Upload enhanced_anonymization_app (9).py

enhanced_anonymization_app (9).py

@@ -0,0 +1,1724 @@
+import gradio as gr
+import re
+import os
+import requests
+import time
+import logging
+from packaging import version
+
+# تنظیم logging
+logging.basicConfig(level=logging.INFO)
+logger = logging.getLogger(__name__)
+
+def auto_setup_models():
+    """راه‌اندازی خودکار مدل‌ها در صورت عدم وجود"""
+    models_dir = "./models"
+    required_models = {
+        'bert-fa-ner': 'HooshvareLab/bert-fa-zwnj-base-ner',
+        'bert-base-NER': 'dslim/bert-base-NER',
+    }
+    
+    missing_models = []
+    for model_name in required_models.keys():
+        model_path = os.path.join(models_dir, model_name)
+        if not os.path.exists(model_path) or not os.listdir(model_path):
+            missing_models.append(model_name)
+    
+    if not missing_models:
+        logger.info("✅ All models are already available")
+        return True
+    
+    logger.info(f"📥 Auto-downloading missing models: {missing_models}")
+    
+    try:
+        from transformers import AutoTokenizer, AutoModelForTokenClassification
+        os.makedirs(models_dir, exist_ok=True)
+        
+        for model_name in missing_models:
+            hf_repo = required_models[model_name]
+            model_path = os.path.join(models_dir, model_name)
+            logger.info(f"📥 Downloading {model_name} from {hf_repo}...")
+            try:
+                tokenizer = AutoTokenizer.from_pretrained(hf_repo)
+                model = AutoModelForTokenClassification.from_pretrained(hf_repo)
+                tokenizer.save_pretrained(model_path)
+                model.save_pretrained(model_path)
+                logger.info(f"✅ {model_name} downloaded successfully")
+                del tokenizer, model
+            except Exception as e:
+                logger.error(f"❌ Failed to download {model_name}: {e}")
+                if os.path.exists(model_path):
+                    import shutil
+                    shutil.rmtree(model_path)
+        
+        logger.info("🎉 Auto-setup completed!")
+        return True
+        
+    except ImportError:
+        logger.error("❌ transformers library not available for auto-download")
+        return False
+    except Exception as e:
+        logger.error(f"❌ Auto-setup failed: {e}")
+        return False
+
+# اجرای auto-setup در startup
+try:
+    auto_setup_models()
+except Exception as e:
+    logger.warning(f"⚠️ Auto-setup encountered an issue: {e}")
+    logger.info("ℹ️ Continuing with manual setup...")
+
+class ComprehensiveBilingualDataAnonymizer:
+    def __init__(self):
+        self.mapping_table = {}
+        # counters به‌روزرسانی شده با تمام دسته‌های جامع (27 دسته)
+        self.counters = {
+            # اطلاعات شخصی و هویتی
+            'PERSON': 0, 'MIXED_NAMES': 0, 'ID_NUMBER': 0, 'ENGLISH_TITLES': 0,
+            
+            # اطلاعات مالی
+            'AMOUNT': 0, 'INTERNATIONAL_CURRENCIES': 0, 'ACCOUNT': 0, 
+            'FINANCIAL_TERMS': 0, 'STOCK_SYMBOL': 0,
+            
+            # اطلاعات زمانی
+            'DATE': 0, 'ADVANCED_DATE_FORMATS': 0, 'TIME_RANGES': 0,
+            
+            # اطلاعات مکانی
+            'LOCATION': 0, 'COMPLEX_ADDRESSES': 0,
+            
+            # اطلاعات فنی و تکنولوژیکی
+            'TECHNICAL_CODES': 0, 'NETWORK_ADDRESSES': 0, 'TECHNICAL_UNITS': 0,
+            'ACRONYMS_ABBREVIATIONS': 0,
+            
+            # اطلاعات کسب‌وکار
+            'COMPANY': 0, 'BUSINESS_TERMS': 0, 'PRODUCT': 0, 'PETROCHEMICAL': 0,
+            
+            # اطلاعات کمیت و واحد
+            'PERCENTAGE': 0, 'VOLUME': 0, 'RATIOS': 0,
+            
+            # اطلاعات ارتباطی
+            'PHONE': 0, 'EMAIL': 0
+        }
+        
+        self.api_key = os.getenv("OPENAI_API_KEY", "")
+        self.models_base_path = "./models"
+        self.models_loaded = False
+        self.model_status = {}
+        self.load_local_ner_models()
+    
+    def ensure_models_directory(self):
+        if not os.path.exists(self.models_base_path):
+            try:
+                os.makedirs(self.models_base_path, exist_ok=True)
+                logger.info(f"📁 Created models directory: {self.models_base_path}")
+            except Exception as e:
+                logger.error(f"❌ Failed to create models directory: {e}")
+                return False
+        return True
+    
+    def download_model_if_missing(self, local_name, hf_repo):
+        model_path = os.path.join(self.models_base_path, local_name)
+        if os.path.exists(model_path) and os.listdir(model_path):
+            return True, f"Model {local_name} already exists"
+        try:
+            logger.info(f"📥 Auto-downloading {local_name} from {hf_repo}...")
+            from transformers import AutoTokenizer, AutoModelForTokenClassification
+            tokenizer = AutoTokenizer.from_pretrained(hf_repo)
+            model = AutoModelForTokenClassification.from_pretrained(hf_repo)
+            tokenizer.save_pretrained(model_path)
+            model.save_pretrained(model_path)
+            logger.info(f"✅ {local_name} auto-downloaded successfully")
+            return True, f"Downloaded {local_name}"
+        except Exception as e:
+            logger.error(f"❌ Auto-download failed for {local_name}: {e}")
+            return False, str(e)
+    
+    def _load_pipeline(self, task, model_path, tokenizer_path=None):
+        """لود مدل با مدیریت صحیح پارامترهای ورژن مختلف transformers"""
+        try:
+            from transformers import pipeline, AutoTokenizer, AutoModelForTokenClassification, __version__ as tr_version
+            
+            # بررسی پشتیبانی از aggregation_strategy
+            supports_agg = version.parse(tr_version) >= version.parse("4.11.0")
+            
+            # لود توکنایزر و مدل به صورت جداگانه
+            if tokenizer_path:
+                tokenizer = AutoTokenizer.from_pretrained(tokenizer_path, local_files_only=True)
+            else:
+                tokenizer = AutoTokenizer.from_pretrained(model_path, local_files_only=True)
+            
+            model = AutoModelForTokenClassification.from_pretrained(model_path, local_files_only=True)
+            
+            # ایجاد pipeline با پارامترهای مناسب
+            pipeline_kwargs = {
+                "model": model,
+                "tokenizer": tokenizer,
+                "device": -1  # استفاده از CPU
+            }
+            
+            # اضافه کردن aggregation_strategy اگر پشتیبانی می‌شود
+            if supports_agg:
+                pipeline_kwargs["aggregation_strategy"] = "simple"
+            
+            return pipeline(task, **pipeline_kwargs)
+            
+        except Exception as e:
+            logger.error(f"❌ Failed to load pipeline for {model_path}: {e}")
+            return None
+
+    def load_local_ner_models(self):
+        logger.info("📄 Loading local NER models with auto-download...")
+        if not self.ensure_models_directory():
+            self.models_loaded = False
+            self.model_status['directory'] = "❌ Cannot create models directory"
+            return
+        
+        try:
+            try:
+                import torch
+                from transformers import AutoTokenizer, AutoModelForTokenClassification
+                transformers_available = True
+                logger.info("✅ Transformers library available")
+            except ImportError as e:
+                transformers_available = False
+                self.model_status['transformers'] = f"❌ Transformers library not installed: {str(e)}"
+                self.models_loaded = False
+                return
+            
+            # Persian model
+            persian_model_path = os.path.join(self.models_base_path, "bert-fa-ner")
+            self.download_model_if_missing("bert-fa-ner", "HooshvareLab/bert-fa-zwnj-base-ner")
+            if os.path.exists(persian_model_path) and os.listdir(persian_model_path):
+                try:
+                    self.persian_ner = self._load_pipeline("ner", persian_model_path)
+                    if self.persian_ner:
+                        self.model_status['persian'] = f"✅ Local Persian NER: {persian_model_path}"
+                    else:
+                        self.model_status['persian'] = f"❌ Failed to load Persian model: {persian_model_path}"
+                except Exception as e:
+                    self.persian_ner = None
+                    self.model_status['persian'] = f"❌ Persian model loading error: {str(e)[:100]}"
+            else:
+                self.persian_ner = None
+                self.model_status['persian'] = f"❌ Persian model not found: {persian_model_path}"
+            
+            # English model
+            english_model_path = os.path.join(self.models_base_path, "bert-base-NER")
+            self.download_model_if_missing("bert-base-NER", "dslim/bert-base-NER")
+            if os.path.exists(english_model_path) and os.listdir(english_model_path):
+                try:
+                    self.english_ner = self._load_pipeline("ner", english_model_path)
+                    if self.english_ner:
+                        self.model_status['english'] = f"✅ Local English NER: {english_model_path}"
+                    else:
+                        self.model_status['english'] = f"❌ Failed to load English model: {english_model_path}"
+                except Exception as e:
+                    self.english_ner = None
+                    self.model_status['english'] = f"❌ English model loading error: {str(e)[:100]}"
+            else:
+                self.english_ner = None
+                self.model_status['english'] = f"❌ English model not found: {english_model_path}"
+            
+            loaded_models = sum(1 for status in self.model_status.values() if status.startswith("✅"))
+            self.models_loaded = loaded_models > 0
+            if loaded_models == 0:
+                self.model_status['fallback'] = "⚠️ Using regex-only mode (no local models found)"
+                
+        except Exception as e:
+            self.models_loaded = False
+            self.model_status['critical'] = f"❌ Critical error: {str(e)[:100]}..."
+
+    def detect_language(self, text):
+        """تشخیص زبان متن"""
+        if not text:
+            return 'fa'
+        
+        persian_chars = len(re.findall(r'[\u0600-\u06FF]', text))
+        english_chars = len(re.findall(r'[a-zA-Z]', text))
+        total = persian_chars + english_chars
+        
+        if total == 0:
+            return 'fa'
+        
+        if persian_chars / total > 0.6:
+            return 'fa'
+        elif english_chars / total > 0.6:
+            return 'en'
+        else:
+            return 'mixed'
+
+    def extract_entities_with_ner(self, text, lang='fa'):
+        """استخراج entities با مدل‌های NER محلی"""
+        entities = []
+        
+        if not self.models_loaded:
+            logger.info("ℹ️ Local NER models not available - using regex only")
+            return entities
+        
+        try:
+            # مدل فارسی محلی
+            if lang in ['fa', 'mixed'] and hasattr(self, 'persian_ner') and self.persian_ner:
+                try:
+                    persian_results = self.persian_ner(text)
+                    for entity in persian_results:
+                        # بررسی فرمت خروجی بر اساس ورژن transformers
+                        if isinstance(entity, dict):
+                            if 'entity_group' in entity:
+                                # ورژن جدید با aggregation_strategy
+                                entities.append({
+                                    'text': entity['word'].strip(),
+                                    'label': entity['entity_group'],
+                                    'start': entity['start'],
+                                    'end': entity['end'],
+                                    'confidence': entity['score'],
+                                    'source': 'local_persian_ner'
+                                })
+                            else:
+                                # ورژن قدیمی
+                                entities.append({
+                                    'text': entity['word'].strip(),
+                                    'label': entity['entity'],
+                                    'start': entity['start'],
+                                    'end': entity['end'],
+                                    'confidence': entity['score'],
+                                    'source': 'local_persian_ner'
+                                })
+                    logger.info(f"Local Persian NER found {len(persian_results)} entities")
+                except Exception as e:
+                    logger.error(f"Local Persian NER extraction error: {e}")
+            
+            # مدل انگلیسی محلی
+            if lang in ['en', 'mixed'] and hasattr(self, 'english_ner') and self.english_ner:
+                try:
+                    english_results = self.english_ner(text)
+                    for entity in english_results:
+                        # بررسی فرمت خروجی بر اساس ورژن transformers
+                        if isinstance(entity, dict):
+                            if 'entity_group' in entity:
+                                # ورژن جدید با aggregation_strategy
+                                entities.append({
+                                    'text': entity['word'].strip(),
+                                    'label': entity['entity_group'],
+                                    'start': entity['start'],
+                                    'end': entity['end'],
+                                    'confidence': entity['score'],
+                                    'source': 'local_english_ner'
+                                })
+                            else:
+                                # ورژن قدیمی
+                                entities.append({
+                                    'text': entity['word'].strip(),
+                                    'label': entity['entity'],
+                                    'start': entity['start'],
+                                    'end': entity['end'],
+                                    'confidence': entity['score'],
+                                    'source': 'local_english_ner'
+                                })
+                    logger.info(f"Local English NER found {len(english_results)} entities")
+                except Exception as e:
+                    logger.error(f"Local English NER extraction error: {e}")
+                    
+        except Exception as e:
+            logger.error(f"Local NER extraction general error: {e}")
+        
+        # حذف تکراری‌ها
+        unique_entities = []
+        seen = set()
+        for entity in entities:
+            key = (entity['text'].lower(), entity['start'], entity['end'])
+            if key not in seen:
+                seen.add(key)
+                unique_entities.append(entity)
+        
+        logger.info(f"Total unique entities found by local models: {len(unique_entities)}")
+        return unique_entities
+
+    def map_ner_to_categories(self, ner_label, source=''):
+        """نگاشت برچسب‌های NER به دسته‌های سیستم"""
+        mapping = {
+            'PER': 'PERSON', 'PERSON': 'PERSON',
+            'ORG': 'COMPANY', 'ORGANIZATION': 'COMPANY',
+            'LOC': 'LOCATION', 'LOCATION': 'LOCATION',
+            'MISC': 'BUSINESS_TERMS', 'MISCELLANEOUS': 'BUSINESS_TERMS',
+            'B-PER': 'PERSON', 'I-PER': 'PERSON',
+            'B-ORG': 'COMPANY', 'I-ORG': 'COMPANY',
+            'B-LOC': 'LOCATION', 'I-LOC': 'LOCATION',
+            'B-MISC': 'BUSINESS_TERMS', 'I-MISC': 'BUSINESS_TERMS',
+            'MONEY': 'AMOUNT', 'PERCENT': 'PERCENTAGE',
+            'DATE': 'DATE', 'TIME': 'DATE'
+        }
+        return mapping.get(ner_label.upper(), 'BUSINESS_TERMS')
+
+    def get_comprehensive_patterns(self):
+        """الگوهای جامع ناشناس‌سازی بر اساس 221 الگوی دسته‌بندی شده"""
+        return {
+            # =============================================================================
+            # 1. اطلاعات شخصی و هویتی (PERSONAL & IDENTITY INFORMATION) - 30 الگو
+            # =============================================================================
+            
+            'PERSON': [
+                # نام‌ها با عناوین فارسی
+                r'آقای\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
+                r'خانم\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
+                r'مهندس\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
+                r'دکتر\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
+                r'استاد\s+([آ-یa-zA-Z]+(?:\s+[آ-یa-zA-Z]+)*)',
+                # نام‌ها با سمت
+                r'([آ-یa-zA-Z]+\s+[آ-یa-zA-Z]+)(?:،\s+مدیرعامل|\s+مدیرعامل|\s+رئیس)',
+                r'مدیرعامل(?=\s|$|،|\.)',
+                r'سرپرست(?=\s+و|\s|$|،|\.)',
+                r'رئیس\s+هیأت‌مدیره',
+                # ضمایر اشاره‌ای
+                r'وی(?=\s+ادامه|\s+اظهار|\s+گفت|\s+اعلام|\s+همچنین)',
+                # عناوین انگلیسی
+                r'Mr\.\s+([a-zA-Z]+(?:\s+[a-zA-Z]+)*)',
+                r'Ms\.\s+([a-zA-Z]+(?:\s+[a-zA-Z]+)*)',
+                r'Dr\.\s+([a-zA-Z]+(?:\s+[a-zA-Z]+)*)',
+                # نام‌های کامل
+                r'([آ-یa-zA-Z]{3,}\s+[آ-یa-zA-Z]{3,})(?=\s+گفت|\s+اظهار|\s+اعلام)'
+            ],
+            
+            'MIXED_NAMES': [
+                # نام‌های فارسی-انگلیسی
+                r'([آ-ی]+[a-zA-Z\s]+[آ-ی]+)',
+                r'Dr\.\s+([آ-یa-zA-Z\s‌]+)',
+                # نام‌های کامل بدون عنوان
+                r'([آ-یa-zA-Z]{2,}\s+[آ-یa-zA-Z]{2,})',
+                # نام‌های انگلیسی با خط تیره
+                r'([A-Z][a-z]+-[A-Z][a-z]+)',
+                r"([A-Z]'[A-Z][a-z]+)",
+                # نام‌های رومن
+                r'([A-Z][a-z]+\s+[A-Z][a-z]+\s+[IVX]+)',
+                # نام‌های ترکیبی با سمت
+                r'([a-z\s]+)\s+([آ-ی\s]+)',
+                # نام‌های تجاری
+                r'([A-Z][a-z]+\s+[A-Z][a-z]+)\s*\(([A-Z][a-z]+\s+[A-Z][a-z]+)\)'
+            ],
+            
+            'ID_NUMBER': [
+                # شماره شبا ایرانی
+                r'IR[۰-۹0-9]{24}',
+                r'شبا[\s:]*IR[۰-۹0-9]{24}',
+                r'IBAN[\s:]*IR[۰-۹0-9]{24}',
+                r'شماره[\s]*شبا[\s:]*IR[۰-۹0-9]{24}',
+                # کد ملی
+                r'(?:کد[\s]*)?(?:ملی[\s:]*)?[۰-۹0-9]{10}',
+                r'(?:شناسه[\s]*)?(?:ملی[\s:]*)?[۰-۹0-9]{10}',
+                r'National[\s]*(?:ID[\s:]*)?[0-9]{10}',
+                # پاسپورت
+                r'(?:پاسپورت[\s:]*)?[A-Z][0-9]{8}',
+                r'(?:Passport[\s:]*)?[A-Z][0-9]{8}',
+                # کارت‌های بانکی
+                r'(?:کارت[\s:]*)?(?:[۰-۹0-9]{4}[-\s]?){3}[۰-۹0-9]{4}',
+                r'(?:Card[\s:]*)?(?:[0-9]{4}[-\s]?){3}[0-9]{4}',
+                # شماره‌های SSN و FICO
+                r'SSN[\s:]*[0-9]{3}-[0-9]{2}-[0-9]{4}',
+                r'FICO[\s]*(?:score[\s:]*)?[0-9]{3}',
+                # شماره‌های اداری
+                r'EIN[\s:]*[0-9]{2}-[0-9]{7}',
+                r'Meeting[\s]*ID[\s:]*[0-9]{9,11}'
+            ],
+            
+            'ENGLISH_TITLES': [
+                # عناوین تجاری
+                r'business\s+partner',
+                r'team\s+lead',
+                r'head\s+of\s+production',
+                # عناوین مهندسی
+                r'senior\s+architect',
+                r'civil\s+engineer',
+                r'quantity\s+surveyor',
+                r'system\s+administrator',
+                r'network\s+engineer',
+                # عناوین مشاوره‌ای
+                r'environmental\s+consultant',
+                r'HSE\s+coordinator',
+                # عناوین مالی
+                r'senior\s+loan\s+officer',
+                r'investment\s+advisor',
+                r'Chief\s+Financial\s+Officer',
+                # عناوین مدیریتی
+                r'facility\s+manager',
+                r'quality\s+control\s+manager',
+                r'maintenance\s+window',
+                r'project\s+team',
+                r'technical\s+support',
+                # فرآیندهای کاری
+                r'supervision',
+                r'troubleshooting',
+                r'monitoring',
+                r'compliance\s+certificate'
+            ],
+            
+            # =============================================================================
+            # 2. اطلاعات مالی (FINANCIAL INFORMATION) - 37 الگو
+            # =============================================================================
+            
+            'AMOUNT': [
+                # مبالغ فارسی
+                r'\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
+                r'مبلغ\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)?\s*تومان',
+                r'\d+\s*تومان(?=\s+به\s+ازای|\s+فروش|،)',
+                r'رقم\s+فعلی\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد)\s*تومان',
+                r'رقم\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد)\s*تومان',
+                r'به\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
+                r'از\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
+                r'برابر\s+با\s+\d+(?:,\d{3})*\s*(?:میلیون|میلیارد|هزار)\s*تومان',
+                r'\d+(?:میلیارد|میلیون)\s*تومان(?=\s+رسیده|\s+ثبت|\s+بوده|،)',
+                # مبالغ دلار
+                r'\$\d+(?:,\d{3})*(?:\.\d+)?\s*(?:million|billion|thousand|M|B|K)?',
+                r'\d+(?:,\d{3})*\s*ریال',
+                # یورو
+                r'€\d+(?:,\d{3})*(?:\.\d+)?',
+                # درهم
+                r'\d+(?:,\d{3})*\s*AED',
+                # فرمت‌های K/M
+                r'\$\d+(?:\.\d+)?[KMB]',
+                r'€\d+(?:\.\d+)?[KM]'
+            ],
+            
+            'INTERNATIONAL_CURRENCIES': [
+                # یورو با فرمت‌های مختلف
+                r'\d+(?:,\d{3})*\s+euro',
+                r'€\d+(?:\.\d+)?M',
+                r'\d+\s+EUR',
+                # درهم امارات
+                r'\d+(?:,\d{3})*\s+AED',
+                r'\d+(?:\.\d+)?M\s+AED',
+                # دلار با فرمت K/M
+                r'\$\d+(?:\.\d+)?M',
+                r'\$\d+(?:\.\d+)?K',
+                # پوند انگلیس
+                r'£\d+(?:,\d{3})*(?:\.\d+)?',
+                r'\d+\s+GBP',
+                # فرانک سوئیس
+                r'\d+\s+CHF',
+                # ین ژاپن
+                r'¥\d+(?:,\d{3})*',
+                r'\d+\s+JPY'
+            ],
+            
+            'ACCOUNT': [
+                # حساب‌های بانکی فارسی
+                r'(?:شماره[\s]*)?(?:حساب[\s]*)?(?:بانکی[\s:]*)?(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
+                r'حساب[\s]*(?:شماره[\s:]*)?(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
+                r'شماره[\s]*حساب[\s:]*(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
+                # حساب‌های انگلیسی
+                r'Account[\s]*(?:Number[\s:]*)?(?:[0-9]{1,3}[-\s]?)*[0-9]{8,20}',
+                r'[۰-۹0-9]{3}[-\s]?[۰-۹0-9]{3}[-\s]?[۰-۹0-9]{6,12}',
+                r'[۰-۹0-9]{2,4}[-\s]?[۰-۹0-9]{6,12}[-\s]?[۰-۹0-9]{2,4}',
+                # واریز و سود
+                r'واریز[\s]*(?:سود[\s:]*)?(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}',
+                r'سود[\s:]*(?:[۰-۹0-9]{1,3}[-\s]?)*[۰-۹0-9]{8,20}'
+            ],
+            
+            'FINANCIAL_TERMS': [
+                # اصطلاحات فروش
+                r'فروش\s+(?:ماهانه|تجمیعی|صادراتی)',
+                r'درآمد\s+شرکت',
+                r'سود\s+(?:خالص|نقدی)',
+                r'صورت‌های\s+مالی',
+                r'بهای\s+تمام‌شده',
+                r'سودآوری',
+                r'عملکرد\s+مالی',
+                r'میانگین\s+فروش',
+                r'بالاترین\s+رقم\s+فروش',
+                r'رقم\s+فروش',
+                r'د��آمدهای\s+عملیاتی'
+            ],
+            
+            'STOCK_SYMBOL': [
+                # نمادهای بورس ایران
+                r'نماد\s+([آ-یa-zA-Z0-9]+)',
+                r'(سبهان|غدیر|شتران|شپنا|پترول|فارس|خارک|پلاسکو|جم|کرمان|مارون|اراک|رازی|شازند|کاوه|بندر|پارس|خوزستان|ماهشهر|عسلویه)(?=\s|$|،|\.|\s+)',
+                r'شرکت\s+([آ-یa-zA-Z\s]+?)(?=\s+در|\s+که|\s+با|،|\.|\s+$|\s+را|\s+به)',
+                r'پتروشیمی\s+([آ-یa-zA-Z\s]+?)(?=\s+در|\s+که|\s+با|،|\.|\s+$|\s+توان)',
+                # نمادهای بین‌المللی
+                r'(AAPL|GOOGL|MSFT|AMZN|TSLA|META|NVDA|SABIC)(?=\s|$|,|\.)'
+            ],
+            
+            # =============================================================================
+            # 3. اطلاعات زمانی (TEMPORAL INFORMATION) - 30 الگو
+            # =============================================================================
+            
+            'DATE': [
+                # تاریخ‌های فارسی
+                r'[۰-۹0-9]{4}[/-][۰-۹0-9]{1,2}[/-][۰-۹0-9]{1,2}',
+                r'[۰-۹0-9]{1,2}[/-][۰-۹0-9]{1,2}[/-][۰-۹0-9]{4}',
+                r'(?:[۰-۹0-9]{1,2})\s*(?:فروردین|اردیبهشت|خرداد|تیر|مرداد|شهریور|مهر|آبان|آذر|دی|بهمن|اسفند)\s*(?:[۰-۹0-9]{4})',
+                # ماه‌های فارسی
+                r'(?:فروردین|اردیبهشت|خرداد|تیر|مرداد|شهریور|مهر|آبان|آذر|دی|بهمن|اسفند)\s+[۰-۹0-9]{4}',
+                # تاریخ‌های انگلیسی
+                r'(?:[0-9]{1,2})\s*(?:January|February|March|April|May|June|July|August|September|October|November|December)\s*(?:[0-9]{4})',
+                r'(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)\s*[0-9]{1,2},?\s*[0-9]{4}',
+                # بازه‌های زمانی
+                r'سال\s+گذشته',
+                r'سال\s+جاری',
+                r'این\s+سال',
+                r'ماه\s+قبل',
+                r'ماه\s+اخیر',
+                r'دومین\s+ماه\s+سال',
+                r'ابتدای\s+سال\s+جاری',
+                r'مدت\s+مشابه\s+سال\s+گذشته',
+                r'چند\s+ماهه\s+اخیر',
+                # سال‌های مستقل
+                r'(?:13[0-9]{2}|14[0-9]{2}|20[0-9]{2}|19[0-9]{2})(?=\s|$|،|\.)'
+            ],
+            
+            'ADVANCED_DATE_FORMATS': [
+                # تاریخ انگلیسی
+                r'(?:March|April|May|June|July|August|September|October|November|December)\s+\d{1,2}(?:st|nd|rd|th),?\s+\d{4}',
+                r'(?:January|February)\s+\d{1,2}(?:st|nd|rd|th),?\s+\d{4}',
+                # timestamp
+                r'\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}(?:\.\d{3})?Z',
+                # timezone
+                r'(?:PST|EST|GMT|UTC)(?:[+-]\d{1,2}:\d{2})?',
+                r'Eastern\s+Time',
+                r'GMT[+-]\d{1,2}:\d{2}',
+                # تاریخ با ساعت
+                r'\d{1,2}(?:st|nd|rd|th)\s+of\s+(?:January|February|March|April|May|June|July|August|September|October|November|December)\s+\d{4}',
+                # بازه تاریخ
+                r'ending\s+(?:December|January|February|March|April|May|June|July|August|September|October|November)\s+\d{1,2}(?:st|nd|rd|th)',
+                # fiscal year
+                r'end\s+of\s+fiscal\s+year\s+\d{4}/\d{2}/\d{2}',
+                # due date
+                r'\d{1,2}\s+(?:روز|days?)\s+(?:کاری|business)\s+پس\s+از\s+(?:delivery|تحویل)',
+                # فرمت COB
+                r'COB\s+(?:Monday|Tuesday|Wednesday|Thursday|Friday|Saturday|Sunday)'
+            ],
+            
+            'TIME_RANGES': [
+                # shift time
+                r'\d{2}:\d{2}-\d{2}:\d{2}',
+                r'\d{2}:\d{2}\s+تا\s+\d{2}:\d{2}',
+                # maintenance window
+                r'(?:Saturday|Sunday|Monday|Tuesday|Wednesday|Thursday|Friday)\s+night\s+\d{1,2}:\d{2}\s+(?:AM|PM)\s+to\s+\d{1,2}:\d{2}\s+(?:AM|PM)',
+                # meeting time
+                r'\d{1,2}:\d{2}\s+(?:AM|PM)\s+(?:PST|EST|GMT|UTC)',
+                r'\d{1,2}:\d{2}\s+(?:AM|PM)\s+Eastern\s+Time',
+                # timestamp
+                r'\d{2}:\d{2}:\d{2}\s+(?:AM|PM)',
+                # business hours
+                r'COB\s*\(Close\s+of\s+Business\)',
+                # due periods
+                r'\d{1,3}\s+(?:business\s+days|روز\s+کاری)',
+                r'warranty\s+period\s+(?:دو\s+سال|\d+\s+(?:years?|سال))'
+            ],
+            
+            # =============================================================================
+            # 4. اطلاعات مکانی (LOCATION INFORMATION) - 14 الگو
+            # =============================================================================
+            
+            'LOCATION': [
+                # شهرهای ایران
+                r'(تهران|اصفهان|ماهشهر|عسلویه|بندرعباس|اهواز|شیراز|مشهد|تبریز|کرج|قم|رشت|کرمان|یزد|زاهدان|بوشهر|خرمشهر|آبادان|اراک|قزوین)',
+                # استان‌ها
+                r'استان\s+([آ-ی\s]+)',
+                r'شهر\s+([آ-ی\s]+)',
+                # کشورها
+                r'(ایران|عراق|کویت|عربستان|امارات|قطر|عمان|بحرین|ترکیه|پاکستان|افغانستان|آذربایجان|ارمنستان|گرجستان)',
+                # داخلی/خارجی
+                r'داخلی|بازار\s+داخلی',
+                r'خارجی|بازارهای\s+خارجی',
+                # شهرهای بین‌المللی
+                r'(London|Paris|Tokyo|New\s+York|Dubai|Singapore|Hong\s+Kong|Shanghai|Mumbai|Frankfurt|Amsterdam)'
+            ],
+            
+            'COMPLEX_ADDRESSES': [
+                # آدرس با کیلومتر
+                r'کیلومتر\s+\d+\s+جاده\s+[آ-ی\s]+-[آ-ی\s]+',
+                # آدرس با مرجع
+                r'روبروی\s+(?:پمپ\s+بنزین|بانک|پارک|مسجد|بیمارستان)\s+[آ-یa-zA-Z\s]+',
+                # آدرس ساختمان
+                r'Building-[A-Z],?\s+Floor-\d+,?\s+Unit-[A-Z0-9]+',
+                # آدرس rack
+                r'rack\s+number\s+R-\d+,?\s+slot\s+\d+',
+                # آدرس plot
+                r'phase\s+\d+\s+development,?\s+block\s+[A-Z],?\s+plot\s+\d+-[A-Z]',
+                # آدرس آمریکایی
+                r'\d{2,5}\s+[A-Z][a-z]+\s+(?:Street|Avenue|Boulevard|Road|Drive),?\s+Floor\s+\d+,?\s+Building\s+[A-Z]',
+                # industrial estate
+                r'شهرک\s+صنعتی\s+[آ-ی\s]+،?\s+محور\s+[آ-ی\s]+',
+                # data center
+                r'[آ-ی\s]+-پارک\s+فناوری\s+[آ-ی\s]+'
+            ],
+            
+            # =============================================================================
+            # 5. اطلاعات فنی و تکنولوژیکی (TECHNICAL & TECHNOLOGICAL) - 32 الگو
+            # =============================================================================
+            
+            'TECHNICAL_CODES': [
+                # کدهای سریال
+                r'SN-\d{4}-[A-Z]{3}-\d{4}',
+                r'Serial\s+Number[\s:]*[A-Z0-9-]+',
+                # کدهای مرجع
+                r'REF-[A-Z]{3}-\d{4}-\d{3}',
+                r'DOC-[A-Z]{2}-\d{4}-\d{4}',
+                # کدهای پروژه
+                r'INF-\d{4}-\d{4}',
+                r'CTR/\d{4}/\d{3}',
+                # شناسه‌های فنی
+                r'HVAC-\d{7}',
+                r'Generator-Model-[A-Z0-9]+',
+                # کدهای LOI/BOQ
+                r'LOI-\d{4}-[A-Z]{4}-\d{3}',
+                r'BOQ-\d{4}-[A-Z]{3}-\d{3}',
+                # شماره‌های invoice
+                r'#INV-\d{4}-Q\d-\d{4}',
+                # کدهای ESC
+                r'ESC-\d{4}-[A-Z]{3}-\d{3}',
+                # کدهای batch
+                r'BN-\d{6}-[A-Z]\d+'
+            ],
+            
+            'NETWORK_ADDRESSES': [
+                # آدرس IP
+                r'\b(?:\d{1,3}\.){3}\d{1,3}\b',
+                r'xxx\.xxx\.xxx\.xxx',
+                # آدرس MAC
+                r'[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}:[A-F0-9]{2}',
+                # hostname
+                r'srv-[a-z]+-[a-z]+-\d{2}',
+                r'[a-z]+-[a-z]+\d*\.[a-z]+\.[a-z]+',
+                # domain names
+                r'[a-zA-Z0-9-]+\.[a-zA-Z]{2,4}(?:\.[a-zA-Z]{2,4})?'
+            ],
+            
+            'TECHNICAL_UNITS': [
+                # واحدهای برق
+                r'\d+(?:\.\d+)?\s*MW',
+                r'\d+(?:\.\d+)?\s*kWh?',
+                # واحدهای حجم
+                r'\d+(?:,\d{3})*\s*cubic\s+meters',
+                r'\d+(?:,\d{3})*\s*m³',
+                r'\d+(?:,\d{3})*\s*sq\s+ft',
+                # واحدهای آلودگی
+                r'\d+(?:\.\d+)?\s*ppm',
+                r'\d+(?:\.\d+)?\s*mg/m³',
+                r'\b(?:CO2|NOx|SO2)\b',
+                # واحدهای دیجیتال
+                r'\d+(?:\.\d+)?\s*TB',
+                r'\d+(?:\.\d+)?\s*GB',
+                # واحدهای مساحت
+                r'\d+(?:,\d{3})*\s*square\s+meters',
+                r'\d+(?:\.\d+)?\s*per\s+sq\s+ft\s+NNN',
+                # efficiency rate
+                r'\d+(?:\.\d+)?\%\s*efficiency',
+                r'score:\s*\d+(?:\.\d+)?/10',
+                # FICO score
+                r'FICO\s+score:\s*\d{3}',
+                # واحدهای فشار
+                r'\d+(?:\.\d+)?\s*(?:bar|psi)',
+                # واحدهای دما
+                r'\d+(?:\.\d+)?\s*°[CF]',
+                # واحدهای سرعت
+                r'\d+(?:\.\d+)?\s*(?:rpm|m/s)'
+            ],
+            
+            'ACRONYMS_ABBREVIATIONS': [
+                # فنی
+                r'\b(?:HVAC|IT|HSE|BOQ|LC|COB)\b',
+                # مالی
+                r'\b(?:YTD|NNN|EIN|SSN|FICO)\b',
+                # تکنولوژی
+                r'\bIP\s+Address\b',
+                r'\bMAC\s+Address\b',
+                r'\bURL\b',
+                # کسب‌وکار
+                r'\b(?:LLC|Corp|Inc|Ltd)\b',
+                # تاریخ
+                r'\b(?:PST|GMT|UTC|EST)\b',
+                # علمی
+                r'\b(?:CO2|NOx|pH|UV)\b',
+                # مهندسی
+                r'\b(?:SCADA|PLC|HMI)\b',
+                # اقتصادی
+                r'\b(?:GDP|CPI|ROI|NPV)\b',
+                # حمل‌ونقل
+                r'\b(?:FOB|CIF|DDP)\b',
+                # بانکی
+                r'\b(?:ABA|SWIFT|IBAN)\b'
+            ],
+            
+            # =============================================================================
+            # 6. اطلاعات کسب‌وکار (BUSINESS INFORMATION) - 39 الگو
+            # =============================================================================
+            
+            'COMPANY': [
+                # شرکت‌های فارسی
+                r'شرکت(?=\s+در|\s+که|\s+با|\s+را|\s+به|\s+طی)',
+                r'([آ-یa-zA-Z\s]+)\s+شرکت',
+                r'این\s+شرکت(?=\s|$|،|\.)',
+                # بانک‌ها
+                r'(بانک\s+[آ-یa-zA-Z\s]+)',
+                # شرکت‌های بین‌المللی
+                r'([A-Z][a-zA-Z\s]+(?:Inc|Corp|Corporation|Company|Ltd|Limited|LLC))'
+            ],
+            
+            'BUSINESS_TERMS': [
+                # تحلیل و گزارش
+                r'تحلیل\s+عملکرد',
+                r'گزارش\s+(?:فعالیت|عملکرد)\s+ماهانه',
+                r'وضعیت\s+فروش',
+                # تولید و بازار
+                r'تولید\s+پایدار',
+                r'سهم\s+بازار',
+                r'صادرات\s+هدفمند',
+                r'بهره‌وری',
+                r'ظرفیت‌های\s+داخلی',
+                # صنعت و رقابت
+                r'شرکت‌های\s+پیشرو',
+                r'صنعت\s+پتروشیمی',
+                r'سرمایه‌گذاران\s+بنیادی',
+                # شاخص‌ها و برنامه‌ریزی
+                r'شاخص‌های\s+عملیاتی',
+                r'برنامه‌ریزی\s+مناسب',
+                # فروش و انبار
+                r'واحد\s+فروش',
+                r'موجودی\s+انبار',
+                # رشد و توسعه
+                r'فاز\s+رشد\s+جدید',
+                r'ترکیب\s+فروش',
+                r'سهم\s+صادراتی',
+                # عملکرد و داده‌ها
+                r'روند\s+عملکرد',
+                r'اعداد\s+اعلام‌شده',
+                r'داده‌های\s+ثبت‌شده'
+            ],
+            
+            'PRODUCT': [
+                # محصولات پتروشیمی
+                r'\b(?:VCM|PVC|PE|PP|PS|ABS|SAN|PC|PMMA|PET|PBT|PA|POM|TPU)\b',
+                # پلیمرها
+                r'پلی\s*(?:اتیلن|پروپیلن|استایرن|کربنات|متیل)',
+                # مواد شیمیایی
+                r'\b(?:اتیلن|پروپیلن|بنزن|تولوئن|زایلن|متانول|اتانول|استون|فنول)\b',
+                # گازها
+                r'\b(?:کلر|هیدروژن|اکسیژن|نیتروژن|آمونیاک|اتان|پروپان|بوتان)\b',
+                # محصولات عمومی
+                r'محصول(?:ات)?',
+                r'تولیدات\s+شرکت'
+            ],
+            
+            'PETROCHEMICAL': [
+                # نام‌های اختصاری پتروشیمی‌ها
+                r'\b(?:LDPE|HDPE|LLDPE|PP|PS|EPS|ABS|SAN|PC|PMMA|PET|PBT|PA6|PA66|POM|TPU|EVA|EAA)\b',
+                # ترکیبات شیمیایی پیچیده
+                r'(?:Ethylene\s+Vinyl\s+Acetate|Ethyl\s+Acrylate|Methyl\s+Methacrylate|Polyethylene\s+Terephthalate)'
+            ],
+            
+            # =============================================================================
+            # 7. اطلاعات کمیت و واحد (QUANTITY & UNIT INFORMATION) - 26 الگو
+            # =============================================================================
+            
+            'PERCENTAGE': [
+                # درصدهای فارسی
+                r'\d+(?:\.\d+)?\s*درصد(?:\s+افزایش|\s+رشد|\s+کاهش|\s+بالاتر|\s+پایین‌تر)?',
+                r'\d+(?:\.\d+)?\s*%',
+                r'معادل\s+\d+(?:\.\d+)?\s*درصد',
+                r'حدود\s+\d+(?:\.\d+)?\s*درصد',
+                r'با\s+\d+(?:\.\d+)?\s*درصد\s+افزایش',
+                r'رشد\s+\d+(?:\.\d+)?\s*درصدی',
+                r'\d+(?:\.\d+)?\s*درصدی(?=\s+همراه|\s+بوده)',
+                # عبارات کیفی
+                r'میزان\s+رشد(?=\s+نسبت|\s+معادل)',
+                r'افزایش\s+قابل‌توجهی',
+                r'بهبود\s+نسبی',
+                # درصدهای انگلیسی
+                r'\d+(?:\.\d+)?\%\s*(?:increase|decrease|growth|improvement)',
+                r'(?:approximately|about)\s+\d+(?:\.\d+)?\%'
+            ],
+            
+            'VOLUME': [
+                # حجم‌های فارسی
+                r'\d+(?:,\d{3})*\s*تن',
+                r'\d+(?:,\d{3})*\s*(?:کیلوگرم|لیتر|بشکه)',
+                r'میزان\s+\d+(?:,\d{3})*\s*تن',
+                r'مقدار\s+تولید',
+                r'حجم\s+فروش',
+                r'ظرفیت\s+(?:تولید|اسمی)',
+                # واحدهای انگلیسی
+                r'\d+(?:,\d{3})*\s*(?:tons|kg|liters|barrels)',
+                r'\d+(?:,\d{3})*\s*(?:metric\s+tons|MT)',
+                r'\d+(?:,\d{3})*\s*(?:thousand\s+tons|KT)'
+            ],
+            
+            'RATIOS': [
+                # نسبت‌ها
+                r'نسبت\s+(?:فروش|تولید)\s+به\s+[آ-ی\s]+',
+                r'\d+(?:\.\d+)?\s*نزدیک',
+                r'برابر\s+با\s+\d+(?:\.\d+)?',
+                r'معادل\s+\d+(?:\.\d+)?',
+                r'میزان\s+(?:رشد|افزایش)',
+                r'شاخص\s+(?:مهم|عملیاتی)',
+                r'\d+(?:\.\d+)?\s*درصد\s+کل\s+تولید'
+            ],
+            
+            # =============================================================================
+            # 8. اطلاعات ارتباطی (COMMUNICATION INFORMATION) - 5 الگو
+            # =============================================================================
+            
+            'PHONE': [
+                # شماره‌های فارسی
+                r'(?:تلفن[\s:]*)?(?:شماره[\s:]*)?(?:0)?(?:[۰-۹0-9]{2,3}[-\s]?)?[۰-۹0-9]{7,8}',
+                r'(?:تماس[\s:]*)?(?:شماره[\s:]*)?(?:با[\s]*)?(?:0)?(?:[۰-۹0-9]{2,3}[-\s]?)?[۰-۹0-9]{7,8}',
+                r'(?:موبایل[\s:]*)?(?:شماره[\s:]*)?(?:0)?9[۰-۹0-9]{9}',
+                r'[۰-۹0-9]{3,4}[-\s][۰-۹0-9]{7,8}',
+                r'[۰-۹0-9]{11}(?!\d)',
+                r'(?:\+98|0098)?[۰-۹0-9]{10}',
+                r'[۰-۹0-9]{3,4}[-\s]?[۰-۹0-9]{3,4}[-\s]?[۰-۹0-9]{3,4}',
+                # شماره‌های بین‌المللی
+                r'\+[0-9]{1,3}-[0-9]{3}-[0-9]{3}-[0-9]{4}(?:\s+ext\.\s+[0-9]{3,4})?',
+                r'\([0-9]{3}\)\s+[0-9]{3}-[0-9]{4}'
+            ],
+            
+            'EMAIL': [
+                # ایمیل‌های استاندارد
+                r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
+                # ایمیل‌های با کلمات کلیدی فارسی
+                r'ایمیل[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
+                r'email[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
+                r'نشانی[\s]*الکترونیکی[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
+                r'آدرس[\s]*ایمیل[\s:]*[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}',
+                # ایمیل‌های کاری خاص
+                r'facility\.manager@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'
+            ]
+        }
+
+    def anonymize_text(self, original_text, lang='fa'):
+        """گام 1: ناشناس‌سازی متن با الگوهای جامع"""
+        try:
+            if not original_text or not original_text.strip():
+                return "❌ Please enter input text!" if lang == 'en' else "❌ لطفاً متن ورودی را وارد کنید!"
+            
+            # ریست متغیرها
+            self.mapping_table = {}
+            self.counters = {key: 0 for key in self.counters.keys()}
+            
+            anonymized = original_text
+            found_entities = set()
+            
+            # تشخیص زبان
+            detected_lang = self.detect_language(original_text)
+            logger.info(f"Detected language: {detected_lang}")
+            
+            # مرحله 1: استخراج با Local NER
+            if self.models_loaded:
+                logger.info("🤖 Running comprehensive local NER extraction...")
+                ner_entities = self.extract_entities_with_ner(original_text, detected_lang)
+                
+                for entity in ner_entities:
+                    if (entity['text'] not in found_entities and 
+                        len(entity['text'].strip()) > 1 and 
+                        entity['confidence'] > 0.5):
+                        
+                        category = self.map_ner_to_categories(entity['label'], entity['source'])
+                        
+                        if entity['text'] not in self.mapping_table:
+                            self.counters[category] += 1
+                            code = f"{category}_{self.counters[category]:03d}_LOCAL_NER"
+                            self.mapping_table[entity['text']] = code
+                            found_entities.add(entity['text'])
+                            logger.info(f"Local NER: {entity['text']} -> {code}")
+            else:
+                logger.info("ℹ️ Using comprehensive regex-only mode")
+            
+            # مرحله 2: الگوهای Regex جامع - 221 الگو
+            patterns = self.get_comprehensive_patterns()
+            
+            # پردازش patterns با اولویت‌بندی - از خاص به عام
+            logger.info("🔍 Running comprehensive priority-based regex extraction...")
+            
+            # پردازش به ترتیب اولویت برای جلوگیری از تداخل
+            processed_entities = set()  # برای جلوگیری از تکرار
+            
+            # اولویت‌بندی دسته‌ها بر اساس حساسیت
+            priority_order = [
+                'ID_NUMBER', 'EMAIL', 'PHONE', 'ACCOUNT', 'TECHNICAL_CODES',
+                'NETWORK_ADDRESSES', 'INTERNATIONAL_CURRENCIES', 'AMOUNT',
+                'TECHNICAL_UNITS', 'ACRONYMS_ABBREVIATIONS', 'ADVANCED_DATE_FORMATS',
+                'TIME_RANGES', 'COMPLEX_ADDRESSES', 'MIXED_NAMES', 'ENGLISH_TITLES',
+                'STOCK_SYMBOL', 'COMPANY', 'PERSON', 'PERCENTAGE', 'VOLUME',
+                'RATIOS', 'LOCATION', 'DATE', 'FINANCIAL_TERMS', 'BUSINESS_TERMS',
+                'PRODUCT', 'PETROCHEMICAL'
+            ]
+            
+            for category in priority_order:
+                if category in patterns:
+                    pattern_list = patterns[category]
+                    for pattern in pattern_list:
+                        matches = re.finditer(pattern, original_text, re.IGNORECASE | re.MULTILINE)
+                        for match in matches:
+                            if match.groups():
+                                item = match.group(1).strip()
+                                full_match = match.group(0).strip()
+                            else:
+                                item = match.group(0).strip()
+                                full_match = item
+                            
+                            # بررسی تداخل با entities قبلی
+                            overlaps = False
+                            match_start, match_end = match.span()
+                            
+                            for proc_start, proc_end in processed_entities:
+                                # بررسی تداخل موقعیت
+                                if not (match_end <= proc_start or match_start >= proc_end):
+                                    overlaps = True
+                                    break
+                            
+                            if (not overlaps and
+                                full_match not in found_entities and 
+                                full_match not in self.mapping_table and 
+                                len(full_match) >= 2):
+                                
+                                self.counters[category] += 1
+                                code = f"{category}_{self.counters[category]:03d}_REGEX"
+                                self.mapping_table[full_match] = code
+                                found_entities.add(full_match)
+                                processed_entities.add((match_start, match_end))
+                                logger.info(f"Regex ({category}): {full_match} -> {code}")
+            
+            # جایگزینی در متن با ترتیب طولانی‌ترین اول
+            sorted_items = sorted(self.mapping_table.items(), key=lambda x: len(x[0]), reverse=True)
+            for original_item, code in sorted_items:
+                anonymized = anonymized.replace(original_item, code)
+            
+            logger.info(f"✅ Comprehensive anonymization completed. Found {len(self.mapping_table)} entities.")
+            return anonymized
+            
+        except Exception as e:
+            return f"❌ Error in anonymization: {str(e)}" if lang == 'en' else f"❌ خطا در ناشناس‌سازی: {str(e)}"
+
+    def send_to_chatgpt(self, anonymized_text, lang='fa'):
+        """گام 2: ارسال به ChatGPT"""
+        try:
+            if not anonymized_text or not anonymized_text.strip():
+                return "❌ Anonymized text is empty!" if lang == 'en' else "❌ متن ناشناس‌شده خالی است!"
+            
+            if not self.api_key:
+                return "❌ API Key not configured! Please set OPENAI_API_KEY environment variable." if lang == 'en' else "❌ کلید API تنظیم نشده است! لطفاً OPENAI_API_KEY را در متغیرهای محیطی تنظیم کنید."
+            
+            system_msg = "You are a professional financial analyst. The text contains anonymous codes. Answer questions accurately." if lang == 'en' else "شما یک تحلیلگر مالی حرفه‌ای هستید. متن حاوی کدهای ناشناس است. به سوالات با دقت پاسخ دهید."
+            
+            headers = {
+                "Authorization": f"Bearer {self.api_key}",
+                "Content-Type": "application/json"
+            }
+            
+            data = {
+                "model": "gpt-4o-mini",
+                "messages": [
+                    {"role": "system", "content": system_msg},
+                    {"role": "user", "content": anonymized_text}
+                ],
+                "max_tokens": 2000,
+                "temperature": 0.7
+            }
+            
+            response = requests.post(
+                "https://api.openai.com/v1/chat/completions",
+                headers=headers,
+                json=data,
+                timeout=30
+            )
+            
+            if response.status_code == 200:
+                result = response.json()
+                return result['choices'][0]['message']['content']
+            else:
+                error_data = response.json() if response.content else {}
+                error_message = error_data.get('error', {}).get('message', response.text)
+                
+                if 'Incorrect API key' in error_message:
+                    return "❌ Invalid API key." if lang == 'en' else "❌ کلید API نامعتبر است."
+                elif 'quota' in error_message:
+                    return "❌ API quota exceeded." if lang == 'en' else "❌ سهمیه API تمام شده است."
+                else:
+                    return f"❌ API Error: {error_message}"
+                
+        except Exception as e:
+            return f"❌ Error connecting to ChatGPT: {str(e)}" if lang == 'en' else f"❌ خطا در ارتباط با ChatGPT: {str(e)}"
+
+    def deanonymize_response(self, gpt_response, lang='fa'):
+        """گام 3: بازگردانی"""
+        try:
+            if not gpt_response or not gpt_response.strip():
+                return "❌ ChatGPT response is empty!" if lang == 'en' else "❌ پاسخ ChatGPT خالی است!"
+            
+            if not self.mapping_table:
+                return "❌ Mapping table is empty!" if lang == 'en' else "❌ جدول نگاشت خالی است!"
+            
+            final_result = gpt_response
+            reverse_mapping = {code: original for original, code in self.mapping_table.items()}
+            
+            sorted_codes = sorted(reverse_mapping.items(), key=lambda x: len(x[0]), reverse=True)
+            for code, original in sorted_codes:
+                final_result = final_result.replace(code, original)
+                escaped_code = code.replace('_', '\\_')
+                final_result = final_result.replace(escaped_code, original)
+            
+            return final_result
+            
+        except Exception as e:
+            return f"❌ Deanonymization error: {str(e)}" if lang == 'en' else f"❌ خطا در بازگردانی: {str(e)}"
+
+    def get_model_status(self):
+        """وضعیت مدل‌های محلی"""
+        status = "🤖 **Refined Anonymization System Status (Enhanced with Precision Detection):**\n\n"
+        
+        if hasattr(self, 'model_status') and self.model_status:
+            for model_type, model_status in self.model_status.items():
+                if model_type == 'persian':
+                    status += f"• **Persian NER**: {model_status}\n"
+                elif model_type == 'english':
+                    status += f"• **English NER**: {model_status}\n"
+                elif model_type == 'transformers':
+                    status += f"• **Transformers**: {model_status}\n"
+                elif model_type == 'fallback':
+                    status += f"• **Fallback Mode**: {model_status}\n"
+                elif model_type == 'critical':
+                    status += f"• **Critical**: {model_status}\n"
+                elif model_type == 'directory':
+                    status += f"• **Directory**: {model_status}\n"
+        
+        loaded_count = sum(1 for status in getattr(self, 'model_status', {}).values() 
+                          if status.startswith("✅"))
+        status += f"\n📊 **Summary**: {loaded_count}/2 local models loaded"
+        
+        status += f"\n📁 **Models Path**: {self.models_base_path}"
+        status += f"\n🔧 **Latest Features**: Refined precision detection with validation"
+        
+        status += f"\n\n🎯 **Refined Sensitive Data Detection (High Precision):**"
+        
+        # اطلاعات حساس اولویت‌دار
+        status += f"\n\n🔐 **High-Priority Sensitive Data:**"
+        status += f"\n   🆔 **ID_NUMBER**: کد ملی، شبا، کارت بانکی، SSN"
+        status += f"\n   📧 **EMAIL**: آدرس‌های ایمیل معتبر"
+        status += f"\n   📞 **PHONE**: شماره تلفن و موبایل"
+        status += f"\n   🏦 **ACCOUNT**: شماره حساب‌های بانکی"
+        status += f"\n   💰 **AMOUNT**: مبالغ مالی دقیق"
+        status += f"\n   📅 **DATE**: تاریخ‌های معتبر"
+        
+        # اطلاعات کسب‌وکار
+        status += f"\n\n💼 **Business & Personal Data:**"
+        status += f"\n   👤 **PERSON**: نام‌ها با عناوین مشخص"
+        status += f"\n   🏢 **COMPANY**: شرکت‌ها و بانک‌ها"
+        status += f"\n   📍 **LOCATION**: آدرس‌های دقیق"
+        status += f("\n   📊 **PERCENTAGE**: درصدها و نسبت‌ها")
+        status += f"\n   📦 **VOLUME**: حجم‌ها و واحدهای اندازه‌گیری"
+        
+        # اطلاعات فنی
+        status += f"\n\n⚙️ **Technical Information:**"
+        status += f"\n   🔢 **TECHNICAL_CODES**: کدهای سریال و مرجع"
+        status += f"\n   🌐 **NETWORK_ADDRESSES**: IP و MAC addresses"
+        status += f("\n   🏆 **STOCK_SYMBOL**: نمادهای بورسی")
+        
+        status += f"\n\n✨ **Key Improvements:**"
+        status += f"\n   🎯 **Precision-focused**: فقط اطلاعات واقعاً حساس"
+        status += f"\n   🛡️ **Validation system**: فیلتر کلمات رایج"
+        status += f"\n   🔍 **Context-aware**: الگوهای دقیق‌تر"
+        status += f"\n   📝 **Blacklist filtering**: حذف کلمات عمومی"
+        status += f"\n   ⚡ **High accuracy**: کاهش false positives"
+        
+        status += f"\n\n📋 **Blacklisted Common Words:**"
+        status += f"\n   • حروف ربط: با، در، از، به، را، که، است"
+        status += f"\n   • کلمات مکانی: خیابان، کوچه، پلاک، طبقه"
+        status += f"\n   • کلمات مالی: حساب، کارت، مبلغ، تومان"
+        status += f"\n   • افعال: نموده، کرده، ارائه، اعلام"
+        
+        return status
+
+def process_all_steps(input_text, language):
+    """پردازش خودکار تمام مراحل با دقت بالا"""
+    lang = 'en' if language == 'English' else 'fa'
+    
+    if not input_text.strip():
+        error_msg = "❌ Please enter input text!" if lang == 'en' else "❌ لطفاً متن ورودی را وارد کنید!"
+        return error_msg, "", "", ""
+    
+    try:
+        start_time = time.time()
+        
+        anonymized_text = anonymizer.anonymize_text(input_text, lang)
+        if anonymized_text.startswith("❌"):
+            return anonymized_text, "", "", ""
+        
+        gpt_response = anonymizer.send_to_chatgpt(anonymized_text, lang)
+        if gpt_response.startswith("❌"):
+            entities_found = len(anonymizer.mapping_table)
+            ner_count = sum(1 for code in anonymizer.mapping_table.values() if '_NER' in code)
+            regex_count = sum(1 for code in anonymizer.mapping_table.values() if '_REGEX' in code)
+            
+            # آمار اطلاعات حساس
+            critical_categories = ['ID_NUMBER', 'EMAIL', 'PHONE', 'ACCOUNT', 'AMOUNT', 'DATE']
+            critical_count = sum(1 for code in anonymizer.mapping_table.values() 
+                               if any(cat in code for cat in critical_categories))
+            
+            method = "Refined Local NER + Precision Regex" if anonymizer.models_loaded else "Refined Precision Regex Only"
+            success_msg = (f"✅ Refined anonymization completed with {method}!\n"
+                          f"🔐 Critical data protected: {critical_count} | 🤖 NER: {ner_count} | 🔍 Regex: {regex_count}\n"
+                          f"📊 Total valid entities: {entities_found} (with precision filtering)")
+            return success_msg, anonymized_text, gpt_response, ""
+        
+        final_result = anonymizer.deanonymize_response(gpt_response, lang)
+        
+        total_time = time.time() - start_time
+        entities_found = len(anonymizer.mapping_table)
+        ner_count = sum(1 for code in anonymizer.mapping_table.values() if '_NER' in code)
+        regex_count = sum(1 for code in anonymizer.mapping_table.values() if '_REGEX' in code)
+        
+        # آمار تفصیلی اطلاعات حساس
+        id_count = sum(1 for code in anonymizer.mapping_table.values() if 'ID_NUMBER' in code)
+        email_count = sum(1 for code in anonymizer.mapping_table.values() if 'EMAIL' in code)
+        phone_count = sum(1 for code in anonymizer.mapping_table.values() if 'PHONE' in code)
+        account_count = sum(1 for code in anonymizer.mapping_table.values() if 'ACCOUNT' in code)
+        amount_count = sum(1 for code in anonymizer.mapping_table.values() if 'AMOUNT' in code)
+        person_count = sum(1 for code in anonymizer.mapping_table.values() if 'PERSON' in code)
+        
+        critical_details = []
+        if id_count > 0: critical_details.append(f"🆔 IDs: {id_count}")
+        if phone_count > 0: critical_details.append(f"📞 Phones: {phone_count}")
+        if email_count > 0: critical_details.append(f"📧 Emails: {email_count}")
+        if account_count > 0: critical_details.append(f"🏦 Accounts: {account_count}")
+        if amount_count > 0: critical_details.append(f"💰 Amounts: {amount_count}")
+        if person_count > 0: critical_details.append(f"👤 Names: {person_count}")
+        
+        method = "Refined Local NER + Precision Regex" if anonymizer.models_loaded else "Refined Precision Regex Only"
+        success_msg = (f"🎉 Complete refined anonymization & restoration successful!\n"
+                      f"🔧 Method: {method}\n"
+                      f"🔐 Protected data: {' | '.join(critical_details) if critical_details else '0'}\n"
+                      f"📊 Total: {entities_found} entities | ⏱️ Time: {total_time:.2f}s | 🎯 High precision")
+        
+        return success_msg, anonymized_text, gpt_response, final_result
+        
+    except Exception as e:
+        error_msg = f"❌ Processing error: {str(e)}" if lang == 'en' else f"❌ خطا در پردازش: {str(e)}"
+        return error_msg, "", "", ""
+
+def get_mapping_table(language):
+    """نمایش جدول نگاشت"""
+    lang = 'en' if language == 'English' else 'fa'
+    
+    if not anonymizer.mapping_table:
+        return "❌ Mapping table is empty! Please process some text first." if lang == 'en' else "❌ جدول نگاشت خالی است! ابتدا متنی را پردازش کنید."
+    
+    result = "📋 **Refined High-Precision Sensitive Data Mapping Table:**\n\n" if lang == 'en' else "📋 **جدول نگاشت دقیق اطلاعات حساس:**\n\n"
+    
+    ner_items = {k: v for k, v in anonymizer.mapping_table.items() if '_NER' in v}
+    regex_items = {k: v for k, v in anonymizer.mapping_table.items() if '_REGEX' in v}
+    
+    # دسته‌بندی بر اساس اولویت حساسیت
+    critical_categories = {
+        'ID_NUMBER': '🆔 **Identity Codes (Critical)**',
+        'PHONE': '📞 **Phone Numbers**',
+        'EMAIL': '📧 **Email Addresses**', 
+        'ACCOUNT': '🏦 **Bank Accounts**',
+        'AMOUNT': '💰 **Financial Amounts**',
+        'DATE': '📅 **Dates**'
+    }
+    
+    business_categories = {
+        'PERSON': '👤 **Person Names**',
+        'COMPANY': '🏢 **Companies**',
+        'LOCATION': '📍 **Locations**',
+        'PERCENTAGE': '📊 **Percentages**',
+        'VOLUME': '📦 **Volumes & Units**',
+        'STOCK_SYMBOL': '🏆 **Stock Symbols**'
+    }
+    
+    technical_categories = {
+        'TECHNICAL_CODES': '⚙️ **Technical Codes**',
+        'NETWORK_ADDRESSES': '🌐 **Network Addresses**'
+    }
+    
+    # نمایش دسته‌های حساس
+    for category, title in critical_categories.items():
+        category_items = {k: v for k, v in anonymizer.mapping_table.items() if category in v}
+        if category_items:
+            result += f"{title}:\n"
+            for original, code in list(category_items.items())[:5]:
+                result += f"   • `{original}` → `{code}`\n"
+            if len(category_items) > 5:
+                result += f"   ... و {len(category_items) - 5} مورد دیگر\n"
+            result += "\n"
+    
+    # نمایش NER results
+    if ner_items:
+        result += "🤖 **Local NER Detected**:\n"
+        for original, code in list(ner_items.items())[:5]:
+            result += f"   • `{original}` → `{code}`\n"
+        if len(ner_items) > 5:
+            result += f"   ... و {len(ner_items) - 5} مورد دیگر\n"
+        result += "\n"
+    
+    # نمایش دسته‌های کسب‌وکار
+    business_items = {k: v for k, v in regex_items.items() 
+                     if any(cat in v for cat in business_categories.keys())}
+    if business_items:
+        result += "💼 **Business Data**:\n"
+        for original, code in list(business_items.items())[:8]:
+            result += f"   • `{original}` → `{code}`\n"
+        if len(business_items) > 8:
+            result += f"   ... و {len(business_items) - 8} مورد دیگر\n"
+        result += "\n"
+    
+    # نمایش دسته‌های فنی
+    technical_items = {k: v for k, v in regex_items.items() 
+                      if any(cat in v for cat in technical_categories.keys())}
+    if technical_items:
+        result += "⚙️ **Technical Data**:\n"
+        for original, code in list(technical_items.items())[:5]:
+            result += f"   • `{original}` → `{code}`\n"
+        if len(technical_items) > 5:
+            result += f"   ... و {len(technical_items) - 5} مورد دیگر\n"
+        result += "\n"
+    
+    # آمار کلی
+    critical_count = sum(len({k: v for k, v in anonymizer.mapping_table.items() if cat in v}) 
+                        for cat in critical_categories.keys())
+    
+    result += f"📊 **Refined Statistics**:\n"
+    result += f"🔐 **Critical Sensitive Data**: {critical_count} items\n"
+    result += f"🤖 **NER Detected**: {len(ner_items)} items\n" 
+    result += f"💼 **Business Data**: {len(business_items)} items\n"
+    result += f"⚙️ **Technical Data**: {len(technical_items)} items\n"
+    result += f"📋 **Total Protected**: {len(anonymizer.mapping_table)} entities\n"
+    
+    result += f"\n✨ **System Enhancement**: High-precision detection with validation\n"
+    result += f"🎯 **Accuracy**: Minimized false positives with blacklist filtering\n"
+    result += f"🛡️ **Protection Level**: Maximum sensitive data security with readable text!"
+    
+    return result
+
+def clear_all():
+    """پاک کردن همه"""
+    anonymizer.mapping_table = {}
+    anonymizer.counters = {key: 0 for key in anonymizer.counters.keys()}
+    return "", "", "", "", ""
+
+def update_ui_text(language):
+    """به‌روزرسانی متن‌های رابط کاربری"""
+    if language == 'English':
+        return {
+            'title': 'Refined High-Precision Bilingual Data Anonymization System',
+            'step1': 'Input Text & Settings',
+            'step2': 'Anonymized Text',
+            'step3': 'Raw ChatGPT Response',
+            'step4': 'Final Restored Response',
+            'input_placeholder': 'Enter your original text here...\nExample: Company reports, person names, financial amounts, phone numbers, emails, IBAN codes, bank accounts, etc.\n\n✨ Refined system with high precision detection and validation!',
+            'process_btn': 'Process with High-Precision Detection',
+            'clear_btn': 'Clear All',
+            'mapping_btn': 'Show High-Precision Mapping Table',
+            'status_btn': 'Show System Status',
+            'copy_btn': 'Copy',
+            'direction': 'ltr'
+        }
+    else:
+        return {
+            'title': 'سیستم ناشناس‌سازی دقیق دوزبانه',
+            'step1': 'متن ورودی و تنظیمات',
+            'step2': 'متن ناشناس‌شده',
+            'step3': 'پاسخ خام ChatGPT',
+            'step4': 'پاسخ نهایی بازگردانده شده',
+            'input_placeholder': 'متن اصلی خود را اینجا وارد کنید...\nمثال: گزارش‌های شرکت، نام اشخاص، مبالغ مالی، شماره تلفن، ایمیل، شماره شبا، حساب بانکی و غیره\n\n✨ سیستم دقیق با تشخیص حساس و validation!',
+            'process_btn': 'پردازش با تشخیص دقیق',
+            'clear_btn': 'پاک کردن همه',
+            'mapping_btn': 'نمایش جدول نگاشت دقیق',
+            'status_btn': 'نمایش وضعیت سیستم',
+            'copy_btn': 'کپی',
+            'direction': 'rtl'
+        }
+
+def update_interface(language):
+    """تغییر رابط کاربری بر اساس زبان"""
+    ui_text = update_ui_text(language)
+    is_english = (language == 'English')
+    
+    # تغییر direction برای workflow
+    workflow_css = "workflow ltr" if is_english else "workflow rtl"
+    
+    return [
+        gr.update(value=f"<h1 style='text-align: center; color: #FFD700; font-size: 3.5em; font-weight: bold; text-shadow: 3px 3px 6px rgba(0,0,0,0.5); margin: 20px 0; background: linear-gradient(45deg, #FFD700, #FFA500); -webkit-background-clip: text; -webkit-text-fill-color: transparent; background-clip: text;'>📊 {ui_text['title']}</h1>"),
+        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>🔍 {ui_text['step1']}</h2>"),
+        gr.update(placeholder=ui_text['input_placeholder'], rtl=not is_english),
+        gr.update(value=f"🚀 {ui_text['process_btn']}"),
+        gr.update(value=f"🗑️ {ui_text['clear_btn']}"),
+        gr.update(rtl=not is_english),
+        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>🎭 {ui_text['step2']}</h2>"),
+        gr.update(rtl=not is_english),
+        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>🤖 {ui_text['step3']}</h2>"),
+        gr.update(rtl=not is_english),
+        gr.update(value=f"<h2 style='direction: {ui_text['direction']};'>✅ {ui_text['step4']}</h2>"),
+        gr.update(rtl=not is_english),
+        gr.update(value=f"📋 {ui_text['mapping_btn']}"),
+        gr.update(value=f"📊 {ui_text['status_btn']}"),
+        gr.update(rtl=not is_english),
+        gr.update(elem_classes=workflow_css)
+    ]
+
+# ایجاد instance
+anonymizer = ComprehensiveBilingualDataAnonymizer()
+
+# CSS اصلاح شده برای تراز‌بندی عمودی مناسب
+custom_css = """
+body, .gradio-container {
+    font-family: 'Segoe UI', Tahoma, Arial, sans-serif !important;
+    background: linear-gradient(135deg, #667eea 0%, #764ba2 100%) !important;
+    min-height: 100vh !important;
+    padding: 20px !important;
+}
+
+.rtl {
+    direction: rtl !important;
+    text-align: right !important;
+}
+
+.ltr {
+    direction: ltr !important;
+    text-align: left !important;
+}
+
+.workflow {
+    display: grid !important;
+    grid-template-columns: 1fr 1fr 1fr 1fr !important;
+    gap: 25px !important;
+    padding: 30px !important;
+    align-items: start !important;
+    align-content: start !important;
+    grid-auto-rows: auto !important;
+}
+
+.workflow > * {
+    align-self: start !important;
+    vertical-align: top !important;
+    margin-top: 0 !important;
+}
+
+.workflow .gradio-column,
+.workflow-column {
+    display: flex !important;
+    flex-direction: column !important;
+    align-items: stretch !important;
+    justify-content: flex-start !important;
+    height: auto !important;
+    min-height: 0 !important;
+    margin-top: 0 !important;
+    padding-top: 0 !important;
+}
+
+.gradio-textbox {
+    border-radius: 10px !important;
+    box-shadow: 0 4px 15px rgba(0,0,0,0.1) !important;
+    flex-grow: 1 !important;
+    min-height: 380px !important;
+    max-height: 380px !important;
+    height: 380px !important;
+}
+
+.gradio-textbox textarea {
+    min-height: 350px !important;
+    max-height: 350px !important;
+    height: 350px !important;
+    resize: vertical !important;
+}
+
+.workflow.rtl {
+    direction: rtl !important;
+}
+
+.workflow.ltr {
+    direction: ltr !important;
+}
+
+h1, h2, h3 {
+    text-shadow: 2px 2px 4px rgba(0,0,0,0.3) !important;
+    margin-top: 0 !important;
+    margin-bottom: 10px !important;
+    padding-top: 0 !important;
+    line-height: 1.2 !important;
+}
+
+h2 {
+    min-height: 40px !important;
+    max-height: 40px !important;
+    display: flex !important;
+    align-items: center !important;
+    margin-bottom: 15px !important;
+}
+
+.status-box {
+    background: linear-gradient(135deg, #4CAF50, #45a049) !important;
+    border: 3px solid #2E7D32 !important;
+    border-radius: 15px !important;
+    padding: 15px !important;
+    margin: 10px 0 !important;
+    box-shadow: 0 8px 32px rgba(76, 175, 80, 0.3) !important;
+    animation: pulse 2s infinite !important;
+    min-height: 120px !important;
+    max-height: 120px !important;
+}
+
+.status-box textarea {
+    background: rgba(255, 255, 255, 0.95) !important;
+    border: none !important;
+    border-radius: 10px !important;
+    font-weight: bold !important;
+    font-size: 1.1em !important;
+    color: #1B5E20 !important;
+    text-shadow: 1px 1px 2px rgba(255, 255, 255, 0.8) !important;
+    min-height: 80px !important;
+    max-height: 80px !important;
+}
+
+@keyframes pulse {
+    0% { box-shadow: 0 8px 32px rgba(76, 175, 80, 0.3); }
+    50% { box-shadow: 0 8px 40px rgba(76, 175, 80, 0.6); }
+    100% { box-shadow: 0 8px 32px rgba(76, 175, 80, 0.3); }
+}
+
+.gradio-button {
+    border-radius: 25px !important;
+    font-weight: bold !important;
+    transition: all 0.3s ease !important;
+    margin: 5px 0 !important;
+    min-height: 50px !important;
+    max-height: 50px !important;
+}
+
+.gradio-button:hover {
+    transform: translateY(-2px) !important;
+    box-shadow: 0 6px 20px rgba(0,0,0,0.2) !important;
+}
+
+h1 {
+    background: linear-gradient(45deg, #FFD700, #FFA500) !important;
+    -webkit-background-clip: text !important;
+    -webkit-text-fill-color: transparent !important;
+    background-clip: text !important;
+    min-height: 80px !important;
+}
+
+@media (max-width: 1200px) {
+    .workflow {
+        grid-template-columns: 1fr 1fr !important;
+        gap: 20px !important;
+    }
+}
+
+@media (max-width: 768px) {
+    .workflow {
+        grid-template-columns: 1fr !important;
+        gap: 15px !important;
+    }
+    
+    .gradio-textbox {
+        min-height: 300px !important;
+        max-height: 300px !important;
+        height: 300px !important;
+    }
+}
+
+[data-testid="textbox"]:dir(rtl) {
+    text-align: right !important;
+    direction: rtl !important;
+}
+
+[data-testid="textbox"]:dir(ltr) {
+    text-align: left !important;
+    direction: ltr !important;
+}
+
+.gradio-container .gradio-column {
+    align-self: start !important;
+    vertical-align: top !important;
+}
+
+.gradio-container .gradio-row {
+    align-items: flex-start !important;
+}
+
+* {
+    box-sizing: border-box !important;
+}
+
+.gradio-container {
+    align-items: start !important;
+    justify-content: start !important;
+}
+"""
+
+# رابط کاربری Gradio با تراز‌بندی اصلاح شده
+with gr.Blocks(title="📊 Refined High-Precision Anonymization System", theme=gr.themes.Soft(), css=custom_css) as app:
+    
+    with gr.Row():
+        language_selector = gr.Radio(
+            choices=["فارسی", "English"],
+            value="فارسی",
+            label="Language / زبان",
+            interactive=True
+        )
+    
+    with gr.Column():
+        title = gr.HTML("<h1 style='text-align: center; color: #FFD700; font-size: 3.5em; font-weight: bold; text-shadow: 3px 3px 6px rgba(0,0,0,0.5); margin: 20px 0; background: linear-gradient(45deg, #FFD700, #FFA500); -webkit-background-clip: text; -webkit-text-fill-color: transparent; background-clip: text;'>📊 سیستم ناشناس‌سازی دقیق دوزبانه</h1>")
+        
+        with gr.Row(elem_classes="workflow rtl") as workflow_row:
+            with gr.Column(elem_classes="workflow-column"):
+                step1_title = gr.HTML('<h2 style="direction: rtl;">🔍 متن ورودی و تنظیمات</h2>')
+                
+                input_text = gr.Textbox(
+                    lines=15,
+                    placeholder="متن اصلی خود را اینجا وارد کنید...\nمثال: گزارش‌های شرکت، نام اشخاص، مبالغ مالی، شماره تلفن، ایمیل، شماره شبا، حساب بانکی و غیره\n\n✨ سیستم دقیق با تشخیص حساس و validation!",
+                    label="",
+                    rtl=True
+                )
+                
+                process_btn = gr.Button("🚀 پردازش با تشخیص دقیق", variant="primary")
+                clear_btn = gr.Button("🗑️ پاک کردن همه", variant="stop")
+                
+                status = gr.Textbox(
+                    label="وضعیت",
+                    lines=4,
+                    interactive=False,
+                    rtl=True,
+                    elem_classes=["status-box"]
+                )
+
+            with gr.Column(elem_classes="workflow-column"):
+                step2_title = gr.HTML('<h2 style="direction: rtl;">🎭 متن ناشناس‌شده</h2>')
+                
+                anonymized_output = gr.Textbox(
+                    lines=15,
+                    placeholder="متن ناشناس‌شده اینجا نمایش داده می‌شود...",
+                    label="",
+                    interactive=False,
+                    rtl=True
+                )
+
+            with gr.Column(elem_classes="workflow-column"):
+                step3_title = gr.HTML('<h2 style="direction: rtl;">🤖 پاسخ خام ChatGPT</h2>')
+                
+                gpt_output = gr.Textbox(
+                    lines=15,
+                    placeholder="پاسخ خام ChatGPT اینجا نمایش داده می‌شود...",
+                    label="",
+                    interactive=False,
+                    rtl=True
+                )
+
+            with gr.Column(elem_classes="workflow-column"):
+                step4_title = gr.HTML('<h2 style="direction: rtl;">✅ پاسخ نهایی بازگردانده شده</h2>')
+                
+                final_output = gr.Textbox(
+                    lines=15,
+                    placeholder="پاسخ نهایی اینجا نمایش داده می‌شود...",
+                    label="",
+                    interactive=False,
+                    rtl=True
+                )
+
+        with gr.Row():
+            with gr.Column():
+                mapping_title = gr.HTML('<h2>🗂️ جدول نگاشت دقیق</h2>')
+                mapping_btn = gr.Button("📋 نمایش جدول نگاشت دقیق")
+                
+                mapping_output = gr.Textbox(
+                    lines=15,
+                    label="جدول نگاشت اطلاعات",
+                    interactive=False,
+                    visible=False,
+                    rtl=True
+                )
+        
+        with gr.Row():
+            with gr.Column():
+                status_title = gr.HTML('<h2>⚙️ وضعیت سیستم و قابلیت‌ها</h2>')
+                system_status_btn = gr.Button("📊 نمایش وضعیت سیستم دقیق")
+                
+                system_status_output = gr.Textbox(
+                    lines=20,
+                    label="وضعیت سیستم",
+                    interactive=False,
+                    visible=False,
+                    rtl=True
+                )
+
+    # Event handlers
+    language_selector.change(
+        fn=update_interface,
+        inputs=[language_selector],
+        outputs=[title, step1_title, input_text, process_btn, clear_btn, 
+                status, step2_title, anonymized_output, step3_title, gpt_output, 
+                step4_title, final_output, mapping_btn, system_status_btn,
+                mapping_output, workflow_row]
+    )
+
+    process_btn.click(
+        fn=process_all_steps,
+        inputs=[input_text, language_selector],
+        outputs=[status, anonymized_output, gpt_output, final_output]
+    )
+
+    clear_btn.click(
+        fn=clear_all,
+        outputs=[input_text, anonymized_output, gpt_output, final_output, status]
+    )
+
+    mapping_btn.click(
+        fn=get_mapping_table,
+        inputs=[language_selector],
+        outputs=[mapping_output]
+    )
+
+    mapping_btn.click(
+        fn=lambda: gr.update(visible=True),
+        outputs=[mapping_output]
+    )
+    
+    system_status_btn.click(
+        fn=lambda: anonymizer.get_model_status(),
+        outputs=[system_status_output]
+    )
+    
+    system_status_btn.click(
+        fn=lambda: gr.update(visible=True),
+        outputs=[system_status_output]
+    )
+
+if __name__ == "__main__":
+    # نمایش اطلاعات سیستم در startup
+    print("\n" + "="*80)
+    print("🚀 REFINED HIGH-PRECISION BILINGUAL DATA ANONYMIZATION SYSTEM")
+    print("="*80)
+    print("📊 System Features:")
+    print("   • High-precision detection with validation system")
+    print("   • Blacklist filtering for common words")
+    print("   • Priority-based sensitive data protection")
+    print("   • Bilingual support (Persian/English)")
+    print("   • Local NER + Advanced Regex processing")
+    print("   • OpenAI ChatGPT integration")
+    print("   • Complete anonymization-restoration workflow")
+    print("\n🔐 Protected Data Types (High Priority):")
+    print("   • Identity Codes (کد ملی، شبا، کارت بانکی)")
+    print("   • Contact Information (تلفن، ایمیل)")
+    print("   • Financial Data (مبالغ، حساب‌ها)")
+    print("   • Personal Names (با عناوین مشخص)")
+    print("   • Business Information (شرکت‌ها، آدرس‌ها)")
+    print("   • Technical Codes (کدهای سریال، شبکه)")
+    print("\n⚙️ Enhanced Features:")
+    print("   • Validation system prevents false positives")
+    print("   • Common word blacklist filtering")
+    print("   • Context-aware pattern matching")
+    print("   • Overlap detection system")
+    print("   • Persian/Arabic digit support")
+    print("   • Refined accuracy with readable output")
+    print("="*80)
+    print("🎯 Now your text will remain readable while protecting sensitive data!")
+    
+    app.launch(
+        share=True,
+        server_name="0.0.0.0",
+        server_port=7860,
+        show_error=True,
+        favicon_path=None,
+        ssl_verify=False
+    )