一种基于J-W距离的中文域名相似度量方法

摘要

本发明涉及一种基于J‑W距离的中文域名相似度量方法，属于网络安全技术领域。本发明通过Unicode汉字笔画顺序表将汉字编码后映射为一串数字型字符串，同时创新性地引入机器学习领域的Jaro‑Winler Distance算法，与最长公共子串相结合，进而对中文域名进行相似度量。首先获取待检测域名和目标域名，对其初始化生成域名主体；其次根据Unicode汉字笔画顺序表对域名主体进行编码处理，生成数字型字符串，并作为Jaro‑Winler Distance算法的输入生成检测矩阵；然后与数字型字符串最长公共子串相结合，根据相关规则计算数字型字符串的相似度，此数字型字符串的相似度可以有效代表汉字之间的相似度。