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