radheyyyyy/HackRust-1.0-2026

# 实时钓鱼检测系统 ## 黑客松详情 * **活动：** HackRust 1.0 * **日期：** 2026年3月28–29日 * **地点：** 哈里亚纳邦索尼帕特 DCRUST * **团队名称：** Hakuna Matata ## 团队成员 * **Rajyavardhan Radhey** 大三, CSE-AI CSJMU, 坎普尔 * **Bhumika** 大二, MEE CSJMU, 坎普尔 ## 项目概述 本项目是一个**实时钓鱼检测系统**，它结合了**机器学习、基于规则的分析和域名情报**来检测恶意 URL。 它包含： * **Chrome 扩展** → 浏览时的实时保护 * **后端 (Node.js)** → 决策引擎 * **ML 模型 (Python)** → 模式检测 * **React 前端** → URL 分析仪表板 ## 工作原理 我们的系统采用了**混合检测方法**： ### 1. 基于规则的引擎 (45–55%) 检测： * 可疑关键词（login, verify, secure） * Unicode 和同形异义词攻击 * Punycode (`xn--`) * 基于 IP 的 URL * 可疑 TLD（.tk, .xyz, .zip 等） * 品牌仿冒 ### 2. 机器学习模型 (25–30%) 使用 **35+ 项特征**，包括： * URL 长度与结构 * 特殊字符计数 * 数字比例 * 熵（随机性检测） * 域名模式 ### 3. 域名情报 * **WHOIS 查询** → 域名年龄检测 * **流量排名** → 热门与未知网站对比 * **Tranco 列表** → 受信任的顶级域名 ### 最终决策 系统会计算**最终风险评分**，并将 URL 分类为： * 🟢 安全 * 🟡 可疑 * 🔴 钓鱼 ## 功能 * ✅ 实时钓鱼检测 * ✅ 具备实时扫描功能的 Chrome 扩展 * ✅ 自动拦截钓鱼网站 * ✅ 可解释 AI（显示原因） * ✅ 置信度评分显示 * ✅ Unicode 和同形异义词攻击检测 * ✅ 混合 ML + 基于规则的系统 ## 技术栈 * **前端：** React (Vite) * **后端：** Node.js, Express * **ML 模型：** Python, Scikit-learn * **扩展：** Chrome Extension API ## 安装与使用 ### 1. 克隆仓库 ``` git clone cd HackRust-1.0 ``` ### 2. 后端设置 ``` cd Backend npm install node server.js ``` 服务器运行于： ``` http://localhost:5000 ``` ### 3. ML 模型设置 确保已安装 Python 依赖项： ``` pip install joblib scikit-learn pandas ``` 确保： * `model.pkl` * `scaler.pkl` 已正确放置。 ### 4. React 前端 ``` cd phishing-frontend npm install npm run dev ``` 打开： ``` http://localhost:5173 ``` ### 5. Chrome 扩展 1. 进入： ``` chrome://extensions/ ``` 2. 启用**开发者模式** 3. 点击**加载已解压的扩展程序** 4. 选择扩展文件夹 ## 如何使用 ### 手动测试（前端） * 输入任意 URL * 点击**扫描** * 查看： * 结果（安全 / 可疑 / 钓鱼） * 评分 * 原因 ### 实时保护（扩展） * 打开任意网站 * 扩展自动扫描 URL * 显示弹窗： * 🟢 安全 * 🟡 可疑 * 🔴 拦截钓鱼网站 ## 局限性 * 某些域名的 WHOIS 查询可能会失败 * 流量排名目前为模拟数据 * 需要在本地运行后端 ## 未来改进 * 集成真实的流量排名 API * 高级深度学习模型 * 云部署 * 支持 Chrome 以外的浏览器 * 威胁情报集成 ## 结论 本项目展示了一个**可扩展的实时钓鱼检测系统**，它结合了 **AI + 网络安全原则**，以增强用户浏览时的安全性。 ## 致谢 本项目在 **HackRust 1.0** 期间构建，旨在创建一种实用且可部署的网络安全解决方案。

标签：Apex, GNU通用公共许可证, MITM代理, Node.js, React, Scikit-learn, Syscalls, 安全, 机器学习, 自定义脚本, 超时处理, 逆向工具, 钓鱼检测