Upload 10 files

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+security_model.sav filter=lfs diff=lfs merge=lfs -text

app.py

@@ -0,0 +1,192 @@
+# ==========================
+#  واجهة AmanPredict – ثيم شبيه بأبشر
+# ==========================
+
+import streamlit as st
+import json
+import pickle
+import numpy as np
+import os
+
+# إعداد الصفحة وشعار جانبي
+st.set_page_config(page_title="AmanPredict Dashboard", layout="wide", page_icon="🔐")
+
+# ==========================
+#        CSS الثيم
+# ==========================
+
+custom_css = """
+<style>
+/* خلفية الصفحة */
+[data-testid="stAppViewContainer"] {
+    background: linear-gradient(180deg, #f7fdf8 0%, #ffffff 70%);
+}
+
+/* الشريط الجانبي */
+[data-testid="stSidebar"] {
+    background-color: #0b6b3a;
+    color: white;
+}
+
+/* عنوان الشريط الجانبي */
+[data-testid="stSidebar"] h1, 
+[data-testid="stSidebar"] h2, 
+[data-testid="stSidebar"] h3 {
+    color: white !important;
+}
+
+/* عنوان رئيسي */
+h1 {
+    color: #0b6b3a !important;
+    font-weight: 800 !important;
+}
+
+/* أزرار */
+.stButton>button {
+    background-color: #14a44d !important;
+    color: white !important;
+    border-radius: 6px !important;
+    padding: 10px 20px !important;
+}
+
+/* الروابط */
+a {
+    color: #0b6b3a !important;
+}
+</style>
+"""
+
+st.markdown(custom_css, unsafe_allow_html=True)
+
+# ==========================
+#      تحميل النماذج
+# ==========================
+
+DOC_MODEL_PATH = "document_model.sav"
+SEC_MODEL_PATH = "security_model.sav"
+DEVICE_STORE_PATH = "device_store.json"
+
+doc_model = pickle.load(open(DOC_MODEL_PATH, "rb"))
+sec_model = pickle.load(open(SEC_MODEL_PATH, "rb"))
+
+# ==========================
+#    ملف الأجهزة الموثوقة
+# ==========================
+
+if not os.path.exists(DEVICE_STORE_PATH):
+    with open(DEVICE_STORE_PATH, "w") as f:
+        json.dump({}, f)
+
+with open(DEVICE_STORE_PATH, "r") as f:
+    device_store = json.load(f)
+
+USER = "user_1"
+if USER not in device_store:
+    device_store[USER] = []
+
+def save_devices():
+    with open(DEVICE_STORE_PATH, "w") as f:
+        json.dump(device_store, f, indent=2)
+
+# ==========================
+#    الشريط الجانبي
+# ==========================
+
+st.sidebar.title("📌 AmanPredict")
+page = st.sidebar.radio(
+    "اختر الصفحة:",
+    ["🏠 الصفحة الرئيسية", "🔐 أمان الدخول", "🪪 تنبؤ الوثائق", "📊 السجل الأمني", "⚙ الإعدادات"]
+)
+
+# ==========================
+#        الصفحة الرئيسية
+# ==========================
+
+if page == "🏠 الصفحة الرئيسية":
+    st.title("AmanPredict – لوحة الذكاء الأمني")
+    st.write("""
+    منصة ذكية تعتمد على الذكاء الاصطناعي لتقديم:
+    - تحليل سلوك الدخول وكشف محاولات الاختراق
+    - توثيق الأجهزة الموثوقة
+    - تنبؤ المخاطر للوثائق الحكومية
+    - تقارير أمنية احترافية (MVP)
+    """)
+
+# ==========================
+#        أمان الدخول
+# ==========================
+
+elif page == "🔐 أمان الدخول":
+    st.title("🔐 نظام أمان الدخول – Device Security AI")
+
+    device_id = st.text_input("معرّف الجهاز:", "device_X1")
+    country = st.selectbox("الدولة:", ["Saudi Arabia", "Other"])
+    sessions = st.number_input("عدد الجلسات النشطة:", 1, 10)
+    days = st.slider("الأيام المتبقية للوثيقة:", 0, 180, 30)
+
+    device_known = device_id in device_store[USER]
+    device_flag = 0 if device_known else 1
+    location_flag = 0 if country == "Saudi Arabia" else 2
+
+    if st.button("تشغيل الفحص الأمني"):
+        X = np.array([[days, sessions, device_flag, location_flag, 0, 0]])
+        score = -sec_model.decision_function(X)[0]
+        normalized = 1 / (1 + np.exp(-score))
+
+        st.subheader("📊 النتيجة الأمنية")
+        st.write("نسبة الخطر:", round(normalized, 3))
+
+        if normalized > 0.85:
+            st.error("🚨 خطر عالي — تم إيقاف الدخول")
+        elif normalized > 0.6:
+            st.warning("⚠ خطر متوسط — نحتاج تحقق")
+            if st.button("اتصال من أبشر (محاكاة)"):
+                st.info("📞 يتم الاتصال الآن…")
+        else:
+            st.success("✔ دخول آمن")
+            if not device_known:
+                if st.button("توثيق الجهاز"):
+                    device_store[USER].append(device_id)
+                    save_devices()
+                    st.success("✔ تم توثيق الجهاز")
+
+# ==========================
+#      تنبؤ الوثائق
+# ==========================
+
+elif page == "🪪 تنبؤ الوثائق":
+    st.title("🪪 تنبؤ المخاطر للوثائق الحكومية")
+
+    days_left = st.number_input("الأيام المتبقية:", 0, 180)
+    status = st.selectbox("الحالة:", ["active", "expiring"])
+    status_v = 0 if status == "active" else 1
+
+    if st.button("تنفيذ التنبؤ"):
+        pred = doc_model.predict([[days_left, status_v]])[0]
+        if pred == 1:
+            st.error("⚠ الوثيقة عالية المخاطر — يجب التجديد")
+        else:
+            st.success("✔ الوثيقة آمنة")
+
+# ==========================
+#      السجل الأمني
+# ==========================
+
+elif page == "📊 السجل الأمني":
+    st.title("📊 سجل محاولات الدخول")
+    st.info("ميزة قيد التطوير — نسخة محاكاة فقط.")
+
+# ==========================
+#        الإعدادات
+# ==========================
+
+elif page == "⚙ الإعدادات":
+    st.title("⚙ الإعدادات")
+
+    st.write("الأجهزة الموثوقة:")
+    st.write(device_store[USER])
+
+    if st.button("مسح جميع الأجهزة"):
+        device_store[USER] = []
+        save_devices()
+        st.warning("✔ تم حذف جميع الأجهزة.")

app.py (‏Dashboard)

@@ -0,0 +1,141 @@
+import streamlit as st
+import json
+import pickle
+import numpy as np
+import os
+
+# ------------------------------
+# تحميل النماذج
+# ------------------------------
+
+DOC_MODEL_PATH = "document_model.sav"
+SEC_MODEL_PATH = "security_model.sav"
+DEVICE_STORE_PATH = "device_store.json"
+
+doc_model = pickle.load(open(DOC_MODEL_PATH, "rb"))
+sec_model = pickle.load(open(SEC_MODEL_PATH, "rb"))
+
+# ------------------------------
+# الأجهزة الموثوقة
+# ------------------------------
+
+if not os.path.exists(DEVICE_STORE_PATH):
+    with open(DEVICE_STORE_PATH, "w") as f:
+        json.dump({}, f)
+
+with open(DEVICE_STORE_PATH, "r") as f:
+    device_store = json.load(f)
+
+USER = "user_1"
+if USER not in device_store:
+    device_store[USER] = []
+
+def save_devices():
+    with open(DEVICE_STORE_PATH, "w") as f:
+        json.dump(device_store, f, indent=2)
+
+# ------------------------------
+# واجهة لوحة التحكم Dashboard
+# ------------------------------
+
+st.set_page_config(page_title="AmanPredict AI Dashboard", layout="wide")
+
+st.sidebar.title("📌 قائمة التنقل")
+page = st.sidebar.radio(
+    "اختر الصفحة:",
+    ["🏠 الصفحة الرئيسية", "🔐 أمان الدخول", "🪪 تنبؤ الوثائق", "📊 السجل الأمني", "⚙ الإعدادات"]
+)
+
+# ------------------------------
+# الصفحة الرئيسية
+# ------------------------------
+
+if page == "🏠 الصفحة الرئيسية":
+    st.title("AmanPredict – لوحة الذكاء الأمني")
+    st.write("""
+    هذا النموذج يستخدم الذكاء الاصطناعي لتحليل:
+    - أمان الدخول (الأجهزة + السلوك)
+    - درجة المخاطر في الوثائق الحكومية
+    - اكتشاف محاولات الدخول غير الطبيعية
+    """)
+
+# ------------------------------
+# أمان الدخول
+# ------------------------------
+
+elif page == "🔐 أمان الدخول":
+    st.title("🔐 أمان الدخول — Device Security AI")
+
+    st.write("تحليل دخول المستخدم بناءً على الجهاز والموقع وعدد الجلسات.")
+
+    device_id = st.text_input("معرّف الجهاز (Fingerprint)", "device_X1")
+    country = st.selectbox("الدولة:", ["Saudi Arabia", "Other"])
+    sessions = st.number_input("عدد الجلسات النشطة:", 1, 10)
+    days = st.slider("الأيام المتبقية للوثيقة:", 0, 180, 30)
+
+    device_known = device_id in device_store[USER]
+    device_flag = 0 if device_known else 1
+    location_flag = 0 if country == "Saudi Arabia" else 2
+
+    if st.button("تشغيل الفحص الأمني"):
+        X = np.array([[days, sessions, device_flag, location_flag, 0, 0]])
+        score = -sec_model.decision_function(X)[0]
+        normalized = 1 / (1 + np.exp(-score))
+
+        st.subheader("📊 النتيجة الأمنية")
+        st.write("نسبة الخطر:", round(normalized, 3))
+
+        if normalized > 0.85:
+            st.error("🚨 خطر عالي — تم إيقاف الدخول")
+        elif normalized > 0.6:
+            st.warning("⚠ خطر متوسط — نحتاج تحقق إضافي")
+            if st.button("اتصال من أبشر (محاكاة)"):
+                st.info("📞 يتم التواصل للتحقق…")
+        else:
+            st.success("✔ دخول آمن")
+            if not device_known:
+                if st.button("توثيق الجهاز"):
+                    device_store[USER].append(device_id)
+                    save_devices()
+                    st.success("تم التوثيق بنجاح ✔")
+
+# ------------------------------
+# تنبؤ الوثائق
+# ------------------------------
+
+elif page == "🪪 تنبؤ الوثائق":
+    st.title("🪪 تنبؤ المخاطر للوثائق الحكومية")
+
+    days_left = st.number_input("عدد الأيام المتبقية", 0, 180)
+    status = st.selectbox("الحالة:", ["active", "expiring"])
+    status_v = 0 if status == "active" else 1
+
+    if st.button("تنفيذ التنبؤ"):
+        pred = doc_model.predict([[days_left, status_v]])[0]
+        if pred == 1:
+            st.error("⚠ الوثيقة عالية المخاطر — يجب التجديد")
+        else:
+            st.success("✔ الوثيقة آمنة")
+
+# ------------------------------
+# السجل الأمني
+# ------------------------------
+
+elif page == "📊 السجل الأمني":
+    st.title("📊 سجل محاولات الدخول")
+    st.info("ميزة قيد التطوير (محاكاة فقط).")
+
+# ------------------------------
+# الإعدادات
+# ------------------------------
+
+elif page == "⚙ الإعدادات":
+    st.title("⚙ الإعدادات")
+
+    st.write("الأجهزة ال��وثوقة:")
+    st.write(device_store[USER])
+
+    if st.button("مسح جميع الأجهزة"):
+        device_store[USER] = []
+        save_devices()
+        st.warning("تم حذف جميع الأجهزة الموثوقة.")

data.csv

@@ -0,0 +1,6 @@
+Days_Left,Document_Status,Risk_Level
+30,active,Low
+5,expiring,High
+15,active,Low
+2,expiring,High
+60,active,Low

device_store.json

@@ -0,0 +1 @@
+{}

model.py

@@ -0,0 +1,32 @@
+import pandas as pd
+from sklearn.model_selection import train_test_split
+from sklearn.tree import DecisionTreeClassifier
+import pickle
+
+# قراءة البيانات
+df = pd.read_csv("data.csv")
+
+# تحويل القيم النصية لأرقام
+df["Document_Status"] = df["Document_Status"].map({"active": 0, "expiring": 1})
+df["Risk_Level"] = df["Risk_Level"].map({"Low": 0, "High": 1})
+
+# ميزات إضافية لتتناسب مع التطبيق:
+# - تغيّر الجهاز device_flag
+# - تغيّر الموقع location_flag
+# سنضيف أعمدة وهمية حتى يقبلها النموذج
+
+df["Device_Flag"] = 0
+df["Location_Flag"] = 0
+
+# تجهيز البيانات
+X = df[["Days_Left", "Document_Status", "Device_Flag", "Location_Flag"]]
+y = df["Risk_Level"]
+
+# تدريب النموذج
+model = DecisionTreeClassifier()
+model.fit(X, y)
+
+# حفظ النموذج
+pickle.dump(model, open("prediction_model.sav", "wb"))
+
+print("Model trained successfully with 4 features!")

prediction_model.py

@@ -0,0 +1,22 @@
+# prediction_model.py
+import pandas as pd
+from sklearn.tree import DecisionTreeClassifier
+import pickle
+
+def train_document_model():
+    df = pd.read_csv("data.csv")
+
+    df["Document_Status"] = df["Document_Status"].map({"active": 0, "expiring": 1})
+    df["Risk_Level"] = df["Risk_Level"].map({"Low": 0, "High": 1})
+
+    X = df[["Days_Left", "Document_Status"]]
+    y = df["Risk_Level"]
+
+    model = DecisionTreeClassifier()
+    model.fit(X, y)
+
+    pickle.dump(model, open("document_model.sav", "wb"))
+    print("✔ تم تدريب نموذج الوثائق Document Model")
+
+if _name_ == "_main_":
+    train_document_model()

security_model.py

@@ -0,0 +1,22 @@
+import numpy as np
+import pickle
+from sklearn.ensemble import IsolationForest
+
+def train_security_model(path="security_model.sav"):
+    rng = np.random.RandomState(42)
+    
+    # بيانات تدريب عشوائية (للـ MVP)
+    X = rng.normal(size=(600, 6))
+
+    model = IsolationForest(
+        contamination=0.05,
+        random_state=42
+    )
+
+    model.fit(X)
+
+    pickle.dump(model, open(path, "wb"))
+    print("✔ تم تدريب نموذج الأمن CyberSecurity Model")
+
+if __name__ == "__main__":
+    train_security_model()

security_model.sav

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:3162ecf53ca3a980110677ec0f60efc248901ce46d19a4bbcb9e8bcb38aa2755
+size 1162409