(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111618296.X (22)申请日 2021.12.27 (71)申请人 奇安信科技 集团股份有限公司 地址 100088 北京市西城区新 街口外大街 28号102号楼3层3 32号 申请人 网神信息技 术 （北京） 股份有限公司 (72)发明人 宋冰晶　汤舒俊　郑晓峰　郑恩南　 段海新　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 王宇杨 (51)Int.Cl. G06F 16/958(2019.01) G06F 16/35(2019.01) G06V 10/82(2022.01)H04L 9/40(2022.01) H04L 67/02(2022.01) (54)发明名称 色情网站识别方法、 装置、 电子设备及存储 介质 (57)摘要 本发明提供一种色情网站识别方法、 装置、 电子设备及存储介质， 其中， 色情网站识别方法 包括： 获取待识别网站， 并基于所述待识别网站 获取待识别网站特征以及待识别网站图像； 基于 所述待识别网站特征以及所述待识别网站图像， 通过文本模 型和图像模型， 对所述待识别网站进 行色情网站识别， 其中， 所述文本模型通过网站 特征训练数据训练得到， 所述图像模 型通过网站 图像训练数据训练得到。 通过本发 明提供的色情 网站识别方法， 可以提高色情网站检测的准确 度， 减少误报、 漏报的情况， 有助于全面识别色情 网站。 权利要求书2页 说明书15页 附图4页 CN 114491358 A 2022.05.13 CN 114491358 A 1.一种色情网站 识别方法， 其特 征在于， 所述方法包括： 获取待识别网站， 并基于所述待识别网站获取待识别网站特 征以及待识别网站图像； 基于所述待识别网站特征以及所述待识别网站图像， 通过文本模型和图像模型， 对所 述待识别网站进行色情网站识别， 其中， 所述文本模型通过网站特征训练数据训练得到， 所 述图像模型通过网站图像训练数据训练得到 。 2.根据权利要求1所述的色情网站识别方法， 其特征在于， 所述基于所述待识别网站特 征以及所述待识别网站图像， 通过文本模型和图像模型， 对所述待识别网站进行色情网站 识别， 包括： 将所述待识别网站特征输入至所述文本模型， 得到关于所述待识别网站特征的第 一输 出结果； 基于所述第一输出结果， 以及所述待识别网站图像关于所述图像模型的第二输出结 果， 对所述待识别网站进行色情网站 识别。 3.根据权利要求2所述的色情网站识别方法， 其特征在于， 所述基于所述第一输出结 果， 以及所述待识别网站图像关于所述图像模型 的第二输出结果， 对所述待识别网站进行 色情网站 识别， 包括： 若所述第一输出结果为所述待识别网站为色情网站， 则将所述第 一输出结果作为所述 待识别网站的识别结果； 若所述第一输出结果为所述待识别网站不为色情网站， 则将所述待识别网站图像输入 至所述图像模型得到所述第二输出结果， 并将所述第二输出结果作为所述待识别网站的识 别结果。 4.根据权利要求2所述的色情网站识别方法， 其特征在于， 在所述将所述待识别网站特 征输入至所述文本模型之前， 所述方法还 包括： 对所述待识别网站特征进行预处理， 并将进行预处理之后的待识别网站特征作为最终 输入至所述文本模型的待识别网站特征， 其中， 所述预 处理包括缺 失值处理、 归一化处理和 独热码处 理中的一种或多种。 5.根据权利要求2所述的色情网站识别方法， 其特征在于， 在所述基于所述第 一输出结 果， 以及所述待识别网站图像关于所述图像模型 的第二输出结果， 对所述待识别网站进行 色情网站 识别之前， 所述方法还 包括： 将所述待识别网站图像进行图像分割处理， 得到多张分割后网站图像， 并将多张所述 分割后网站图像作为 最终输入至所述图像模型的网站图像， 以及 基于多张所述分割后网站图像关于所述图像模型的输出结果， 确定所述第二输出结 果。 6.根据权利要求1所述的色情网站识别方法， 其特征在于， 所述待识别网站特征包括待 识别网站URL特 征， 所述待识别网站特 征采用以下 方式确定： 确定所述待识别 网站的网站URL， 基于所述网站URL得到所述待识别网站的域名， 并统 计关于所述域名的链接数量、 请求次数、 IP访问数量、 访问时长、 域名特征、 域名级 数以及域 名特殊字符数量； 基于所述链接数量、 所述请求次数、 所述IP访问数量、 所述访问时长、 所述域名特征、 所 述域名级数以及所述 域名特殊字符数量中的一种或多种， 确定所述待识别网站URL特 征。权　利　要　求　书 1/2 页 2 CN 114491358 A 27.根据权利要求1所述的色情网站识别方法， 其特征在于， 所述待识别网站特征包括待 识别网站内容特 征， 所述待识别网站特 征采用以下 方式确定： 确定所述待识别网站的网页中的预设字符之后的中文敏感词的数量， 其中， 所述中文 敏感词基于色情关键词 词表确定； 基于所述中文敏感词的数量， 确定所述待识别网站内容特 征。 8.根据权利要求1所述的色情网站识别方法， 其特征在于， 所述网站特征训练数据包括 网站URL特征训练数据， 所述网站URL特征训练数据包括域名的链接数量、 域名请求次数、 IP 访问数量、 域名访问时长以及域名级数， 所述文本模型通过以下 方式训练得到： 基于所述域名的链接数量、 所述域名请求 次数、 所述IP访问数量、 所述域名访问时长以 及所述域名级数中的一种或多种， 对所述文本模型进行训练。 9.根据权利要求1或8所述的色情网站识别方法， 其特征在于， 所述网站特征训练数据 包括网站内容特征训练数据， 所述网站内容特征训练数据包括预设字符之后的中文敏感词 的数量， 所述文本模型通过以下 方式训练得到： 基于所述预设字符 之后的中文敏感词的数量， 对所述文本模型进行训练。 10.一种色情网站 识别装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待识别网站， 并基于所述待识别网站获取待识别网站特征以及待 识别网站图像； 处理模块， 用于基于所述待识别网站特征以及所述待识别网站图像， 通过文本模型和 图像模型， 对所述待识别网站进 行色情网站识别， 其中， 所述文本模 型通过网站特征训练数 据训练得到， 所述图像模型通过网站图像训练数据训练得到 。 11.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至9任一项所 述色情网站 识别方法的步骤。 12.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至9任一项所述色情网站 识别方法的步骤。 13.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至9任一项所述色情网站 识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 114491358 A 3