aryansinghnaman/AI-Threat-Intelligence-Scanner

# AI 威胁情报扫描器 AI 威胁情报扫描器是一款基于机器学习的网络安全工具，通过分析 URL 来检测钓鱼或恶意网站。该系统结合了机器学习、URL 安全分析和威胁情报技术，以生成详细的安全报告。 ## 问题背景 钓鱼网站旨在窃取密码、银行详细信息和个人数据等敏感信息。许多用户无法轻易识别恶意网站。本项目旨在利用机器学习和安全分析技术自动检测钓鱼网站。 ## 解决方案 该系统通过多层安全机制分析网站 URL，包括机器学习预测、URL 结构分析、可疑关键词检测以及威胁情报检查。它会生成一份安全报告，解释风险等级及分类的可能原因。 ## 功能特性 - 机器学习钓鱼检测 - URL 安全分析 - 可解释 AI 预测 - 威胁情报扫描 - 扫描历史仪表板 - 网络安全仪表板 UI ## 示例输出 **结果：钓鱼网站 (PHISHING WEBSITE)** **置信度：91%** **风险等级：高 (HIGH)** ### 原因 - URL 长度异常长 - 检测到可疑关键词 - 网站未使用 HTTPS ## 技术栈 ### 后端 Python Flask ### 机器学习 Scikit-learn Random Forest Classifier ### 前端 HTML CSS ### 安全分析 URL 特征分析 关键词检测 HTTPS 验证 威胁情报检查 ## 系统架构 用户界面 ↓ Flask 后端 ↓ URL 特征提取 ↓ 机器学习模型 ↓ 威胁情报检查 ↓ 安全报告 ## 项目结构 fraud_website_detector │ ├── app.py ├── dataset.csv ├── model.pkl ├── vectorizer.pkl ├── requirements.txt ├── README.md │ ├── templates │ └── index.html │ ├── uploads ## 安装说明 克隆仓库 git clone 安装依赖 pip install -r requirements.txt 运行应用 python app.py 在浏览器中打开 http://127.0.0.1:5000 ## 未来改进 - 集成 VirusTotal API - 实时威胁情报扫描 - 用于自动网站检测的浏览器扩展 - 使用更大的钓鱼数据集进行训练 ## 使用场景 - 检测钓鱼网站 - 提高网络安全意识 - 网络安全教育教学演示 - 黑客马拉松网络安全项目 ## 作者 作为一个机器学习网络安全项目开发，旨在检测钓鱼攻击和恶意 URL。

标签：Apex, Flask, GraphQL安全矩阵, HTTPS验证, ML分类, Python, Scikit-learn, SOC工具, URL分析, Web安全, 人工智能, 后端开发, 多模态安全, 威胁情报, 安全仪表盘, 安全扫描器, 开发者工具, 无后门, 机器学习, 欺诈网站检测, 漏洞发现, 特征提取, 用户模式Hook绕过, 网络安全, 蓝队分析, 逆向工具, 钓鱼检测, 随机森林, 隐私保护, 风险评分