MyPhishing-Web:AI 驱动的钓鱼邮件检测可视化平台

什么是 MyPhishing-Web?

MyPhishing-Web 是一款基于 AI 的钓鱼邮件检测网关前端可视化平台,专为它能为安全运营人员提供直观的操作界面,支持钓鱼邮件检测结果展示、威胁情报查询、告警配置、数据统计等功能。

其背后的后端网关 MyPhishing 通过集成多源威胁情报(如 VirusTotal、微步在线)、沙箱技术以及 AI 算法,实现对邮件来源 IP、域名、URL、附件及内容关键字的深度识别、告警与拦截,并支持通过本地知识库持续学习进化。

🚀 核心功能亮点

1. 数据面板:实时监控邮件安全状态

  • • 支持手动 / 自动刷新,可自定义筛选时间范围
  • • 动态展示邮件总数、正常、钓鱼、可疑及人工处理邮件的趋势图表
  • • 统计拦截与告警的频率趋势
  • • 展示最近 20 封邮件的详细记录,包含邮件 ID、发件人 / 收件人、主题、检测结果、AI 分析内容、处理状态

2. 邮件管理:全方位掌握邮件安全态势

  • 多维统计:饼图展示各类邮件(钓鱼、正常、可疑)的占比
  • 趋势分析:分析最近 30 天的邮件累积总量及每日新增变化
  • 风险溯源:提供 TOP 风险接收人和 TOP 风险发件人排名,定位受攻击高危人群及攻击源
  • 记录列表:支持全量数据查询与多条件筛选过滤

3. AI 分析:智能识别钓鱼邮件

  • AI分析:包括邮件来源 IP、域名、URL、附件及内容关键字的识别结果
  • 威胁情报查询:支持查询邮件来源 IP、域名、URL 等信息的威胁情报
  • 告警配置:支持配置告警规则,当检测到钓鱼邮件时触发告警

4. 其他能力开发中ing

💻 技术栈选型

  • 构建工具:Vite(轻量快速的前端构建工具)
  • UI 框架:Tailwind CSS(原子化 CSS 框架)
  • 开发语言:Vue 3 + TypeScript
  • 依赖管理:npm
  • 数据可视化:echarts、chart.js
  • HTTP 客户端:axios
  • 路由管理:vue-router

🛠️ 快速部署指南

环境准备

  • Node.js :16.0+(验证:node -v
  • npm :8.0+(验证:npm -v
  • 后端服务:需确保后端 API 已部署并可正常访问

配置修改(关键步骤)

修改 myphishing-web/.env 文件,配置后端接口地址:

# 前端环境变量
VITE_API_BASE_URL=http://你的后端服务地址:后端端口

`

示例:`

`

VITE_API_BASE_URL=http://127.0.0.1:8000`

部署方式

方式 1:本地开发环境启动(调试用)

# 进入前端项目目录
cd MyPhishing-Web
`

安装依赖`

npm install
`

启动开发服务(支持热更新)`

npm run dev
启动成功后,通过浏览器访问终端输出的地址(如 http://127.0.0.1:3000)。

方式 2:Docker 一键部署(推荐生产环境)

# 进入项目目录
cd MyPhishing-Web
`

构建并启动容器`

docker-compose up -d --build
部署完成后,通过 http://服务器IP:3000 访问。

📈 未来规划

项目目前还有部分功能处于开发状态,后续将持续迭代优化,不断提升钓鱼邮件检测的准确性和用户体验。

如果你对项目感兴趣,欢迎访问 GitHub 仓库了解更多详情,参与贡献或提出宝贵建议!

仓库地址:https://github.com/HaoY-l/MyPhishing-Web

相关推荐
king王一帅1 小时前
Incremark Solid 版本上线:Vue/React/Svelte/Solid 四大框架,统一体验
前端·javascript·人工智能
泰迪智能科技3 小时前
分享|职业技术培训|数字技术应用工程师快问快答
人工智能
Dxy12393102165 小时前
如何给AI提问:让机器高效理解你的需求
人工智能
少林码僧5 小时前
2.31 机器学习神器项目实战:如何在真实项目中应用XGBoost等算法
人工智能·python·算法·机器学习·ai·数据挖掘
钱彬 (Qian Bin)5 小时前
项目实践15—全球证件智能识别系统(切换为Qwen3-VL-8B-Instruct图文多模态大模型)
人工智能·算法·机器学习·多模态·全球证件识别
智航GIS5 小时前
10.4 Selenium:Web 自动化测试框架
前端·python·selenium·测试工具
没学上了6 小时前
CNNMNIST
人工智能·深度学习
宝贝儿好6 小时前
【强化学习】第六章:无模型控制:在轨MC控制、在轨时序差分学习(Sarsa)、离轨学习(Q-learning)
人工智能·python·深度学习·学习·机器学习·机器人
前端工作日常6 小时前
我学习到的A2UI概念
前端
徐同保6 小时前
为什么修改 .gitignore 后还能提交
前端