Education website security monitoring method and system based on artificial intelligence

Abstract

The invention provides an educational website security monitoring method and system based on artificial intelligence. The monitoring method comprises the following steps: performing monitoring demand division on an educational website; crawling file data operated by the education website based on the monitoring demand, and performing distributed storage on the file data; analyzing the file data based on a webpage analysis technology to obtain text data and picture data in the file data, and analyzing emotion expressed by the file data in combination with the text data and the picture data; website change detection is carried out on the file data, changed education websites are judged, changed contents of the education websites are obtained, legality analysis is carried out on the changed contents to monitor whether the education websites are tampered or not, and an alarm is given after it is found that the education websites are tampered. According to the educational website security monitoring method based on artificial intelligence, the content emotion of the website can be monitored, and whether the website is tampered or not can be monitored.

Description

Technical Field

[0001] The present invention relates to the field of big data technology, and in particular to an education website security monitoring method and system based on artificial intelligence. Background Art

[0002] As more and more people are entering the Internet environment, the use of websites is increasing year by year, and the content of web pages is huge and complex. It is extremely important to ensure the security, authority and accuracy of website information. For websites with a large number of service objects such as universities, it is the responsibility of website owners to provide correct information and services to the public. The importance of online public opinion and website security has become increasingly prominent.

[0003] With the rapid development of network informatization, there is more and more online public opinion information. Online public opinion is a hot topic at present. Online social networking among young people even occupies a greater position than real social networking. If we do not control the hot topics on the Internet and do not understand the public's attitude in time and guide them, it will have a serious impact. In addition, most units' websites only consider the implementation of functions during construction, ignoring the risk of information security, which leads to the website being in danger of being attacked and tampered at all times. For websites with a large number of service objects such as colleges and universities, web page tampering may even rise to the issue of public safety, causing incalculable losses. As the duration of tampering continues to increase, the losses will continue to expand, affecting the further use of the website. Summary of the invention

[0004] Based on this, the purpose of the present invention is to provide an educational website security monitoring method and system based on artificial intelligence to solve the technical problems existing in the prior art.

[0005] The present invention proposes an educational website security monitoring method based on artificial intelligence, comprising: Divide the monitoring requirements of educational websites, including functional requirements and non-functional requirements, wherein the functional requirements include website content monitoring, and the non-functional requirements include website tampering monitoring; Crawl file data running on the education website based on the monitoring requirements, and store the file data in a distributed manner so that the stored file data can be searched in an indexed manner; Parsing the file data based on web page parsing technology to obtain text data and image data in the file data, analyzing sensitive words in the text data, and analyzing the emotions expressed by the file data in combination with the sensitive words and the image data, thereby monitoring students' attitudes towards hot topics on the Internet; The file data is subjected to website change detection, the changed educational website is determined, the changed content of the educational website is obtained, and the legality of the changed content is analyzed to monitor whether the educational website has been tampered with, and an alarm is issued after the educational website is found to have been tampered with.

[0006] Preferably, the step of crawling the file data of the education website operation based on the monitoring requirements and distributing the file data comprises: A crawling target is set based on the monitoring requirements, and file data of the education website with the set crawling target is crawled according to the web crawler technology, and Bitmap is used to perform deduplication operation on the crawled file data; Constructing a distributed storage system including a user information table, a file content table, and a file data index table, wherein the user information table is used to store IDs of different users, the file content table is used to store content data, and the file data index table is used to provide an index for the content data; Create a name for the crawled file data according to the URL address of the file data, create a file index for the file content contained in the file data according to the created name, and store the indexed file data in the distributed storage system.

[0007] Preferably, the step of parsing the file data based on web page parsing technology to obtain text data and image data in the file data includes: Obtaining the web page source of the file data, wherein each web page source corresponds to a fixed URL address, and converting the suffix of the URL address into HTML format; Perform syntax difference processing on HTML format documents based on conversion functions in Python to convert HTML format documents into corresponding XML node tree documents; The path expression of the XML node tree document is edited according to the parsing data requirement, and the text data and the image data are parsed from the web page source based on the edited path expression.

[0008] Preferably, the step of editing the path expression of the XML node tree document according to the parsing data requirement and parsing the text data and the image data from the web page source based on the edited path expression comprises: The XML node tree document is divided into explicit documents and implicit documents according to whether it contains special nodes, wherein the special nodes at least include <style>、<script>节点；获取Python 中的lxml解析包，基于所述lxml解析包中的text()函数解析所述显式文档的第一文本列表；构建XPath路径表达式编辑器，滤除所述XPath路径表达式编辑器中的<style>、<script>节点，基于滤除<style>、<script>节点的XPath路径表达式编辑器解析所述隐式文档的第二文本列表；对所述第一文本列表和所述第二文本列表进行正则匹配，以去除所述第一文本列表和所述第二文本列表中的换行符，得到文本数据；获取图片标签，根据所述图片标签的属性从所述XML节点树文档提取图片的源路径，基于所述源路径解析图片数据。

[0009] 优选地，所述分析所述文本数据中的敏感词的步骤包括：将所述文本数据进行分词切割，将切割后的词进行向量化表示，对向量化表示的词进行聚类处理，得到待匹配词；构建敏感词树，将所述敏感词树转换成base数组、check数组、output数组和failure数组并对上述数组进行初始化，得到敏感词库；将待匹配词导入所述敏感词库中，基于多模匹配算法读取待匹配词的字符后在敏感词库中进行状态跳转；通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词。

[0010] 优选地，所述通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词的步骤包括：通过check数组检测匹配状态下待匹配词的字符在敏感词库的base数组，若存在若干个敏感词后缀相同，且若干敏感词中字符的base[index]<0，则若干个敏感词均匹配成功，输出若干个敏感词对应的output数组中的敏感词并进行存储；若存在某个敏感词的后缀与另一敏感词的前缀相同，且前缀敏感词中字符的base[index]<0，则前缀敏感词匹配成功，输出前缀敏感词对应的output数组中的敏感词并进行存储；通过failure数组跳转至待匹配词的下一字符进行匹配，若存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配成功，输出后缀敏感词对应的output数组中的敏感词并进行存储，若不存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配不成功；若存在某个敏感词的后缀包含另一敏感词的前缀，且前缀敏感词中字符的base[index]≥0，前缀敏感词匹配不成功；通过failure数组转移敏感词的位置到下一base数组，从后缀敏感词继续匹配。

[0011] 优选地，所述对所述文件数据进行网站变化检测，判断发生变化的教育网站的步骤包括：基于所述文件数据获取教育网站的网页信息，根据所述网页信息计算网页的哈希值，并将计算的哈希值与对应的事务箱中记录的网页摘要哈希值进行比较；若比较结果一致，则返回确认消息，将网页信息发送到用户端进行正常页面显示；若比较结果不一致，对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发；除自身以外的监控端接收广播后读取事务条的网页名、URL地址以及网页摘要，以使得教育网站内的所有节点均备份该网页变化。

[0012] 优选地，所述对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发的步骤包括：基于工作量证明算法获取当前事务箱的记账权，基于所述记账权将生成的事务条保存在当前事务箱中，并将事务条的哈希摘要记录并汇总存储成一个列表；当前事务箱对应的监控端将本身的签名添加至区块节点，区块节点通过广播将当前事务箱广播给除自身以外的区块节点；接收到广播的区块节点对当前事务箱进行校验，将生成的事务条保存在监控端的区块链中，并在监控端之间进行转发。

[0013] 本发明还提出一种基于人工智能的教育网站安全监测系统，包括：划分模块，用于对教育网站进行监测需求划分，监测需求包括功能需求和非功能需求，其中，所述功能需求包括网站内容监测，所述非功能需求包括网站篡改监测；存储模块，用于基于所述监测需求爬取教育网站运行的文件数据，将所述文件数据进行分布式存储，以使得存储后的文件数据能够根据索引的方式进行搜索；解析模块，用于基于网页解析技术对所述文件数据进行解析，以获取所述文件数据中的文本数据和图片数据，分析所述文本数据中的敏感词，结合所述敏感词和所述图片数据对文件数据表达的情感进行分析，进而监测学生对网络上热门话题的态度；分析模块，用于对所述文件数据进行网站变化检测，判断发生变化的教育网站，获取教育网站变化的内容，并对变化的内容进行合法性分析，以监测教育网站是否被篡改，并在发现教育网站被篡改后进行报警。

[0014] 本发明相比于现有技术的有益效果为：本申请提供的基于人工智能的教育网站安全监测方法，首先对教育网站进行监测需求划分，基于监测需求爬取教育网站运行的文件数据，将文件数据进行分布式存储，以使得存储后的文件数据能够根据索引的方式进行搜索，提高文件读取效率；提取存储的文件数据后进行解析，以获取文件数据中的文本数据和图片数据，分析文本数据中的敏感词，并与图片数据结合进行情感分析，通过文字和图片结合的方式进行情感分析，可以有效的判断出学生情绪，进而对学生的价值观进行预测；进一步的，根据文件数据进行网站变化检测，根据变化的具体内容进行合法性分析，以监测教育网站是否被篡改，发现教育网站被篡改时及时进行报警；本申请提供的教育网站安全监测方法，可以及时了解网站使用对象的情绪以及网站是否被篡改，提高教育网站的安全系数；适合大范围推广。

[0015] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明

[0016] 图1为本发明第一实施例中的基于人工智能的教育网站安全监测方法的流程图；图2为本发明第四实施例中的计算机的结构框图。

[0017] 如下具体实施方式将结合上述附图进一步说明本发明。具体实施方式

[0018] 为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

[0019] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语"及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

[0020] 实施例一请参阅图1，所示为本发明第一实施例中的基于人工智能的教育网站安全监测方法，用于监测学生对网络上热门话题的态度以及教育网站是否被篡改，具体的，基于人工智能的教育网站安全监测方法包括步骤S10至S40：S10，对教育网站进行监测需求划分，监测需求包括功能需求和非功能需求，其中，所述功能需求包括网站内容监测，所述非功能需求包括网站篡改监测；可选的，随着网络的不断被普及和使用，网络中时常议论着某些话题，人们喜欢通过网络不记名的方式去宣泄一些负面的素材或者一些不良的东西，并加以装饰用于吸引众人眼球和博取流量，以误导大众的价值取向，特别是对于高校等教育网站，由于教育网站的使用对象大多为在校学生，一方面在校学生涉世不深且思想活跃，容易被网络上的负面信息误导，使得价值观扭曲；另一方面教育网站如果被篡改，发布错误言论或者虚假新闻可能会对学生的生活以及价值观引导产生了消极效应。因此，在进行教育网站安全监测前，首先需要对教育网站的监测需求进行划分，监测需求包括功能需求和非功能需求；功能需求主要为网站内容的监测，及时了解学生的价值观变化，以针对性的进行引导；非功能需求主要为网站篡改的监测，及时识别出恶意篡改行为，以进行有效的防护。

[0021] S20，基于所述监测需求爬取教育网站运行的文件数据，将所述文件数据进行分布式存储，以使得存储后的文件数据能够根据索引的方式进行搜索；可选的，在本实施例中，根据网站的监测需求，通过网络爬虫(Web Crawler)技术按照预定的爬虫策略依次爬取网页，获取教育网站运行的文件数据，网络爬虫是系统获取数据的基础，爬取的文件数据需要进行存储，为后续的数据分析做准备，良好的数据存储既可以提高系统的执行效率，还可以为系统后期的运转和维护提供良好的保障。

[0022] 可选的，所述基于所述监测需求爬取教育网站运行的文件数据，将所述文件数据进行分布式存储的步骤包括：基于所述监测需求设定爬取目标，根据网络爬虫技术对设定爬取目标的教育网站进行文件数据爬取，采用Bitmap对抓取的文件数据进行去重操作；构建包含用户信息表、文件内容表、文件数据索引表的分布式存储系统，所述用户信息表用于存储不同用户的ID，所述文件内容表用于存储内容数据，所述文件数据索引表用于为内容数据提供索引；根据文件数据的URL地址为爬取到的文件数据创建名称，根据创建的名称为文件数据包含的文件内容建立文件索引，将建立索引后的文件数据存储至分布式存储系统中。

[0023] 在本实施例中，教育网站的结构是分层的树状结构，应用时网页内往往含有多个链接，这就导致网站中的统一资源定位（uniform resource locator，URL）存在环路，在爬取信息的时候会因爬取到之前的网址而陷入死循环，因此，本实施例采用Bitmap对抓取的文件数据进行去重操作，提高数据的准确率。对文件数据进行特征分析和设计规则分析，构建分布式文件系统，存储方式采用索引方式，不同用户对应的权限不同，根据创建的名称为文件数据包含的文件内容建立文件索引，为后续检测提供数据输入，加快后续在分布式文件系统搜索文件的速度，保证了在数据处理阶段具有高效性。

[0024] S30，基于网页解析技术对所述文件数据进行解析，以获取所述文件数据中的文本数据和图片数据，分析所述文本数据中的敏感词，结合所述敏感词和所述图片数据对文件数据表达的情感进行分析，进而监测学生对网络上热门话题的态度；可选的，所述基于网页解析技术对所述文件数据进行解析，以获取所述文件数据中的文本数据和图片数据的步骤包括：获取所述文件数据的网页源，其中，每个网页源均对应存在一个固定的URL地址，将URL地址的后缀转换成HTML格式；基于Python中的转换函数对HTML格式的文档进行语法差异处理，以将HTML格式的文档转换成对应的XML节点树文档；根据解析数据需求对所述XML节点树文档进行路径表达式编辑，基于编辑的路径表达式从所述网页源中解析出文本数据和图片数据。

[0025] 所述根据解析数据需求对所述XML节点树文档进行路径表达式编辑，基于编辑的路径表达式从所述网页源中解析出文本数据和图片数据的步骤包括：根据是否包含特殊节点将所述XML节点树文档划分为显式文档和隐式文档，其中，所述特殊节点至少包括<style>、<script>节点；获取Python 中的lxml解析包，基于所述lxml解析包中的text()函数解析所述显式文档的第一文本列表；构建XPath路径表达式编辑器，滤除所述XPath路径表达式编辑器中的<style>、<script>节点，基于滤除<style>、<script>节点的XPath路径表达式编辑器解析所述隐式文档的第二文本列表；对所述第一文本列表和所述第二文本列表进行正则匹配，以去除所述第一文本列表和所述第二文本列表中的换行符，得到文本数据；获取图片标签，根据所述图片标签的属性从所述XML节点树文档提取图片的源路径，基于所述源路径解析图片数据。

[0026] 可选的，教育网站的文件数据中的元素类型主要有文本、图片、动画、音频、表格等；在本实施例中，主要解析其中的文本和图片；HTML（Hyper Text Markup Language）指超文本标记语言，XML（Extensible Markup Language, XML）指可扩展标记语言，路径表达式编辑一般是以XML格式进行编辑的；文本作为网页源码最基础的组成部分，分布区域较广，有的是显示文本有的是隐式文本，本申请针对存在隐式文本的情况，对路径表达式进行了改进，分两步文本列表进行解析，并对解析后的两文本列表进行正则匹配，去除解析过程中的换行符得到文本数据；图片元素的标签固定、特征明显，在解析过程中仅需指定节点名称及其属性即可获得图片的源路径，基于源路径即可下载图片。所述分析所述文本数据中的敏感词的步骤包括：将所述文本数据进行分词切割，将切割后的词进行向量化表示，对向量化表示的词进行聚类处理，得到待匹配词；构建敏感词树，将所述敏感词树转换成base数组、check数组、output数组和failure数组并对上述数组进行初始化，得到敏感词库；将待匹配词导入所述敏感词库中，基于多模匹配算法读取待匹配词的字符后在敏感词库中进行状态跳转；通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词。

[0027] 所述将所述文本数据进行分词切割，将切割后的词进行向量化表示，对向量化表示的词进行聚类处理，得到待匹配词的步骤包括：将所述文本数据进行切割分词，将拆分后的词与相应的编码表进行匹配，恢复词的原本字符信息；获取词的拼音作为词向量化表示的维，对拆分后的词进行向量化表示；选取K个初始质心，将向量化表示后的N个词矩阵样本分配至离词矩阵样本最近的质心，得到K个无交集的簇；对于每个簇，计算分配到该簇的词矩阵样本的平均值作为新的质心，根据调整后的质心位置进行循环分配，直至质心的位置不再变化，完成聚类处理。

[0028] 在本实施例中，基于向量化对敏感词进行处理，可以有效的避免非法人员可能会通过拆解相关汉字的偏旁或者颠倒语序等，来绕开安全检测；将向量化表示的词进行聚类处理，可以去除词统计过程中的"的”、"吗”、"做”等无关词，而选取与舆论相关的词。

[0029] 所述通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词的步骤包括：通过check数组检测匹配状态下待匹配词的字符在敏感词库的base数组，若存在若干个敏感词后缀相同，且若干敏感词中字符的base[index]<0，则若干个敏感词均匹配成功，输出若干个敏感词对应的output数组中的敏感词并进行存储；若存在某个敏感词的后缀与另一敏感词的前缀相同，且前缀敏感词中字符的base[index]<0，则前缀敏感词匹配成功，输出前缀敏感词对应的output数组中的敏感词并进行存储；通过failure数组跳转至待匹配词的下一字符进行匹配，若存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配成功，输出后缀敏感词对应的output数组中的敏感词并进行存储，若不存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配不成功；若存在某个敏感词的后缀包含另一敏感词的前缀，且前缀敏感词中字符的base[index]≥0，前缀敏感词匹配不成功；通过failure数组转移敏感词的位置到下一base数组，从后缀敏感词继续匹配。

[0030] 可选的，在本实施例中，获取文本数据后，需要进一步分析文本数据中的敏感词，通过分词切割和聚类处理，得到待匹配的词；构建敏感词树，将敏感词树转换成数组形式，可以在保证多模字符串匹配速度的前提下，降低内存的消耗，节约后续的匹配时间和内存空间；基于多模匹配算法读取待匹配词的字符后在敏感词库中进行状态跳转，在本实施例中，base数组的预设值可以为0；本实施例提供的敏感词匹配算法的优点在于网页无需多次退回，只需一次扫描即可检测出所有敏感词，检测时间只与待匹配词的长度有关，节约了敏感词匹配的时间。示意性的，假设待匹配词为ABCDEF，（1）若两个敏感词分别为ABCD和CD，后缀均为"D”，字符匹配到网页内容"D”时，两敏感词中字符的 base[index]<0，输出对应的output[index]= [ABCD，CD]；（2）若两个敏感词分别为ABCD和CDEF，字符匹配完网页内容"D”时，敏感词ABCD中字符的 base[index]<0，匹配成功，下一个字符通过failure数组跳转至"E”进行匹配，last[index] =failure[index]，无需退回ABCDEF；index变化两次后输出DEF；（3）若两个敏感词分别为ABCG和CDEF，敏感词ABCG中字符的 base[index] ≥0，匹配不成功，通过failure数组转移敏感词的位置到下一base数组，沿另一路径从CDEF进行匹配。

[0031] 可选的，在本实例中，结合分析出的敏感词和图片数据对文件数据中表达的情感分析，进而监测学生对网络上热门话题的态度；文本中的包含的敏感词可能是负面的情感也可能是正面的情感，因此需要将敏感词进行情感分类；大学生通过教育网站表达情感时往往会将文本与图片结合，一句话的意思加上一个表情包或者搞怪图片后，整句话的意思有可能改变或者相反；在本实施例中，可以通过卷积神经网络进一步对采集的敏感词和图片进行情感分类，判断出学生的正面和负面情绪，进而对学生的价值观进行预测，有利于对学生的思想政治教育进行引导提供方向。

[0032] S40，对所述文件数据进行网站变化检测，判断发生变化的教育网站，获取教育网站变化的内容，并对变化的内容进行合法性分析，以监测教育网站是否被篡改，并在发现教育网站被篡改后进行报警；可选的，所述对所述文件数据进行网站变化检测，判断发生变化的教育网站的步骤包括：基于所述文件数据获取教育网站的网页信息，根据所述网页信息计算网页的哈希值，并将计算的哈希值与对应的事务箱中记录的网页摘要哈希值进行比较；若比较结果一致，则返回确认消息，将网页信息发送到用户端进行正常页面显示；若比较结果不一致，对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发；除自身以外的监控端接收广播后读取事务条的网页名、URL地址以及网页摘要，以使得教育网站内的所有节点均备份该网页变化。

[0033] 所述对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发的步骤包括：基于工作量证明算法获取当前事务箱的记账权，基于所述记账权将生成的事务条保存在当前事务箱中，并将事务条的哈希摘要记录并汇总存储成一个列表；当前事务箱对应的监控端将本身的签名添加至区块节点，区块节点通过广播将当前事务箱广播给除自身以外的区块节点；接收到广播的区块节点对当前事务箱进行校验，将生成的事务条保存在监控端的区块链中，并在监控端之间进行转发。

[0034] 在本实施例中，事务条用于存储网站内容改变情况，包含网页名、网页链接、网页哈希摘要、事务条号等，事务箱是整合事务条后，统一打包产生的箱块，类似于区块链中的区块概念，包含前箱号、事务条、时间戳等；本实施例提供的网站异常检测方法，事务条广播给除自身以外的监控端并转发，每个区块节点都保存有其他区块节点的区块数据，任一区块节点遭受攻击，其他区块节点都能迅速发现该区块节点的区块信息被修改并自动同步校核；进一步的，在本实例中，通过哈希算法、数字摘要的运用，提高了单个区块节点内的可靠性，以点对点网络为支撑，区块链技术的应用使得节点之间的数据互通可信。

[0035] 所述获取教育网站变化的内容，并对变化的内容进行合法性分析，以监测教育网站是否被篡改的步骤包括：获取教育网站变化的网页目录和网页文本；根据所述网页目录获取教育网站中所有网页的链接以及链接对应的IP地址，判断所述IP地址是否为内网网段、异常网络或公用网段，进而判断教育网站是否添加了非法链接，以监测教育网站是否被篡改；基于特殊符号对照表对所述网页文本进行正则化处理，以去除网页文本中的特殊符号，还原网页文本为自然组合状态的原始文本；建立非法词库，将所述原始文本和非法词库中的目标文本进行规则转换，基于矩阵匹配过滤算法对所述原始文本进行非法词汇识别，以监测教育网站是否被篡改。

[0036] 可选的，在本实施例中，获取教育网站中的IP地址可以基于java.net软件包实现，IP地址可以通过字节数组分割进行判断，判断IP地址是否为内网网段、异常网络或公用网段，若是内网网段则网页链接合法，教育网站未被被篡改；正则化处理可以有效的过滤网页文本中的特殊符号，防止不法分子利用特殊符合逃避检测，特殊符号至少包括"#、*、&、！”等。

[0037] 进一步的，将所述原始文本和非法词库中的目标文本进行规则转换，基于矩阵匹配过滤算法对所述原始文本进行非法词汇识别的步骤包括：根据原始文本和目标文本构建规则矩阵图，其中，原始文本和目标文本分别作为规则矩阵图的首行和首列；从规则矩阵图的[0,0]位置开始，基于预设的匹配条件计算规则矩阵图中矩阵单元在邻接区域内的最大匹配点，其中，预设的匹配条件至少包括：规则矩阵图中成功匹配的矩阵单元格最多、每次匹配为向右、向下或向右下方移动一个单元格；单元格匹配位置为1，表示原始文本和目标文本的某个元素匹配；单元格匹配位置为0，表示原始文本和目标文本的某个元素不匹配；在计算得到各单元格的最大匹配点后，在规则矩阵图中标出单元格可获得最大匹配点的全部路径，对全部路径进行归纳寻找一条最短的匹配路径。

[0038] 在本实施例中，将规则矩阵应用到网站篡改监测系统中，可以准确检测初始文本与目标文本之间的差异，对原始文本进行非法词汇识别，并且保证了两文本的最大匹配率和最优匹配路径。

[0039] 综上，本申请提供的基于人工智能的教育网站安全监测方法，首先对教育网站进行监测需求划分，基于监测需求爬取教育网站运行的文件数据，将文件数据进行分布式存储，以使得存储后的文件数据能够根据索引的方式进行搜索，提高文件读取效率；提取存储的文件数据后进行解析，以获取文件数据中的文本数据和图片数据，分析文本数据中的敏感词，并与图片数据结合进行情感分析，通过文字和图片结合的方式进行情感分析，可以有效的判断出学生情绪，进而对学生的价值观进行预测；进一步的，根据文件数据进行网站变化检测，根据变化的具体内容进行合法性分析，以监测教育网站是否被篡改，发现教育网站被篡改时及时进行报警；本申请提供的教育网站安全监测方法，可以及时了解网站使用对象的情绪以及网站是否被篡改，提高教育网站的安全系数；适合大范围推广。

[0040] 实施例二本实施例提供一种基于人工智能的教育网站安全监测系统，包括：划分模块，用于对教育网站进行监测需求划分，监测需求包括功能需求和非功能需求，其中，所述功能需求包括网站内容监测，所述非功能需求包括网站篡改监测；存储模块，用于基于所述监测需求爬取教育网站运行的文件数据，将所述文件数据进行分布式存储，以使得存储后的文件数据能够根据索引的方式进行搜索；解析模块，用于基于网页解析技术对所述文件数据进行解析，以获取所述文件数据中的文本数据和图片数据，分析所述文本数据中的敏感词，结合所述敏感词和所述图片数据对文件数据表达的情感进行分析，进而监测学生对网络上热门话题的态度；分析模块，用于对所述文件数据进行网站变化检测，判断发生变化的教育网站，获取教育网站变化的内容，并对变化的内容进行合法性分析，以监测教育网站是否被篡改，并在发现教育网站被篡改后进行报警。

[0041] 优选地，所述基于所述监测需求爬取教育网站运行的文件数据，将所述文件数据进行分布式存储的步骤包括：基于所述监测需求设定爬取目标，根据网络爬虫技术对设定爬取目标的教育网站进行文件数据爬取，采用Bitmap对抓取的文件数据进行去重操作；构建包含用户信息表、文件内容表、文件数据索引表的分布式存储系统，所述用户信息表用于存储不同用户的ID，所述文件内容表用于存储内容数据，所述文件数据索引表用于为内容数据提供索引；根据文件数据的URL地址为爬取到的文件数据创建名称，根据创建的名称为文件数据包含的文件内容建立文件索引，将建立索引后的文件数据存储至分布式存储系统中。

[0042] 优选地，所述基于网页解析技术对所述文件数据进行解析，以获取所述文件数据中的文本数据和图片数据的步骤包括：获取所述文件数据的网页源，其中，每个网页源均对应存在一个固定的URL地址，将URL地址的后缀转换成HTML格式；基于Python 中的转换函数对HTML格式的文档进行语法差异处理，以将HTML格式的文档转换成对应的XML节点树文档；根据解析数据需求对所述XML节点树文档进行路径表达式编辑，基于编辑的路径表达式从所述网页源中解析出文本数据和图片数据。

[0043] 优选地，所述根据解析数据需求对所述XML节点树文档进行路径表达式编辑，基于编辑的路径表达式从所述网页源中解析出文本数据和图片数据的步骤包括：根据是否包含特殊节点将所述XML节点树文档划分为显式文档和隐式文档，其中，所述特殊节点至少包括<style>、<script>节点；获取Python 中的lxml解析包，基于所述lxml解析包中的text()函数解析所述显式文档的第一文本列表；构建XPath路径表达式编辑器，滤除所述XPath路径表达式编辑器中的<style>、<script>节点，基于滤除<style>、<script>节点的XPath路径表达式编辑器解析所述隐式文档的第二文本列表；对所述第一文本列表和所述第二文本列表进行正则匹配，以去除所述第一文本列表和所述第二文本列表中的换行符，得到文本数据；获取图片标签，根据所述图片标签的属性从所述XML节点树文档提取图片的源路径，基于所述源路径解析图片数据。

[0044] 优选地，所述分析所述文本数据中的敏感词的步骤包括：将所述文本数据进行分词切割，将切割后的词进行向量化表示，对向量化表示的词进行聚类处理，得到待匹配词；构建敏感词树，将所述敏感词树转换成base数组、check数组、output数组和failure数组并对上述数组进行初始化，得到敏感词库；将待匹配词导入所述敏感词库中，基于多模匹配算法读取待匹配词的字符后在敏感词库中进行状态跳转；通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词。

[0045] 优选地，所述通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词的步骤包括：通过check数组检测匹配状态下待匹配词的字符在敏感词库的base数组，若存在若干个敏感词后缀相同，且若干敏感词中字符的base[index]<0，则若干个敏感词均匹配成功，输出若干个敏感词对应的output数组中的敏感词并进行存储；若存在某个敏感词的后缀与另一敏感词的前缀相同，且前缀敏感词中字符的base[index]<0，则前缀敏感词匹配成功，输出前缀敏感词对应的output数组中的敏感词并进行存储；通过failure数组跳转至待匹配词的下一字符进行匹配，若存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配成功，输出后缀敏感词对应的output数组中的敏感词并进行存储，若不存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配不成功；若存在某个敏感词的后缀包含另一敏感词的前缀，且前缀敏感词中字符的base[index]≥0，前缀敏感词匹配不成功；通过failure数组转移敏感词的位置到下一base数组，从后缀敏感词继续匹配。

[0046] 优选地，所述对所述文件数据进行网站变化检测，判断发生变化的教育网站的步骤包括：基于所述文件数据获取教育网站的网页信息，根据所述网页信息计算网页的哈希值，并将计算的哈希值与对应的事务箱中记录的网页摘要哈希值进行比较；若比较结果一致，则返回确认消息，将网页信息发送到用户端进行正常页面显示；若比较结果不一致，对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发；除自身以外的监控端接收广播后读取事务条的网页名、URL地址以及网页摘要，以使得教育网站内的所有节点均备份该网页变化。

[0047] 优选地，所述对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发的步骤包括：基于工作量证明算法获取当前事务箱的记账权，基于所述记账权将生成的事务条保存在当前事务箱中，并将事务条的哈希摘要记录并汇总存储成一个列表；当前事务箱对应的监控端将本身的签名添加至区块节点，区块节点通过广播将当前事务箱广播给除自身以外的区块节点；接收到广播的区块节点对当前事务箱进行校验，将生成的事务条保存在监控端的区块链中，并在监控端之间进行转发。

[0048] 实施例三本实施例提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的基于人工智能的教育网站安全监测方法。

[0049] 实施例四本发明还提出一种计算机，请参阅图2，所示为本发明实施例中的计算机，包括存储器10、处理器20以及存储在所述存储器10上并可在所述处理器20上运行的计算机程序30，所述处理器20执行所述计算机程序30时实现上述的基于人工智能的教育网站安全监测方法。

[0050] 其中，存储器10至少包括一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器10在一些实施例中可以是计算机的内部存储单元，例如该计算机的硬盘。存储器10在另一些实施例中也可以是外部存储装置，例如插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，存储器10还可以既包括计算机的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

[0051] 其中，处理器20在一些实施例中可以是电子控制单元 (Electronic ControlUnit，简称ECU，又称行车电脑)、中央处理器（Central Processing Unit, CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器10中存储的程序代码或处理数据，例如执行访问限制程序等。

[0052] 需要指出的是，图2示出的结构并不构成对计算机的限定，在其它实施例当中，该计算机可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

[0053] 本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和 / 或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

[0054] 计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

[0055] 应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

[0056] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0057] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。< / style>

Claims

1. An educational website security monitoring method based on artificial intelligence, characterized in that: include: Divide the monitoring requirements of educational websites, including functional requirements and non-functional requirements, wherein the functional requirements include website content monitoring, and the non-functional requirements include website tampering monitoring; Crawl file data running on the education website based on the monitoring requirements, and store the file data in a distributed manner so that the stored file data can be searched in an indexed manner; Parsing the file data based on web page parsing technology to obtain text data and image data in the file data, analyzing sensitive words in the text data, and analyzing the emotions expressed by the file data in combination with the sensitive words and the image data, thereby monitoring students' attitudes towards hot topics on the Internet; The file data is subjected to website change detection, the changed educational website is determined, the changed content of the educational website is obtained, and the legality analysis of the changed content is performed to monitor whether the educational website has been tampered with, and an alarm is issued after the educational website is found to have been tampered with.

2. The method for monitoring the security of educational websites based on artificial intelligence according to claim 1 is characterized in that: The step of crawling the file data of the education website based on the monitoring requirements and distributing the file data comprises: A crawling target is set based on the monitoring requirements, and file data of the education website of the set crawling target is crawled according to the web crawler technology, and Bitmap is used to perform deduplication operation on the crawled file data; Constructing a distributed storage system including a user information table, a file content table, and a file data index table, wherein the user information table is used to store IDs of different users, the file content table is used to store content data, and the file data index table is used to provide an index for the content data; Create a name for the crawled file data according to the URL address of the file data, create a file index for the file content contained in the file data according to the created name, and store the indexed file data in the distributed storage system.

3. The method for security monitoring of educational websites based on artificial intelligence according to claim 1 is characterized in that: The step of parsing the file data based on the web page parsing technology to obtain the text data and the image data in the file data includes: Obtaining the web page source of the file data, wherein each web page source corresponds to a fixed URL address, and converting the suffix of the URL address into HTML format; Perform syntax difference processing on HTML format documents based on conversion functions in Python to convert HTML format documents into corresponding XML node tree documents; The path expression of the XML node tree document is edited according to the parsing data requirement, and the text data and the image data are parsed from the web page source based on the edited path expression.

4. The method for monitoring the security of educational websites based on artificial intelligence according to claim 3 is characterized in that: The step of editing the path expression of the XML node tree document according to the parsing data requirement and parsing the text data and the image data from the web page source based on the edited path expression comprises: The XML node tree document is divided into explicit documents and implicit documents according to whether it contains special nodes, wherein the special nodes at least include <style>、<script>节点；获取Python 中的lxml解析包，基于所述lxml解析包中的text()函数解析所述显式文档的第一文本列表；构建XPath路径表达式编辑器，滤除所述XPath路径表达式编辑器中的<style>、<script>节点，基于滤除<style>、<script>节点的XPath路径表达式编辑器解析所述隐式文档的第二文本列表；对所述第一文本列表和所述第二文本列表进行正则匹配，以去除所述第一文本列表和所述第二文本列表中的换行符，得到文本数据；获取图片标签，根据所述图片标签的属性从所述XML节点树文档提取图片的源路径，基于所述源路径解析图片数据。5.根据权利要求1所述的基于人工智能的教育网站安全监测方法，其特征在于，所述分析所述文本数据中的敏感词的步骤包括：将所述文本数据进行分词切割，将切割后的词进行向量化表示，对向量化表示的词进行聚类处理，得到待匹配词；构建敏感词树，将所述敏感词树转换成base数组、check数组、output数组和 failure数组并对上述数组进行初始化，得到敏感词库；将待匹配词导入所述敏感词库中，基于多模匹配算法读取待匹配词的字符后在敏感词库中进行状态跳转；通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词。6.根据权利要求5所述的基于人工智能的教育网站安全监测方法，其特征在于，所述通过check数组检测某匹配状态对应的敏感词库中base数组的值是否小于预设值，根据检测结果存储base数组对应的output数组中的敏感词的步骤包括：通过check数组检测匹配状态下待匹配词的字符在敏感词库的base数组，若存在若干个敏感词后缀相同，且若干敏感词中字符的base[index]<0，则若干个敏感词均匹配成功，输出若干个敏感词对应的output数组中的敏感词并进行存储；若存在某个敏感词的后缀与另一敏感词的前缀相同，且前缀敏感词中字符的base[index]<0，则前缀敏感词匹配成功，输出前缀敏感词对应的output数组中的敏感词并进行存储；通过failure数组跳转至待匹配词的下一字符进行匹配，若存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配成功，输出后缀敏感词对应的output数组中的敏感词并进行存储，若不存在后缀敏感词中字符的base[index]<0，则后缀敏感词匹配不成功；若存在某个敏感词的后缀包含另一敏感词的前缀，且前缀敏感词中字符的base[index]≥0，前缀敏感词匹配不成功；通过failure数组转移敏感词的位置到下一base数组，从后缀敏感词继续匹配。7.根据权利要求1所述的基于人工智能的教育网站安全监测方法，其特征在于，所述对所述文件数据进行网站变化检测，判断发生变化的教育网站的步骤包括：基于所述文件数据获取教育网站的网页信息，根据所述网页信息计算网页的哈希值，并将计算的哈希值与对应的事务箱中记录的网页摘要哈希值进行比较；若比较结果一致，则返回确认消息，将网页信息发送到用户端进行正常页面显示；若比较结果不一致，对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发；除自身以外的监控端接收广播后读取事务条的网页名、URL地址以及网页摘要，以使得教育网站内的所有节点均备份该网页变化。8.根据权利要求7所述的基于人工智能的教育网站安全监测方法，其特征在于，所述对教育网站的页面进行阻断并生成事务条，将事务条广播给除自身以外的监控端并转发的步骤包括：基于工作量证明算法获取当前事务箱的记账权，基于所述记账权将生成的事务条保存在当前事务箱中，并将事务条的哈希摘要记录并汇总存储成一个列表；当前事务箱对应的监控端将本身的签名添加至区块节点，区块节点通过广播将当前事务箱广播给除自身以外的区块节点；接收到广播的区块节点对当前事务箱进行校验，将生成的事务条保存在监控端的区块链中，并在监控端之间进行转发。9.一种基于人工智能的教育网站安全监测系统，其特征在于，包括：划分模块，用于对教育网站进行监测需求划分，监测需求包括功能需求和非功能需求，其中，所述功能需求包括网站内容监测，所述非功能需求包括网站篡改监测；存储模块，用于基于所述监测需求爬取教育网站运行的文件数据，将所述文件数据进行分布式存储，以使得存储后的文件数据能够根据索引的方式进行搜索；解析模块，用于基于网页解析技术对所述文件数据进行解析，以获取所述文件数据中的文本数据和图片数据，分析所述文本数据中的敏感词，结合所述敏感词和所述图片数据对文件数据表达的情感进行分析，进而监测学生对网络上热门话题的态度；分析模块，用于对所述文件数据进行网站变化检测，判断发生变化的教育网站，获取教育网站变化的内容，并对变化的内容进行合法性分析，以监测教育网站是否被篡改，并在发现教育网站被篡改后进行报警。< / style>

Images