certstreamcatcher

Certstreamcatcher 通过观察证书透明日志来捕获钓鱼网站。此工具基于正则表达式，使用有效标准实时检测钓鱼站点，利用certstream实现，同时也能检测例如 https://www.ṁyetḣerwallet.com 的punycode（IDNA）攻击。 钓鱼示例 Phishing 安装 root@kitploit: $ cd /opt/ $ git clone https://github.com/6IX7ine/certstreamcatcher.git $ cd certstreamcatcher $ npm install npm 包 使用 npm 安装...

URL_CHECKER

URL 钓鱼检查器 一个轻量级的基于Web的工具，利用机器学习（随机森林/SVM）和基于启发式规则的混合方法检测URL是否可能为钓鱼或安全 。 用于网络安全和应用人工智能的教育目的和实验。 概述 钓鱼攻击通常依赖于视觉欺骗和URL操纵。该工具分析URL的结构和内容以判断其恶意意图。 主要特点 实时分析： 接受URL并立即处理。 混合检测： 结合机器学习概率与硬编码安全规则。 可解释性： 返回置信度分数和可读的原因（例如，“发现可疑关键词”）。 性能： 本地缓存结果以减少重复处理。 API支持： 包含用于程序化访问的JSON端点。 工作原理 1. 输入： 用户通过UI或API提交URL。 ...

typodetect

TypoDetect 此工具为蓝队、安全运营中心（SOC）、研究人员和公司提供检测其域名活跃变异的能力，从而阻止这些域名被用于欺诈活动（如钓鱼和短信钓鱼）。 为此，TypoDetect 允许使用 IANA 网站上发布的最新版 TLD（顶级域名）、验证区块链 DNS 中的去中心化域名以及 DoH 服务（基于 HTTPS 的 DNS）中的恶意软件报告。 为了方便用户，TypoDetect 默认以 JSON 格式返回报告，也可根据用户选择以 TXT 格式返回，并在屏幕上显示生成的变异摘要、活跃域名以及检测到的恶意软件或去中心化域名报告。 安装 克隆此仓库： root@kitploit: git...

EmailXpose

EmailXpose AI 驱动的邮件清晰洞察 EmailXpose 是一个开源 AI 系统，用于分析电子邮件，检测网络钓鱼、垃圾邮件、诈骗和恶意软件，同时解读文本、图片和视频中的上下文含义。它将威胁情报、行为分析和多模态符号理解整合到一个统一的检测引擎中，超越了传统安全工具。 🚨 EmailXpose 能做什么 EmailXpose 通过分析收到的电子邮件内容并识别以下内容来保护用户： 网络钓鱼尝试和社会工程攻击 垃圾邮件和未经请求的消息 诈骗模式和欺诈意图 恶意软件和携带木马的附件 操纵性心理语言 图片和视频中的视觉欺骗与符号误导 它提供清晰、可解释的风险评估，让用户不仅了解...

young-domain-guard

🛡️ Young Domain Guard 一个浏览器扩展，当您访问最近注册域名的网站时会发出警报。 🤔 为什么？ 钓鱼和诈骗域名不断被创建和废弃——大多数存活不到一个月就被关闭并替换。传统的黑名单无法跟上，因为新的恶意域名出现速度比它们被编目的速度快。 Young Domain Guard 采取不同的方法：不是维护一个永远过时的黑名单，而是检查您访问的域名的年龄 。如果域名是最近注册的（默认：少于30天），您会收到警告。简单、有效，且始终最新。 ⚙️ 工作原理 1. 🌐 您访问一个网站 2. 🔍 扩展向 RDAP（注册数据访问协议）查询域名的注册日期 3. 🚨...

MurMurHash

MurMurHash この小さなツールは、ファビコンの MurmurHash 値を計算して、Shodan プラットフォーム上でフィッシングウェブサイトをハントするためのものです。 MurMurHash とは？ MurmurHash は、汎用的なハッシュベースのルックアップに適した非暗号化ハッシュ関数です。その名前は、内部ループで使用される2つの基本操作、乗算（MU）とローテーション（R）に由来します。現在のバージョンは MurmurHash3 であり、32ビットまたは128ビットのハッシュ値を生成します。128ビットを使用する場合、x86 と x64...

kit_hunter

Kit Hunter: 基本的なフィッシングキット検出ツール Version 2.6.0 2021年9月28日 テストと開発は Python 3.7.3 Linux で行われました Kit Hunter とは？ Kit Hunter は Python を学ぶための個人的なプロジェクトであり、確立されたマーカーに基づいてディレクトリを検索し、フィッシングキットを特定する基本的なスキャンツールです。検出が行われると、管理者向けのレポートが生成されます。...

Phishruffus

Phishruffus - 智能威胁猎手与钓鱼服务器 Phishruffus 是一款专为识别用于非法钓鱼活动的 DNS 服务器和互联网威胁而设计的工具。 https://lab.insightsecurity.com.br/phishruffus-intelligent-threat-hunter-and-phishing-servers/...

ai-email-threat-research

脅威ターミナル AIが生成したフィッシングメールを人間がどのように検出するかを測定するサイバーセキュリティ研究ゲームです。レトロなターミナル体験として構築されています。 ライブ: research.scottaltiparmak.com 問題 現在、AIは完璧な文法、綺麗なスペル、説得力のある文脈でフィッシングメールを生成できます。古い兆候（壊れた英語、ぎこちない表現、明らかなタイプミス）はもはや通用しません。では、2026年に人間はどのようにフィッシングを検出するのでしょうか？ これは何か Threat...

Malwarebytes earns AV-TEST Top Product award, aces other third-party tests

Our job is to protect people from online threats, and independent testing is one of the best ways to measure how well we’re doing. Malwarebytes nabbed AV-TEST's Top Product award after scoring 17.5 points out of a possible 18 in the research organization's most recent Windows security test. The...

Evaluating and Combating the Impact of Concept Drift on the Performance of Machine Learning-Based Phishing Detection Systems

The expansion of the digital domain has resulted in a substantial increase in digital communication, with email emerging as one of the most prominent channels. The proliferation of email communication is apparent in both professional and personal contexts, thereby creating numerous vulnerabilitie...

A Lightweight Hybrid MLP-Based Framework for Real-Time Phishing URL Detection Using Structural URL Features

Phishing attacks remain a major cybersecurity threat, exploiting deceptive URLs to steal sensitive user information. Traditional blacklist and rule-based detection approaches are reactive and often fail to identify newly emerging phishing URLs. This paper proposes a lightweight hybrid framework f...

Explainable Machine Learning for Phishing Detection on Heterogeneous Datasets with MCP-Enabled Deployment

With the growth in digital transformation and Internet usage, the Social Engineering techniques such as Phishing have become a major concern for the users and the organizations. Phishing attacks involve deceptive techniques to trick users into revealing confidential information that causes...

Phishing Detection in Ethereum Via Temporal Graph Contrastive Learning

Blockchain and decentralized finance have revolutionized the financial ecosystem while simultaneously exposing it to cryptocurrency phishing attacks. Existing phishing detection methods primarily rely on graph learning, but they face significant limitations. Static graph learning approaches fail ...

Context-Aware Phishing Email Detection Using Machine Learning and NLP

Phishing attacks remain among the most prevalent cybersecurity threats, causing significant financial losses for individuals and organizations worldwide. This paper presents a machine learning-based phishing email detection system that analyzes email body content using natural language processing...

The System Prompt Is the Attack Surface: How LLM Agent Configuration Shapes Security and Creates Exploitable Vulnerabilities

System prompt configuration can make the difference between near-total phishing blindness and near-perfect detection in LLM email agents. We present PhishNChips, a study of 11 models under 10 prompt strategies, showing that prompt-model interaction is a first-order security variable: a single...

How to Scale Phishing Detection in Your SOC: 3 Steps for CISOs

Phishing has quietly turned into one of the hardest enterprise threats to expose early. Instead of crude lures and obvious payloads, modern campaigns rely on trusted infrastructure, legitimate-looking authentication flows, and encrypted traffic that conceals malicious behavior from traditional...

A Lightweight Defense Mechanism against Next Generation of Phishing Emails Using Distilled Attention-Augmented BiLSTM

The current generation of large language models produces sophisticated social-engineering content that bypasses standard text screening systems in business communication platforms. Our proposed solution for mail gateway and endpoint deception detection operates in a privacy-protective manner whil...

MemoPhishAgent: Memory-Augmented Multi-Modal LLM Agent for Phishing URL Detection

Traditional phishing website detection relies on static heuristics or reference lists, which lag behind rapidly evolving attacks. While recent systems incorporate large language models LLMs, they are still prompt-based, deterministic pipelines that underutilize reasoning capability. We present...

SecureScan: An AI-Driven Multi-Layer Framework for Malware and Phishing Detection Using Logistic Regression and Threat Intelligence Integration

The growing sophistication of modern malware and phishing campaigns has diminished the effectiveness of traditional signature-based intrusion detection systems. This work presents SecureScan, an AI-driven, triple-layer detection framework that integrates logistic regression-based classification,...