公开(公告)号：CN107798080B

公开(公告)日：2020-05-22

申请号：CN201710952357.3

申请日：2017-10-13

Applicant: 中国科学院信息工程研究所

Inventor： 时金桥 ,  亚静 ,  柳厅文 ,  舒晓波 ,  张振宇 ,  张盼盼 ,  郭莉

IPC: G06F16/955

Abstract: 本发明提供一种面向钓鱼URL检测的相似样本集构造方法，其步骤包括：提取已知样本集中的若干钓鱼URL分割为单词序列；以单词序列为列，网络钓鱼URL为行构造URL单词矩阵；从URL单词矩阵中选取部分能覆盖前述若干钓鱼URL的单词作为特征词；以特征词为关键词搜索URL，并验证搜索到的URL是否正常，如是，则添加至训练样本集。构造与钓鱼URL强相似的正常URL，而不是从公开平台随机选取合法URL作为训练样本。不依赖于任何先验知识，可以得到与已知钓鱼URL相近的正常URL训练样本集。从而，解决背景技术中提到的机器学习或深度学习的训练样本两极分化十分严重的问题。

公开(公告)号：CN109086327A

公开(公告)日：2018-12-25

申请号：CN201810716386.4

申请日：2018-07-03

Applicant: 中国科学院信息工程研究所

Inventor： 柳厅文 ,  李彦增 ,  舒晓波 ,  刘曲 ,  时金桥 ,  李全刚 ,  张水利 ,  亚静

IPC: G06F17/30 ,  G06K9/32 ,  G06T7/13 ,  G06T7/155

Abstract: 本发明涉及一种快速生成网页视觉结构图形的方法及装置。该方法包括：提取网页中的文本域的视觉结构图形；提取网页中的图像域的视觉结构图形；将文本域的视觉结构图形与图像域的视觉结构图形去重与合并，得到网页的视觉结构图形。该装置包括文本域视觉结构图形提取模块、图像域视觉结构图形提取模块、去重与合并模块。本发明抛弃了传统分析方法中网页DOM结构的累赘，仅由网页截图应用图形学方法处理图片，大大降低了算法耗时；本发明采用数学形态学变换，能够快速、准确地分别提取网页中文本域与图像域的视觉结构图形。

公开(公告)号：CN109086327B

公开(公告)日：2022-05-17

申请号：CN201810716386.4

申请日：2018-07-03

Applicant: 中国科学院信息工程研究所

Inventor： 柳厅文 ,  李彦增 ,  舒晓波 ,  刘曲 ,  时金桥 ,  李全刚 ,  张水利 ,  亚静

IPC: G06F16/958 ,  G06V30/146 ,  G06T7/13 ,  G06T7/155

Abstract: 本发明涉及一种快速生成网页视觉结构图形的方法及装置。该方法包括：提取网页中的文本域的视觉结构图形；提取网页中的图像域的视觉结构图形；将文本域的视觉结构图形与图像域的视觉结构图形去重与合并，得到网页的视觉结构图形。该装置包括文本域视觉结构图形提取模块、图像域视觉结构图形提取模块、去重与合并模块。本发明抛弃了传统分析方法中网页DOM结构的累赘，仅由网页截图应用图形学方法处理图片，大大降低了算法耗时；本发明采用数学形态学变换，能够快速、准确地分别提取网页中文本域与图像域的视觉结构图形。

公开(公告)号：CN107798080A

公开(公告)日：2018-03-13

申请号：CN201710952357.3

申请日：2017-10-13

Applicant: 中国科学院信息工程研究所

Inventor： 时金桥 ,  亚静 ,  柳厅文 ,  舒晓波 ,  张振宇 ,  张盼盼 ,  郭莉

IPC: G06F17/30

Abstract: 本发明提供一种面向钓鱼URL检测的相似样本集构造方法，其步骤包括：提取已知样本集中的若干钓鱼URL分割为单词序列；以单词序列为列，网络钓鱼URL为行构造URL单词矩阵；从URL单词矩阵中选取部分能覆盖前述若干钓鱼URL的单词作为特征词；以特征词为关键词搜索URL，并验证搜索到的URL是否正常，如是，则添加至训练样本集。构造与钓鱼URL强相似的正常URL，而不是从公开平台随机选取合法URL作为训练样本。不依赖于任何先验知识，可以得到与已知钓鱼URL相近的正常URL训练样本集。从而，解决背景技术中提到的机器学习或深度学习的训练样本两极分化十分严重的问题。