Skip to content
KitploitKITPLOIT
उपकरणब्लॉग
जमा करें
उपकरणब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

··फ़ीड·संपर्क·गोपनीयता·© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
URL_CHECKER — हाइब्रिड ML और अनुमान-आधारित URL फ़िशिंग डिटेक्टर जिसमें रीयल-टाइम विश्लेषण, व्याख्यात्मक आत्मविश्वास स्कोर, और प्रोग्रामेटिक सुरक्षा परीक्षण के लिए REST API शामिल है। | Kitploit
उपकरण/GitHubGitHub/mannansainicyber/url_checker
भेद्यता विश्लेषणएपीआई सुरक्षा परीक्षणफिशिंगवेब सुरक्षामशीन लर्निंगलर्निंग और शिक्षा
GitHubmannansainicyber/url_checker

URL_CHECKER

हाइब्रिड ML और अनुमान-आधारित URL फ़िशिंग डिटेक्टर जिसमें रीयल-टाइम विश्लेषण, व्याख्यात्मक आत्मविश्वास स्कोर, और प्रोग्रामेटिक सुरक्षा परीक्षण के लिए REST API शामिल है।

रिपॉजिटरी देखें
135 महीने पहलेअभी तक समीक्षित नहीं

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →
साझा करें

URL फ़िशिंग जाँचकर्ता

Python Flask Scikit-Learn License

एक हल्का, वेब-आधारित उपकरण जो मशीन लर्निंग (रैंडम फॉरेस्ट/SVM) और ह्यूरिस्टिक नियम-आधारित विश्लेषण के हाइब्रिड दृष्टिकोण का उपयोग करके यह पता लगाता है कि कोई URL संभावित रूप से फ़िशिंग या सुरक्षित है या नहीं।

शैक्षिक उद्देश्यों और साइबर सुरक्षा तथा अनुप्रयुक्त AI में प्रयोग के लिए निर्मित।


अवलोकन

फ़िशिंग हमले अक्सर दृश्य धोखे और URL हेरफेर पर निर्भर करते हैं। यह उपकरण किसी URL की संरचना और सामग्री का विश्लेषण करके उसके दुर्भावनापूर्ण इरादे का निर्धारण करता है।

मुख्य विशेषताएँ

  • वास्तविक समय विश्लेषण: एक URL स्वीकार करता है और तुरंत उसे संसाधित करता है।
  • हाइब्रिड पहचान: ML संभाव्यता को हार्ड-कोडेड सुरक्षा नियमों के साथ जोड़ता है।
  • व्याख्याक्षमता: एक विश्वास स्कोर और मानव-पठनीय कारण लौटाता है (जैसे, "संदिग्ध कीवर्ड मिले")।
  • प्रदर्शन: अनावश्यक प्रसंस्करण को कम करने के लिए परिणामों को स्थानीय रूप से कैश करता है।
  • API समर्थन: प्रोग्रामेटिक पहुंच के लिए एक JSON एंडपॉइंट शामिल है।

यह कैसे काम करता है

  1. इनपुट: उपयोगकर्ता UI या API के माध्यम से एक URL सबमिट करता है।
  2. सामान्यीकरण: URL को साफ किया जाता है और मानक घटकों को पार्स किया जाता है।
  3. फीचर निष्कर्षण: सिस्टम संख्यात्मक और श्रेणीगत विशेषताओं (जैसे, लंबाई, विशेष वर्ण संख्या, डोमेन आयु) निकालता है।
  4. पूर्वानुमान: * ML मॉडल एक संभाव्यता स्कोर की गणना करता है। * नियम-आधारित तर्क ज्ञात खतरे के संकेतों के लिए स्कैन करता है।
  5. आउटपुट: एक JSON प्रतिक्रिया निर्णय के साथ लौटाई जाती है और भविष्य की खोजों के लिए कैश की जाती है।

Alt text


सेटअप

  1. रिपॉजिटरी को क्लोन करें
  2. निर्भरताएँ स्थापित करें: pip install -r requirements.txt
  3. Kaggle से डेटासेट डाउनलोड करें और dataset_phishing.csv को रूट में रखें
  4. model.pkl उत्पन्न करने के लिए python retrain.py चलाएँ
  5. python app.py चलाएँ

तकनीकी स्टैक

  • कोर: Python 3.x
  • वेब फ्रेमवर्क: Flask
  • मशीन लर्निंग: scikit-learn, pandas, joblib
  • आर्किटेक्चर: REST API + सरल HTML/CSS फ्रंटएंड

⚠️ अस्वीकरण

  • केवल शैक्षिक उपयोग: यह उपकरण फ़िशिंग हमलों के विरुद्ध 100% सुरक्षा की गारंटी नहीं देता है।

  • पूर्वानुमान संभाव्य हैं और उपयोग किए गए प्रशिक्षण डेटा पर आधारित हैं।

  • गलत सकारात्मक (सुरक्षित साइटों को फ़िशिंग के रूप में चिह्नित) और गलत नकारात्मक (फ़िशिंग साइटों को सुरक्षित के रूप में चिह्नित) हो सकते हैं।

  • इस उपकरण को अपने एकमात्र सुरक्षा उपाय के रूप में न भरोसा करें।

टूल डाउनलोड करें