Référence Développeur

Similarité de Domaine

Consultez la documentation de l'API Similarité de Domaine, ses paramètres de requête, les champs de réponse, les exemples de code et la gestion des erreurs pour les intégrations DomScan.

Similarité de Domaine

Comparez deux domaines pour leur similarité visuelle et textuelle en utilisant plusieurs algorithmes, notamment la distance de Levenshtein, la similarité de Jaro-Winkler et l'analyse visuelle des homoglyphes. Essentiel pour détecter le typosquattage, l'usurpation de marque et les domaines de phishing.

GET /v1/similarity

Paramètres de Requête

Paramètre	Type	Description
domain1 requis	string	Premier domaine (généralement le domaine légitime)
domain2 requis	string	Deuxième domaine (domaine potentiellement suspect)

Algorithmes de Similarité

Algorithme	Description
`levenshtein`	Distance d'édition normalisée (0-1)
`jaro_winkler`	Similarité de chaîne pondérée par préfixe
`visual`	Détection de caractères homoglyphes/ressemblants

Exemple de Requête

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})")

Exemple de Réponse

{
  "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"]
}

Champs de Réponse

Champ	Type
`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