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")