Spaces:
Sleeping
Sleeping
File size: 21,541 Bytes
99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 9cfb108 721585c 9cfb108 721585c 9cfb108 721585c 99b35e2 721585c 9cfb108 721585c 9cfb108 721585c 9cfb108 721585c 9cfb108 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c 99b35e2 721585c | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 | import streamlit as st
import pandas as pd
import numpy as np
import joblib
import json
import time
from datetime import datetime
# ==========================================
# 1. إعداد الصفحة (UI Layer)
# ==========================================
st.set_page_config(
page_title="FraudGuard AI | نظام كشف الاحتيال المتقدم",
page_icon="🛡️",
layout="wide",
initial_sidebar_state="expanded"
)
# تحميل CSS مخصص
st.markdown("""
<style>
.stApp { background-color: #f8fafc; }
/* تصميم البطاقات */
.metric-card {
background: white;
padding: 20px;
border-radius: 12px;
box-shadow: 0 4px 12px rgba(0,0,0,0.08);
border-left: 5px solid #3b82f6;
margin-bottom: 15px;
}
/* ألوان الحالات */
.safe { border-left-color: #10b981; background: #f0fdf4; }
.warning { border-left-color: #f59e0b; background: #fffbeb; }
.danger { border-left-color: #ef4444; background: #fef2f2; }
/* الأزرار */
.stButton>button {
width: 100%;
background: linear-gradient(135deg, #6366f1 0%, #4f46e5 100%);
color: white;
border: none;
padding: 18px;
font-size: 20px;
border-radius: 12px;
font-weight: bold;
transition: all 0.3s;
}
.stButton>button:hover {
transform: translateY(-2px);
box-shadow: 0 10px 25px rgba(99, 102, 241, 0.4);
}
/* الترويسة */
.header {
background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
padding: 30px;
border-radius: 15px;
color: white;
margin-bottom: 30px;
}
</style>
""", unsafe_allow_html=True)
# ==========================================
# 2. تحميل الملفات (Model Layer)
# ==========================================
@st.cache_resource
def load_artifacts():
"""تحميل جميع ملفات النموذج والضبط"""
try:
model = joblib.load('fraud_model.joblib')
scaler = joblib.load('scaler.joblib')
features = joblib.load('feature_names.joblib')
# تحميل أفضل الأعمدة
with open('top_features.json', 'r') as f:
top_features = json.load(f)
# تحميل العتبة المثلى
with open('threshold.json', 'r') as f:
threshold_data = json.load(f)
optimal_threshold = threshold_data.get('threshold', 0.5)
return model, scaler, features, top_features, optimal_threshold
except Exception as e:
st.error(f"❌ خطأ في تحميل الملفات: {str(e)}")
return None, None, None, [], 0.5
# تحميل الملفات
model, scaler, all_features, top_features, OPTIMAL_THRESHOLD = load_artifacts()
if not model:
st.error("⚠️ لم يتم تحميل النموذج. تأكد من وجود ملفات النموذج في المجلد.")
st.stop()
# ==========================================
# 3. القائمة الجانبية (Input Layer)
# ==========================================
with st.sidebar:
st.markdown('<div class="header">', unsafe_allow_html=True)
st.title("🛡️ FraudGuard AI")
st.markdown("**نظام كشف الاحتيال الذكي**")
st.markdown('</div>', unsafe_allow_html=True)
st.markdown("---")
st.subheader("📋 تفاصيل المعاملة")
# 1. البيانات المالية
with st.expander("💰 البيانات المالية", expanded=True):
amount = st.number_input(
"مبلغ المعاملة ($)",
min_value=0.01,
max_value=100000.0,
value=149.99,
step=0.01,
format="%.2f"
)
transaction_time = st.time_input(
"وقت المعاملة",
value=datetime.now().time()
)
# تحويل الوقت إلى ساعات من بداية اليوم
time_hour = transaction_time.hour + transaction_time.minute / 60.0
# 2. بيانات العميل
with st.expander("👤 هوية العميل", expanded=True):
email_domain = st.selectbox(
"نطاق البريد الإلكتروني",
[
"gmail.com (شخصي)",
"company.com (رسمي)",
"outlook.com (شخصي)",
"yahoo.com (شخصي)",
"temp-mail.org (مؤقت)",
"darkweb.onion (مشبوه)",
"protonmail.com (مشفر)"
]
)
customer_age = st.slider(
"عمر الحساب (أيام)",
min_value=1,
max_value=365*5,
value=180,
help="عدد الأيام منذ إنشاء الحساب"
)
# 3. الموقع والجهاز
with st.expander("📍 الموقع والجهاز", expanded=True):
distance_km = st.slider(
"المسافة عن الموقع المعتاد (كم)",
min_value=0,
max_value=10000,
value=5,
step=10
)
device_type = st.selectbox(
"نوع الجهاز",
[
"جهاز موثوق (تسجيل سابق)",
"جهاز جديد (أول استخدام)",
"متصفح خاص/Incognito",
"VPN/بروكسي",
"جهاز من دولة مختلفة"
]
)
country = st.selectbox(
"دولة المعاملة",
[
"الولايات المتحدة",
"المملكة المتحدة",
"ألمانيا",
"فرنسا",
"كندا",
"روسيا",
"الصين",
"نيجيريا",
"الهند",
"البرازيل"
]
)
# 4. الأنماط السلوكية
with st.expander("📊 الأنماط السلوكية", expanded=False):
frequency_1h = st.slider(
"عدد المعاملات (آخر ساعة)",
min_value=1,
max_value=50,
value=1
)
avg_transaction = st.slider(
"متوسط المبلغ السابق ($)",
min_value=1.0,
max_value=5000.0,
value=120.0,
step=10.0
)
failed_attempts = st.slider(
"محاولات فاشلة (آخر 24 ساعة)",
min_value=0,
max_value=20,
value=0
)
# ==========================================
# 4. منطق المحاكاة (Logic Layer)
# ==========================================
def simulate_features():
"""
محاكاة واقعية لأفضل 10 أعمدة بناءً على المدخلات
"""
features_dict = {feature: 0.0 for feature in all_features}
# 1. Amount و Time (سيتم تقييسهما لاحقًا)
features_dict['Amount'] = float(amount)
features_dict['Time'] = time_hour
# 2. V14 (مهم للغاية - عادة سالب للاحتيال)
v14_value = 1.5 # قيمة ابتدائية إيجابية
# عوامل تخفض V14 (تزيد الاحتيال)
if "temp-mail" in email_domain or "darkweb" in email_domain:
v14_value -= 8.5
if "VPN" in device_type or "خاص" in device_type:
v14_value -= 5.2
if distance_km > 1000:
v14_value -= (distance_km / 500) * 0.8
if country in ["نيجيريا", "روسيا", "الصين"]:
v14_value -= 3.0
if frequency_1h > 10:
v14_value -= 2.5
if failed_attempts > 3:
v14_value -= 4.0
# عوامل ترفع V14 (تقلل الاحتيال)
if "company.com" in email_domain:
v14_value += 4.0
if customer_age > 365:
v14_value += 3.0
if amount < 100 and amount > 10:
v14_value += 1.5
features_dict['V14'] = np.clip(v14_value, -15, 15)
# 3. V17 (عادة سالب للاحتيال)
v17_value = 0.8
if frequency_1h > 5:
v17_value -= (frequency_1h / 10) * 1.2
if "مؤقت" in email_domain:
v17_value -= 3.5
features_dict['V17'] = np.clip(v17_value, -10, 10)
# 4. V10 (عادة سالب للاحتيال)
v10_value = 0.5
if amount > 1000:
v10_value -= 2.0
if failed_attempts > 0:
v10_value -= (failed_attempts * 0.7)
features_dict['V10'] = np.clip(v10_value, -15, 10)
# 5. V12 (عادة سالب للاحتيال)
v12_value = 0.3
if distance_km > 500:
v12_value -= (distance_km / 1000) * 3.0
features_dict['V12'] = np.clip(v12_value, -15, 8)
# 6. V16 (عادة سالب للاحتيال)
v16_value = 0.4
if time_hour < 6 or time_hour > 22: # ساعات غير اعتيادية
v16_value -= 2.5
features_dict['V16'] = np.clip(v16_value, -10, 8)
# 7. V11 (عادة موجب للاحتيال)
v11_value = 0.2
if frequency_1h > 15:
v11_value += 3.0
if abs(amount - avg_transaction) > (avg_transaction * 0.5):
v11_value += 1.8
features_dict['V11'] = np.clip(v11_value, -2, 12)
# 8. V4 (عادة موجب للاحتيال)
v4_value = 0.3
if "VPN" in device_type:
v4_value += 4.5
if amount < 1.0: # معاملات صغيرة جداً (Card Testing)
v4_value += 3.0
features_dict['V4'] = np.clip(v4_value, -5, 15)
# 9. V2 (متغير)
v2_value = 0.1
if customer_age < 30:
v2_value += 2.0
features_dict['V2'] = np.clip(v2_value, -5, 8)
# 10. V19 (متغير)
v19_value = -0.1
if "جهاز جديد" in device_type:
v19_value += 1.5
features_dict['V19'] = np.clip(v19_value, -7, 7)
return features_dict
# ==========================================
# 5. الواجهة الرئيسية
# ==========================================
# ترويسة الصفحة
col1, col2 = st.columns([3, 1])
with col1:
st.markdown('<div class="header">', unsafe_allow_html=True)
st.title("🛡️ FraudGuard AI")
st.markdown("**نظام كشف الاحتيال المصرفي المتقدم - التحليل في الوقت الحقيقي**")
st.markdown('</div>', unsafe_allow_html=True)
with col2:
st.metric("📊 العتبة المثلى", f"{OPTIMAL_THRESHOLD:.3f}")
st.caption("(مستوى القرار الأمثل)")
# ملخص المعاملة
st.subheader("📋 ملخص المعاملة المدخلة")
col1, col2, col3, col4 = st.columns(4)
with col1:
st.markdown('<div class="metric-card">', unsafe_allow_html=True)
st.metric("💰 المبلغ", f"${amount:,.2f}")
st.caption("قيمة المعاملة")
st.markdown('</div>', unsafe_allow_html=True)
with col2:
st.markdown('<div class="metric-card">', unsafe_allow_html=True)
st.metric("🕐 الوقت", f"{time_hour:.1f} ساعة")
st.caption(f"الساعة {transaction_time.strftime('%H:%M')}")
st.markdown('</div>', unsafe_allow_html=True)
with col3:
st.markdown('<div class="metric-card">', unsafe_allow_html=True)
st.metric("📍 الموقع", f"{distance_km:,} كم")
st.caption(f"من {country}")
st.markdown('</div>', unsafe_allow_html=True)
with col4:
risk_color = "#10b981"
if "VPN" in device_type or "مؤقت" in email_domain:
risk_color = "#ef4444"
elif "جديد" in device_type or distance_km > 1000:
risk_color = "#f59e0b"
st.markdown(f'<div class="metric-card" style="border-left-color: {risk_color}">', unsafe_allow_html=True)
st.metric("⚡ السرعة", f"{frequency_1h} معاملة")
st.caption("في آخر ساعة")
st.markdown('</div>', unsafe_allow_html=True)
st.markdown("---")
# زر التحليل
if st.button("🚀 بدء تحليل الاحتيال", type="primary"):
with st.spinner('🔄 جاري تحليل المعاملة...'):
time.sleep(1.5)
# توليد السمات
features_dict = simulate_features()
# تحويل إلى DataFrame
df_input = pd.DataFrame([features_dict])
# تقييس Amount و Time فقط
if 'Amount' in df_input.columns and 'Time' in df_input.columns:
df_input[['Amount', 'Time']] = scaler.transform(df_input[['Amount', 'Time']])
# التنبؤ
try:
probability = model.predict_proba(df_input)[0][1]
# ==========================================
# 6. عرض النتائج (Explainability Layer)
# ==========================================
st.markdown("## 📊 نتائج التحليل")
# شريط التقدم
col_prog1, col_prog2, col_prog3 = st.columns([2, 1, 1])
with col_prog1:
st.progress(float(probability), text=f"نسبة المخاطرة: {probability:.2%}")
with col_prog2:
st.metric("📈 الاحتمال", f"{probability:.4f}")
with col_prog3:
st.metric("🎯 العتبة", f"{OPTIMAL_THRESHOLD:.4f}")
# تحديد القرار
decision_threshold = OPTIMAL_THRESHOLD
half_threshold = decision_threshold / 2
if probability < half_threshold:
status = "safe"
status_text = "✅ آمنة (مقبولة)"
status_color = "#10b981"
icon = "✅"
elif probability < decision_threshold:
status = "warning"
status_text = "⚠️ اشتباه (تحت المراجعة)"
status_color = "#f59e0b"
icon = "⚠️"
else:
status = "danger"
status_text = "🚨 احتيال (مرفوضة)"
status_color = "#ef4444"
icon = "🚨"
# عرض القرار
st.markdown(f"""
<div style="background-color: {status_color}20; padding: 25px; border-radius: 15px; border: 3px solid {status_color}; text-align: center; margin: 20px 0;">
<h1 style="color: {status_color}; margin: 0 0 10px 0;">{icon} {status_text}</h1>
<h3 style="color: #374151; margin: 0;">نسبة المخاطرة: {probability:.2%}</h3>
</div>
""", unsafe_allow_html=True)
# ==========================================
# 7. تفسير القرار (Explainability)
# ==========================================
st.markdown("## 🔍 تفسير القرار")
reasons = []
# جمع الأسباب
if probability >= decision_threshold:
reasons.append("🚨 **تصنيف احتيال**: تجاوزت نسبة المخاطرة العتبة المثلى")
if "V14" in features_dict and features_dict['V14'] < -5:
reasons.append("📉 **V14 منخفض جداً**: مؤشر قوي على الاحتيال (القيمة: {:.2f})".format(features_dict['V14']))
if "temp-mail" in email_domain or "darkweb" in email_domain:
reasons.append("📧 **بريد إلكتروني مشبوه**: استخدام بريد مؤقت أو على الشبكة المظلمة")
if "VPN" in device_type:
reasons.append("🛡️ **إخفاء الهوية**: استخدام VPN أو بروكسي لإخفاء الموقع")
if distance_km > 1000:
reasons.append("📍 **موقع غير اعتيادي**: المعاملة من موقع بعيد عن المعتاد ({:,} كم)".format(distance_km))
if frequency_1h > 15:
reasons.append("⚡ **تكرار عالي**: {} معاملة في ساعة واحدة (يشبه Card Testing)".format(frequency_1h))
if time_hour < 6 or time_hour > 22:
reasons.append("🌙 **توقيت غير اعتيادي**: المعاملة في ساعة متأخرة ({:.1f} ساعة)".format(time_hour))
if amount < 1.0:
reasons.append("💳 **اختبار بطاقة**: مبلغ صغير جداً يشبه اختبار البطاقة")
if failed_attempts > 2:
reasons.append("❌ **محاولات فاشلة**: {} محاولة فاشلة سابقة".format(failed_attempts))
if not reasons and probability < half_threshold:
reasons.append("✅ **لا توجد مؤشرات خطيرة**: جميع المعاملات ضمن النطاق الطبيعي")
reasons.append("✅ **بريد إلكتروني موثوق**: نطاق بريد رسمي أو شخصي معروف")
reasons.append("✅ **موقع اعتيادي**: المعاملة من الموقع المعتاد للعميل")
reasons.append("✅ **جهاز موثوق**: تم التعرف على الجهاز من قبل")
# عرض الأسباب في بطاقات
for reason in reasons:
if "✅" in reason:
st.success(reason)
elif "⚠️" in reason:
st.warning(reason)
elif "🚨" in reason or "❌" in reason or "📉" in reason:
st.error(reason)
else:
st.info(reason)
# ==========================================
# 8. عرض السمات المهمة (للمطورين)
# ==========================================
with st.expander("📊 تفاصيل تقنية (للمطورين)", expanded=False):
st.write("**أهم 10 سمات مؤثرة:**")
important_features = {
'V14': features_dict.get('V14', 0),
'V17': features_dict.get('V17', 0),
'V10': features_dict.get('V10', 0),
'V12': features_dict.get('V12', 0),
'V16': features_dict.get('V16', 0),
'V11': features_dict.get('V11', 0),
'V4': features_dict.get('V4', 0),
'V2': features_dict.get('V2', 0),
'V19': features_dict.get('V19', 0),
'Amount': features_dict.get('Amount', 0)
}
# تحويل إلى DataFrame وعرضه
df_important = pd.DataFrame.from_dict(important_features, orient='index', columns=['القيمة'])
df_important['التأثير'] = df_important['القيمة'].apply(
lambda x: '🟢 موجب' if x > 0 else '🔴 سالب' if x < 0 else '⚪ محايد'
)
st.dataframe(df_important, use_container_width=True)
st.caption("💡 ملاحظة: القيم السالبة في V14, V17, V10, V12, V16 تزيد من احتمالية الاحتيال")
except Exception as e:
st.error(f"❌ خطأ في التحليل: {str(e)}")
st.info("يرجى التأكد من تطابق أسماء الأعمدة مع النموذج المدرب")
# ==========================================
# 9. معلومات إضافية
# ==========================================
st.markdown("---")
with st.expander("ℹ️ معلومات عن النظام", expanded=False):
st.markdown("""
### كيف يعمل نظام FraudGuard AI؟
**1. جمع البيانات:**
- نقوم بمحاكاة 10 سمات رئيسية تم تحديدها بناءً على تحليل آلاف المعاملات
- كل سمة تمثل نمطاً سلوكياً أو تقنياً مرتبطاً بالاحتيال
**2. تحليل السمات:**
- **V14, V17, V10, V12, V16**: قيم سالبة تشير إلى الاحتيال
- **V4, V11**: قيم موجبة تشير إلى الاحتيال
- **Amount, Time**: يتم تقييسها ومقارنتها مع الأنماط السابقة
**3. اتخاذ القرار:**
- **أقل من {:.3f}**: آمن ✅
- **بين {:.3f} و {:.3f}**: اشتباه ⚠️
- **أعلى من {:.3f}**: احتيال 🚨
**4. التفسير:**
- نوضح العوامل التي أثرت على القرار
- نقدم توصيات عملية للتعامل مع الحالة
""".format(OPTIMAL_THRESHOLD/2, OPTIMAL_THRESHOLD/2, OPTIMAL_THRESHOLD, OPTIMAL_THRESHOLD))
st.info("💡 **نصيحة**: المعاملات الآمنة عادةً ما تكون من أجهزة معروفة، في أوقات اعتيادية، وبقيم متوسطة، ومن مواقع مألوفة.")
# تذييل الصفحة
st.markdown("---")
st.caption("🛡️ FraudGuard AI v2.0 | نظام كشف الاحتيال المصرفي | © 2024 جميع الحقوق محفوظة")
|