钓鱼邮件智能检测系统

作品简介

📋 项目简介

本项目是一个基于机器学习的钓鱼邮件智能检测系统，采用多种机器学习算法对邮件进行分类，能够有效识别正常邮件、垃圾邮件和钓鱼邮件。系统提供Web界面和API接口，支持单邮件检测、批量检测、附件风险分析等功能。

核心功能

  • 🔍 智能邮件检测 - 基于随机森林等多种机器学习算法进行邮件分类
  • 📁 多格式支持 - 支持 .eml 和 .json 格式的邮件文件
  • 🖥️ Web管理界面 - 基于Flask的直观Web界面
  • 📊 多模型对比 - 支持多种机器学习模型的训练和对比
  • 📈 数据统计分析 - 提供详细的检测统计和可视化报告
  • 🔒 附件风险分析 - 自动分析附件文件的安全风险等级
  • 📝 文本检测 - 支持直接输入邮件文本进行实时检测
  • 📦 批量处理 - 支持批量上传和检测多个邮件文件

🚀 快速开始

环境要求

  • Python 3.8+
  • pip 包管理器
  • 2GB+ 可用内存

安装步骤

  1. 克隆项目
git clone https://github.com/yourusername/phishing-email-detector.git
cd phishing-email-detector/phishing_email_detector
  1. 安装依赖
pip install -r requirements.txt
  1. 运行应用
python app.py
  1. 访问系统 打开浏览器访问 http://localhost:5000

📁 项目结构

phishing_email_detector/
├── app.py                      # Flask应用主入口
├── config.py                   # 系统配置文件
├── requirements.txt            # Python依赖包
├── models/                     # 模型相关模块
│   ├── phishing_model.py       # 钓鱼邮件检测模型
│   ├── feature_extractor.py    # 特征提取器
│   ├── database.py             # 数据库管理
│   ├── trec06c_processor.py    # TREC06C数据集处理器
│   ├── model_comparison.py     # 多模型对比
│   └── email_parser.py         # 邮件解析器
├── utils/                      # 工具模块
│   ├── logger.py               # 日志管理
│   ├── data_processor.py       # 数据处理
│   └── feature_extractor.py    # 特征提取工具
├── templates/                  # HTML模板
│   ├── index.html              # 首页
│   ├── upload.html             # 单文件上传
│   ├── batch_upload.html       # 批量上传
│   ├── text_detection.html     # 文本检测
│   ├── train_model.html        # 模型训练
│   ├── dataset_view.html       # 数据集查看
│   └── attachment_analysis.html # 附件分析
├── static/                     # 静态资源
│   ├── css/
│   ├── js/
│   └── images/
├── logs/                       # 日志文件
└── models_saved/               # 保存的模型文件

🔧 技术栈

后端框架

  • Flask - Web应用框架
  • SQLite - 轻量级数据库

机器学习

  • scikit-learn - 机器学习库
  • Random Forest (随机森林)
  • SVM (支持向量机)
  • Logistic Regression (逻辑回归)
  • Naive Bayes (朴素贝叶斯)
  • XGBoost
  • NumPy/Pandas - 数据处理
  • NLTK/jieba - 自然语言处理

前端技术

  • HTML5/CSS3/JavaScript
  • Bootstrap - UI框架
  • Chart.js - 数据可视化
  • ECharts - 图表库

其他工具

  • BeautifulSoup - HTML解析
  • email-validator - 邮件验证
  • wordcloud - 词云生成








创作时间：