Phishing Catcher 项目安装与使用教程
2026-01-14 17:31:29作者:昌雅子Ethen
1. 项目目录结构及介绍
Phishing Catcher 项目的目录结构如下:
phishing_catcher/
├── Dockerfile
├── LICENSE
├── README.md
├── catch_phishing.py
├── confusables.py
├── external.yaml
├── requirements.txt
└── suspicious.yaml
目录结构介绍
- Dockerfile: 用于构建 Docker 容器的文件。
- LICENSE: 项目使用的开源许可证文件,本项目使用 GPL-3.0 许可证。
- README.md: 项目的介绍文档,包含项目的安装、配置和使用说明。
- catch_phishing.py: 项目的启动文件,用于捕获可能的钓鱼域名。
- confusables.py: 处理域名混淆的 Python 脚本。
- external.yaml: 用户可自定义的配置文件,用于调整域名评分规则。
- requirements.txt: 项目依赖的 Python 包列表。
- suspicious.yaml: 默认的配置文件,包含域名评分的关键字和阈值。
2. 项目的启动文件介绍
catch_phishing.py
catch_phishing.py 是 Phishing Catcher 项目的启动文件,负责捕获可能的钓鱼域名。该脚本通过 Certstream API 监听 TLS 证书的颁发事件,并根据配置文件中的评分规则判断域名是否可疑。
启动命令
$ python catch_phishing.py
3. 项目的配置文件介绍
suspicious.yaml
suspicious.yaml 是 Phishing Catcher 的默认配置文件,包含两个主要的 YAML 字典:keywords 和 tlds。这些字典中的键是字符串,值是评分。当 TLS 证书的域名中包含这些字符串时,会根据评分规则进行评分。
external.yaml
external.yaml 是用户可自定义的配置文件,用于覆盖或添加新的评分规则。用户可以根据需要调整或添加字符串及其对应的评分。
配置示例
keywords:
'login': 25
在这个示例中,当域名中包含 login 字符串时,会添加 25 分。如果总评分超过设定的阈值,该域名将被标记为可疑。
评分阈值
- 65 分: 潜在可疑
- 80 分: 可能可疑
- 90 分: 高度可疑
通过调整配置文件中的评分规则,用户可以自定义 Phishing Catcher 的行为,以适应不同的检测需求。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
684
1.33 K
Ascend Extension for PyTorch
Python
719
882
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609