Upload NavyBayes.py

NavyBayes.py

@@ -1,11 +1,11 @@
-import firebase_admin
-from firebase_admin import credentials, firestore
-from joblib import dump, load
+import firebase_admin # type: ignore
+from firebase_admin import credentials, firestore # type: ignore
+from joblib import dump, load # type: ignore
 import datetime
-from sklearn.feature_extraction.text import TfidfVectorizer
-from sklearn.naive_bayes import MultinomialNB
-import pandas as pd
-from huggingface_hub import HfApi
+import re
+from sklearn.feature_extraction.text import TfidfVectorizer # type: ignore
+from sklearn.naive_bayes import MultinomialNB # type: ignore
+import pandas as pd # type: ignore
 
 # التهيئة مرة واحدة فقط
 if not firebase_admin._apps:
@@ -25,7 +25,7 @@ except Exception as e:
     vectorizer = None
     print(f"Model and vectorizer not found. You need to train the model. Error: {e}")
 
-# 1. وظيفة لتحليل وتصنيف الرسائل وتخزينها في Firestore
+# 1. وظيفة لتحليل النصوص وتصنيفها
 def classify_and_store_message(message):
     global model, vectorizer
     try:
@@ -44,19 +44,13 @@ def classify_and_store_message(message):
         }
 
         # تخزين الرسالة في مجموعة Firestore حسب التصنيف
-        if classification == "spam_phishing":
-            db.collection('spam').add(message_data)
-        elif classification == "news_phishing":
-            db.collection('news').add(message_data)
-        elif classification == "advertisement_phishing":
-            db.collection('advertisement').add(message_data)
-        elif classification == "social_phishing":
-            db.collection('social').add(message_data)
+        collection_name = classification.split('_')[0]  # استخدام الجزء الأول من التصنيف كاسم المجموعة
+        db.collection(collection_name).add(message_data)
 
         # تخزين الرسالة في مجموعة 'all_messages' لجميع الرسائل
         db.collection('all_messages').add(message_data)
 
-        # تخزين الرسالة في مجموعة 'recently_analyzed_messages' للرسائل الحديثة
+        # تخزين الرسالة في مجموعة 'recently_analyzed_messages'
         db.collection('recently_analyzed_messages').add(message_data)
 
         print(f"Message classified as {classification} and stored in Firestore.")
@@ -66,38 +60,37 @@ def classify_and_store_message(message):
         print(f"Error classifying message: {e}")
         return None
 
-# 2. رفع النموذج إلى Hugging Face Hub
-def upload_model_to_huggingface():
-    try:
-        # استخدام HfApi لرفع النموذج
-        api = HfApi()
-
-        # تحديد اسم النموذج والملفات
-        model_name = "Noufy/https-api_inference.huggingface.comodels-Noufy-naive_bayes_sms"
-        model_path = "model.joblib"
-        vectorizer_path = "vectorizer.joblib"
-
-        # رفع النموذج إلى Hugging Face
-        api.upload_file(
-            path_or_fileobj=model_path,
-            path_in_repo=f"{model_name}/model.joblib",
-            repo_id="Noufy/https-api_inference.huggingface.comodels-Noufy-naive_bayes_sms",  # ضع اسم المستخدم واسم المشروع
-            repo_type="model"
-        )
-
-        api.upload_file(
-            path_or_fileobj=vectorizer_path,
-            path_in_repo=f"{model_name}/vectorizer.joblib",
-            repo_id="Noufy/https-api_inference.huggingface.comodels-Noufy-naive_bayes_sms",
-            repo_type="model"
-        )
-
-        print("Model and vectorizer uploaded successfully to Hugging Face.")
+# 2. وظيفة لتحليل النصوص المدخلة
+def analyze_input_text():
+    print("\n--- SMS Classification and Link Analysis Tool ---")
+    while True:
+        user_input = input("Enter a message to classify (or type 'exit' to quit): ").strip()
+        if user_input.lower() == 'exit':
+            print("Exiting the tool. Goodbye!")
+            break
+
+        # استخراج الروابط من النص المدخل
+        links = re.findall(r'(https?://[^\s]+)', user_input)
+        if links:
+            print(f"Detected links: {links}")
+            # تحليل الروابط (يمكن تطوير التحليل ليشمل أدوات أو خدمات خارجية)
+            for link in links:
+                # افتراض تحليل بسيط (يمكن تحسينه لاحقًا)
+                if "secure" in link or "safe" in link:
+                    print(f"Link '{link}' appears safe.")
+                else:
+                    print(f"Link '{link}' might be suspicious.")
+        else:
+            print("No links detected in the message.")
 
-    except Exception as e:
-        print(f"Error uploading model: {e}")
+        # تصنيف الرسالة
+        classification = classify_and_store_message(user_input)
+        if classification:
+            print(f"Message classified as: {classification}")
+        else:
+            print("Unable to classify the message. Please try again.")
 
-# 3. تحديث النموذج مع بيانات جديدة
+# 3. دالة لتحديث النموذج مع بيانات جديدة
 def update_model_with_new_data(new_messages, new_labels):
     global model, vectorizer
     try:
@@ -129,36 +122,32 @@ def update_model_with_new_data(new_messages, new_labels):
     except Exception as e:
         print(f"Error updating model: {e}")
 
-# تشغيل رفع النموذج إلى Hugging Face
-upload_model_to_huggingface()
-
 # 4. دالة لاختبار النظام
 def test_system():
     test_messages = [
-        "Win a free vacation now!",
+        "Win a free vacation now! Visit https://spam-link.com",
         "Breaking news: Major stock updates today.",
         "Don't forget our meeting tomorrow at 10 AM.",
-        "Click here to secure your bank account now!",
-        "Exclusive offers just for you, buy now!"
+        "Click here to secure your bank account: https://phishing-link.com",
+        "Exclusive offers just for you! Buy now at https://ad-link.com"
     ]
 
     for msg in test_messages:
-        classification = classify_and_store_message(msg)
-        print(f"Message: '{msg}' -> Classified as: {classification}")
+        print(f"\nAnalyzing message: {msg}")
+        analyze_input_text(msg)
 
 # 5. وظيفة للتصحيح اليدوي
 def correct_classification(message_id, correct_label):
     try:
-        # جلب الرسالة من Firebase
-        message_ref = db.collection('view_history').document(message_id)
+        # جلب الرسالة من Firestore
+        message_ref = db.collection('all_messages').document(message_id)
         message_data = message_ref.get().to_dict()
 
         if not message_data:
             print("Message not found.")
             return
 
-        # تحديث التصنيف في Firebase
-        message_data['classification'] = correct_label
+        # تحديث التصنيف في Firestore
         message_ref.update({'classification': correct_label})
 
         # إضافة البيانات إلى نموذج التدريب الجديد
@@ -167,5 +156,5 @@ def correct_classification(message_id, correct_label):
     except Exception as e:
         print(f"Error correcting classification: {e}")
 
-# اختبار
-test_system()
+# تشغيل تحليل النصوص
+analyze_input_text()