jpravin664/Phishing-Detection-Browser-Extension
GitHub: jpravin664/Phishing-Detection-Browser-Extension
基于随机森林机器学习模型与多源威胁情报API的实时钓鱼网站检测浏览器扩展，在用户浏览时自动识别并拦截恶意网站。
Stars: 1 | Forks: 0
# 🛡️ **实时钓鱼检测扩展**
## 💫 演示与截图
 ## 🚀 功能
## 📊 机器学习模型性能
### 🌐 **API 集成**
## 🛠️ 工作原理
## 🛠️ 安装指南
### 🔗 在 Chrome 中手动加载扩展
1. 克隆或下载此代码库。
2. 在浏览器中打开 `chrome://extensions/`。
3. 启用 **开发者模式**。
4. 点击 **加载已解压的扩展程序**。
5. 选择 `extension/` 文件夹。
6. 该扩展现在将显示在您的工具栏中！
## 📁 项目结构
```
Phishing Detection FINAL/
│
├── extension/
│ ├── popup.html / popup.js # Extension UI
│ ├── background.js # Persistent logic
│ ├── service_worker.js # Background messaging
│ ├── contentScript.js # Page-level interaction
│ ├── utils/ # Feature extraction & ML logic
│ └── icons/ # Extension icons
│
├── model/
│ ├── export_model.py # Export trained model
│ ├── phishing_urls.csv # Training dataset
│ └── random_forest.pkl # Trained model (serialized)
│
└── data/
└── phishing_urls.csv # Duplicate/backup dataset
```
## 🌟 未来路线图
## 🙋♂️ 作者
____ _ _ _ __ __
| _ \| |__ (_)___| |__ \ \/ /___ __ _ _ __ ___
| |_) | '_ \| / __| '_ \ \ // __/ _` | '_ \ / _ \
| __/| | | | \__ \ | | |/ \ (_| (_| | |_) | __/
|_| |_| |_|_|___/_| |_/_/\_\___\__,_| .__/ \___|
|_|
🔍 在您浏览时保持安全
一个强大的浏览器扩展，使用先进的
机器学习和多种威胁情报 API 实时检测钓鱼网站。
 ## 🚀 功能
| 功能 | 描述 |
|---|---|
| ⚡ 实时检测 | 在您浏览时立即扫描并分析网站 |
| 🔍 多层防护 | 结合 API 检查与 ML 模型以提供全面覆盖 |
| 🧠 智能 ML 模型 | 基于数千个钓鱼 URL 训练的 Random Forest 分类器 |
| 🔌 离线能力 | 即使在没有互联网连接的情况下，也能使用本地 ML 模型工作 |
| 🔐 注重隐私 | 无数据收集或跟踪 - 您的浏览保持私密 |
| ⚠️ 清晰警报 | 直观的警告系统，提供可操作的安全信息 |
# 📊 机器学习模型性能
---
### 🧠 模型详情
| 类别 | 详情 |
|---|---|
| **算法** | Random Forest 分类器 |
| **训练数据集大小** | 47,000+ URL 样本 |
| **检测类型** | 实时基于 URL 的钓鱼检测 |
| **部署** | 浏览器扩展 |
| **模型存储** | 序列化 `.pkl` 模型 |
### 🔬 提取的 URL 特征
该模型分析多个基于 URL 的特征以检测钓鱼尝试：
- 🔐 HTTPS 是否存在
- 📏 URL 长度
- 🌐 子域名数量
- ⚠️ 特殊字符数量
### 📈 性能分析
- 成功识别绝大多数钓鱼网站
- 保持极低的钓鱼网站漏报率
- 为快速的实时浏览器保护进行了优化
- 采用结合以下技术的多层检测架构设计：
- 🧠 机器学习
- 🌐 Google Safe Browsing API
- 🔍 VirusTotal API
## 📷 模型可视化输出
| 📌 指标 | 📈 分数 | 🚀 性能水平 |
|---|---|---|
| ✅ 准确率 | 97.99% | 极佳 |
| 🎯 精确率 | 98% | 高度可靠 |
| 🔍 召回率 | 97% – 99% | 强大的威胁检测能力 |
| ⚖️ F1分数 | 98% | 均衡的性能表现 |
| 可视化 | 描述 |
|---|---|
| `accuracy_chart.png` | 整体模型准确率可视化 |
| `confusion_matrix.png` | 分类性能分析 |
| `feature_importance.png` | 提取的钓鱼特征的重要性 |
## 🧰 技术栈
 JavaScript |
 HTML5 |
 CSS3 |
 Python |
 ML |
|
|
| 🧠 | 深度学习模型 - 实现 LSTM 网络以进行 URL 模式识别 |
| 🌐 | 浏览器支持 - 扩展至 Firefox、Edge 和 Safari |
| 📊 | 分析仪表板 - 添加个人安全统计信息和洞察 |
| 🔄 | 自动更新 - 实时威胁数据库更新 |
| 🌍 | 本地化 - 支持多种语言 |
Pravin J
🎓 B.Tech CSE (Cybersecurity)
🏫 SRM Institute of Science and Technology
### 🛡️ **保持防护。保持警惕。保持安全。**
标签：AI安全, Apex, Ask搜索, Chat Copilot, Google Safe Browsing, PhishTank, URL安全检测, URL特征提取, VirusTotal, Web安全, 威胁情报, 安全警告系统, 实时安全防护, 开发者工具, 恶意网站拦截, 搜索语句（dork）, 数字安全, 数据可视化, 机器学习, 浏览器插件, 缩短URL还原, 网络安全, 网络钓鱼防御, 自定义脚本, 蓝队分析, 逆向工具, 钓鱼检测, 随机森林, 隐私保护