Skip to content
KitploitKITPLOIT
OutilsBlog
Soumettre
OutilsBlog
Soumettre

Outils de Hacking, PenTest et Cybersécurité pour votre Arsenal de Sécurité !

Kitploit est un répertoire d'outils de hacking, de cybersécurité et de pentesting. Découvrez les dernières mises à jour des projets pour trouver des vulnérabilités, analyser des systèmes, automatiser les tests et renforcer votre sécurité.

··Flux·Contact·Confidentialité·© 2026 Kitploit

Répertoire d'outils

Catégories

Voir toutes les catégories
Loading categories
URL_CHECKER — Détecteur de phishing d'URL hybride basé sur l'apprentissage automatique et heuristique avec analyse en temps réel, scores de confiance explicables et API REST pour les tests de sécurité programmatiques. | Kitploit
Outils/GitHubGitHub/mannansainicyber/url_checker
Analyse des VulnérabilitésTests de Sécurité des APIHameçonnageSécurité WebApprentissage AutomatiqueApprentissage et Éducation
GitHubmannansainicyber/url_checker

URL_CHECKER

Détecteur de phishing d'URL hybride basé sur l'apprentissage automatique et heuristique avec analyse en temps réel, scores de confiance explicables et API REST pour les tests de sécurité programmatiques.

Voir le dépôt
13il y a 5 moisPas encore vérifié

Populaires

Voir tout →

Découvrez les outils les plus utilisés par notre communauté.

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →
Partager

Vérificateur d'URL de phishing

Python Flask Scikit-Learn License

Un outil léger basé sur le web qui détecte si une URL est probablement du phishing ou sécurisée en utilisant une approche hybride d'apprentissage automatique (Random Forest/SVM) et d'analyse heuristique basée sur des règles.

Conçu à des fins éducatives et d'expérimentation en cybersécurité et en IA appliquée.


Aperçu

Les attaques de phishing reposent souvent sur la tromperie visuelle et la manipulation d'URL. Cet outil analyse la structure et le contenu d'une URL pour déterminer son intention malveillante.

Fonctionnalités clés

  • Analyse en temps réel : Accepte une URL et la traite instantanément.
  • Détection hybride : Combine la probabilité ML avec des règles de sécurité codées en dur.
  • Explicabilité : Renvoie un score de confiance et des raisons lisibles (ex. "Mots-clés suspects trouvés").
  • Performance : Met en cache les résultats localement pour réduire les traitements redondants.
  • Support API : Inclut un point de terminaison JSON pour un accès programmatique.

  • Comment ça marche

    1. Entrée : L'utilisateur soumet une URL via l'interface utilisateur ou l'API.
    2. Normalisation : L'URL est nettoyée et les composants standards sont analysés.
    3. Extraction de caractéristiques : Le système extrait des caractéristiques numériques et catégorielles (ex. longueur, nombre de caractères spéciaux, âge du domaine).
    4. Prédiction : * Le modèle ML calcule un score de probabilité.
      • La logique basée sur des règles recherche les signaux d'alarme connus.
    5. Sortie : Une réponse JSON est renvoyée avec le verdict et mise en cache pour les futures consultations.

    Alt text


    Installation

    1. Clonez le dépôt
    2. Installez les dépendances : pip install -r requirements.txt
    3. Téléchargez le jeu de données depuis Kaggle et placez dataset_phishing.csv dans le répertoire racine
    4. Exécutez python retrain.py pour générer model.pkl
    5. Exécutez python app.py

    Stack technique

    • Cœur : Python 3.x
    • Framework web : Flask
    • Apprentissage automatique : scikit-learn, pandas, joblib
    • Architecture : API REST + Interface frontend simple HTML/CSS

    ⚠️ Avertissement

    • Usage éducatif uniquement : Cet outil ne garantit pas une protection à 100 % contre les attaques de phishing.

    • Les prédictions sont probabilistes et basées sur les données d'entraînement utilisées.

    • Des faux positifs (sites sécurisés marqués comme phishing) et des faux négatifs (sites de phishing marqués comme sécurisés) peuvent se produire.

    • Ne vous fiez pas à cet outil comme seule mesure de sécurité.

    Télécharger l’outil