Update app.py

app.py

@@ -1,72 +1,59 @@
-try:
-    import audioop
-except ImportError:
-    import sys
-    from types import ModuleType
-    sys.modules["audioop"] = ModuleType("audioop")
-
+import torch
 import gradio as gr
-import re
-from gradio_client import Client
-
-# ضع رابط سبيس الـ API الخاص بك هنا
-API_URL = "https://vat75-phishguard-ai.hf.space/" 
-
-SCAM_KEYWORDS = [
-    "حدث بياناتك", "تحديث بياناتك", "حسابك البنكي", "بطاقتك الصراف",
-    "ربحت", "جائزة", "مبروك", "فزت", "تجنب إيقاف", "حظر حسابك"
-]
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
 
-def check_manual_rules(text):
-    # فحص الكلمات والروابط المختصرة يدوياً لزيادة الدقة
-    short_urls = ["bit.ly", "tinyurl.com", "t.co", "cutt.ly"]
-    if any(domain in text.lower() for domain in short_urls):
-        return True
-    if any(word in text for word in SCAM_KEYWORDS):
-        return True
-    return False
+# 1. تحميل النموذج (تأكد إن الاسم صح)
+MODEL_NAME = "vat75/PhishGuard-AI"
 
-def analyze_message(text):
+try:
+    tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+    model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME)
+    model.eval()
+except Exception as e:
+    print(f"Error loading model: {e}")
+
+# 2. وظيفة التوقع (المعالجة)
+def analyze_text(text):
     if not text.strip():
-        return "الرجاء إدخال نص للتحليل.", "0%"
-    
-    try:
-        # الاتصال بسبيس الـ API
-        client = Client(API_URL)
-        result = client.predict(text=text, api_name="/predict")
-        
-        is_scam_ai = (result['label'] == "scam")
-        conf = result['confidence']
-        
-        # دمج النتيجة مع القواعد اليدوية (Hybrid Approach)
-        if is_scam_ai or check_manual_rules(text):
-            # إذا القواعد اليدوية قفطته والـ AI شاك، نرفع النسبة
-            final_score = max(conf * 100, 95.0)
-            return "🚨 محاولة احتيال!", f"{final_score:.2f}%"
-        else:
-            return "✅ رسالة آمنة", f"{conf * 100:.2f}%"
-            
-    except Exception as e:
-        return "⚠️ عذراً، سبيس الـ API غير متاح حالياً.", "0%"
-
-# تصميم واجهة المستخدم
-with gr.Blocks(title="PhishGuard AI") as demo:
-    gr.Markdown("# 🛡️ PhishGuard AI")
-    gr.Markdown("نظام ذكي لكشف رسائل الاحتيال والاختراق.")
-    
-    with gr.Row():
-        input_text = gr.Textbox(lines=4, label="الصق نص الرسالة هنا", placeholder="مثال: عزيزي العميل، تم حظر حسابك البنكي...")
-    
-    with gr.Row():
-        btn = gr.Button("تحليل الرسالة", variant="primary")
-        
-    with gr.Row():
-        res_label = gr.Text(label="النتيجة النهائية")
-        res_conf = gr.Text(label="دقة التحليل")
-        
-    btn.click(analyze_message, inputs=input_text, outputs=[res_label, res_conf])
-
-demo.launch(server_name="0.0.0.0", server_port=7860, share=False)
+        return "الرجاء إدخال نص.", "0%"
+
+    inputs = tokenizer(
+        text,
+        return_tensors="pt",
+        truncation=True,
+        padding=True,
+        max_length=128
+    )
+
+    with torch.no_grad():
+        outputs = model(**inputs)
+        # تحويل النتائج لنسب مئوية
+        probs = torch.nn.functional.softmax(outputs.logits, dim=-1)
+
+    predicted_class = torch.argmax(probs, dim=-1).item()
+    confidence = probs[0][predicted_class].item()
+
+    # إذا كلاس الاحتيال هو 1
+    if predicted_class == 1:
+        return "🚨 محاولة احتيال!", f"{confidence*100:.2f}%"
+    else:
+        return "✅ آمن", f"{confidence*100:.2f}%"
+
+# 3. بناء الواجهة (Gradio)
+demo = gr.Interface(
+    fn=analyze_text,
+    inputs=gr.Textbox(lines=5, placeholder="اكتب الرسالة هنا...", label="نص الرسالة"),
+    outputs=[
+        gr.Text(label="النتيجة"),
+        gr.Text(label="نسبة التأكد")
+    ],
+    title="🛡️ PhishGuard AI Detector",
+    description="الصق نص الرسالة المشبوهة للتحقق منها فوراً."
+)
+
+# 4. التشغيل (أهم سطر لـ Hugging Face)
+if __name__ == "__main__":
+    demo.launch(server_name="0.0.0.0", server_port=7860)