Update app.py

app.py

@@ -3,109 +3,108 @@ import numpy as np
 import pandas as pd
 from sklearn.linear_model import LogisticRegression
 from xgboost import XGBClassifier
-import anthropic
-import os
 import time
-import spaces
 
 # ============================================
-# 1. 모델 초기화 및 학습 (시작 시 1회만 실행)
+# 1. 초고속 모델 초기화 (데이터 최소화, GPU 미사용)
 # ============================================
-print("FDS 데모 초기화 중...")
-
-# 2세대 모델 학습
 def train_gen2():
     np.random.seed(42)
-    normal = pd.DataFrame({'금액': np.random.normal(100, 50, 150), '시간': np.random.normal(14, 4, 150), '신규수취인': np.random.binomial(1, 0.1, 150), '금액비율': np.random.normal(1, 0.5, 150), '라벨': 0})
-    fraud = pd.DataFrame({'금액': np.random.normal(500, 200, 50), '시간': np.random.normal(3, 2, 50), '신규수취인': np.random.binomial(1, 0.8, 50), '금액비율': np.random.normal(10, 5, 50), '라벨': 1})
+    # 학습 데이터 극단적 최소화 (정상 20건, 사기 5건)
+    normal = pd.DataFrame({'금액': np.random.normal(100, 50, 20), '시간': np.random.normal(14, 4, 20), '신규수취인': np.random.binomial(1, 0.1, 20), '금액비율': np.random.normal(1, 0.5, 20), '라벨': 0})
+    fraud = pd.DataFrame({'금액': np.random.normal(500, 200, 5), '시간': np.random.normal(3, 2, 5), '신규수취인': np.random.binomial(1, 0.8, 5), '금액비율': np.random.normal(10, 5, 5), '라벨': 1})
     data = pd.concat([normal, fraud], ignore_index=True)
-    model = LogisticRegression(random_state=42, max_iter=1000)
+    model = LogisticRegression(random_state=42, max_iter=100)
     model.fit(data.drop('라벨', axis=1), data['라벨'])
     return model
 
-# 3세대 모델 학습
 def train_gen3():
     np.random.seed(42)
-    normal = pd.DataFrame({'금액': np.random.normal(100, 50, 150), '시간': np.random.normal(14, 4, 150), '신규수취인': np.random.binomial(1, 0.1, 150), '금액비율': np.random.normal(1, 0.5, 150), '라벨': 0})
-    fraud = pd.DataFrame({'금액': np.random.normal(500, 200, 50), '시간': np.random.normal(3, 2, 50), '신규수취인': np.random.binomial(1, 0.8, 50), '금액비율': np.random.normal(10, 5, 50), '라벨': 1})
+    normal = pd.DataFrame({'금액': np.random.normal(100, 50, 20), '시간': np.random.normal(14, 4, 20), '신규수취인': np.random.binomial(1, 0.1, 20), '금액비율': np.random.normal(1, 0.5, 20), '라벨': 0})
+    fraud = pd.DataFrame({'금액': np.random.normal(500, 200, 5), '시간': np.random.normal(3, 2, 5), '신규수취인': np.random.binomial(1, 0.8, 5), '금액비율': np.random.normal(10, 5, 5), '라벨': 1})
     data = pd.concat([normal, fraud], ignore_index=True)
-    model = XGBClassifier(n_estimators=50, max_depth=6, learning_rate=0.1, random_state=42)
+    # XGBoost 트리 개수 대폭 축소 (무거움 방지)
+    model = XGBClassifier(n_estimators=10, max_depth=3, learning_rate=0.1, random_state=42)
     model.fit(data.drop('라벨', axis=1), data['라벨'])
     return model
 
 gen2_model = train_gen2()
 gen3_model = train_gen3()
-print("모델 초기화 완료!")
 
 # ============================================
-# 2. 세대별 분석 로직
+# 2. 분석 로직 (API 완전 제거 -> 즉각 응답 시뮬레이션)
 # ============================================
-@spaces.GPU  # <--- 이 줄을 추가하세요! (Hugging Face 검사 통과용)
 def analyze_transaction(amount, hour, new_payee, ratio):
     start_time = time.time()
     new_payee_bin = 1 if new_payee == "예" else 0
     input_df = pd.DataFrame({'금액': [amount], '시간': [hour], '신규수취인': [new_payee_bin], '금액비율': [ratio]})
 
-    # 1세대 (Rule-based)
+    # 1세대
     score = 0
     reasons = []
-    if amount >= 500: score += 40; reasons.append("고액 거래")
-    if hour >= 22 or hour <= 6: score += 30; reasons.append("새벽 시간대")
-    if new_payee == "예": score += 20; reasons.append("신규 수취인")
-    if ratio >= 5: score += 10; reasons.append("평소 대비 5배 이상")
+    if amount >= 500: score += 40; reasons.append("고액")
+    if hour >= 22 or hour <= 6: score += 30; reasons.append("새벽")
+    if new_payee == "예": score += 20; reasons.append("신규")
+    if ratio >= 5: score += 10; reasons.append("평소대비 급증")
     dec_1 = "차단" if score >= 70 else "추가 인증" if score >= 40 else "통과"
-    res_1 = f"**{dec_1}** ({score}% 의심) | 사유: {', '.join(reasons) if reasons else '정상'}"
+    res_1 = f"<b>{dec_1}</b> ({score}% 의심) | 사유: {', '.join(reasons) if reasons else '정상'}"
 
-    # 2세대 (Logistic)
+    # 2세대
     prob_2 = gen2_model.predict_proba(input_df)[0][1]
     dec_2 = "차단" if prob_2 >= 0.7 else "추가 인증" if prob_2 >= 0.5 else "통과"
-    res_2 = f"**{dec_2}** ({prob_2*100:.1f}% 의심) | 선형 가중치 합산"
+    res_2 = f"<b>{dec_2}</b> ({prob_2*100:.1f}% 의심)"
 
-    # 3세대 (XGBoost)
+    # 3세대
     prob_3 = gen3_model.predict_proba(input_df)[0][1]
     dec_3 = "차단" if prob_3 >= 0.7 else "추가 인증" if prob_3 >= 0.5 else "통과"
-    res_3 = f"**{dec_3}** ({prob_3*100:.1f}% 의심) | 비선형 앙상블 조합 탐지"
+    res_3 = f"<b>{dec_3}</b> ({prob_3*100:.1f}% 의심)"
 
-    # 4세대 (GNN 시뮬레이션)
+    # 4세대 (시뮬레이션)
     prob_4 = min(prob_3 + 0.05, 0.98) if (new_payee_bin == 1 and hour >= 22 and amount >= 500) else prob_3 + 0.02
     dec_4 = "차단" if prob_4 >= 0.7 else "추가 인증" if prob_4 >= 0.5 else "통과"
-    res_4 = f"**{dec_4}** ({prob_4*100:.1f}% 의심) | 수취인 연결망 및 과거 이력 추적(시뮬레이션)"
+    res_4 = f"<b>{dec_4}</b> ({prob_4*100:.1f}% 의심)"
 
-    # 5세대 (LLM 시뮬레이션 - 시연 안정성을 위해 API 호출 제외 및 즉각 응답)
-    res_5 = f"""**차단 권고** (의심도 95%) 
-    👉 [LLM 추론] 이 거래는 전형적인 보이스피싱 패턴입니다. {hour}시 새벽 시간대에 평소보다 {ratio}배 큰 {amount}만원의 거액이 신규 수취인에게 이체되는 것은 극히 비정상적입니다. 즉시 고객 본인 확인을 권장합니다."""
+    # 5세대 (통신 없음, 100% 하드코딩 시뮬레이션으로 0.001초 응답 보장)
+    res_5 = f"""<div style='background-color:#fff3cd; padding:15px; border-radius:5px;'>
+    <b>차단 권고 (의심도 95%)</b><br><br>
+    [LLM 추론 분석 내용]<br>
+    {hour}시 새벽 시간대에 평소보다 {ratio}배 급증한 {amount}만원이 신규 수취인에게 이체되는 것은 전형적인 금융 사기(보이스피싱) 패턴입니다. 고객에게 확인 전화를 권장합니다.
+    </div>"""
 
     elapsed = time.time() - start_time
 
-    # 실무자 보기 편하게 마크다운 포맷으로 리포트 생성
-    report = f"""## 📊 세대별 탐지 결과 통합 리포트 (분석 소요 시간: {elapsed:.2f}초)
-
-| FDS 세대 | 판단 기술 | 분석 결과 |
-| :--- | :--- | :--- |
-| **1세대** | 룰 엔진 (Rule-Based) | {res_1} |
-| **2세대** | 통계 머신러닝 (Logistic) | {res_2} |
-| **3세대** | 앙상블 (XGBoost) | {res_3} |
-| **4세대** | 딥러닝 (GNN) | {res_4} |
-
-### 🤖 5세대 (Foundation Model / LLM) 심층 분석
-{res_5}
-"""
-    return report
+    # HTML 테이블 포맷팅으로 Gradio 렌더링 에러 완벽 차단
+    html_report = f"""
+    <h3>📊 세대별 탐지 결과 (분석 소요시간: {elapsed:.3f}초)</h3>
+    <table border="1" style="border-collapse: collapse; width: 100%; text-align: left; font-size: 14px;">
+        <tr style="background-color: #f2f2f2;">
+            <th style="padding: 8px;">세대</th>
+            <th style="padding: 8px;">판단 기술</th>
+            <th style="padding: 8px;">분석 결과</th>
+        </tr>
+        <tr><td style="padding: 8px;">1세대</td><td style="padding: 8px;">Rule-Based</td><td style="padding: 8px;">{res_1}</td></tr>
+        <tr><td style="padding: 8px;">2세대</td><td style="padding: 8px;">Logistic ML</td><td style="padding: 8px;">{res_2}</td></tr>
+        <tr><td style="padding: 8px;">3세대</td><td style="padding: 8px;">XGBoost ML</td><td style="padding: 8px;">{res_3}</td></tr>
+        <tr><td style="padding: 8px;">4세대</td><td style="padding: 8px;">GNN DL (시뮬)</td><td style="padding: 8px;">{res_4}</td></tr>
+    </table>
+    <h4 style="margin-top: 20px;">🤖 5세대 (Foundation Model) 심층 리포트</h4>
+    {res_5}
+    """
+    return html_report
 
 # ============================================
-# 3. UI 구성 (Gradio 5.x 표준)
+# 3. UI 구성 (Gradio)
 # ============================================
 with gr.Blocks(theme=gr.themes.Default()) as demo:
-    gr.Markdown("# 🛡️ FDS 1세대 → 5세대 진화 체험 데모")
-    gr.Markdown("실무 운영 담당자 시연을 위한 데모 페이지입니다. 좌측에 거래 데이터를 입력하고 세대별 판단 결과를 비교해 보세요.")
+    gr.HTML("<h1 style='text-align:center;'>🛡️ FDS 1-5세대 비교 데모</h1>")
+    gr.HTML("<p style='text-align:center;'>실무 운영 담당자 시연용 (초고속 CPU 모드)</p>")
     
     with gr.Row():
         with gr.Column(scale=1):
-            amount_in = gr.Number(label="이체 금액 (만원)", value=700)
+            amount_in = gr.Number(label="금액 (만원)", value=700)
             hour_in = gr.Slider(label="거래 시간 (0-23시)", minimum=0, maximum=23, value=3, step=1)
-            payee_in = gr.Radio(label="신규 수취인 여부", choices=["아니오", "예"], value="예")
-            ratio_in = gr.Number(label="과거 평균 이체액 대비 배율", value=14.0)
-            
+            payee_in = gr.Radio(label="신규 수취인", choices=["아니오", "예"], value="예")
+            ratio_in = gr.Number(label="과거 대비 배율", value=14.0)
             submit_btn = gr.Button("🔍 분석 실행", variant="primary")
             
             gr.Examples(
@@ -115,19 +114,17 @@ with gr.Blocks(theme=gr.themes.Default()) as demo:
                     [45, 2, "아니오", 1.2],
                     [1500, 14, "아니오", 2.0]
                 ],
-                inputs=[amount_in, hour_in, payee_in, ratio_in],
-                label="테스트 시나리오 선택"
+                inputs=[amount_in, hour_in, payee_in, ratio_in]
             )
             
         with gr.Column(scale=2):
-            output_report = gr.Markdown("이곳에 분석 리포트가 출력됩니다.")
+            output_html = gr.HTML("<div style='padding:20px; color:#666;'>버튼을 누르면 즉시 분석 결과가 표시됩니다.</div>")
             
     submit_btn.click(
         fn=analyze_transaction,
         inputs=[amount_in, hour_in, payee_in, ratio_in],
-        outputs=output_report
+        outputs=output_html
     )
 
 if __name__ == "__main__":
-    # 여기에 ssr_mode=False 를 넣어줍니다.
     demo.launch(ssr_mode=False)