isphishing 2.0.1

AI-powered phishing detector for URLs and emails

Phishing Detector

Detecteur de phishing base sur le Machine Learning et la Programmation Orientee Objet en Python. Detecte les URLs et emails de phishing en temps reel depuis nimporte ou dans le terminal.

Installation via PyPI (recommande)

pip install isphishing
isphishing-setup
isphishing

Installation via GitHub

Linux / Mac

git clone https://github.com/f3d4yn/phishing-detector.git
cd phishing-detector
chmod +x install.sh
./install.sh
source ~/.bashrc

Windows

git clone https://github.com/f3d4yn/phishing-detector.git
cd phishing-detector
install.bat

Redemarre le terminal apres installation puis tape : isphishing

Performance des modeles

Deux modeles specialises sont utilises : un pour les URLs et un pour les emails.

Modele URL

Metrique	Score
Exactitude	92.33%
Precision	93.87%
Rappel	90.57%
F1 Score	92.19%
ROC AUC	97.85%

Modele Email

Metrique	Score
Exactitude	98.17%
Precision	97.69%
Rappel	98.67%
F1 Score	98.18%
ROC AUC	99.82%

Entraine sur 663 766 echantillons (564 970 URLs + 98 796 Emails)

Architecture POO

• BaseInput : Classe abstraite (ABC)
• EmailInput : Heritage + validate()
• URLInput : Heritage + extract_domain()
• FeatureExtractor : Extraction de 38 features (URL + texte)
• MLModel : XGBoost (2000 arbres, early stopping)
• PhishingDetector : Orchestrateur principal + whitelist
• ThreatReport : Score + Label + Raisons
• AlertSystem : Alertes colorees + Logs JSON

Fonctionnalites

• Detection d URLs et emails de phishing en temps reel
• Deux modeles XGBoost specialises (URL et Email)
• 38 features extraites par analyse (longueur URL, entropie domaine, mots suspects, etc.)
• Whitelist de domaines et expéditeurs de confiance
• Logs JSON automatiques des alertes detectees
• Interface terminal coloree

Lancer les tests

source venv/bin/activate
python -m unittest discover tests/

Reentrainer le modele

Les datasets ne sont pas inclus dans le depot.

1. Telecharge les datasets sur Kaggle :

   • URLs : Web Page Phishing Detection Dataset
   • Emails: Phishing Email Dataset

2. Place-les dans data/ :

   • data/all_urls.csv
   • data/all_emails.csv

3. Lance l entrainement :

   python train.py
   

   Deux modeles seront generes :

   • models/model_url.pkl
   • models/model_email.pkl

Auteurs

Habib Ilyas et Boukyod Abdessamad Module : Programmation Avancee (Python POO)

PyPI

https://pypi.org/project/isphishing/