本发明专利技术提供一种URL的合法性识别方法及装置。本发明专利技术实施例通过获取待识别URL，进而根据所述待识别URL，获得与所述待识别URL所对应的合法URL，以作为比对对象，计算所述待识别URL与所述比对对象之间的相似度，使得能够根据所述相似度，识别所述待识别URL的合法性，能够及时发现不合法URL，从而提高了信息处理的安全性。
【技术实现步骤摘要】
【专利说明】
本专利技术涉及安全技术，尤其涉及一种URL的合法性识别方法及装置。【
技术介绍
】随着通信技术的发展，终端集成了越来越多的功能，从而使得终端的系统功能列表中包含了越来越多相应的应用(AppliCat1n，APP)。有些应用中会涉及接收发送方预先编辑的信息的功能，例如，短消息、彩信或电子邮件等。这些信息中，可能会包含一对象的统一资源定位符(Uniform Resource Locator，URL)，终端则可以直接根据所述URL，执行相应操作。例如，访问所述URL对应的目标对象，或者，再例如，根据用户点击所述URL的操作信息，访问所述URL对应的目标对象。然而，由于信息生成的随意性，不法分子可以很容易将不安全对象例如，病毒、木马等植入信息，即将不安全对象的URL写在信息中，因此，终端在获得信息中所包含的URL之后，很可能会访问不安全对象，会使得终端及其用户受到不同程度的破坏，从而导致了信息处理的安全性的降低。【
技术实现思路
】本专利技术的多个方面提供一种URL的合法性识别方法及装置，用以提高信息处理的安全性。本专利技术的一方面，提供一种URL的合法性识别方法，包括:获取待识别URL ；根据所述待识别URL，获得与所述待识别URL所对应的合法URL，以作为比对对象；计算所述待识别URL与所述比对对象之间的相似度；根据所述相似度，识别所述待识别URL的合法性。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述待识别URL，获得与所述待识别URL所对应的合法URL，以作为比对对象，包括:根据所述待识别URL和合法URL倒排索引，获得与所述待识别URL所对应的合法URL,以作为所述比对对象。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述待识别URL和合法URL倒排索引，获得与所述待识别URL所对应的合法URL，以作为所述比对对象之前，还包括:采集至少一个合法URL ；利用N-Gram模型，对所述至少一个合法URL中每个合法URL进行分词处理，以获得分词结果；根据所述每个合法URL和所述每个合法URL的分词结果，获得合法URL倒排索引。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用N-Gram模型，对所述至少一个合法URL中每个合法URL进行分词处理，以获得分词结果，包括:根据所述每个合法URL，获得所述每个合法URL的域名；删除所述每个合法URL的域名的前缀和后缀，以获得所述每个合法URL的中心词；利用N-Gram模型，对所述每个合法URL的中心词进行分词处理，以获得所述分词结果。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述相似度，识别所述待识别URL的合法性，包括:若所述相似度等于1，且所述待识别URL的后缀与所述比对对象的后缀一致，识别所述待识别URL为合法URL ;或者若所述相似度等于1，且所述待识别URL的后缀与所述比对对象的后缀不一致，识别所述待识别URL为疑似不合法URL ;或者若所述相似度大于或等于第一阈值且小于1，识别所述待识别URL为不合法URL ;或者若所述相似度大于或等于第二阈值且小于所述第一阈值，识别所述待识别URL为疑似不合法URL ;所述第二阈值小于所述第一阈值；或者若所述相似度小于所述第二阈值或等于1，识别所述待识别URL为合法URL。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述相似度，识别所述待识别URL的合法性之前，还包括:利用所述至少一个合法URL，对至少一个样本URL进行合法性识别处理，以获得识别结果；根据所述识别结果和所述至少一个样本URL中每个样本URL的标注结果，获得所述第一阈值和所述第二阈值。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述相似度，识别所述待识别URL的合法性之后，包括:向终端发送所述识别的结果，以使得所述终端展示所述识别的结果；和/或所述终端根据所述识别的结果，允许或禁止根据所述待识别URL执行访问操作。本专利技术的另一方面，提供一种URL的合法性识别装置，包括:获取单元，用于获取待识别URL ;匹配单元，用于根据所述待识别URL，获得与所述待识别URL所对应的合法URL，以作为比对对象；计算单元，用于计算所述待识别URL与所述比对对象之间的相似度；识别单元，用于根据所述相似度，识别所述待识别URL的合法性。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述匹配单元，具体用于根据所述待识别URL和合法URL倒排索引，获得与所述待识别URL所对应的合法URL,以作为所述比对对象。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括预处理单元，用于 采集至少一个合法URL ；利用N-Gram模型，对所述至少一个合法URL中每个合法URL进行分词处理，以获得分词结果；以及根据所述每个合法URL和所述每个合法URL的分词结果，获得合法URL倒排索引。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述预处理单元，具体用于根据所述每个合法URL，获得所述每个合法URL的域名；删除所述每个合法URL的域名的前缀和后缀，以获得所述每个合法URL的中心词；以及利用N-Gram模型，对所述每个合法URL的中心词进行分词处理，以获得所述分词结果。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述识别单元，具体用于若所述相似度等于1，且所述待识别URL的后缀与所述比对对象的后缀一致，识别所述待识别URL为合法URL ;或者若所述相似度等于1，且所述待识别URL的后缀与所述比对对象的后缀不一致，识别所述待识别URL为疑似不合法URL ;或者若所述相似度大于或等于第一阈值且小于1，识别所述待识别URL为不合法URL ;或者若所述相似度大于或等于第二阈值且小于所述第一阈值，识别所述待识别URL为疑似不合法URL ;所述第二阈值小于所述第一阈值；或者若所述相似度小于所述第二阈值或等于1，识别所述待识别URL为合法URL。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述识别单元，还用于利用所述至少一个合法URL，对至少一个样本URL进行合法性识别处理，以获得识别结果；以及根据所述识别结果和所述至少一个样本URL中每个样本URL的标注结果，获得所述第一阈值和所述第二阈值。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述识别单元，还用于向终端发送所述识别的结果，以使得所述终端展示所述识别的结果；和/或所述终端根据所述识别的结果，允许或禁止根据所述待识别URL执行访问操作。由上述技术方案可知，本专利技术实施例通过获取待识别URL，进而根据所述待识别URL,获得与所述待识别URL所对应的合法URL，以作为比对对象，计算所述待识别URL与所述比对对象之间的相似度，使得能够根据所述相似度，识别所述待识别URL的合法性，能够及时发现不合法URL，从而提高了信息处理的安全性。另外，采用本专利技术所提供的技术方案，无需对待识别URL所对应的内容进行基于内容的识别，能够有效提高信息处理的效率和实时性。另外，采用本专利技术所提供的技术方案，无需对待识别U本文档来自技高网...
【技术保护点】
一种URL的合法性识别方法，其特征在于，包括：获取待识别URL；根据所述待识别URL，获得与所述待识别URL所对应的合法URL，以作为比对对象；计算所述待识别URL与所述比对对象之间的相似度；根据所述相似度，识别所述待识别URL的合法性。
【技术特征摘要】
【专利技术属性】
技术研发人员：王巍巍，彭程，黄庆伟，张军宏，罗雪峰，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。