基于混合特征分析的涉黄、涉赌网站检测方法

摘要

本发明涉及一种基于混合特征的涉黄、涉赌网站检测方法。该方法包括以下步骤：对网络数据流量进行采集，对数据包进行解析后获取网站域名地址；根据域名地址获取对应网站的完整源码和首页长截图；使用基于关键词匹配的方法对网站域名进行过滤，然后人工标注网站类别（主要包括涉赌、涉黄网站和正常网站）；分别使用word2vec和BoVW提取网站的文本特征和图像特征，然后训练联合分类器模型；并使用训练好的联合分类器对待检测的网站进行分类，检测该网站是否为涉赌网站或涉黄网站。本发明通过结合图像和文本特征并且使用联合分类器进行网站分类，能够实现更加精准的网站检测，最大限度地提高涉黄、涉赌网站的自动化识别能力。