本发明公开了一种镜像流量下基于Path相似度的同类型网站发现方法，包括以下步骤：步骤一：流量数据过滤模块根据http协议原始数据的一些关键信息进行过滤，步骤二：对于过滤之后的流量数据再进行网站path特征数据的提取及积累，随后经过大数据计算框架的Map及Reduce流程处理之后，最终得到的就是每个网站host及其对应的path路径集合，步骤三：path特征提取出来之后实时与正样本path特征库中的数据做比对，该发明用于从海量流量数据中快速发现与正样本网站同类型、同模板的网站，可以用于发现新的诈骗网站，任务分布式执行，对处理海量数据的支持比较好，path相似算法识别的准确度较高，系统以实时流模式运行，可以实时的识别出流量中的同类网站。