随着互联网的日益普及和网页技术的迅猛发展,人们在享受网页信息带来的便捷的同时,异常网页攻击也在无孔不入地侵蚀着人们的隐私和财产安全。近些年来,异常网页的破坏力越来越大,隐蔽性越来越强,方式也越来越多样化,而对于异常网页的识别也变得越来越难。普通用户往往很难判断网页是否存在异常,现有的Web异常检测方法往往也不能很好地检测出多种类型的异常网页和新型的异常网页,特征提取是检测异常网页的一个关键步骤。本文针对不同类型异常网页的特征进行了深入仔细的研究,根据异常网页的攻击目的和手段将其分为攻击型恶意网页、诱导型欺诈网页和垃圾网页,提出了一种新的多类型异常网页检测的方法,并且在此方法的基础上设计了一个Web异常检测系统。本文主要研究了如下内容:1.研究了三种传统的Web异常检测的方法,总结并分析了这些Web异常检测方法的优劣,提出了一种多类型异常网页的特征提取方法。该方法根据异常网页的攻击目的将异常网页分成三大类,根据这三类网页的攻击目的和手段来分别提取异常网页的特征。采用数值填补和归一化的方法解决了特征优化过程中出现的数据缺失和数据过度分散的问题,使用改进的SVM-RFE算法消除冗余特征,设计了一种含有特征有效度的SVM算法(F-SVM)训练分类模型,然后对异常网页进行检测。同时,在四个公开的数据集上对该方法进行了仿真实验,并与现有的其他方法做了对比,结果表明本文提出的多类型网页异常检测方法具有更高的准确性。2.基于多类型网页异常检测方法设计了一个Web异常检测系统。该系统共有四个模块:第一个是Web异常检测模型训练模块。使用本文提出的多类型异常网页检测方法实现了一个持久化的Web异常检测模型。第二个是异常网页检测模块。基于Java语言实现了多类型异常网页检测算法,其输入是将用户输入的URL向量化得到的特征向量,输出是检测的结果1或者0,表示是否为异常网页,并将URL和检测结果等内容存储到数据库。第三个是可视化模块。使用Bootstrap插件将检测结果信息、检测趋势信息和用户自建黑名单等信息通过图表等形式展现给用户。第四个是系统管理模块。该模块包含用户注册登录管理、用户信息管理和系统信息管理。注册登录采用了邮件验证码和登录验证码的方式确保用户使用登录和注册功能时的安全;用户和系统信息的管理确保系统可以准确、安全、高效地运行。对该系统的各个功能和系统性能做了测试,测试结果表明系统具有良好地鲁棒性和负载能力,对异常网页有很好的检测能力。