǎng)頁j的直接關(guān)聯(lián)度；々代表從網(wǎng)頁i到網(wǎng)頁j的間接關(guān)聯(lián)度；"代表協(xié)調(diào)系數(shù)。在本發(fā)明的一個(gè)實(shí)施例中，直接關(guān)聯(lián)度為網(wǎng)頁i與網(wǎng)頁j之間所有直接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度的加權(quán)平均hij其中，A代表從網(wǎng)頁i到網(wǎng)頁j的直接關(guān)聯(lián)度；",)代表從網(wǎng)頁i到網(wǎng)頁j在第k種直接關(guān)聯(lián)關(guān)系上的關(guān)聯(lián)度，^為第k種直接關(guān)聯(lián)關(guān)系的權(quán)值，K為直接關(guān)聯(lián)關(guān)系的總數(shù)。例如，設(shè)定以前向鏈接作為一種直接關(guān)聯(lián)關(guān)系，上述的。"("以、表示。<formula>formulaseeoriginaldocumentpage18</formula>其中，^代表從網(wǎng)頁i到網(wǎng)頁j的前向鏈接關(guān)聯(lián)度；A^代表從網(wǎng)頁i指向網(wǎng)頁j所在網(wǎng)站的所有前向鏈接數(shù)；WZ'代表網(wǎng)頁i中的所有鏈接數(shù)。在本發(fā)明的一個(gè)實(shí)施例中，間接關(guān)聯(lián)度為所有間接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度的加權(quán)平均其中，A'代表從網(wǎng)頁i到網(wǎng)頁j的間接關(guān)聯(lián)度；7"代表第k種間接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；^為第k種間接關(guān)聯(lián)關(guān)系的權(quán)值，K為間接關(guān)聯(lián)關(guān)系的總數(shù)。在本發(fā)明的一個(gè)實(shí)施例中，間接關(guān)聯(lián)關(guān)系""包括但不限于排序關(guān)聯(lián)關(guān)系、相似關(guān)聯(lián)關(guān)系等。其中，排序關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度由下式計(jì)算，其中，^代表從網(wǎng)頁i到網(wǎng)頁j的所有排序關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；^("代表利用網(wǎng)頁i的第k個(gè)源中抽取的關(guān)鍵詞作為關(guān)鍵字在該計(jì)算模塊的搜索引擎中搜索，網(wǎng)頁j在搜索結(jié)果中的排序關(guān)聯(lián)度；^為《,)的權(quán)值，K為源的總數(shù)。該用于抽取關(guān)鍵詞的源包括但不限于標(biāo)題、Meta標(biāo)記、網(wǎng)頁正文等。抽取的關(guān)鍵詞為這些源中出現(xiàn)的高頻單詞。對于網(wǎng)頁中高頻單詞的確認(rèn)，即為確認(rèn)出現(xiàn)次數(shù)高于一個(gè)頻率閾值，屬于現(xiàn)有技術(shù)中的公知常識，在此不贅述。其中，""由下式計(jì)算，"乂，其中，""代表利用網(wǎng)頁i的第k個(gè)源中抽取的關(guān)鍵詞作為關(guān)鍵字在搜索引擎中搜索，網(wǎng)頁j在搜索結(jié)果中的排序關(guān)聯(lián)度；^代表考慮的搜索結(jié)果的數(shù)量；《代表網(wǎng)頁j在搜索結(jié)果中的排序位次。在本發(fā)明的一個(gè)實(shí)施例中，相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度由下式計(jì)算，"i，其中，^代表從網(wǎng)頁i到網(wǎng)頁j的相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；"V"代表從網(wǎng)頁i到網(wǎng)頁j的根據(jù)網(wǎng)頁i的第k個(gè)源中抽取的特征計(jì)算的相似關(guān)聯(lián)度，該特征包括但不限于文本特征、視覺特征、整體布局特征中的一種或幾種；％為&的權(quán)值，K為源的總數(shù)，該源包括但不限于標(biāo)題、Meta標(biāo)記、網(wǎng)頁中出現(xiàn)的高頻單詞、視覺特征源、整體布局特征源中的一種或幾種。其中，根據(jù)Tversky提出的相似度模型(A.Tversky.Featuresofsimilarity.PsychoJogicaJWeWew84(4):327-352.)，可由下式計(jì)算(以文本特征為例)，7;(yt)o7;(yt)其中，代表從網(wǎng)頁i到網(wǎng)頁j的根據(jù)網(wǎng)頁i的第k個(gè)源中抽取的特征計(jì)算的相似關(guān)聯(lián)度；^"代表從網(wǎng)頁i的第k個(gè)源中抽取的特征，代表^)和^("共有的特征數(shù)；1^)l代表^)所包含的特征數(shù)?；谏鲜龉?，可計(jì)算得到該給定網(wǎng)頁與每個(gè)寄生網(wǎng)頁社區(qū)中的網(wǎng)頁之間的寄生因數(shù)。隨后，步驟2022，利用一識別模塊122對寄生因數(shù)進(jìn)行判斷，對于大于某一預(yù)設(shè)閾值的最大的寄生因數(shù)，認(rèn)定其對應(yīng)的網(wǎng)頁與該給定網(wǎng)頁存在假冒關(guān)系，即認(rèn)定該給定網(wǎng)頁假冒了該最大寄生因數(shù)對應(yīng)的網(wǎng)頁。在一個(gè)實(shí)施例中，本發(fā)明的網(wǎng)絡(luò)應(yīng)用程序，其界面如圖4所示，用戶可以在上方文本框中輸入任意一個(gè)網(wǎng)頁的網(wǎng)址，作為給定網(wǎng)頁P(yáng)。當(dāng)用戶點(diǎn)擊"査真假"按鈕后，該應(yīng)用程序?qū)⒏鶕?jù)本發(fā)明中方法構(gòu)造該網(wǎng)頁對應(yīng)的寄生社區(qū)；然后計(jì)算該網(wǎng)頁和該寄生社區(qū)中網(wǎng)頁的寄生因數(shù)，超過某一預(yù)設(shè)閾值的最大的寄生因數(shù)對應(yīng)的該寄生社區(qū)中的網(wǎng)頁作為假冒對象。在本發(fā)明的一個(gè)實(shí)施例中，從PhishTank(http:〃麗.phishtank.com/)中選擇以61個(gè)著名網(wǎng)站為被假冒對象的1000個(gè)假冒網(wǎng)頁為測試數(shù)據(jù)集，來測試本發(fā)明方法的自動識別正確率；此外，另選取1000個(gè)合法網(wǎng)站(其中包括500個(gè)著名網(wǎng)站，500個(gè)普通網(wǎng)站)，來測試本發(fā)明方法的錯(cuò)誤率。在本發(fā)明的一個(gè)實(shí)施例中，以如下方程來計(jì)算識別正確率Jccwracyi她=其中，^代表被假冒對象被正確識別的給定網(wǎng)頁(假冒網(wǎng)頁)數(shù)；代表實(shí)驗(yàn)中測試的初始網(wǎng)頁(假冒網(wǎng)頁)的總數(shù)。表1為iooo個(gè)假冒網(wǎng)頁的識別正確率。表l自動識別假冒對象正確率測試結(jié)果<table>tableseeoriginaldocumentpage20</column></row><table>如表2所示，為假冒該61個(gè)著名網(wǎng)站中的一部分的假冒網(wǎng)頁的識別正確表2假冒部分著名網(wǎng)站的假冒網(wǎng)頁的識別正確率<table>tableseeoriginaldocumentpage21</column></row><table>在本發(fā)明的一個(gè)實(shí)施例中，以如下方式計(jì)算識別錯(cuò)誤率:<formula>formulaseeoriginaldocumentpage21</formula>其中，^p代表沒有識別到被假冒對象的給定的網(wǎng)頁數(shù)，代表該給定網(wǎng)頁為合法網(wǎng)頁；^代表實(shí)驗(yàn)中測試的所有合法網(wǎng)頁數(shù)。如表3所示，為著名合法網(wǎng)站測試結(jié)果。表3著名網(wǎng)站識別錯(cuò)誤率測試結(jié)果<formula>formulaseeoriginaldocumentpage22</formula>如表4所示，為普通合法網(wǎng)站測試結(jié)果表4普通合法網(wǎng)站識別錯(cuò)誤率測試結(jié)果<formula>formulaseeoriginaldocumentpage22</formula>11.4%從表1-4中可見，本發(fā)明方法能夠得到較高正確率，性能較好。在本發(fā)明的一個(gè)實(shí)施例中，將本發(fā)明方法與CANTINA的方法(Y.Zhang,丄I.HongandL.F.Cranor.Cantina:acontent-basedapproachtodetectingphishingwebsites.Proc.『,2007，pp.639-648，2007.)進(jìn)行了比較。CANTINA將給定網(wǎng)頁的文本特征(由網(wǎng)頁中5個(gè)詞頻最高的單詞組成)作為關(guān)鍵詞在Google中搜索，如果給定網(wǎng)頁出現(xiàn)在前N(如30)個(gè)搜索結(jié)果中，其認(rèn)為該給定網(wǎng)頁為合法網(wǎng)頁。該方法是基于以下假設(shè)的，即Google索引了大量合法網(wǎng)站，并且和與假冒網(wǎng)站相比，合法網(wǎng)站具有較高的排序。選取200個(gè)合法網(wǎng)頁(其中100個(gè)著名網(wǎng)站，100個(gè)普通網(wǎng)頁)，來比較本發(fā)明方法和CANTINA的方法的性能。如表5所示，表5本發(fā)明方法和CANTINA的方法性能比較網(wǎng)頁數(shù)CANTINA的方法錯(cuò)誤率本發(fā)明方法錯(cuò)誤率著名網(wǎng)站10018.8%7.8%普通網(wǎng)站10033.3%11.4%從表5可見，相對于著名網(wǎng)頁，兩個(gè)方法對于普通網(wǎng)頁錯(cuò)誤率都較高。對于CANTINA的方法，是由于普通網(wǎng)頁在搜索結(jié)果中排序較低。此外，其有效性要依靠抽取的文本特征的正確性。本發(fā)明的方法同樣要利用搜索引擎計(jì)算排序相關(guān)度，因此，對于普通網(wǎng)頁，錯(cuò)誤率也會上升。然而，本發(fā)明還要計(jì)算直接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度以及相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度，有助于降低錯(cuò)誤率。本發(fā)明實(shí)現(xiàn)的效果在于，根據(jù)給定的網(wǎng)頁，識別出其是否為一假冒網(wǎng)頁，識別出與該給定網(wǎng)頁存在假冒關(guān)系的網(wǎng)頁，S口，該假冒網(wǎng)頁所模仿的真實(shí)網(wǎng)站的網(wǎng)頁，避免冒然提交個(gè)人數(shù)據(jù)而造成相關(guān)財(cái)產(chǎn)、隱私等權(quán)益的損失。同時(shí)，本發(fā)明的識別方法準(zhǔn)確率高，操作方便。2權(quán)利要求1、一種識別假冒網(wǎng)頁的方法，其特征在于，包括以下步驟步驟1，針對一給定網(wǎng)頁，構(gòu)造與該給定網(wǎng)頁具備關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)；步驟2，逐個(gè)計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)，根據(jù)每個(gè)網(wǎng)頁的寄生因數(shù)，判斷該給定網(wǎng)頁與寄生網(wǎng)頁社區(qū)中的網(wǎng)頁是否存在假冒關(guān)系。2、如權(quán)利要求l所述的識別假冒網(wǎng)頁的方法，其特征在于，該步驟l包括步驟ll，建立該給定網(wǎng)頁的初始關(guān)聯(lián)網(wǎng)頁集，該初始關(guān)聯(lián)網(wǎng)頁集包括與該給定網(wǎng)頁直接關(guān)聯(lián)和/或間接關(guān)聯(lián)的網(wǎng)頁；步驟12，根據(jù)該初始關(guān)聯(lián)網(wǎng)頁集，進(jìn)一步獲取與初始關(guān)聯(lián)網(wǎng)頁具備關(guān)聯(lián)關(guān)系的網(wǎng)頁，并根據(jù)該網(wǎng)頁間的關(guān)系構(gòu)建網(wǎng)絡(luò)圖；步驟13，利用分割算法對該網(wǎng)絡(luò)圖進(jìn)行分割，以得到與該給定網(wǎng)頁具備緊密關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)。3、如權(quán)利要求2所述的識別假冒網(wǎng)頁的方法，其特征在于，與該給定網(wǎng)頁直接關(guān)聯(lián)的網(wǎng)頁包括該給定網(wǎng)頁中的鏈接所指向的網(wǎng)頁。4、如權(quán)利要求2所述的識別假冒網(wǎng)頁的方法，其特征在于，與該給定網(wǎng)頁間接關(guān)聯(lián)的網(wǎng)頁包括與該給定網(wǎng)頁具備相同或相似的文本和/或視覺信息的網(wǎng)頁。5、如權(quán)利要求4所述的識別假冒網(wǎng)頁的方法，其特征在于，通過在搜索引擎中搜索該給定網(wǎng)頁中的關(guān)鍵詞和/或通過視覺搜索獲得該間接關(guān)聯(lián)的網(wǎng)頁。6、如權(quán)利要求5所述的識別假冒網(wǎng)頁的方法，其特征在于，該關(guān)鍵詞包括該給定網(wǎng)頁的標(biāo)題、Meta標(biāo)記和該給定網(wǎng)頁中出現(xiàn)的高頻單詞中的一種或幾種。7、如權(quán)利要求2所述的識別假冒網(wǎng)頁的方法，其特征在于，步驟12中，通過前向鏈接和/或反向鏈接找到與該初始關(guān)聯(lián)網(wǎng)頁集關(guān)聯(lián)的網(wǎng)頁。8、如權(quán)利要求2所述的識別假冒網(wǎng)頁的方法，其特征在于，該步驟12進(jìn)一步包括判斷該網(wǎng)絡(luò)圖中是否包括該給定網(wǎng)頁，如果不包括，繼續(xù)執(zhí)行步驟13，如果包括，結(jié)束。9、如權(quán)利要求2所述的識別假冒網(wǎng)頁的方法，其特征在于，該分割算法為s-t最小切割算法。10、如權(quán)利要求2至9中任一所述的識別假冒網(wǎng)頁的方法，其特征在于，在步驟13之后步驟2之前，還包括歩驟14，對該初始關(guān)聯(lián)網(wǎng)頁集進(jìn)行修正，然后循環(huán)執(zhí)行步驟12。11、如權(quán)利要求io所述的識別假冒網(wǎng)頁的方法，其特征在于，步驟14進(jìn)一步包括判斷修正后的初始關(guān)聯(lián)網(wǎng)頁集是否發(fā)生變化，如果未發(fā)生變化，執(zhí)行步驟2，如果發(fā)生變化，循環(huán)執(zhí)行步驟12。12、如權(quán)利要求10所述的識別假冒網(wǎng)頁的方法，其特征在于，步驟13進(jìn)一步包括判斷該循環(huán)執(zhí)行的次數(shù)是否超過一個(gè)次數(shù)閾值，如果超過，執(zhí)行步驟2，如果未超過，繼續(xù)執(zhí)行步驟14。13、如權(quán)利要求10所述的識別假冒網(wǎng)頁的方法，其特征在于，該修正歩驟14包括向該初始關(guān)聯(lián)網(wǎng)頁集添加積極網(wǎng)頁和/或刪除消極網(wǎng)頁；該積極網(wǎng)頁為屬于該寄生網(wǎng)頁社區(qū)，卻不屬于該初始關(guān)聯(lián)網(wǎng)頁集，并且對于該寄生網(wǎng)頁社區(qū)具有最大入度或出度的網(wǎng)頁，或者，該積極網(wǎng)頁為屬于該寄生網(wǎng)頁社區(qū)，卻不屬于該初始關(guān)聯(lián)網(wǎng)頁集，寄生因數(shù)大于第二預(yù)設(shè)閾值的網(wǎng)頁；該消極網(wǎng)頁為屬于該初始關(guān)聯(lián)網(wǎng)頁集并且對于該寄生網(wǎng)頁社區(qū)的出度與入度的和小于第一預(yù)設(shè)閾值的網(wǎng)頁，或者，該消極網(wǎng)頁為屬于當(dāng)前關(guān)聯(lián)網(wǎng)頁集，寄生因數(shù)小于第三預(yù)設(shè)閾值的網(wǎng)頁。14、如權(quán)利要求1或13所述的識別假冒網(wǎng)頁的方法，其特征在于，所述寄生因數(shù)的計(jì)算方法為Pan,,尸a^=-^其中，P^^代表網(wǎng)頁i對網(wǎng)頁j的寄生因數(shù)；^^代表網(wǎng)頁i對網(wǎng)頁j的寄生因子；i^代表網(wǎng)頁j對網(wǎng)頁i的寄生因子。15、如權(quán)利要求14所述的識別假冒網(wǎng)頁的方法，其特征在于，/V/ra,,=aZ)〃+(1—a)/,其中，^,代表網(wǎng)頁i對網(wǎng)頁j的寄生因子；"代表從網(wǎng)頁i到網(wǎng)頁j的直接關(guān)聯(lián)度；7"代表從網(wǎng)頁i到網(wǎng)頁j的間接關(guān)聯(lián)度；"代表協(xié)調(diào)系數(shù)。16、如權(quán)利要求15所述的識別假冒網(wǎng)頁的方法，其特征在于，所述直接關(guān)聯(lián)度為所有的直接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度的加權(quán)平均其中，""代表從網(wǎng)頁i到網(wǎng)頁j的直接關(guān)聯(lián)度；D"("代表第k種直接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度，％為第k種直接關(guān)聯(lián)關(guān)系的權(quán)值，K為直接關(guān)聯(lián)關(guān)系的總數(shù)。17、如權(quán)利要求16所述的識別假冒網(wǎng)頁的方法，其特征在于，該直接關(guān)聯(lián)關(guān)系包括前向鏈接，其關(guān)聯(lián)度為7V厶<formula>formulaseeoriginaldocumentpage4</formula>其中，^代表從網(wǎng)頁i到網(wǎng)頁j的前向鏈接關(guān)聯(lián)度；W工"代表從網(wǎng)頁i指向網(wǎng)頁j所在網(wǎng)站的所有前向鏈接數(shù)；W^'代表網(wǎng)頁i中的所有鏈接數(shù)。18、如權(quán)利要求15所述的識別假冒網(wǎng)頁的方法，其特征在于，所述間接關(guān)聯(lián)度為所有間接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度的加權(quán)平均，其中，^代表從網(wǎng)頁i到網(wǎng)頁j的間接關(guān)聯(lián)度；7,)代表第k種間接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度，A為第k種間接關(guān)聯(lián)關(guān)系的權(quán)值，K為間接關(guān)聯(lián)關(guān)系的總數(shù)。19、如權(quán)利要求15或18所述的識別假冒網(wǎng)頁的方法，其特征在于，該間接關(guān)聯(lián)關(guān)系包括排序關(guān)聯(lián)關(guān)系、相似關(guān)聯(lián)關(guān)系。20、如權(quán)利要求19所述的識別假冒網(wǎng)頁的方法，其特征在于，排序關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度為-其中，^代表從網(wǎng)頁i到網(wǎng)頁j的排序關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度;代表利用網(wǎng)頁i的第k個(gè)源中抽取的關(guān)鍵詞作為關(guān)鍵字在搜索引擎中搜索，網(wǎng)頁j在搜索結(jié)果中的排序關(guān)聯(lián)度；^為《:'的權(quán)值，K為源的總數(shù)，該關(guān)鍵詞包括標(biāo)題、Meta標(biāo)記和/或網(wǎng)頁中出現(xiàn)的高頻單詞；其中，《"由下式計(jì)算，^代表考慮的搜索結(jié)果的數(shù)量；^代表網(wǎng)頁j在搜索結(jié)果中的排序位次。21、如權(quán)利要求19所述的識別假冒網(wǎng)頁的方法，其特征在于，該相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度為其中，S';代表從網(wǎng)頁i到網(wǎng)頁j的相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；w"代表從網(wǎng)頁i到網(wǎng)頁j的根據(jù)網(wǎng)頁i的第k個(gè)源中抽取的特征計(jì)算的相似關(guān)聯(lián)度，該抽取的特征包括文本特征、視覺特征和/或整體布局特征；^為~的權(quán)值，K為源的總數(shù)，該源包括標(biāo)題、Meta標(biāo)記、網(wǎng)頁中出現(xiàn)的高頻單詞、視覺特征源和/或整體布局特征源；其中，&("可由下式計(jì)算，".—|洲，其中，^"代表從網(wǎng)頁i到網(wǎng)頁j的根據(jù)網(wǎng)頁i的第k個(gè)源中抽取的特征計(jì)算的相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；^"代表從網(wǎng)頁i的第k個(gè)源中抽取的特征集；1，)。^)l代表洲和^)共有的特征數(shù)；1^)l代表:w所包含的特征數(shù)。22、如權(quán)利要求2所述的識別假冒網(wǎng)頁的方法，其特征在于，歩驟2中進(jìn)一步包括對寄生因數(shù)進(jìn)行判斷，認(rèn)定大于一預(yù)設(shè)閾值的最大的寄生因數(shù)對應(yīng)的網(wǎng)頁與該給定網(wǎng)頁存在假冒關(guān)系。23、一種識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，包括寄生網(wǎng)頁社區(qū)構(gòu)造模塊，用于根據(jù)一給定網(wǎng)頁，構(gòu)造與該給定網(wǎng)頁具備關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)；假冒網(wǎng)頁識別模塊，用于逐個(gè)計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)，根據(jù)每個(gè)網(wǎng)頁的寄生因數(shù)，判斷該給定網(wǎng)頁與寄生網(wǎng)頁社區(qū)中的網(wǎng)頁是否存在假冒關(guān)系。24、如權(quán)利要求23所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該寄生網(wǎng)頁社區(qū)構(gòu)造模塊中進(jìn)一步包括初始關(guān)聯(lián)網(wǎng)頁集構(gòu)造模塊，用于根據(jù)該給定網(wǎng)頁建立一初始關(guān)聯(lián)網(wǎng)頁集，該初始關(guān)聯(lián)網(wǎng)頁集包括與該給定網(wǎng)頁直接關(guān)聯(lián)和間接關(guān)聯(lián)的網(wǎng)頁；網(wǎng)絡(luò)圖構(gòu)建模塊，用于根據(jù)該初始關(guān)聯(lián)網(wǎng)頁集，獲取與初始關(guān)聯(lián)網(wǎng)頁具備關(guān)聯(lián)關(guān)系的網(wǎng)頁，并根據(jù)該網(wǎng)頁間的關(guān)系構(gòu)建網(wǎng)絡(luò)圖；網(wǎng)絡(luò)圖分割模塊，利用分割算法對該網(wǎng)絡(luò)圖進(jìn)行分割，以得到與該給定網(wǎng)頁具備緊密關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)。25、如權(quán)利要求24所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，與該給定網(wǎng)頁直接關(guān)聯(lián)的網(wǎng)頁包括該給定網(wǎng)頁中的鏈接所指向的網(wǎng)頁。26、如權(quán)利要求24所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，與該給定網(wǎng)頁間接關(guān)聯(lián)的網(wǎng)頁包括與該給定網(wǎng)頁具備相同或相似的文本和/或視覺信息的網(wǎng)頁。27、如權(quán)利要求26所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，與該給定網(wǎng)頁間接關(guān)聯(lián)的網(wǎng)頁，通過在搜索引擎中搜索該給定網(wǎng)頁中的關(guān)鍵詞和/或通過視覺搜索獲得。28、如權(quán)利要求27所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該關(guān)鍵詞包括該給定網(wǎng)頁的標(biāo)題、Meta標(biāo)記和該給定網(wǎng)頁中出現(xiàn)的高頻單詞中的一種或幾種。29、如權(quán)利要求24所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該網(wǎng)絡(luò)圖構(gòu)建模塊通過前向鏈接和/或反向鏈接找到與該當(dāng)前關(guān)聯(lián)網(wǎng)頁集關(guān)聯(lián)的網(wǎng)頁。30、如權(quán)利要求24所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該網(wǎng)絡(luò)圖構(gòu)建模塊中進(jìn)一步包括一判斷模塊，用于判斷該網(wǎng)絡(luò)圖中是否包括該給定網(wǎng)頁，如果不包括，將該網(wǎng)絡(luò)圖發(fā)送至該網(wǎng)絡(luò)圖分割模塊進(jìn)行處理，如果包括，結(jié)束。31、如權(quán)利要求24所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該分割算法為S-1最小切割算法。32、如權(quán)利要求24至31中任一所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該寄生網(wǎng)頁社區(qū)構(gòu)造模塊中進(jìn)一步包括-.一修正模塊，用于對該初始關(guān)聯(lián)網(wǎng)頁集進(jìn)行修正，并將修正后的初始關(guān)聯(lián)網(wǎng)頁集發(fā)送至該網(wǎng)絡(luò)圖構(gòu)建模塊。33、如權(quán)利要求32所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，所述修正模塊進(jìn)一步包括終止條件判斷模塊，判斷修正后的關(guān)聯(lián)網(wǎng)頁集是否變化，如果未發(fā)生變化，將該寄生網(wǎng)頁社區(qū)發(fā)送至該假冒網(wǎng)頁識別模塊，如果發(fā)生變化，將修正后的關(guān)聯(lián)網(wǎng)頁集發(fā)送至該網(wǎng)絡(luò)圖構(gòu)建模塊。34、如權(quán)利要求32所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該網(wǎng)絡(luò)圖分割模塊進(jìn)一歩包括一判斷模塊，用于判斷該修正的次數(shù)是否超過一個(gè)次數(shù)閾值，如果超過，將該寄生網(wǎng)頁社區(qū)發(fā)送至該假冒網(wǎng)頁識別模塊，如果未超過，將該寄生網(wǎng)頁社區(qū)發(fā)送至該修正模塊。35、如權(quán)利要求32所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該修正模塊還包括-.一處理模塊；一出入度計(jì)算模塊或者一寄生因數(shù)計(jì)算模塊；其中，該處理模塊用于向該初始關(guān)聯(lián)網(wǎng)頁集添加積極網(wǎng)頁和/或刪除消極網(wǎng)頁，該積極網(wǎng)頁為屬于該寄生網(wǎng)頁社區(qū)，卻不屬于該當(dāng)前關(guān)聯(lián)網(wǎng)頁集，并且對于該寄生網(wǎng)頁社區(qū)具有最大的入度或出度，或者，該積極網(wǎng)頁為屬于該寄生網(wǎng)頁社區(qū)，卻不屬于該初始關(guān)聯(lián)網(wǎng)頁集，寄生因數(shù)大于第二預(yù)設(shè)閾值的網(wǎng)頁；該消極網(wǎng)頁為屬于該初始關(guān)聯(lián)網(wǎng)頁集，并且對于該寄生網(wǎng)頁社區(qū)的出度與入度之和小于第一預(yù)設(shè)閾值的網(wǎng)頁，或者，該消極網(wǎng)頁為屬于當(dāng)前關(guān)聯(lián)網(wǎng)頁集，寄生因數(shù)小于第三預(yù)設(shè)閾值的網(wǎng)頁；該出入度計(jì)算模塊用于計(jì)算寄生網(wǎng)頁社區(qū)中所有網(wǎng)頁相對于該社區(qū)的入度和出度；該寄生因數(shù)計(jì)算模塊用于逐個(gè)計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)。36、如權(quán)利要求23或35所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該寄生因數(shù)為其特征在于，其中，n""代表網(wǎng)頁i對網(wǎng)頁j的寄生因數(shù)；P""",代表網(wǎng)頁i對網(wǎng)頁j的寄生因子；/^代表網(wǎng)頁j對網(wǎng)頁i的寄生因子。37、如權(quán)利要求36所述的識別假冒網(wǎng)頁的系統(tǒng)，尸ara,,=0^,;+(1—a)/,,，其中，P"、代表網(wǎng)頁i對網(wǎng)頁j的寄生因子；A代表從網(wǎng)頁i到網(wǎng)頁j的直接關(guān)聯(lián)度；7"代表從網(wǎng)頁i到網(wǎng)頁j的間接關(guān)聯(lián)度；"代表協(xié)調(diào)系數(shù)。38、如權(quán)利要求37所述的識別假冒網(wǎng)頁的系統(tǒng)，關(guān)聯(lián)度為所有的直接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度的加權(quán)平均其中，A代表從網(wǎng)頁i到網(wǎng)頁j的直接關(guān)聯(lián)度；A,)代表第k種直接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度，A為第k種直接關(guān)聯(lián)關(guān)系的權(quán)值，K為直接關(guān)聯(lián)關(guān)系的總數(shù)。39、如權(quán)利要求38所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該直接關(guān)聯(lián)關(guān)系包括前向鏈接，其關(guān)聯(lián)度為其特征在于，所述直接丄..=厄,其中，￡"代表從網(wǎng)頁i到網(wǎng)頁j的前向鏈接關(guān)聯(lián)度；A^代表從網(wǎng)頁i指向網(wǎng)頁j所在網(wǎng)站的所有前向鏈接數(shù)；WZ'代表網(wǎng)頁i中的所有鏈接數(shù)。40、如權(quán)利要求37所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，所述間接關(guān)聯(lián)度為所有間接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度的加權(quán)平均，"7"代表第k種間接關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度，^為第k種間接關(guān)聯(lián)關(guān)系的權(quán)值，K為間接關(guān)聯(lián)關(guān)系的總數(shù)。41、如權(quán)利要求37或40所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該間接關(guān)聯(lián)關(guān)系包括排序關(guān)聯(lián)關(guān)系、相似關(guān)聯(lián)關(guān)系。42、如權(quán)利要求41所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，排序關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度為<formula>formulaseeoriginaldocumentpage9</formula>其中，《'代表從網(wǎng)頁i到網(wǎng)頁j的排序關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；《,)代表從網(wǎng)頁i到網(wǎng)頁j的利用網(wǎng)頁i的第k個(gè)源中抽取的關(guān)鍵所詞作為關(guān)鍵字在搜索引擎中搜索，網(wǎng)頁j在搜索結(jié)果中的排序關(guān)聯(lián)度；^為""的權(quán)值，K為源的總數(shù)，該關(guān)鍵詞包括標(biāo)題、Meta標(biāo)記和/或網(wǎng)頁中出現(xiàn)的高頻單詞；其中，《,)由下式計(jì)算，"乂^代表考慮的搜索結(jié)果的數(shù)量；凡代表網(wǎng)頁j在搜索結(jié)果中的排序位次。43、如權(quán)利要求41所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度為其中，^代表從網(wǎng)頁i到網(wǎng)頁j的相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；^"代表從網(wǎng)頁i到網(wǎng)頁j的根據(jù)網(wǎng)頁i的第k個(gè)源中抽取的特征計(jì)算的相似關(guān)聯(lián)度，該抽取的特征包括文本特征、視覺特征和/或整體布局特征；^為的權(quán)值，K為源的總數(shù)，該源包括標(biāo)題、Meta標(biāo)記、網(wǎng)頁中出現(xiàn)的高頻單詞、視覺特征源和/或整體布局特征源；其中，W"可由下式計(jì)算，<formula>formulaseeoriginaldocumentpage9</formula>其中，&代表從網(wǎng)頁i到網(wǎng)頁j的根據(jù)網(wǎng)頁i的第k個(gè)源中抽取的特征計(jì)算的相似關(guān)聯(lián)關(guān)系的關(guān)聯(lián)度；^")代表從網(wǎng)頁i的第k個(gè)源中抽取的特征集；l洲"Wl代表""和^"共有的特征數(shù)；1^)l代表^)所包含的特征數(shù)。44、如權(quán)利要求24所述的識別假冒網(wǎng)頁的系統(tǒng)，其特征在于，該假冒網(wǎng)頁識別模塊進(jìn)一步包括一網(wǎng)頁判斷模塊，用于對該寄生因數(shù)進(jìn)行判斷，認(rèn)定大于一預(yù)設(shè)閾值的最大的寄生因數(shù)對應(yīng)的網(wǎng)頁與該給定網(wǎng)頁存在假冒關(guān)系。全文摘要本發(fā)明公開了一種識別假冒網(wǎng)頁的方法及系統(tǒng)，該方法包括以下步驟步驟1，針對一給定網(wǎng)頁，構(gòu)造與該給定網(wǎng)頁具備關(guān)聯(lián)關(guān)系的寄生網(wǎng)頁社區(qū)；步驟2，逐個(gè)計(jì)算該給定網(wǎng)頁相對該寄生網(wǎng)頁社區(qū)中的每個(gè)網(wǎng)頁的寄生因數(shù)，根據(jù)每個(gè)網(wǎng)頁的寄生因數(shù)，判斷該給定網(wǎng)頁與寄生網(wǎng)頁社區(qū)中的網(wǎng)頁是否存在假冒關(guān)系。本發(fā)明實(shí)現(xiàn)的效果在于，根據(jù)給定的網(wǎng)頁，識別出其是否為一假冒網(wǎng)頁，識別出與該給定網(wǎng)頁存在假冒關(guān)系的網(wǎng)頁，即，該假冒網(wǎng)頁所模仿的真實(shí)網(wǎng)站的網(wǎng)頁，避免冒然提交個(gè)人數(shù)據(jù)而造成相關(guān)財(cái)產(chǎn)、隱私等權(quán)益的損失。同時(shí)，本發(fā)明的識別方法準(zhǔn)確率高，操作方便。文檔編號G06F17/30GK101436210SQ20081023973公開日2009年5月20日申請日期2008年12月16日優(yōu)先權(quán)日2008年12月16日發(fā)明者罡劉,劉文印,張加龍,邱彼特申請人:北京百問百答網(wǎng)絡(luò)技術(shù)有限公司