一种中文仿冒域名检测方法及系统与流程

技术特征：

1.一种中文仿冒域名检测方法，包括以下步骤：

1)分别统计待测域名Domain_det和目标域名集合DomainSet₁中每个域名的域名长度和总笔画数；

2)通过对比待测域名与目标域名集合DomainSet₁中每个目标域名的域名长度和总笔画数，过滤出与待测域名长度相同且总笔画数差值百分比小于设定阈值T₁的可能被仿冒的目标域名集合DomainSet₂；

3)将待测域名与可能被仿冒的目标域名集合DomainSet₂中的每个目标域名分别对应拆分为单个汉字，将单个汉字按照其书写的笔画顺序转化为字符串，并基于该字符串的编辑距离计算单字相似度；

4)基于步骤3)得到的单字相似度计算对应的整体域名的相似度，判定与待测域名相似度最高且相似度值超过设定阈值T₂的目标域名为被仿冒域名，输出被仿冒域名。

2.如权利要求1所述的中文仿冒域名检测方法，其特征在于，步骤1)中，通过从汉字笔画数据库中请求每个域名中每个汉字的笔画数，求和得每个域名的总笔画数。

3.如权利要求1所述的中文仿冒域名检测方法，其特征在于，步骤2)中，总笔画数差值百分比的计算方法如下：

$D_{pct}=\frac{abs({\mathrm{StrokeTotalNum}}_{\det },{\mathrm{StrokeTotalNum}}_{t\arg et})}{{\mathrm{StrokeTotalNum}}_{\det }}$

其中，StrokeTotalNum_det为待测域名的总笔画数，StrokeTotalNum_target为目标域名的总笔画数。

4.如权利要求1所述的中文仿冒域名检测方法，其特征在于，步骤3)中首先去除待测域名与可能被仿冒的目标域名集合DomainSet₂中的每个目标域名中的非汉字字符，再将待测域名与可能被仿冒的目标域名集合DomainSet₂中的每个目标域名分别对应拆分为单个汉字；所述字符串使用英文字符表示汉字的每个基本笔画类别。

5.如权利要求1所述的中文仿冒域名检测方法，其特征在于，步骤3)中，计算单字相似度的方法为：

$CharSim(c_1,c_2)=1-\frac{EditDis(c_1,c_2)}{{\mathrm{StrokeNum}}_1+{\mathrm{StrokeNum}}_2}$

其中c₁，c₂为待计算的两单字对应的笔画顺序字符串，EditDis(c₁，c₂)为字符串c₁，c₂的编辑距离，StrokeNum₁，StrokeNum₂为单字的笔画数。

6.如权利要求1所述的中文仿冒域名检测方法，其特征在于，步骤4)中，基于单字的相似度计算整体域名的相似度的方法为：

$DomainSim(s_1,s_2)=\frac{1}{n}{\mathrm{\Σ}}_1^n{\mathrm{CharSim}}_i$

其中待测域名与目标域名的长度均为n，CharSim_i表示域名对应的单字字符的相似度，i为1～n的整数。

7.一种中文仿冒域名检测系统，包括：

域名预处珲模块，用于统计输入的待测域名Domain_det和目标域名集合DomainSet₁中每个域名的域名长度和总笔画数；

目标域名过滤模块，用于通过对比待测域名和目标域名集合DomainSet₁中每个目标域名的域名长皮和总笔画数，过滤出与待测域名长度相同且总笔画数差值百分比小于设定阈值T₁的可能被仿冒的目标域名集合DomainSet₂；

域名拆分模块，用于将待测域名与可能被仿冒的目标域名集合DomainSet₂中的每个目标域名分别对应拆分为单个汉字；

单字相似度计算模块，用于将单个汉字按照其书写的笔画顺序转化为字符串，并基于该字符串的编辑距离计算单字相似度；

域名相似度计算模块，用于根据单字相似度计算对应的整体域名的相似度；

仿冒域名决策模块，用于将与待测域名相似度最高且相似度值超过设定阈值T₂的目标域名判定为被仿冒域名并输出被仿冒域名。

8.如权利要求7所述的中文仿冒域名检测系统，其特征在于，所述域名预处理模块又包括：

域名长度统计子模块，用于统计输入的待测域名Domain_det和目标域名集合DomainSet₁中每个域名的域名长度；

域名总笔画数统计子模块，用于统计输入的待测域名和目标域名集合DomainSet₁中每个域名的总笔画数。

9.如权利要求7所述的中文仿冒域名检测系统，其特征在于，所述目标域名过滤模块又包括：

长度过滤子模块，用于依次对比待测域名利目标域名集合DomainSet₁中各域名的长度，输出包含与待测域名长度相同的所有目标域名的集合DomainSet_tmp；

总笔画数过滤子模块，用于依次对比待测域名和经长度过滤得到的集合DomainSet_tmp中各域名的总笔画数，输出包含与待测域名的域名总笔画数的差值百分比小于设定阈值T₁的所有目标域名的集合DomainSet₂。

10.如权利要求7所述的中文仿冒域名检测系统，其特征在于，所述单字相似度计算模块又包括：

单字转换笔画子模块，用于输入一个汉字，输出其对应的笔画顺序字符串，该字符串使用英文字符表示汉字的每个基本笔画类别；

字符串相似度计算了模块，用于根据单字笔画顺序字符串的编辑距离计算单字相似度，单字相似度CharSim(c₁，c₂)具体计算方法为：

$CharSim(c_1,c_2)=1-\frac{EditDis\left(c_1,c_2\right)}{{\mathrm{StrokeNum}}_1+{\mathrm{StrokeNum}}_2}$

其中c₁，c₂为待计算的两单字对应的笔画顺序字符串，EditDis(c₁，c₂)为字符串c₁，c₂的编辑距离，StrokeNum₁，StrokeNum₂为单字的笔画数。