Kzian/phishing-detection-system

## 🚀 入门指南 ### 前置条件 - Python 3.10+ - Git - Node.js (用于前端) - n8n (用于自动化工作流) ### 安装说明 ``` # 克隆仓库 git clone https://github.com/Kzian/phishing-detection-system.git cd phishing-detection-system # 创建并激活虚拟环境 python3 -m venv venv source venv/bin/activate # 安装依赖项 pip install -r requirements.txt # 训练所有模型 python3 backend/detection/url_detector.py python3 backend/detection/email_detector.py python3 backend/detection/sms_detector.py # 运行后端 uvicorn backend.main:app --reload ``` ## 📊 模型性能 ### 第二阶段 — URL 检测 数据集：GregaVrbancic 钓鱼数据集 (88,647 个 URL, 111 个特征) | 指标 | 合法 | 钓鱼 | |---|---|---| | 精确率 | 98% | 95% | | 召回率 | 97% | 96% | | F1 分数 | 98% | 96% | | **准确率** | **97%** | | ### 第三阶段 — 邮件检测 数据集：综合钓鱼邮件数据集 — Kaggle (82,484 封邮件) | 指标 | 合法 | 钓鱼 | |---|---|---| | 精确率 | 99% | 98% | | 召回率 | 98% | 99% | | F1 分数 | 98% | 98% | | **准确率** | **98%** | | ### 第四阶段 — 短信/短信钓鱼检测 数据集：UCI SMS 垃圾短信收集 (5,570 条信息) | 指标 | 合法 | 垃圾/钓鱼 | |---|---|---| | 精确率 | 99% | 86% | | 召回率 | 98% | 95% | | F1 分数 | 98% | 90% | | **准确率** | **97%** | | ## 🗺️ 开发路线图 - [x] 第一阶段 — 环境搭建与项目结构 - [x] 第二阶段 — URL 钓鱼检测 (Random Forest, 97% 准确率) - [x] 第三阶段 — 邮件钓鱼检测 (TF-IDF + LR, 98% 准确率) - [x] 第四阶段 — 短信钓鱼检测 (97% 准确率) - [ ] 第五阶段 — 自动化事件响应 (n8n) - [ ] 第六阶段 — 仪表板与完整系统集成 - [ ] 第七阶段 — 评估与论文撰写 ## 👤 作者 **Cyb3rry** 网络安全硕士候选人 — FUTO | 讲师 | 网络安全研究员 | AI 爱好者 GitHub: [@Kzian](https://github.com/Kzian) ## 📄 许可证 本项目是为学术研究目的而开发。 ## 🙏 致谢 - GregaVrbancic 钓鱼数据集 - Kaggle 钓鱼邮件数据集 (Naser Abdullah Alam) - UCI SMS 垃圾短信收集 - HuggingFace Transformers - Anthropic Claude API - FUTO 计算机科学系

标签：AMSI绕过, Apex, MITM代理, n8n, Python, URL检测, 人工智能, 后端开发, 威胁检测, 安全防护, 无后门, 机器学习, 模型训练, 用户模式Hook绕过, 短信检测, 网络安全, 网络安全研究, 自动化事件响应, 逆向工具, 邮件检测, 钓鱼检测, 隐私保护