Riferimento per sviluppatori

Somiglianza di dominio

Consulta la documentazione API di Somiglianza di dominio, i parametri delle richieste, i campi delle risposte, gli esempi di codice e la gestione degli errori per le integrazioni DomScan.

Somiglianza di dominio

Confrontate due domini per somiglianza visiva e testuale utilizzando molteplici algoritmi inclusa la distanza di Levenshtein, la somiglianza di Jaro-Winkler e l'analisi visiva degli omoglifi. Essenziale per rilevare typosquatting, usurpazione di identità di brand e domini di phishing.

GET /v1/similarity

Parametri di query

Parametro	Tipo	Descrizione
domain1 obbligatorio	string	Primo dominio (tipicamente il dominio legittimo)
domain2 obbligatorio	string	Secondo dominio (potenzialmente dominio sospetto)

Algoritmi di somiglianza

Algoritmo	Descrizione
`levenshtein`	Distanza di modifica normalizzata (0-1)
`jaro_winkler`	Somiglianza di stringa ponderata per prefisso
`visual`	Rilevamento di caratteri omoglifi/lookalike

Richiesta di esempio

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})")

Risposta di esempio

{
  "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"]
}

Campi di risposta

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