MalikTaha8331/phishguard-ai

GitHub: MalikTaha8331/phishguard-ai

一个基于机器学习的钓鱼 URL 检测与分析系统,通过深度扫描引擎与 OpenPhish 信誉检查实现对复杂钓鱼攻击的高准确率识别。

Stars: 0 | Forks: 0

# 🛡️ PhishGuard-AI 基于 AI 的钓鱼 URL 检测系统 PhishGuard-AI 是一个**网络安全项目**,它使用**机器学习**和**深度扫描引擎**来检测和分析钓鱼 URL。它在基准数据集上达到了 **97.67% 的准确率**,并集成了 **OpenPhish 信誉检查**,以实现对复杂钓鱼攻击的高级检测。 ## 🚀 功能 - 🔍 **深度扫描引擎** – 抓取提交的 URL 并分析它们是合法的还是钓鱼网站。 - 🤖 **AI 模型** – 在 UCI 钓鱼数据集上进行训练,准确率 >97%。 - 🌐 **信誉检查** – 集成 OpenPhish 进行域名信誉验证。 - 📊 **风险评分** – 为每个 URL 生成钓鱼概率评分。 - 🖥️ **Web 界面** – 用于上传和分析可疑链接的简单 UI。 - ⚡ **Railway 部署** – 准备好在 [Railway.app](https://railway.app) 上进行云端部署。 ## 📦 安装 克隆代码库: bash git clone https://github.com/MalikTaha8331/phishguard-ai.git cd phishguard-ai 安装依赖项: bash pip install -r requirements.txt 本地运行: bash python src/app.py ## 📂 项目结构 phishguard-ai/ │── data/ # 数据集 │── docs/ # 文档 │── notebooks/ # Jupyter 实验 │── src/ # 核心源代码 │── templates/ # Web UI 模板 │── requirements.txt # 依赖项 │── README.md # 项目概述 ## 🧠 技术栈 - **Python** – 核心后端与 ML 模型 - **Jupyter Notebook** – 模型训练与实验 - **HTML/CSS** – Web 界面模板 - **Flask/Django (可选)** – 后端框架 - **Axios/Fetch** – API 请求 - **Railway** – 云端部署 ## 📈 SEO 关键词 钓鱼检测、AI 安全、网络安全工具、钓鱼 URL 分析器、深度扫描钓鱼、OpenPhish 集成、SOC 分析师工具、钓鱼防御系统、机器学习钓鱼检测。 ## 🔒 许可证 MIT License – 可免费使用、修改和分发。
标签:Apex, Flask, NoSQL, Python, 多模态安全, 威胁情报, 开发者工具, 无后门, 机器学习, 逆向工具, 钓鱼检测