針對一般網(wǎng)頁篡改檢測技術(shù)無法同時作用于靜態(tài)網(wǎng)頁和動態(tài)網(wǎng)頁,且通常是通過對源代碼進行處理或者嵌入水印的方式來達到檢測的目的,過程繁瑣準(zhǔn)確性不夠。論文通過設(shè)計網(wǎng)頁抓取模型以及圖像處理模型來區(qū)分前后兩張網(wǎng)頁圖片的異同,從而達到檢測網(wǎng)頁是否被篡改的目的。網(wǎng)頁抓取模型主要是模擬瀏覽器的行為來編譯網(wǎng)頁代碼,獲取界面圖像并建成圖像庫。圖像處理模型是利用圖像處理中兩種特征點檢測的方式獲取圖像中的特征點信息,并利用歐氏距離來匹配獲取的特征點信息,通過比較兩個特征點信息集合的歐氏距離來判定前后兩個網(wǎng)頁的相似度,從而起到檢測網(wǎng)頁是否被篡改的作用。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖像到庫圖1抓取模型2.2圖像處理算法Y結(jié)束保存

ü?趁嬖?碼中的鏈接爬取鏈接所指向的頁面，直到所有頁面都被讀取完［7］�；玖鞒谭譃槿剑航㈡溄雨犃�、DSN解析鏈接并保存、分析下載的文件［8］。本文的網(wǎng)頁抓取模型在利用網(wǎng)絡(luò)爬蟲的基礎(chǔ)上，創(chuàng)建一個虛擬的用戶端，通過模擬瀏覽器的行為來訪問首站點，然后編譯執(zhí)行站點中的JavaScr....

圖4原網(wǎng)頁

圖像的特征點向量［17］。在二維空間中其表示的是兩個點之間的真實距離，歐式距離越小兩個用戶的相似度就越大，歐式距離越大，兩個用戶的相似度就越校3實驗結(jié)果為了驗證本設(shè)計能夠快速有效檢測出靜態(tài)網(wǎng)頁及動態(tài)網(wǎng)頁的篡改情況，本文以python作為主要工具，以個人網(wǎng)站的作為被測試對象，首先輸....

圖5修改后網(wǎng)頁

嗬耄??式距離越小兩個用戶的相似度就越大，歐式距離越大，兩個用戶的相似度就越校3實驗結(jié)果為了驗證本設(shè)計能夠快速有效檢測出靜態(tài)網(wǎng)頁及動態(tài)網(wǎng)頁的篡改情況，本文以python作為主要工具，以個人網(wǎng)站的作為被測試對象，首先輸入初始站點的url鏈接，利用網(wǎng)頁抓取模型獲取該站點下所有頁面并建....

圖6原網(wǎng)頁特征檢測

??車拇鄹那榭觶?疚囊?python作為主要工具，以個人網(wǎng)站的作為被測試對象，首先輸入初始站點的url鏈接，利用網(wǎng)頁抓取模型獲取該站點下所有頁面并建成圖像庫；接著對個人網(wǎng)站作出細微的修改，再次利用抓取模型獲取網(wǎng)頁圖像并作為圖像處理模型的輸入端，對前后兩次圖像進行特征匹配。圖4為原....

本文編號：3966074