虚构词搜索投毒特征检测方法研究

摘要

搜索投毒通过不正当手段实现网站排名提升，是一种常用于搜索引擎的恶意推广行为.近年来，攻击者实施了一种利用低词频、无语义的虚构词进行恶意推广的新型搜索投毒行为.本文设计并实现了基于自然语言处理和特征识别的虚构词搜索投毒网站检测系统.该系统主要由虚构词识别和投毒特征检测模块组成.虚构词识别模块结合虚构词特性筛选网站并提取可疑虚构词.投毒特征检测模块采集网站基础设施和动态特征，利用机器学习方法训练虚构词搜索投毒网站识别模型.最后，本文利用测试集和真实世界随机样本对该系统进行有效性检验，该系统精确率达到99.92%,召回率90.63%,具备准确检测虚构词搜索投毒网站的能力.

关键词

虚构词 / 搜索投毒 / 恶意网站 / 自然语言处理 / 特征识别

基金资助

国家自然科学基金项目(62302101)资助