shuban2007/PhishGuard_AI

# PhishGuard AI PhishGuard AI 是一款智能钓鱼检测系统，旨在通过结合机器学习、威胁情报和规则分析的混合方法，分析 URL 和消息。 # 概述 PhishGuard AI 帮助用户实时识别潜在有害的链接和可疑消息。该系统旨在通过准确且可解释的检测来降低钓鱼风险，提升在线安全性。 # 主要功能 结合多层检测的混合系统 带风险评分的实时 URL 扫描 带意图检测的短信和消息分析 集成 Google Safe Browsing 获取威胁情报 基于机器学习的预测模型 用于诈骗模式检测的关键词智能识别 可信域名识别以减少误报 始终能返回结果的故障安全架构 # 技术栈 前端 React 与 Vite 后端 FastAPI # 机器学习 用于 URL 和消息分类的 Scikit-learn 模型 # API Google Safe Browsing API # 部署 前端托管在 Netlify 后端托管在 Render 或 Railway # 系统架构 前端将用户输入发送到后端 API 后端使用多个检测层处理输入 结果返回包含风险评分预测和解释 API 端点 GET / 健康检查端点 GET /health 详细的系统状态 POST /scan url 分析 URL 并返回风险评分和预测 POST /scan message 分析消息并返回诈骗可能性和意图 # 检测管道 URL 检测 Safe Browsing 检查 可信域名验证 机器学习预测 基于规则的分析 关键词增强 最终分类 # 消息检测 机器学习概率评分 关键词智能引擎 上下文感知增强 误报减少 意图分类 最终评分与预测 # 设置说明 克隆仓库 git clone https://github.com/your-username/PhishGuard_AI.git 进入项目目录 cd PhishGuard_AI 后端设置 cd backend pip install -r requirements.txt python -m uvicorn main app --reload 前端设置 cd frontend npm install npm run dev 环境变量 后端 SAFE_BROWSING_API_KEY 你的 API 密钥 前端 VITE_API_URL 你的后端 URL # 使用 输入一个 URL 检查其是否安全或恶意 输入一条消息以检测诈骗或钓鱼模式 查看风险评分预测和解释 # 安全特性 不记录用户输入日志 故障安全响应系统 可信域名验证 多层检测以减少漏报 # 未来改进 浏览器扩展集成 用于消息理解的先进 NLP 用户举报系统 实时威胁数据库更新 移动应用程序支持 # 团队 SlixCrew 专注于构建实用且有效的网络安全解决方案 欢迎合作和新贡献者 # 许可 本项目仅供教育和研究用途

标签：AI防护, Apex, API集成, AV绕过, FastAPI, Google Safe Browsing API, Netlify, Railway, React, Render, Scikit-learn, Syscalls, URL分析, Vite, 关键词智能, 可信域识别, 可观测性, 可解释AI, 后端开发, 在线安全, 多层安全, 失败安全架构, 威胁情报, 实时扫描, 实时检测, 开发者工具, 意图检测, 智能安全, 机器学习, 机器学习模型, 消息分析, 混合检测系统, 网络安全, 诈骗模式检测, 诈骗识别, 诈骗风险, 误报减少, 逆向工具, 部署平台, 钓鱼检测, 隐私保护, 风险评分