PhishLink Analyzer

API REST para deteccao de phishing em URLs utilizando Machine Learning. O servico extrai mais de 50 features de uma URL, incluindo padroes estruturais, caracteristicas de dominio e sinais do conteudo da pagina, e classifica como phishing ou legitima atraves de um modelo Gradient Boosting.

---

Funcionalidades

• Classificacao de URLs como phishing ou legitima com score de confianca
• 53 features engenheiradas: estrutura da URL, dominio e conteudo HTML
• Endpoint para analise individual e em lote
• Treinamento com K-Fold cross-validation e tuning via GridSearchCV

---

Tecnologias

Componente	Tecnologia
Linguagem	Python 3.12+
Framework Web	Flask
ML	scikit-learn (GradientBoostingClassifier)
Extracao de Features	tldextract, BeautifulSoup4, Requests
Dados	pandas, NumPy
Gerenciador de Pacotes	uv

---

Como Usar

Pre-requisitos

• Python 3.12 ou superior
• uv (recomendado) ou pip

Instalacao

1. Clone o repositorio:

git clone https://github.com/jpaullopes/phishlink-analyzer.git
cd phishlink-analyzer

1. Crie o ambiente virtual e instale as dependencias:

uv venv
source .venv/bin/activate
uv pip install -e .

1. Baixe o dataset do Kaggle:

   Phishing URL Dataset -- baixe Training.parquet e Testing.parquet e coloque em src/data/.

2. Treine o modelo:

python src/core/train_model.py

1. Inicie o servidor:

flask --app app run --host 0.0.0.0 --port 5000

A API estara disponivel em http://localhost:5000.

---

Exemplo de Uso

Para analisar uma URL, envie uma requisicao POST para o endpoint /analyze. Se quiser analisar em lote, envie uma requisicao POST para o endpoint /analyze/batch.

Exemplo:

curl -X POST http://localhost:5000/analyze \
     -H "Content-Type: application/json" \
     -d '{"url": "https://www.google.com"}'

Resposta:

{
  "url": "https://www.google.com",
  "analise_ml": {
    "previsao": "legitimate",
    "confianca": "98%"
  }
}

---

Licenca

Este projeto esta licenciado sob a licenca MIT. Veja o arquivo LICENSE para mais detalhes.