Entwickler-Referenz

Domain-Ähnlichkeit API-Dokumentation

Domain-Ähnlichkeit API-Dokumentation: Vergleichen Sie zwei Domains auf visuelle und textuelle Ähnlichkeit mit mehreren Algorithmen, einschließlich Levenshtein-Distanz, Jaro-Winkler-Ähnlichkeit und visueller Homoglyph-Analyse. Essentiell für die Erkennung von Typosquatting, Markenpersonifikation und Phishing-Domains.

Domain-Ähnlichkeit

Vergleichen Sie zwei Domains auf visuelle und textuelle Ähnlichkeit mit mehreren Algorithmen, einschließlich Levenshtein-Distanz, Jaro-Winkler-Ähnlichkeit und visueller Homoglyph-Analyse. Essentiell für die Erkennung von Typosquatting, Markenpersonifikation und Phishing-Domains.

GET /v1/similarity

Abfrageparameter

Parameter	Typ	Beschreibung
domain1 erforderlich	string	Erste Domain (normalerweise die legitime Domain)
domain2 erforderlich	string	Zweite Domain (möglicherweise verdächtige Domain)

Ähnlichkeits-Algorithmen

Algorithmus	Beschreibung
`levenshtein`	Bearbeitungsentfernung normalisiert (0-1)
`jaro_winkler`	Präfix-gewichtete String-Ähnlichkeit
`visual`	Homoglyph/Lookalike-Zeichen-Erkennung

Beispielanfrage

curl "https://domscan.net/v1/similarity?domain1=paypal.com&domain2=paypa1.com"

import requests

# Check multiple suspicious domains
legit = "paypal.com"
suspects = ["paypa1.com", "paypaI.com", "pаypal.com"]  # Note: last one has Cyrillic 'а'

for suspect in suspects:
    response = requests.get(
        "https://domscan.net/v1/similarity",
        params={"domain1": legit, "domain2": suspect}
    )
    data = response.json()
    print(f"{suspect}: {data['typosquatting_risk']} risk (visual: {data['similarity']['visual']:.2f})")

Beispielantwort

{
  "domain1": "paypal.com",
  "domain2": "paypa1.com",
  "similarity": {
    "levenshtein": 0.86,
    "jaro_winkler": 0.93,
    "visual": 0.95
  },
  "is_similar": true,
  "typosquatting_risk": "high",
  "homoglyphs_detected": ["l → 1"],
  "risk_factors": ["character_substitution", "high_visual_similarity"]
}

Antwort-Felder

Feld	Typ
`domain1`	string
`domain2`	string
`similarity_score`	number
`visual_similarity`	number
`textual_similarity`	number
`is_confusable`	boolean
`risk_level`	string