刘家银，印杰，牛博威，诸葛程晨，贺海辰

（1.江苏警官学院计算机信息与网络安全系，南京210031；2.江苏警官学院江苏省电子数据取证分析工程研究中心，南京210031；3.江苏警官学院江苏省公安厅数字取证重点实验室，南京210031；4.江苏省公安厅网络安全保卫总队，南京210024；5.南京市公安局大数据中心，南京210005）

引 言

随着互联网技术的蓬勃发展，博彩行业中一些不法分子利用互联网庞大的流量、便捷的支付和强互动性等特点，构建了组织架构严密、分工明确、公司化、制度化运作的线上博彩网站和APP等，重构了另一个网络博彩世界。网络赌博严重影响人们的身心健康，危害正常的经济秩序，败坏社会风气［1⁃2］，因此开展网络博彩的检测与阻断，对于维护社会公序良俗，保障经济健康发展具有重要的现实意义。

违法博彩类网站的捕获问题其实质是网页分类问题。早期网页分类常采用黑名单方法［3］，具有检测速度快的优点，但是不能处理完全未知的网站，且黑名单数据库的及时更新也是该方法面临的一大难点。然而博彩类违法网站为规避封堵，经常变换其域名，因此基于黑名单的方法在博彩类违法网站的检测中表现不佳。为解决黑名单方法存在的上述问题，部分研究人员通过分析统一资源定位符（Uni⁃form resource locator，URL）［4］、网页文本以及网页图像［5］等来实现网站的分类。基于URL的方法只需从URL中提取特征，因此检测速度极快。然而URL不能完整地表达网站的特征，其应用领域极其有限。网页内容能提供丰富的信息，因此基于网页内容的网站分类方法成为当前研究的主流。……