PhishFusion
PhishFusion — تشخیص چندوجهی فیشینگ — تشخیص فیشینگ چندوجهی از URL و اسنپشات HTML با چهار شاخه مدل و fusion کالیبرهشده.
این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: امنیت سایبری · هاب دموها.
دموی نمونه تعاملیبرای مدیر: نتیجه کسبوکار
اسکنر URL بهتنهایی کمپینهای صفحه جعلی و برند را از دست میداد؛ false positive روی دامنههای جدید بالا بود.
چهار شاخه (tabular، Char-CNN، Transformer، Visual) با late fusion کالیبره؛ ROC-AUC حدود ۰.۹۹ روی holdout گروهی.
- ROC-AUC ≥ ۰.۹۹ (synthetic group-split)
- Macro F1 ≥ ۰.۹۵
- ECE < ۰.۱۲
- ~۲۰۰ ms inference CPU
«قبل از کلیک کاربر، صفحه جعلی درگاه پرداخت با توضیح SHAP مشخص میشود — نه فقط امتیاز سیاهجعبه.»
مستندات عمومی
چه میکند؟
PhishFusion یکی از محصولات پورتفولیوی هوش مصنوعی آریا اِیآی است که برای تصمیمگیری عملیاتی سازمانهای ایرانی و بینالمللی طراحی شده. نسخه عمومی روی Hugging Face یک دموی نمونه است؛ نسخه تولید با یکپارچهسازی داده، SSO و audit trail استقرار مییابد.
مخاطب غیرفنی میتواند KPI قبل/بعد، کاربرد صنعت و مسیر پایلوت را ببیند؛ مخاطب فنی pipeline، متریک قابل بازتولید و لینک Space/Model/Dataset را دنبال میکند.
درخواست پایلوت از طریق فرم تماس سایت با ذکر علاقه به PhishFusion ثبت میشود تا محدوده داده، قیود و معیار موفقیت مشخص گردد.
چه کسی از آن استفاده میکند؟
مدیران عملیات، CISO، برنامهریزان تولید، لجستیک، مالی و تیمهای مهندسی که باید تصمیم را هم برای هیئتمدیره و هم برای اجرای فنی توضیح دهند.
خروجی دمو «نمونه تعاملی» است؛ آپلود زنده فایل سازمانی روی Space عمومی توصیه نمیشود.
کاربرد در صنایع
بانک، بیمه و فینتک
کاهش ریسک تقلب، فیشینگ و نفوذ در کانالهای دیجیتال و تسریع triage SOC. پوشش فیشینگ برند، درگاه جعلی و صفحات کپیشده در بانک و تجارت الکترونیک.
نفت، گاز و انرژی
پایش تهدید IT/OT، اولویتبندی آسیبپذیری و پاسخ حادثه در تأسیسات حیاتی.
مخابرات و مراکز داده
طبقهبندی ترافیک، شکار تهدید و کاهش alert fatigue در شبکه بزرگ.
دولت و زیرساخت حیاتی
همبستگی IOC، پوشش MITRE و گزارشدهی برای تیمهای SOC ملی و سازمانی.
بهداشت و درمان
محافظت از داده بیمار، ایمیل و endpoint بدون افشای PII در دمو عمومی.
خردهفروشی و تجارت الکترونیک
تشخیص کمپین فیشینگ، بدافزار و سوءاستفاده از وب/اپلیکیشن فروش.
برای مهندس: Pipeline و معماری
URL + HTML snapshot → tabular / Char-CNN / Transformer / Visual CNN → calibrated late fusion → SHAP → verdict
معماری مرجع: URL + HTML snapshot → tabular / Char-CNN / Transformer / Visual CNN → calibrated late fusion → SHAP → verdict. اجزا روی CPU قابل اجرا هستند تا دمو و استقرار اولیه بدون GPU اجباری باشد.
خروجیها شامل امتیاز/برنامه، توضیحپذیری و ردپای تصمیم برای بازبینی انسانی است. آموزش و ارزیابی از corpus مستند پروژه پیروی میکند.
برای تولید: Docker، متغیر محیطی، و اتصال به سامانه موجود (ERP، SIEM، WMS، APS) طبق معماری هر repo انجام میشود.
پشته فنی
- Python
- scikit-learn
- LightGBM / PyTorch
- FastAPI
- Gradio
- Docker
متریکهای قابل بازتولید
| بنچمارک | جزئیات | نتیجه |
|---|---|---|
| ROC-AUC | campaign group-split 600 test | ≥ 0.99 |
| PR-AUC | phishing vs benign | ≥ 0.99 |
| Macro F1 | balanced | ≥ 0.95 |
| Latency | CPU multimodal | ~200 ms |
سوالات پرتکرار
PhishFusion چه مسئلهای را حل میکند؟
PhishFusion برای «ادغام کالیبرهشده امتیاز URL، HTML و جدول برای فیشینگ» است. تشخیص فیشینگ چندوجهی از URL و اسنپشات HTML با چهار شاخه مدل و fusion کالیبرهشده. این صفحه دموی POC است نه سامانه تحویلی.
ورودی و خروجی PhishFusion چیست؟
ورودی: امتیاز شاخهها و ویژگی همزمان. خروجی قابل نقلقول: امتیاز نهایی با قابلیت توضیح. متریک Hub بدون حجم نمونه سازمان SLA نیست.
آیا Space عمومی PhishFusion جایگزین استقرار سازمانی است؟
خیر. Hugging Face برای ارزیابی است. شکست رایج: وزن شاخه غالب روی صفحه مشروع پیچیده. production یعنی on-prem یا VPC و کنترل دسترسی.
چطور پایلوت را شروع کنیم؟
فرم تماس خانه (سازمان، صنعت، شرح مسئله) را بفرستید. قیمت در صفحه دمو اعلام نمیشود.