Spaces:
Running
Running
File size: 2,514 Bytes
7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 3438867 7f769a9 |
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 |
"""
MODULE ALGORITHM - FRAUD DETECTION (DETAIL MAXIMAL)
===================================================
Détecte les anomalies et retourne un rapport détaillé pour l'IA.
"""
import networkx as nx
import pandas as pd
def detect_fraud_logic(G: nx.DiGraph):
risk_nodes = []
fraud_report = []
# Seuils de tolérance (Règles Métier)
suspicious_types = {
"Telephone": 1, "Email": 1, "ID_Officiel": 1,
"Numero_Fiscal": 1, "Reseau_sociaux": 1, "Reference_Externe": 1,
"Adresse": 3 # Tolérance plus élevée pour adresse (coloc/famille)
}
for node, data in G.nodes(data=True):
group = data.get("group")
if group in suspicious_types:
threshold = suspicious_types[group]
# On regarde qui est connecté à ce nœud (Entrant + Sortant)
neighbors = list(G.neighbors(node)) + list(G.predecessors(node))
# On filtre pour ne garder que les entités "Humaines" (Clients/Garants)
connected_entities = []
for n in neighbors:
role = G.nodes[n].get("group")
if role in ["Client", "Garant"]:
connected_entities.append(n)
# Dédoublonnage via ID Officiel si dispo, sinon ID système
unique_people = set(connected_entities)
if len(unique_people) > threshold:
# --- ACTION : MARQUAGE ROUGE ---
G.nodes[node]['color'] = "#FF0000"
G.nodes[node]['shape'] = "star"
G.nodes[node]['size'] = 40
G.nodes[node]['title'] = f"🚨 FRAUDE : Partagé par {len(unique_people)} personnes !"
risk_nodes.append(node)
# --- RAPPORT DÉTAILLÉ POUR L'IA ---
clean_value = node.split(":", 1)[1] if ":" in node else node
connected_names = [G.nodes[n].get('label', n) for n in list(unique_people)[:5]] # Top 5 noms
fraud_report.append({
"Type": group,
"Valeur": clean_value,
"NB Identités": len(unique_people),
"Motif": f"Partagé par : {', '.join(connected_names)}",
"Détails": f"Seuil autorisé: {threshold}, Trouvé: {len(unique_people)}"
})
df_fraud = pd.DataFrame(fraud_report)
return G, risk_nodes, df_fraud |