| """Fixtures compartilhadas da suíte do AIDA. |
| |
| Duas decisões guiam este arquivo: |
| |
| **Nada aqui carrega modelo.** Subir o pipeline real levaria dezenas de segundos |
| por sessão e exigiria os `.joblib` treinados no disco — a suíte deixaria de |
| rodar em qualquer máquina limpa e em CI. Onde o teste precisa de um pipeline, |
| usamos um dublê com o mesmo contrato. |
| |
| **Nada aqui escreve fora do `tmp_path`.** Os módulos de cache e de artefatos |
| resolvem seus diretórios na importação (`from ... import CACHE_ANALISES_DIR`), |
| então a redireção acontece por `monkeypatch.setattr` no módulo já importado — |
| trocar a variável em `aida.configuracao` depois do import não teria efeito. |
| """ |
|
|
| from __future__ import annotations |
|
|
| import sys |
| from pathlib import Path |
|
|
| import pytest |
|
|
| RAIZ = Path(__file__).resolve().parents[1] |
| if str(RAIZ) not in sys.path: |
| sys.path.insert(0, str(RAIZ)) |
|
|
|
|
| |
| |
| |
|
|
|
|
| @pytest.fixture |
| def criar_imagem(tmp_path): |
| """Gera um JPEG pequeno com conteúdo real (não uma cor sólida). |
| |
| Cor sólida quebraria os testes dos métodos forenses de um jeito enganoso: |
| gradiente e ruído residual ficariam identicamente nulos, e a normalização |
| por percentis não teria o que separar. |
| """ |
| import numpy as np |
| from PIL import Image |
|
|
| def _criar(nome: str = "amostra.jpg", lado: int = 96, semente: int = 7) -> Path: |
| rng = np.random.default_rng(semente) |
| eixo = np.linspace(0, 255, lado, dtype=np.float64) |
| base = np.stack( |
| [ |
| np.tile(eixo, (lado, 1)), |
| np.tile(eixo.reshape(-1, 1), (1, lado)), |
| np.full((lado, lado), 128.0), |
| ], |
| axis=-1, |
| ) |
| base += rng.normal(0, 12, base.shape) |
| arr = np.clip(base, 0, 255).astype("uint8") |
|
|
| destino = tmp_path / nome |
| Image.fromarray(arr).save(destino, quality=88) |
| return destino |
|
|
| return _criar |
|
|
|
|
| |
| |
| |
|
|
|
|
| @pytest.fixture |
| def cache(tmp_path, monkeypatch): |
| """`aida.inferencia.cache_analise` apontando para um diretório descartável.""" |
| from aida.inferencia import cache_analise |
|
|
| pasta = tmp_path / "cache_analises" |
| indice = pasta / "por_conteudo" |
| pasta.mkdir(parents=True, exist_ok=True) |
| indice.mkdir(parents=True, exist_ok=True) |
|
|
| monkeypatch.setattr(cache_analise, "CACHE_ANALISES_DIR", pasta) |
| monkeypatch.setattr(cache_analise, "CACHE_ANALISES_INDICE_DIR", indice) |
| |
| |
| monkeypatch.delenv("AIDA_CACHE_TTL_H", raising=False) |
| return cache_analise |
|
|
|
|
| |
| |
| |
|
|
|
|
| @pytest.fixture |
| def payload_analise(): |
| """Resposta do pipeline, no formato que `site_api/app.py` devolve. |
| |
| Os valores imitam um caso INCONCLUSIVO de propósito: é o estado que as |
| integrações mais esquecem de tratar, e o que a interface tem mais chance de |
| exibir errado. |
| """ |
| from aida.configuracao import CONFIG |
|
|
| def _payload(id_analise: str = "ANALISE-0001", **sobrescritas): |
| base = { |
| "id_analise": id_analise, |
| "nome_imagem": f"{id_analise}.jpg", |
| "nome_imagem_original": "foto-do-usuario.jpg", |
| "caminho_imagem": "/tmp/servidor/interno/foto.jpg", |
| "data_hora": "2026-08-16 10:00:00", |
| "duracao_s": 1.42, |
| "resultado": "INCONCLUSIVO", |
| "inconclusivo": True, |
| "fora_de_dominio": False, |
| "probabilidade_ia": 0.4123, |
| "probabilidade_real": 0.5877, |
| "probabilidade_ia_exibicao": 0.48, |
| "probabilidade_real_exibicao": 0.52, |
| "probabilidade_ia_conteudo": 0.44, |
| "limiar": 0.4816, |
| "limiar_exibicao": 0.5, |
| "banda_inconclusiva": [0.30, 0.66], |
| "banda_inconclusiva_exibicao": [0.32, 0.68], |
| "confianca": "baixa", |
| "motivos": ["a probabilidade caiu dentro da banda de abstenção"], |
| "titulo": "Resultado inconclusivo", |
| "explicacao": "Os módulos não convergiram.", |
| "ressalva": "Este resultado é indício, não prova.", |
| "limitacoes": ["Imagem pouco nítida."], |
| "avisos_qualidade": ["Compressão alta."], |
| "avisos_sistema": [], |
| "scores_modulos": {"forense": 0.31, "clip": 0.55}, |
| "fusao": {"metodo": "media", "calibrado": False, "desacordo": 0.24}, |
| "qualidade": {"qualidade_score": 0.62, "qualidade_nitidez": 0.4}, |
| "proveniencia": { |
| "status": "NO_PROVENANCE_FOUND", |
| "c2pa_presente": False, |
| "declaracao_ia": False, |
| "softwares": [], |
| "evidencias": [], |
| "atribuicao": {"gerador": "desconhecido"}, |
| "metadados_presentes": {"exif": True, "xmp": False, "iptc": False, "campos": 50}, |
| }, |
| "atribuicao_gerador": {"gerador": "desconhecido", "confianca": 0.0}, |
| "divergencia": None, |
| "evidencias": { |
| "arquivos": { |
| "gradiente": f"/disco/servidor/{id_analise}_gradiente.png", |
| "espectro_magnitude": f"/disco/servidor/{id_analise}_espectro_magnitude.png", |
| }, |
| "patches_suspeitos": [], |
| "perfil_radial": [1.0, 0.8, 0.6], |
| "perfil_angular": [0.2, 0.3], |
| }, |
| "metadados": { |
| "arquivo": f"{id_analise}.jpg", |
| "extensao": ".jpg", |
| "formato_pil": "JPEG", |
| "modo": "RGB", |
| "bytes": 53333, |
| "largura": 576, |
| "altura": 1024, |
| "pixels": 589824, |
| "bits_por_pixel": 0.72, |
| "jpeg_qualidade_estimada": 88.0, |
| "progressivo": 0, |
| "subamostragem": 2, |
| "tem_exif": 0, |
| "qtd_exif": 0, |
| "tem_icc": 0, |
| }, |
| "hash_sha256": "a" * 64, |
| "modelo_utilizado": "media", |
| "modo_rapido": False, |
| "versao_modelo": CONFIG.execucao.versao_modelo, |
| "principais_metricas": {f"caracteristica_{i}": float(i) for i in range(853)}, |
| } |
| base.update(sobrescritas) |
| return base |
|
|
| return _payload |
|
|
|
|
| |
| |
| |
|
|
|
|
| @pytest.fixture |
| def cliente_api(tmp_path, monkeypatch, cache, payload_analise): |
| """Cliente de teste da API, sem carregar modelo nenhum. |
| |
| `site_api/app.py` instancia o pipeline na importação. O dublê é injetado no |
| módulo de origem **antes** do import, que é o único ponto em que a |
| substituição ainda é vista pelo `from ... import` do app. |
| """ |
| import importlib |
|
|
| from aida.inferencia import pipeline as modulo_pipeline |
|
|
| class PipelineDuble: |
| """Mesmo contrato que `site_api/app.py` consome do pipeline real.""" |
|
|
| def __init__(self, *_args, **kwargs): |
| self.modulos = type("Modulos", (), {"disponiveis": ("forense",)})() |
| self.ensemble = None |
| self.modo_rapido = bool(kwargs.get("modo_rapido")) |
| self.usar_proveniencia = True |
| self.dominio = None |
| self.avisos = [] |
| self.politica = type( |
| "Politica", |
| (), |
| { |
| "para_dict": staticmethod(lambda: {"limiar": 0.4816}), |
| "versao_modelo": "duble-1", |
| }, |
| )() |
|
|
| monkeypatch.setattr(modulo_pipeline, "PipelineAIDA", PipelineDuble) |
|
|
| modulo_app = importlib.import_module("site_api.app") |
| modulo_app = importlib.reload(modulo_app) |
|
|
| |
| |
| explicabilidade = tmp_path / "explicabilidade" |
| explicabilidade.mkdir(parents=True, exist_ok=True) |
| monkeypatch.setattr(modulo_app, "EXPLICABILIDADE_DIR", explicabilidade) |
| monkeypatch.setattr(modulo_app, "cache_analise", cache) |
|
|
| analises_feitas = [] |
|
|
| def analisar_duble(caminho_imagem, id_analise=None, **_kwargs): |
| analises_feitas.append(id_analise) |
| resposta = payload_analise(id_analise or "SEM-ID") |
| |
| |
| |
| for nome in resposta["evidencias"]["arquivos"]: |
| destino = explicabilidade / f"{id_analise}_{nome}.png" |
| destino.write_bytes(b"\x89PNG\r\n\x1a\n" + b"0" * 32) |
| resposta["evidencias"]["arquivos"][nome] = str(destino) |
| return resposta |
|
|
| monkeypatch.setattr(modulo_app, "analisar_imagem", analisar_duble) |
|
|
| modulo_app.app.config["TESTING"] = True |
| with modulo_app.app.test_client() as cliente: |
| cliente.modulo = modulo_app |
| cliente.analises_feitas = analises_feitas |
| yield cliente |
|
|
