一种同类网站的确定方法及装置

技术领域

本发明涉及网站检索领域，特别是涉及一种同类网站的确定方法及装置。

背景技术

不法分子在开设恶意网站时，通常会在恶意网站中设置能够诱导用户输入账号密码或者进行消费的元素，以骗取用户的财产和信息，现有技术根据用户提供的恶意网站地址以及关键词来搜索与该恶意网站相似的同类网站，例如，根据用户提供的恶意网站网址“www.xxx.com”或者恶意网站关键词“XX理财”搜索恶意网站以及该网站的同类网站，但是由于不法分子更换账户、网站域名和网站关键词等信息的频率快，现有技术根据用户提供的信息发现同类恶意网站的难度大。

发明内容

本发明的目的是提供一种同类网站的确定方法及装置能够找到比通过关键词找到的同类网站数量更多的与原始网站类型相似的其他网站，降低了发现同类型网站的难度。

为解决上述技术问题，本发明提供了一种同类网站的确定方法，包括：

获取原始网站的第一源码和待对比网站的第二源码；

判断所述第一源码中的第一网站特征与所述第二源码中的第二网站特征是否一致；

若一致，则基于所述第一源码中的第一源码特征和所述第二源码中的第二源码特征确定所述待对比网站与所述原始网站是否为同类网站。

优选的，获取原始网站的第一源码和待对比网站的第二源码，包括：

获取所述第一源码的头部标签中的第一标题；

获取所述第二源码的头部标签中的第二标题；

判断所述第一源码中的第一网站特征与所述第二源码中的第二网站特征是否一致，包括：

判断所述第一标题与所述第二标题是否一致；

若一致，则判定所述第一源码中的第一网站特征与所述第二源码中的第二网站特征一致；

若不一致，则判定所述第一源码中的第一网站特征与所述第二源码中的第二网站特征不一致。

优选的，基于所述第一源码中的第一源码特征和所述第二源码中的第二源码特征确定所述待对比网站与所述原始网站是否为同类网站，包括：

确定所述第一源码的第一哈希值；

确定所述第二源码的第二哈希值；

判断所述第二哈希值与所述第一哈希值是否一致；

若一致，则判定所述待对比网站与所述原始网站为同类网站；

若不一致，则判定所述待对比网站与所述原始网站不为同类网站。

优选的，获取原始网站的第一源码和待对比网站的第二源码，包括：

获取所述第一源码的body体中的实现目标功能的第一字符串；

获取所述第二源码的body体中的实现所述目标功能的第二字符串；

判断所述第一源码中的第一网站特征与所述第二源码中的第二网站特征是否一致，包括：

判断所述第一字符串与所述第二字符串是否一致；

若一致，则判定所述第一源码中的第一网站特征与所述第二源码中的第二网站特征一致；

若不一致，则判定所述第一源码中的第一网站特征与所述第二源码中的第二网站特征不一致。

优选的，基于所述第一源码中的第一源码特征和所述第二源码中的第二源码特征确定所述待对比网站与所述原始网站是否为同类网站，包括：

确定所述第一源码的第一源码字符串长度；

确定所述第二源码的第二源码字符串长度；

判断所述第二源码字符串长度与所述第一源码字符串长度的长度差是否在预设长度差范围内；

若所述长度差在所述预设长度差范围内，则判定所述待对比网站与所述原始网站为同类网站；

若所述长度差不在所述预设长度差范围内，则判定所述待对比网站与所述原始网站不为同类网站。

优选的，所述第一字符串的参数包括：

所述原始网站中的图片对应的相对路径和/或包含post函数的字符串和/或包含get函数的字符串和/或超链接对应的文字的字符串；

所述第二字符串的参数包括：

所述待对比网站中的图片对应的相对路径和/或包含post函数的字符串和/或包含get函数的字符串和/或超链接对应的文字的字符串。

优选的，在获取原始网站的第一源码之前，还包括：

发送访问请求给所述原始网站；

基于所述原始网站在接收所述访问请求时的响应判断所述原始网站是否存活；

若所述原始网站存活，则进入获取原始网站的第一源码和待对比网站的第二源码的步骤。

优选的，基于所述原始网站在接收所述访问请求时的响应判断所述原始网站是否存活，包括：

若所述响应为表示成功的状态码或表示重定向到新url的状态码，则判定所述原始网站存活；

若所述响应为无响应或表示客户端出现错误的状态码或表示服务端出现错误的状态码，则判定所述原始网站不存活。

优选的，获取原始网站的第一源码，包括：

若所述响应为所述表示成功的状态码，则获取所述原始网站的所述第一源码；

若所述响应为所述表示重定向到新url的状态码，则获取所述原始网站在重定向到所述新url后的所述第一源码。

本发明还提供一种同类网站的确定装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述的同类网站的确定方法的步骤。

本发明提供了一种同类网站的确定方法及装置，首先获取原始网站的第一源码和待对比网站的第二源码，判断第一源码中的第一网站特征与第二源码中的第二网站特征是否一致，在第一网站特征和第二网站特征一致时，能够初步判定待对比网站和原始网站是同类网站，为了进一步判定待对比网站和原始网站是否为同类网站，基于第一源码中的第一源码特征和第二源码中的第二源码特征确定待对比网站是否为原始网站的同类网站，可以确定该待对比网站和原始网站是同类网站，能够找到比通过关键词找到的同类网站数量更多的与该原始网站类型相似的其他网站，降低了发现同类型网站的难度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种同类网站的确定方法的流程图；

图2为本发明提供的一种同类网站的确定装置的结构示意图。

具体实施方式

本发明的目的是提供一种同类网站的确定方法及装置能够找到比通过关键词找到的同类网站数量更多的与原始网站类型相似的其他网站，降低了发现同类型网站的难度。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参照图1，图1为本发明提供的一种同类网站的确定方法的流程图，包括：

S11：获取原始网站的第一源码和待对比网站的第二源码；

S12：判断第一源码中的第一网站特征与第二源码中的第二网站特征是否一致；

S13：若一致，则基于第一源码中的第一源码特征和第二源码中的第二源码特征确定待对比网站与原始网站是否为同类网站。

为了能够根据一个网站找出与该网站类型相似的其他网站，在本实施例中，首先获取原始网站的第一源码和待对比网站的第二源码，然后判断第一源码中的第一网站特征和第二源码中的第二网站特征是否一致，当网站特征一致时，最后再基于第一源码中的第一源码特征和第二源码中的第二源码特征确定待对比网站与原始网站是否为同类网站。

具体的，不法分子在开设恶意网站时，通常会基于一个网站模板开始多个同类型的恶意网站，这些恶意网站再经过略微修改后，就能够避免被通过关键词搜索，例如，其中一个网站的关键词为(AA理财)，与该网站同模板的另一个网站的关键词为(BB财经)，由于两个网站的关键词完全不同，不能够根据关键词来搜索到此类修改了关键词的同类网站。本申请通过爬虫技术获取原始网站的第一源码和获取预设网站库中的待对比网站的第二源码，判断这两个源码中的网站特征是否一致，当两个网站特征一致时，可以初步判定待对比网站与原始网站是同类网站，为了进一步确定两个网站是否为同类网站，需要在判定网站特征一致之后，再判断两个源码中的源码特征是否一致，当两个源码特征一致时，表示这两个网站可能是同一个人开设的，说明待对比网站和原始网站属于同一网站模板，可以确定待对比网站和原始网站是同类网站。

此外，预设网站库可以是基于IP(Internet Protocol Address，互联网协议地址)及域名扫描的网站库，也可以是其他能够实现预设网站库功能的网站库，本申请在此不作限定。

综上所述，首先获取原始网站的第一源码和待对比网站的第二源码，判断第一源码中的第一网站特征与第二源码中的第二网站特征是否一致，在第一网站特征和第二网站特征一致时，能够初步判定待对比网站和原始网站是同类网站，为了进一步判定待对比网站和原始网站是否为同类网站，基于第一源码中的第一源码特征和第二源码中的第二源码特征确定待对比网站是否为原始网站的同类网站，可以确定该待对比网站和原始网站是同类网站，能够找到比通过关键词找到的同类网站数量更多的与该原始网站类型相似的其他网站，降低了发现同类型网站的难度。

在上述实施例的基础上：

作为一种优选的实施例，获取原始网站的第一源码和待对比网站的第二源码，包括：

获取第一源码的头部标签中的第一标题；

获取第二源码的头部标签中的第二标题；

判断第一源码中的第一网站特征与第二源码中的第二网站特征是否一致，包括：

判断第一标题与第二标题是否一致；

若一致，则判定第一源码中的第一网站特征与第二源码中的第二网站特征一致；

若不一致，则判定第一源码中的第一网站特征与第二源码中的第二网站特征不一致。

为了找出与原始网站标题相同的同类网站，本实施例中，获取第一源码的头部标签中的第一标题和第二源码的头部标签中的第二标题，然后判断第一标题和第二标题是否一致，当标题一致时，说明待对比网站和原始网站的网站特征一致，当标题不一致时，说明这两个网站的网站特征不一致。

具体的，不法分子为了能够节约开设网站的时间，可能会直接照搬一个网站模板开设其他网站，不会修改各个网站的标题，每一个网站的标题只有一个，所以可以将网站的标题视为网站特征，首先获取第一源码的第一标题和第二源码的第二标题，标题存在于源码的头部标签中，头部标签的代码为，标题的代码为