Referencia para desarrolladores

Similitud de dominios

Consulta la documentación de la API de Similitud de dominios, con parámetros de solicitud, campos de respuesta, ejemplos de código y gestión de errores para integraciones con DomScan.

Similitud de dominios

Compara dos dominios para similitud visual y textual utilizando múltiples algoritmos incluyendo distancia de Levenshtein, similitud Jaro-Winkler y análisis visual de homoglifos. Esencial para detectar typosquatting, suplantación de marca y dominios de phishing.

GET /v1/similarity

Parámetros de consulta

Parámetro	Tipo	Descripción
domain1 obligatorio	string	Primer dominio (normalmente el dominio legítimo)
domain2 obligatorio	string	Segundo dominio (dominio potencialmente sospechoso)

Algoritmos de similitud

Algoritmo	Descripción
`levenshtein`	Distancia de edición normalizada (0-1)
`jaro_winkler`	Similitud de cadenas ponderada por prefijo
`visual`	Detección de homoglifos/caracteres similares

Solicitud de ejemplo

curl -H "X-API-Key: your-api-key" "https://domscan.net/v1/similarity?domain1=paypal.com&domain2=paypa1.com"

import requests

domscan = requests.Session()
domscan.headers.update({"X-API-Key": "your-api-key"})

# 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 = domscan.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})")

Respuesta de ejemplo

{
  "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"]
}

Campos de respuesta

Campo	Tipo
`domain1`	string
`domain2`	string
`overall_similarity`	number
`risk_level`	string
`analysis`	object
`analysis.levenshtein_distance`	integer
`analysis.levenshtein_similarity`	number
`analysis.jaro_winkler_similarity`	number
`analysis.visual_similarity`	number
`analysis.keyboard_distance`	number
`analysis.common_prefix_length`	integer
`analysis.common_suffix_length`	integer
`matching_methods[]`	string[]
`is_potential_typosquat`	boolean
`checked_at`	string
`meta`	object