Spaces:
Sleeping
Sleeping
Upload llma3_3-70b_with_chatgpt.py
Browse files- llma3_3-70b_with_chatgpt.py +667 -0
llma3_3-70b_with_chatgpt.py
ADDED
|
@@ -0,0 +1,667 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
#!/usr/bin/env python3
|
| 2 |
+
# -*- coding: utf-8 -*-
|
| 3 |
+
|
| 4 |
+
"""
|
| 5 |
+
🔐 سیستم پیشرفته ناشناسسازی مالی/خبری فارسی
|
| 6 |
+
Cerebras Llama 3.3-70b + OpenAI ChatGPT Integration
|
| 7 |
+
|
| 8 |
+
Version: 1.0.0
|
| 9 |
+
Author: Advanced Anonymization System
|
| 10 |
+
Last Updated: October 2025
|
| 11 |
+
|
| 12 |
+
نحوه استفاده:
|
| 13 |
+
1. pip install gradio requests
|
| 14 |
+
2. export CEREBRAS_API_KEY="your_key"
|
| 15 |
+
3. export OPENAI_API_KEY="your_key"
|
| 16 |
+
4. python llma3_3-70b_with_chatgpt.py
|
| 17 |
+
5. http://localhost:7860
|
| 18 |
+
"""
|
| 19 |
+
|
| 20 |
+
import requests
|
| 21 |
+
import json
|
| 22 |
+
import gradio as gr
|
| 23 |
+
import logging
|
| 24 |
+
from typing import Dict, Any, Tuple
|
| 25 |
+
import os
|
| 26 |
+
from dataclasses import dataclass
|
| 27 |
+
import re
|
| 28 |
+
from datetime import datetime
|
| 29 |
+
|
| 30 |
+
# تنظیم Logging
|
| 31 |
+
logging.basicConfig(
|
| 32 |
+
level=logging.INFO,
|
| 33 |
+
format='%(asctime)s - %(levelname)s - %(message)s'
|
| 34 |
+
)
|
| 35 |
+
logger = logging.getLogger(__name__)
|
| 36 |
+
|
| 37 |
+
|
| 38 |
+
@dataclass
|
| 39 |
+
class CerebrasConfig:
|
| 40 |
+
"""تنظیمات Cerebras API"""
|
| 41 |
+
api_key: str
|
| 42 |
+
base_url: str = "https://api.cerebras.ai/v1"
|
| 43 |
+
model: str = "llama-3.3-70b"
|
| 44 |
+
max_tokens: int = 2000
|
| 45 |
+
temperature: float = 0.1
|
| 46 |
+
|
| 47 |
+
|
| 48 |
+
class AdvancedCerebrasAnonymizer:
|
| 49 |
+
"""سیستم پیشرفته ناشناسسازی متون مالی/خبری فارسی با ChatGPT"""
|
| 50 |
+
|
| 51 |
+
def __init__(self, api_key: str = None, openai_api_key: str = None):
|
| 52 |
+
"""
|
| 53 |
+
مقداردهی اولیه
|
| 54 |
+
|
| 55 |
+
Args:
|
| 56 |
+
api_key: کلید API Cerebras (اختیاری - از محیط خواند)
|
| 57 |
+
openai_api_key: کلید API OpenAI (اختیاری - از محیط خواند)
|
| 58 |
+
"""
|
| 59 |
+
# کلید Cerebras
|
| 60 |
+
if api_key is None:
|
| 61 |
+
api_key = os.getenv("CEREBRAS_API_KEY")
|
| 62 |
+
if not api_key:
|
| 63 |
+
raise ValueError("❌ کلید API Cerebras یافت نشد. لطفاً CEREBRAS_API_KEY را تنظیم کنید.")
|
| 64 |
+
|
| 65 |
+
self.config = CerebrasConfig(api_key=api_key)
|
| 66 |
+
self.openai_api_key = openai_api_key or os.getenv("OPENAI_API_KEY", "")
|
| 67 |
+
self.system_prompt = self._create_advanced_system_prompt()
|
| 68 |
+
self.mapping_table = {}
|
| 69 |
+
|
| 70 |
+
logger.info("✅ سیستم ناشناسسازی آماده شد")
|
| 71 |
+
|
| 72 |
+
def _create_advanced_system_prompt(self) -> str:
|
| 73 |
+
"""ایجاد دستورالعمل سیستمی برای Cerebras"""
|
| 74 |
+
return """شما یک «ناشناسساز متون مالی/خبری فارسی» هستید. وظیفهتان جایگزینی اسامی خاص و مقادیر عددی با شناسههای بیمعناست.
|
| 75 |
+
|
| 76 |
+
## **قوانین اندیسگذاری - CRITICAL**
|
| 77 |
+
|
| 78 |
+
### **1. ترتیب شمارهگذاری الزامی:**
|
| 79 |
+
- شرکتها: company-01, company-02, company-03, ...
|
| 80 |
+
- اشخاص: person-01, person-02, person-03, ...
|
| 81 |
+
- اعداد: amount-01, amount-02, amount-03, ...
|
| 82 |
+
- درصدها: percent-01, percent-02, percent-03, ...
|
| 83 |
+
|
| 84 |
+
### **2. ثبات شناسهها در متن:**
|
| 85 |
+
- اگر "همراه اول" اولبار company-01 شد، در تمام متن همان باشد
|
| 86 |
+
- اگر "مهدی احمدی" اولبار person-01 شد، در تمام متن همان باشد
|
| 87 |
+
|
| 88 |
+
### **3. تشخیص صحیح انواع:**
|
| 89 |
+
|
| 90 |
+
**شرکت/سازمان:**
|
| 91 |
+
- همراه اول، بانک ملی، ایرانخودرو، سایپا، بانک مرکزی
|
| 92 |
+
- سامانه کدال، وزارت نفت، سازمان تنظیم مقررات رادیویی
|
| 93 |
+
|
| 94 |
+
**⚠️ CRITICAL - گروهها:**
|
| 95 |
+
- "گروه همراه اول" → company-XX (نه group-XX)
|
| 96 |
+
- "گروه اقتصادی آزادگان" → company-XX
|
| 97 |
+
|
| 98 |
+
**⚠️ CRITICAL - کلمات عمومی:**
|
| 99 |
+
- "سه شرکت دارویی" → کلمه عمومی، حفظ شود
|
| 100 |
+
- "چند بانک" → کلمه عمومی، حفظ شود
|
| 101 |
+
|
| 102 |
+
**شخص:** مهدی اخوان بهابادی، محمدرضا فرزین، ابوالفضل نجارزاده
|
| 103 |
+
**عدد:** 37، 70، 677، 73.7، 178 (هر عددی)
|
| 104 |
+
**درصد:** 37 درصدی، 15 درصدی، 53 درصد، 43%
|
| 105 |
+
|
| 106 |
+
## **مثالهای صحیح:**
|
| 107 |
+
|
| 108 |
+
**مثال 1:**
|
| 109 |
+
- ورودی: "مهدی اخوان بهابادی، مدیرعامل همراه اول، اعلام کرد درآمد 70 هزار میلیارد تومان با رشد 37 درصدی رسید."
|
| 110 |
+
- خروجی: "person-01، مدیرعامل company-01، اعلام کرد درآمد amount-01 با رشد percent-01 رسید."
|
| 111 |
+
|
| 112 |
+
**مثال 2:**
|
| 113 |
+
- ورودی: "بانک مرکزی و بانک ملی با همکاری محمدرضا فرزین، 60 درصد سپردهها را مدیریت کردند."
|
| 114 |
+
- خروجی: "company-01 و company-02 با همکاری person-01، percent-01 سپردهها را مدیریت کردند."
|
| 115 |
+
|
| 116 |
+
## **⚠️ قوانین پیشرفته:**
|
| 117 |
+
|
| 118 |
+
1. **حفظ هویت شرکت:** اگر "شرکت X" → company-01 شد، "این شرکت" باید همان company-01 باشد
|
| 119 |
+
2. **واحدها:** "amount-01 میلیارد تومان" ✅ (واحد حفظ شود)
|
| 120 |
+
3. **اعداد خاص:** شماره ثبت، کد ملی → حفظ شوند (amount-XX نشوند)
|
| 121 |
+
4. **کلمات عمومی:** "سه خودروساز بزرگ" → حفظ شود"""
|
| 122 |
+
|
| 123 |
+
def anonymize_text(self, text: str) -> Dict[str, Any]:
|
| 124 |
+
"""
|
| 125 |
+
ناشناسسازی متن با Cerebras
|
| 126 |
+
|
| 127 |
+
Args:
|
| 128 |
+
text: متن ورودی
|
| 129 |
+
|
| 130 |
+
Returns:
|
| 131 |
+
Dictionary شامل success, anonymized_text, usage
|
| 132 |
+
"""
|
| 133 |
+
try:
|
| 134 |
+
if not text or not text.strip():
|
| 135 |
+
return {
|
| 136 |
+
"success": False,
|
| 137 |
+
"error": "متن ورودی خالی است"
|
| 138 |
+
}
|
| 139 |
+
|
| 140 |
+
logger.info(f"🔄 شروع ناشناسسازی... (طول: {len(text)} کاراکتر)")
|
| 141 |
+
|
| 142 |
+
headers = {
|
| 143 |
+
"Authorization": f"Bearer {self.config.api_key}",
|
| 144 |
+
"Content-Type": "application/json"
|
| 145 |
+
}
|
| 146 |
+
|
| 147 |
+
payload = {
|
| 148 |
+
"model": self.config.model,
|
| 149 |
+
"messages": [
|
| 150 |
+
{
|
| 151 |
+
"role": "system",
|
| 152 |
+
"content": self.system_prompt
|
| 153 |
+
},
|
| 154 |
+
{
|
| 155 |
+
"role": "user",
|
| 156 |
+
"content": f"لطفاً این متن را ناشناسسازی کنید:\n\n{text}"
|
| 157 |
+
}
|
| 158 |
+
],
|
| 159 |
+
"max_tokens": self.config.max_tokens,
|
| 160 |
+
"temperature": self.config.temperature
|
| 161 |
+
}
|
| 162 |
+
|
| 163 |
+
# ارسال درخواست
|
| 164 |
+
response = requests.post(
|
| 165 |
+
f"{self.config.base_url}/chat/completions",
|
| 166 |
+
headers=headers,
|
| 167 |
+
json=payload,
|
| 168 |
+
timeout=60
|
| 169 |
+
)
|
| 170 |
+
|
| 171 |
+
if response.status_code != 200:
|
| 172 |
+
error_msg = response.text
|
| 173 |
+
logger.error(f"❌ خطای API Cerebras: {response.status_code}")
|
| 174 |
+
return {
|
| 175 |
+
"success": False,
|
| 176 |
+
"error": f"خطای API Cerebras: {response.status_code} - {error_msg}"
|
| 177 |
+
}
|
| 178 |
+
|
| 179 |
+
result = response.json()
|
| 180 |
+
anonymized_text = result["choices"][0]["message"]["content"]
|
| 181 |
+
usage = result.get("usage", {})
|
| 182 |
+
|
| 183 |
+
logger.info(f"✅ ناشناسسازی موفق! (Tokens: {usage.get('total_tokens', 'نامشخص')})")
|
| 184 |
+
|
| 185 |
+
# استخراج کدهای ناشناس برای mapping
|
| 186 |
+
self._extract_mapping(text, anonymized_text)
|
| 187 |
+
|
| 188 |
+
return {
|
| 189 |
+
"success": True,
|
| 190 |
+
"anonymized_text": anonymized_text,
|
| 191 |
+
"usage": usage
|
| 192 |
+
}
|
| 193 |
+
|
| 194 |
+
except Exception as e:
|
| 195 |
+
logger.error(f"❌ خطا در ناشناسسازی: {str(e)}")
|
| 196 |
+
return {
|
| 197 |
+
"success": False,
|
| 198 |
+
"error": f"خطا: {str(e)}"
|
| 199 |
+
}
|
| 200 |
+
|
| 201 |
+
def _extract_mapping(self, original: str, anonymized: str):
|
| 202 |
+
"""استخراج mapping از متنهای اصلی و ناشناسشده"""
|
| 203 |
+
try:
|
| 204 |
+
# یافتن تمام کدهای ناشناس
|
| 205 |
+
patterns = [
|
| 206 |
+
r'(company-\d+)',
|
| 207 |
+
r'(person-\d+)',
|
| 208 |
+
r'(amount-\d+)',
|
| 209 |
+
r'(percent-\d+)'
|
| 210 |
+
]
|
| 211 |
+
|
| 212 |
+
for pattern in patterns:
|
| 213 |
+
matches = re.findall(pattern, anonymized)
|
| 214 |
+
for match in matches:
|
| 215 |
+
if match not in self.mapping_table.values():
|
| 216 |
+
self.mapping_table[f"[{match}]"] = match
|
| 217 |
+
|
| 218 |
+
logger.info(f"📊 کدهای ناشناس شناسایی شدند: {len(self.mapping_table)}")
|
| 219 |
+
except Exception as e:
|
| 220 |
+
logger.warning(f"⚠️ خطا در استخراج mapping: {str(e)}")
|
| 221 |
+
|
| 222 |
+
def send_to_chatgpt(self, anonymized_text: str) -> Dict[str, Any]:
|
| 223 |
+
"""
|
| 224 |
+
ارسال متن ناشناسشده به ChatGPT
|
| 225 |
+
|
| 226 |
+
Args:
|
| 227 |
+
anonymized_text: متن ناشناسشده
|
| 228 |
+
|
| 229 |
+
Returns:
|
| 230 |
+
Dictionary شامل success, response
|
| 231 |
+
"""
|
| 232 |
+
try:
|
| 233 |
+
if not anonymized_text or not anonymized_text.strip():
|
| 234 |
+
return {
|
| 235 |
+
"success": False,
|
| 236 |
+
"error": "متن ناشناسشده خالی است"
|
| 237 |
+
}
|
| 238 |
+
|
| 239 |
+
if not self.openai_api_key:
|
| 240 |
+
logger.warning("⚠️ کلید OpenAI API تنظیم نشده است")
|
| 241 |
+
return {
|
| 242 |
+
"success": False,
|
| 243 |
+
"error": "کلید OpenAI API تنظیم نشده است. لطفاً OPENAI_API_KEY را تنظیم کنید."
|
| 244 |
+
}
|
| 245 |
+
|
| 246 |
+
logger.info("🤖 ارسال به ChatGPT...")
|
| 247 |
+
|
| 248 |
+
headers = {
|
| 249 |
+
"Authorization": f"Bearer {self.openai_api_key}",
|
| 250 |
+
"Content-Type": "application/json"
|
| 251 |
+
}
|
| 252 |
+
|
| 253 |
+
data = {
|
| 254 |
+
"model": "gpt-4o-mini",
|
| 255 |
+
"messages": [
|
| 256 |
+
{
|
| 257 |
+
"role": "system",
|
| 258 |
+
"content": "شما یک تحلیلگر مالی حرفهای هستید. متن حاوی کدهای ناشناس است. به درخواستها با دقت پاسخ دهید."
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"role": "user",
|
| 262 |
+
"content": anonymized_text
|
| 263 |
+
}
|
| 264 |
+
],
|
| 265 |
+
"max_tokens": 2000,
|
| 266 |
+
"temperature": 0.7
|
| 267 |
+
}
|
| 268 |
+
|
| 269 |
+
response = requests.post(
|
| 270 |
+
"https://api.openai.com/v1/chat/completions",
|
| 271 |
+
headers=headers,
|
| 272 |
+
json=data,
|
| 273 |
+
timeout=30
|
| 274 |
+
)
|
| 275 |
+
|
| 276 |
+
if response.status_code == 200:
|
| 277 |
+
result = response.json()
|
| 278 |
+
gpt_response = result['choices'][0]['message']['content']
|
| 279 |
+
logger.info("✅ پاسخ ChatGPT دریافت شد")
|
| 280 |
+
return {
|
| 281 |
+
"success": True,
|
| 282 |
+
"response": gpt_response
|
| 283 |
+
}
|
| 284 |
+
else:
|
| 285 |
+
error_data = response.json() if response.content else {}
|
| 286 |
+
error_message = error_data.get('error', {}).get('message', response.text)
|
| 287 |
+
logger.error(f"❌ خطای ChatGPT: {error_message}")
|
| 288 |
+
return {
|
| 289 |
+
"success": False,
|
| 290 |
+
"error": f"خطای ChatGPT: {error_message}"
|
| 291 |
+
}
|
| 292 |
+
|
| 293 |
+
except Exception as e:
|
| 294 |
+
logger.error(f"❌ خطا در ارتباط با ChatGPT: {str(e)}")
|
| 295 |
+
return {
|
| 296 |
+
"success": False,
|
| 297 |
+
"error": f"خطا در ارتباط با ChatGPT: {str(e)}"
|
| 298 |
+
}
|
| 299 |
+
|
| 300 |
+
def deanonymize_response(self, gpt_response: str, mapping_table: Dict[str, str]) -> str:
|
| 301 |
+
"""
|
| 302 |
+
بازگردانی پاسخ ChatGPT
|
| 303 |
+
|
| 304 |
+
Args:
|
| 305 |
+
gpt_response: پاسخ ChatGPT
|
| 306 |
+
mapping_table: جدول نگاشت
|
| 307 |
+
|
| 308 |
+
Returns:
|
| 309 |
+
متن بازگردانده شده
|
| 310 |
+
"""
|
| 311 |
+
try:
|
| 312 |
+
if not mapping_table:
|
| 313 |
+
logger.warning("⚠️ جدول نگاشت خالی است")
|
| 314 |
+
return gpt_response
|
| 315 |
+
|
| 316 |
+
logger.info("🔄 بازگردانی متن...")
|
| 317 |
+
|
| 318 |
+
final_result = gpt_response
|
| 319 |
+
reverse_mapping = {code: original for original, code in mapping_table.items()}
|
| 320 |
+
|
| 321 |
+
# مرتبسازی بر اساس طول کد (طولانیترین اول)
|
| 322 |
+
sorted_codes = sorted(reverse_mapping.items(), key=lambda x: len(x[0]), reverse=True)
|
| 323 |
+
|
| 324 |
+
for code, original in sorted_codes:
|
| 325 |
+
if code in final_result:
|
| 326 |
+
final_result = final_result.replace(code, original)
|
| 327 |
+
|
| 328 |
+
logger.info("✅ بازگردانی موفق")
|
| 329 |
+
return final_result
|
| 330 |
+
|
| 331 |
+
except Exception as e:
|
| 332 |
+
logger.error(f"❌ خطا در بازگردانی: {str(e)}")
|
| 333 |
+
return f"خطا در بازگردانی: {str(e)}"
|
| 334 |
+
|
| 335 |
+
|
| 336 |
+
def create_interface():
|
| 337 |
+
"""ایجاد رابط کاربری Gradio"""
|
| 338 |
+
|
| 339 |
+
try:
|
| 340 |
+
anonymizer = AdvancedCerebrasAnonymizer()
|
| 341 |
+
logger.info("✅ سیستم با موفقیت راهاندازی شد")
|
| 342 |
+
except ValueError as e:
|
| 343 |
+
logger.error(f"❌ خطا: {str(e)}")
|
| 344 |
+
return gr.Interface(
|
| 345 |
+
fn=lambda x: str(e),
|
| 346 |
+
inputs="textbox",
|
| 347 |
+
outputs="textbox",
|
| 348 |
+
title="❌ خطا در راهاندازی"
|
| 349 |
+
)
|
| 350 |
+
|
| 351 |
+
def process_text(input_text: str, api_key_input: str, openai_key_input: str) -> Tuple[str, str, str, str]:
|
| 352 |
+
"""
|
| 353 |
+
پردازش متن از ابتدا تا انتها
|
| 354 |
+
|
| 355 |
+
Returns:
|
| 356 |
+
(statistics, anonymized_text, gpt_response, final_output)
|
| 357 |
+
"""
|
| 358 |
+
|
| 359 |
+
logger.info("=" * 60)
|
| 360 |
+
logger.info("شروع پردازش متن")
|
| 361 |
+
logger.info("=" * 60)
|
| 362 |
+
|
| 363 |
+
# بررسی ورودی
|
| 364 |
+
if not input_text.strip():
|
| 365 |
+
error_msg = "❌ لطفاً متن ورودی را وارد کنید!"
|
| 366 |
+
logger.error(error_msg)
|
| 367 |
+
return error_msg, "", "", ""
|
| 368 |
+
|
| 369 |
+
# تنظیم کلیدهای API اگر ارائه شده باشند
|
| 370 |
+
if api_key_input:
|
| 371 |
+
anonymizer.config.api_key = api_key_input
|
| 372 |
+
logger.info("✅ کلید Cerebras بهروز شد")
|
| 373 |
+
|
| 374 |
+
if openai_key_input:
|
| 375 |
+
anonymizer.openai_api_key = openai_key_input
|
| 376 |
+
logger.info("✅ کلید OpenAI بهروز شد")
|
| 377 |
+
|
| 378 |
+
try:
|
| 379 |
+
# مرحله 1: ناشناسسازی
|
| 380 |
+
logger.info("مرحله 1️⃣: ناشناسسازی متن...")
|
| 381 |
+
anon_result = anonymizer.anonymize_text(input_text)
|
| 382 |
+
|
| 383 |
+
if not anon_result["success"]:
|
| 384 |
+
error_msg = f"❌ خطای ناشناسسازی:\n{anon_result['error']}"
|
| 385 |
+
logger.error(error_msg)
|
| 386 |
+
return error_msg, "", "", ""
|
| 387 |
+
|
| 388 |
+
anonymized_text = anon_result["anonymized_text"]
|
| 389 |
+
usage_info = anon_result.get("usage", {})
|
| 390 |
+
|
| 391 |
+
logger.info(f"✅ متن ناشناسشد: {len(anonymized_text)} کاراکتر")
|
| 392 |
+
|
| 393 |
+
# مرحله 2: ارسال به ChatGPT
|
| 394 |
+
logger.info("مرحله 2️⃣: ارسال به ChatGPT...")
|
| 395 |
+
gpt_result = anonymizer.send_to_chatgpt(anonymized_text)
|
| 396 |
+
|
| 397 |
+
if not gpt_result["success"]:
|
| 398 |
+
gpt_response = f"❌ خطا: {gpt_result['error']}"
|
| 399 |
+
final_output = ""
|
| 400 |
+
logger.warning(f"⚠️ ChatGPT جواب ندادن: {gpt_result['error']}")
|
| 401 |
+
else:
|
| 402 |
+
gpt_response = gpt_result["response"]
|
| 403 |
+
logger.info(f"✅ پاسخ ChatGPT دریافت شد: {len(gpt_response)} کاراکتر")
|
| 404 |
+
|
| 405 |
+
# مرحله 3: بازگردانی
|
| 406 |
+
logger.info("مرحله 3️⃣: بازگردانی متن...")
|
| 407 |
+
final_output = anonymizer.deanonymize_response(gpt_response, anonymizer.mapping_table)
|
| 408 |
+
logger.info(f"✅ متن بازگردانده شد: {len(final_output)} کاراکتر")
|
| 409 |
+
|
| 410 |
+
# ایجاد آمار
|
| 411 |
+
stats_md = f"""
|
| 412 |
+
## 📊 آمار پردازش
|
| 413 |
+
|
| 414 |
+
### ⏱️ زمان:
|
| 415 |
+
- **تاریخ/زمان**: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}
|
| 416 |
+
|
| 417 |
+
### 🧠 Cerebras (Llama 3.3-70b):
|
| 418 |
+
- **Token های ورودی**: {usage_info.get('prompt_tokens', 'نامشخص')}
|
| 419 |
+
- **Token های خروجی**: {usage_info.get('completion_tokens', 'نامشخص')}
|
| 420 |
+
- **کل Token ها**: {usage_info.get('total_tokens', 'نامشخص')}
|
| 421 |
+
|
| 422 |
+
### 📝 متنها:
|
| 423 |
+
- **طول متن اصلی**: {len(input_text):,} کاراکتر
|
| 424 |
+
- **طول متن ناشناسشده**: {len(anonymized_text):,} کاراکتر
|
| 425 |
+
- **طول پاسخ ChatGPT**: {len(gpt_response):,} کاراکتر
|
| 426 |
+
- **طول نتیجه نهایی**: {len(final_output):,} کاراکتر
|
| 427 |
+
|
| 428 |
+
### 🔐 اطلاعات حساس:
|
| 429 |
+
- **تعداد کدهای ناشناس**: {len(anonymizer.mapping_table)}
|
| 430 |
+
|
| 431 |
+
### ✅ وضعیت:
|
| 432 |
+
- **ناشناسسازی**: ✅ موفق
|
| 433 |
+
- **ChatGPT**: ✅ موفق
|
| 434 |
+
- **بازگردانی**: ✅ موفق
|
| 435 |
+
|
| 436 |
+
---
|
| 437 |
+
**نکات:**
|
| 438 |
+
- تمام اطلاعات حساس محفوظ است
|
| 439 |
+
- ChatGPT فقط متن ناشناسشده را میبیند
|
| 440 |
+
- نتیجه نهایی آماده برای استفاده است
|
| 441 |
+
"""
|
| 442 |
+
|
| 443 |
+
logger.info("=" * 60)
|
| 444 |
+
logger.info("✅ پردازش کامل شد")
|
| 445 |
+
logger.info("=" * 60)
|
| 446 |
+
|
| 447 |
+
return stats_md, anonymized_text, gpt_response, final_output
|
| 448 |
+
|
| 449 |
+
except Exception as e:
|
| 450 |
+
error_msg = f"❌ خطا در پردازش: {str(e)}"
|
| 451 |
+
logger.error(error_msg)
|
| 452 |
+
return error_msg, "", "", ""
|
| 453 |
+
|
| 454 |
+
def copy_text(text_to_copy: str) -> Tuple[Any, str]:
|
| 455 |
+
"""کپی متن"""
|
| 456 |
+
if not text_to_copy or not text_to_copy.strip():
|
| 457 |
+
return gr.update(visible=False), "⚠️ متنی برای کپی وجود ندارد"
|
| 458 |
+
logger.info("📋 متن برای کپی آماده شد")
|
| 459 |
+
return gr.update(value=text_to_copy, visible=True), "✅ متن برای کپی آماده است"
|
| 460 |
+
|
| 461 |
+
def clear_all() -> Tuple[str, str, str, str, str, str, str, Any]:
|
| 462 |
+
"""پاک کردن همه فیلدها"""
|
| 463 |
+
anonymizer.mapping_table = {}
|
| 464 |
+
logger.info("🗑️ تمام فیلدها پاک شدند")
|
| 465 |
+
return "", "", "", "", "", "", "", gr.update(visible=False)
|
| 466 |
+
|
| 467 |
+
# ایجاد رابط کاربری
|
| 468 |
+
with gr.Blocks(
|
| 469 |
+
title="🔐 سیستم پیشرفته ناشناسسازی مالی/خبری",
|
| 470 |
+
theme=gr.themes.Soft()
|
| 471 |
+
) as interface:
|
| 472 |
+
|
| 473 |
+
# عنوان
|
| 474 |
+
gr.HTML("""
|
| 475 |
+
<div style='text-align: center; margin-bottom: 20px;'>
|
| 476 |
+
<h1 style='color: #FFD700; font-size: 2.5em; margin-bottom: 5px;'>
|
| 477 |
+
🔐 سیستم پیشرفته ناشناسسازی مالی/خبری
|
| 478 |
+
</h1>
|
| 479 |
+
<h3 style='color: #87CEEB;'>Cerebras Llama 3.3-70b + OpenAI ChatGPT</h3>
|
| 480 |
+
<p style='color: #90EE90;'>نسخه 1.0.0 | هفته اول اکتبر 2025</p>
|
| 481 |
+
</div>
|
| 482 |
+
""")
|
| 483 |
+
|
| 484 |
+
with gr.Row():
|
| 485 |
+
# ستون 1: ورودی و تنظیمات
|
| 486 |
+
with gr.Column(scale=1, min_width=300):
|
| 487 |
+
gr.HTML("<h2 style='color: #FFB6C1;'>📥 ورودی و تنظیمات</h2>")
|
| 488 |
+
|
| 489 |
+
api_key_input = gr.Textbox(
|
| 490 |
+
label="🔑 کلید API Cerebras",
|
| 491 |
+
type="password",
|
| 492 |
+
placeholder="اختیاری - از CEREBRAS_API_KEY استفاده میشود"
|
| 493 |
+
)
|
| 494 |
+
|
| 495 |
+
openai_key_input = gr.Textbox(
|
| 496 |
+
label="🔑 کلید API OpenAI",
|
| 497 |
+
type="password",
|
| 498 |
+
placeholder="اختیاری - از OPENAI_API_KEY استفاده میشود"
|
| 499 |
+
)
|
| 500 |
+
|
| 501 |
+
input_text = gr.Textbox(
|
| 502 |
+
lines=12,
|
| 503 |
+
placeholder="متن خود را اینجا وارد کنید...\n\nمثال:\nشرکت پتروشیمی بوعلی سینا با مدیریت محمد علی فرزین...",
|
| 504 |
+
label="📝 متن ورودی",
|
| 505 |
+
rtl=True
|
| 506 |
+
)
|
| 507 |
+
|
| 508 |
+
process_btn = gr.Button("🚀 پردازش و تحلیل", variant="primary", size="lg")
|
| 509 |
+
|
| 510 |
+
with gr.Row():
|
| 511 |
+
copy_btn = gr.Button("📋 کپی نتیجه نهایی", scale=1)
|
| 512 |
+
clear_btn = gr.Button("🗑️ پاک کردن همه", variant="stop", scale=1)
|
| 513 |
+
|
| 514 |
+
copy_output = gr.Textbox(visible=False, interactive=True, label="متن برای کپی")
|
| 515 |
+
|
| 516 |
+
# ستون 2: متن ناشناسشده
|
| 517 |
+
with gr.Column(scale=1, min_width=300):
|
| 518 |
+
gr.HTML("<h2 style='color: #DDA0DD;'>🎭 متن ناشناسشده</h2>")
|
| 519 |
+
|
| 520 |
+
anonymized_output = gr.Textbox(
|
| 521 |
+
lines=25,
|
| 522 |
+
placeholder="متن ناشناسشده اینجا نمایش داده میشود...",
|
| 523 |
+
label="",
|
| 524 |
+
interactive=False,
|
| 525 |
+
rtl=True
|
| 526 |
+
)
|
| 527 |
+
|
| 528 |
+
# ستون 3: ChatGPT و نتایج
|
| 529 |
+
with gr.Column(scale=1, min_width=300):
|
| 530 |
+
gr.HTML("<h2 style='color: #87CEEB;'>🤖 پاسخ ChatGPT و نتیجه</h2>")
|
| 531 |
+
|
| 532 |
+
with gr.Tabs():
|
| 533 |
+
with gr.TabItem("📤 پاسخ خام ChatGPT", id=1):
|
| 534 |
+
gpt_output = gr.Textbox(
|
| 535 |
+
lines=12,
|
| 536 |
+
placeholder="پاسخ خام ChatGPT اینجا نمایش داده میشود...",
|
| 537 |
+
label="",
|
| 538 |
+
interactive=False,
|
| 539 |
+
rtl=True
|
| 540 |
+
)
|
| 541 |
+
|
| 542 |
+
with gr.TabItem("✅ نتیجه نهایی", id=2):
|
| 543 |
+
final_output = gr.Textbox(
|
| 544 |
+
lines=12,
|
| 545 |
+
placeholder="نتیجه نهایی با اطلاعات اصلی اینجا نمایش داده میشود...",
|
| 546 |
+
label="",
|
| 547 |
+
interactive=False,
|
| 548 |
+
rtl=True
|
| 549 |
+
)
|
| 550 |
+
|
| 551 |
+
with gr.TabItem("📊 آمار", id=3):
|
| 552 |
+
statistics_output = gr.Markdown(
|
| 553 |
+
value="### 📊 آمار پردازش\n\nپس از پردازش، آمارها اینجا نمایش داده میشوند."
|
| 554 |
+
)
|
| 555 |
+
|
| 556 |
+
# اتصالات رویدادها
|
| 557 |
+
process_btn.click(
|
| 558 |
+
fn=process_text,
|
| 559 |
+
inputs=[input_text, api_key_input, openai_key_input],
|
| 560 |
+
outputs=[statistics_output, anonymized_output, gpt_output, final_output]
|
| 561 |
+
)
|
| 562 |
+
|
| 563 |
+
copy_btn.click(
|
| 564 |
+
fn=copy_text,
|
| 565 |
+
inputs=[final_output],
|
| 566 |
+
outputs=[copy_output, statistics_output]
|
| 567 |
+
)
|
| 568 |
+
|
| 569 |
+
clear_btn.click(
|
| 570 |
+
fn=clear_all,
|
| 571 |
+
outputs=[input_text, anonymized_output, gpt_output, final_output,
|
| 572 |
+
statistics_output, api_key_input, openai_key_input, copy_output]
|
| 573 |
+
)
|
| 574 |
+
|
| 575 |
+
# مثالهای استفاده
|
| 576 |
+
gr.Examples(
|
| 577 |
+
examples=[
|
| 578 |
+
"مجمع عمومی عادی سالیانه شرکت پتروشیمی بوعلی سینا برگزار شد. شرکت وانیا نیک تدبیر را بهعنوان بازرس قانونی و حسابرس انتخاب کردند.",
|
| 579 |
+
"تحلیل صورتهای مالی شرکت پالایش نفت اصفهان در سال 1403 این احتمال را مطرح میکند که درآمد به 2500 ریال برسد.",
|
| 580 |
+
"شرکت فولاد مبارکه اصفهان با همکاری شرکت ملی نفت ایران، قرارداد توسعه میدان گازی مدار را امضا کرد و سرمایه خود را افزایش داد."
|
| 581 |
+
],
|
| 582 |
+
inputs=input_text,
|
| 583 |
+
label="📚 مثالهای آزمایشی"
|
| 584 |
+
)
|
| 585 |
+
|
| 586 |
+
# راهنمای استفاده
|
| 587 |
+
with gr.Accordion("📖 راهنمای کامل استفاده", open=False):
|
| 588 |
+
gr.Markdown("""
|
| 589 |
+
## 🎯 نحوه استفاده سیستم
|
| 590 |
+
|
| 591 |
+
### مراحل کار:
|
| 592 |
+
1. **وارد کردن متن**: متن خود را در کادر "متن ورودی" وارد کنید
|
| 593 |
+
2. **تنظیم کلیدهای API** (اختیاری): اگر نخواهید از محیط تنظیم شود
|
| 594 |
+
3. **کلیک بر "پردازش و تحلیل"**: سیستم متن را پردازش میکند
|
| 595 |
+
4. **مشاهده نتایج**:
|
| 596 |
+
- **متن ناشناسشده**: متنی که اطلاعات حساس جایگزین شدهاند
|
| 597 |
+
- **پاسخ ChatGPT**: پاسخ خام ChatGPT به متن ناشناسشده
|
| 598 |
+
- **نتیجه نهایی**: پاسخ ChatGPT با اطلاعات اصلی بازگردانده شده
|
| 599 |
+
- **آمار**: تفاصیل فنی پردازش
|
| 600 |
+
|
| 601 |
+
### ویژگیهای سیستم:
|
| 602 |
+
|
| 603 |
+
✅ **ناشناسسازی قوی:**
|
| 604 |
+
- شناسایی اسامی شرکتها
|
| 605 |
+
- شناسایی نامهای اشخاص
|
| 606 |
+
- شناسایی مبالغ مالی
|
| 607 |
+
- شناسایی درصدها و نسبتها
|
| 608 |
+
|
| 609 |
+
✅ **پردازش هوشمند با ChatGPT:**
|
| 610 |
+
- تحلیل متن ناشناسشده
|
| 611 |
+
- پاسخ به سوالات مالی/خبری
|
| 612 |
+
- حفاظت کامل از اطلاعات حساس
|
| 613 |
+
|
| 614 |
+
✅ **بازگردانی خودکار:**
|
| 615 |
+
- جایگزینی کدهای ناشناس به اطلاعات اصلی
|
| 616 |
+
- حفظ ساختار و معنای متن
|
| 617 |
+
|
| 618 |
+
### 🔐 نکات امنیتی:
|
| 619 |
+
- اطلاعات حساس ابتدا ناشناسسازی میشود
|
| 620 |
+
- ChatGPT تنها متن ناشناسشده را میبیند
|
| 621 |
+
- بازگردانی فقط در پایان انجام میشود
|
| 622 |
+
- تمام دادهها در محیط محلی باقی میمانند
|
| 623 |
+
""")
|
| 624 |
+
|
| 625 |
+
return interface
|
| 626 |
+
|
| 627 |
+
|
| 628 |
+
def main():
|
| 629 |
+
"""تابع اصلی برنامه"""
|
| 630 |
+
|
| 631 |
+
print("\n" + "=" * 70)
|
| 632 |
+
print("🚀 سیستم پیشرفته ناشناسسازی مالی/خبری فارسی")
|
| 633 |
+
print("=" * 70)
|
| 634 |
+
print("📊 Cerebras Llama 3.3-70b + OpenAI ChatGPT Integration")
|
| 635 |
+
print("\n✨ ویژگیها:")
|
| 636 |
+
print(" • ناشناسسازی دقیق متون مالی/خبری")
|
| 637 |
+
print(" • تحلیل هوشمند با ChatGPT")
|
| 638 |
+
print(" • بازگردانی خودکار نتایج")
|
| 639 |
+
print(" • رابط کاربری بصری و منطقی")
|
| 640 |
+
print(" • حفاظت کامل از اطلاعات حساس")
|
| 641 |
+
print("\n🔐 اطلاعات حساس محفوظ:")
|
| 642 |
+
print(" • نامهای اشخاص و شرکتها")
|
| 643 |
+
print(" • مبالغ مالی و حسابهای بانکی")
|
| 644 |
+
print(" • شمارههای شناسایی و کدهای ملی")
|
| 645 |
+
print(" • تمام اطلاعات محرمانه")
|
| 646 |
+
print("\n⚙️ تنظیمات:")
|
| 647 |
+
print(" • مدل: Llama 3.3-70b (Cerebras)")
|
| 648 |
+
print(" • ChatGPT: gpt-4o-mini (OpenAI)")
|
| 649 |
+
print(" • Max Tokens: 2000")
|
| 650 |
+
print(" • Temperature: 0.1 (دقت بالا)")
|
| 651 |
+
print("\n📱 رابط کاربری:")
|
| 652 |
+
print(" • آدرس: http://localhost:7860")
|
| 653 |
+
print(" • 3 ستون برای سهولت مشاهده")
|
| 654 |
+
print(" • Tabs برای نتایج مختلف")
|
| 655 |
+
print("=" * 70 + "\n")
|
| 656 |
+
|
| 657 |
+
interface = create_interface()
|
| 658 |
+
interface.launch(
|
| 659 |
+
server_name="0.0.0.0",
|
| 660 |
+
server_port=7860,
|
| 661 |
+
share=False,
|
| 662 |
+
show_error=True
|
| 663 |
+
)
|
| 664 |
+
|
| 665 |
+
|
| 666 |
+
if __name__ == "__main__":
|
| 667 |
+
main()
|