基于圖像處理的網頁篡改檢測*

顏于鳳 沈 勇

（江蘇科技大學計算機學院 鎮(zhèn)江 212003）

1 引言

進入21世紀以來，隨著計算機和互聯(lián)網的飛速發(fā)展，人們對于網絡的依賴性也不斷增強，雖然網絡給人們的生活和工作帶來了巨大的便利，但隨之而來的網絡安全問題也會造成不可估量的損失。網頁被篡改是一種常見的網站安全問題，尤其是政府或高校等具有公信力的單位，一旦網頁被篡改并發(fā)表一些損壞國家和人們利益的言論將會對社會造成極其惡劣的影響。鑒于網站安全對于人民生活影響之大，范圍之廣，針對網站頁面保護的技術也是層出不窮，一些企業(yè)也開發(fā)出專門的網頁防篡改系統(tǒng)［1］。但即便如此，據(jù) CNCERT（國家互聯(lián)網應急中心）監(jiān)測發(fā)現(xiàn)，今年我國境內仍有上萬個網站被篡改［2］。因此高效、準確的篡改檢測方法是能夠應對此類問題的有效途徑。

在之前的網頁篡改檢測的研究中，主要的檢測技術有人工比對檢測、HASH函數(shù)比對、數(shù)字水印、網頁相似度比對、關鍵字比對等方法［3］。這些方法雖然能夠檢測出網頁是否被改動，但大多是對網頁源代碼進行處理，有的是計算源代碼的HASH值，有的是嵌入水印，這對于源代碼固定的靜態(tài)網頁是奏效的［4］。而對于以數(shù)據(jù)庫為基礎的動態(tài)網頁來說，源代碼中幾乎不包含太多信息，以處理網頁源代碼的方式來處理動態(tài)網頁往往無法達到預期的效果，所以此類算法對于動態(tài)網頁的作用還有待研究［5］。本文以虛擬用戶的形式通過模擬瀏覽器行為加載網頁并獲取網頁截圖，再借用圖像特征點提取算法對截取的圖像進行特征識別，從而快速地檢測出網頁是否被篡改，因為并非直接處理網頁源代碼，所以該模型對于靜態(tài)網頁和動態(tài)網頁同樣有效。

2 檢測模型設計

2.1 網頁抓取模型

在通常的網頁抓取過程中需要借用網絡爬蟲作為工具。目前，網絡爬蟲的框架種類眾多，不同的框架下包含了不同的爬取算法，有的以網站深度為爬取標準，有的以網站廣度為標準，而選取標準則以實際應用的需求為準［6］。雖然方法很多但其基本原理都是給定一個初始的url地址鏈接，作為一個站點，讀取該站點的頁面，然后再通過頁面源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］。基本流程分為三步：建立鏈接隊列、DSN解析鏈接并保存、分析下載的文件［8］。

本文的網頁抓取模型在利用網絡爬蟲的基礎上，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JavaS-cript代碼，最終保存模擬瀏覽器中的網頁界面。具體流程如圖1所示。

圖1 抓取模型

2.2 圖像處理算法

圖像處理一直以來都是學者們比較感興趣的一個研究方向。能夠代表一幅圖像的要素有很多種，特征點便是其中之一。針對二維圖像的特征點檢測的研究也已經持續(xù)了很長的一段時間，到目前為止已有上百種不同類型的檢測算法［9～10］。本文在眾多的特征點檢測算法中選用兩種最常見的角點檢測算法：Harris角點檢測和SIFT角點檢測算法作為本文圖像處理的方法，在充分理解這兩種角點檢測算法的基礎上，創(chuàng)建角點檢測模型對網頁抓取模型中得到的圖像進行處理，并且對處理過的圖像進行比較。

2.2.1 Harris角點檢測算法

傳統(tǒng)的角點檢測算法首先會固定一個窗口，然后以各個像素點作為窗口的中心，沿八個基本方向分別滑動，計算滑動窗口前后對應位置像素點灰度值之差的平方和，并取最小值作為該點的角點檢測，最后經非極大值移植和閾值判斷過程抽取角點［11］。若某個像素點是角點，則窗口移動的過程中各個方向的灰度變化都比較大。

Harris角點檢測算法通過高斯算子計算水平和垂直方向上的微分并創(chuàng)建局部微分自相關矩陣來描述灰度變化的情況：

2.2.2 SIFT角點檢測算法

SIFT（Scale Invariant Feature Transformantion），尺度不變特征變換，是一種對圖像放縮、旋轉等保持不變性的局部特征提取和描述算法［14］。該算法是繼Harris角點檢測算法后又一經典算法，是由Lowe利用高斯差分算子在尺度空間中檢測特征點，并且結合相應的梯度描述子共同構成的［15］。其基本流程大致分為四步：輸入圖像并轉化、尺度空間極值點檢測、關鍵點精確定位及方向賦值和描述、得到目標的特征點集［16］。

圖2 Harris角點檢測流程

圖3 SIFT角點檢測流程

2.2.3 特征匹配算法

在對圖像進行特征提取后，就可以對特征點進行匹配。通常使用相似度來評判兩個圖像的特征點的匹配程度，若相似度越高則說明兩個圖像越匹配，進而說明網頁被篡改的幾率較小。

本文采用歐幾里得度量（euclidean metric，歐氏距離）來表示相似度：

其中X，Y為兩個待匹配圖像的特征點向量［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小。

3 實驗結果

為了驗證本設計能夠快速有效檢測出靜態(tài)網頁及動態(tài)網頁的篡改情況，本文以python作為主要工具，以個人網站的作為被測試對象，首先輸入初始站點的url鏈接，利用網頁抓取模型獲取該站點下所有頁面并建成圖像庫；接著對個人網站作出細微的修改，再次利用抓取模型獲取網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為原網頁界面，然后對網頁進行細微的修改，用以模擬網頁被篡改，形成圖5，與圖4相比，圖5將“World”修改為“World_magic”。然后分別對兩幅圖像進行特征點提取。

圖4 原網頁

圖5 修改后網頁

圖6 原網頁特征檢測

圖7 修改后網頁特征檢測

經過對比兩幅圖像的特征點發(fā)現(xiàn)，除了被修改過的外，其余部分的特征點參數(shù)一致。最后通過匹配，可有效找出被篡改的位置并標記。

圖8 匹配定位

4 結語

本文針對傳統(tǒng)網頁篡改檢測技術無法兼顧靜態(tài)網頁和動態(tài)網頁的問題，設計網頁抓取模型，利用圖像處理的方法對抓取的網頁界面進行特征點檢測，通過對比圖像來達到檢測網頁是否被篡改的目的。實驗證明，本文的研究方法確實可以達到檢測網頁是否被篡改的目的，并且能夠找出被篡改的位置信息。