afiqosmn/email-phishing-detection-system

## 混合电子邮件网络钓鱼检测：基于规则与随机森林 一个混合型电子邮件网络钓鱼检测系统，整合基于规则的分析和机器学习模型，以提升网络钓鱼检测的准确性。该系统通过结合确定性规则与训练好的随机森林分类模型，旨在检测更复杂的网络钓鱼邮件。 ## 项目概述 本项目提出一种混合检测方法，整合以下技术： - 基于规则的检测（关键词模式、可疑链接、邮件头异常） - 机器学习分类（随机森林模型） - Gmail API 集成，用于真实邮件测试 - 使用队列工作进程的异步处理 ## 目标 - 通过混合技术提升网络钓鱼检测的准确性 - 相较于纯规则过滤，降低误报率 - 通过 Gmail API 集成真实邮件数据 ## 系统架构 1. Laravel Web 应用 2. 队列工作进程 3. 机器学习 API（Flask）——随机森林模型不包含在本仓库中 4. 数据库 5. Redis（可选——用于队列管理，速度优于数据库队列） ## 技术栈 1. PHP（Laravel 框架） 2. Python（Flask API） 3. Scikit-learn 4. Pandas 5. NumPy 6. 数据库（MySQL） 7. Redis（可选） ## 软件版本 - PHP：8.3.16 - Node 包管理器：10.9.2 - Laravel：12.50.0 ## 许可证 Laravel 框架是一款根据 [MIT 许可证](https://opensource.org/licenses/MIT) 授权的开源软件。

标签：Apex, ffuf, Flask, Gmail API, Laravel, NumPy, OpenVAS, PHP, Python, Redis, Scikit-learn, SEO, 垃圾邮件防护, 实时检测, 搜索引擎查询, 无后门, 机器学习, 混合检测, 网络安全, 规则检测, 逆向工具, 邮件分析, 钓鱼邮件检测, 队列异步处理, 随机森林, 隐私保护