clementbouni-arch/darija-phishing-detector

# 🛡️ Darija-French Phishing Detector **Détection d'ingénierie sociale (phishing) générée par IA dans des communications code-switchées Darija-Français**, avec évaluation critique de la robustesse adversariale. Prototype de recherche pour le projet *"Detection of AI-Generated Social Engineering in Code-Switched Darija-French Communications"*. > ⚠️ **Statut : prototype de recherche sur données synthétiques.** > Le pipeline est fonctionnel de bout en bout (génération → features → > entraînement → test adversarial → API), mais le corpus est généré par > template, pas collecté sur du réel. Voir Limites. --- ## 📌 Description Ce projet propose un pipeline complet pour détecter, dans des messages mêlant darija, français et arabe standard, trois catégories : | Label | Description | |---|---| | `legitimate` | Message normal (personnel, professionnel, notification bancaire légitime) | | `phishing_human` | Tentative de phishing écrite par un humain (fautes, urgence, majuscules) | | `phishing_ai` | Tentative de phishing générée par IA (fluide, sans faute, ton corporate poli) | Le classifieur combine : - **TF-IDF mots + caractères** (capture les motifs multilingues sans tokenizer spécifique à une langue) - **Features structurelles/stylométriques interprétables** : présence d'URL/IP, urgence, demande de identifiants, ratio de majuscules, ratio de fautes, ratio de code-switching darija/français/arabe, salutation générique, etc. - **Régression logistique** — choisie pour l'interprétabilité (coefficients lisibles), contrairement à un transformer boîte noire. Le point scientifique central du projet : le modèle atteint 100% d'accuracy sur le split test synthétique, **mais sa précision s'effondre à 20 %** face à des paraphrases adversariales manuelles (suppression des mots-clés d'urgence, reformulation des salutations, obfuscation des URLs) — démontrant que les signaux lexicaux de surface ne sont **pas robustes** à la reformulation, ce qui justifie le passage futur à des embedd …