Update app.py

app.py

@@ -79,35 +79,39 @@ async def home():
 async def analyze_text(input_data: MessageInput):
     try:
         text = input_data.text
-        inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=128)
         
+        # 1. تحليل النص/الرابط باستخدام نموذج الذكاء الاصطناعي
+        inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=128)
         with torch.no_grad():
             outputs = model(**inputs)
             probs = torch.nn.functional.softmax(outputs.logits, dim=-1)
         
+        # 2. الحصول على الفئة المتوقعة ونسبة الثقة
         predicted_class = torch.argmax(probs, dim=-1).item()
-        model_confidence = probs[0][predicted_class].item() * 100
+        confidence = probs[0][predicted_class].item() * 100
         
-        # نتحقق من المؤشرات اليدوية (الكلمات والدومينات)
-        found_indicators = contains_scam_indicators(text)
-
-        # إذا النموذج قال احتيال (1) أو الفحص اليدوي وجد أدلة (True)
-        if predicted_class == 1 or found_indicators:
+        # 3. منطق القرار (الاعتماد الكلي على الذكاء)
+        if predicted_class == 1:
+            # النموذج اكتشف أنه احتيال بناءً على تحليل عميق للرابط والنص
             verdict = "🚨 محاولة احتيال"
-            # إذا كان الفحص اليدوي هو من كشفه نثبتها على 95 أو نأخذ ثقة النموذج أيهما أعلى
-            final_confidence = max(model_confidence, 95.0) if found_indicators else model_confidence
+            final_confidence = confidence
         else:
-            verdict = "✅ نص آمن"
-            final_confidence = model_confidence
+            # النموذج يراه آمناً، هنا فقط نلقي نظرة سريعة على الكلمات الخطيرة جداً للتأكيد
+            if contains_scam_indicators(text):
+                # إذا النموذج قال آمن ولكن النص فيه "حدث بياناتك البنكية" (كلمات صريحة جداً)
+                verdict = "🚨 محاولة احتيال"
+                final_confidence = 90.0 # نعطي ثقة عالية لأن الكلمات صريحة
+            else:
+                verdict = "✅ نص آمن"
+                final_confidence = confidence
 
         return {
             "verdict": verdict,
-            "confidence": round(final_confidence, 2)
+            "confidence": round(final_confidence, 2),
+            "method": "AI Analysis" # لإظهار أن التحليل تم عبر الذكاء
         }
     except Exception as e:
         return {"error": str(e)}
 
-
-
 if __name__ == "__main__":
     uvicorn.run(app, host="0.0.0.0", port=7860)