申请/专利权人：浪潮卓数大数据产业发展有限公司

申请日：2023-07-04

公开（公告）日：2023-10-27

公开（公告）号：CN116955804A

主分类号：G06F16/9535

分类号：G06F16/9535;H04L9/40;G06F16/906;G06N3/0464;G06N3/044;G06N3/084;G06N3/082

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明公开了侦测钓鱼网站的深度学习模型、方法、系统、装置及介质，属于大数据处理技术领域，要解决的技术问题为如何精确的侦测钓鱼网站。包括基于CNN算法构建的第一模型和基于BiGRU算法构建的第二模型。包括如下步骤：获取历史网页，并基于网页为钓鱼网站的概率对历史网页进行标注，得到0‑1范围的标签值；基于历史网页以及对应的标签值构建训练集；构建钓鱼网站预测模型，所述钓鱼网站预测模型为如权利要求1所述的深度学习模型；基于训练集对所述钓鱼网站预测模型进行模型训练，得到训练后钓鱼网站预测模型；以待检测的网页为输入，通过训练后钓鱼网站预测模型输出预测结果，基于预测结果判断网页是否为钓鱼网站。

主权项：1.一种侦测钓鱼网站的深度学习模型，其特征在于，包括基于CNN算法构建的第一模型和基于BiGRU算法构建的第二模型；所述第一模型用于执行如下：使用一维卷积运算Conv1D构建一个十六核的卷积网络，使用relu函数作为激活函数，通过激活函数对十六核的卷积网络输出的结果进行第一次过滤；使用批标准化batchnormalization将离散的数据统一，并将统一后的数据传入池化层；在池化层，使用极大池化算法将特征图进行特征选择与信息过滤；使用dropout算法，随机处理一种一半的节点以保证节点的可用性；所述第二模型用于以第一模型的输出为输入，并执行如下：使用门控循环单元GRU构造256单位的双向循环神经网络；对于双向循环神经网络输出的结果，使用dropout算法随机使用其中一半的数据进行计算；将结果拟合，使用relu激活函数得到一个16个单位的特征值集合；使用sigmoid函数平滑特征值集合中十六个结果，输出一个0-1的值，靠近1的表示为钓鱼链接。

全文数据：

权利要求：

百度查询： 浪潮卓数大数据产业发展有限公司 侦测钓鱼网站的深度学习模型、方法、系统、装置及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD