AmanKumar-23/project-nidar

# 🛡️ 项目 Nidar 项目 Nidar 是一个实验性的边缘人工智能原型，专注于个人安全、异步遥测和快速网格网络。它模拟本地设备上的声学分类，利用生成式人工智能进行心理行为干预，跟踪离线弹性路径规划，并保持与云端服务器端归档后端的清晰边界。 ## ✨ 功能特性 - **🚨 交互式SOS遥测**：一个全功能的深色主题指挥中心，原生基于 Streamlit 构建，用于操作跟踪。 - **📡 数据可视化运维**：使用 PyDeck 实现本地安全区域和活动边缘追踪的准确实时地图表示。 - **🛰️ 惯性测量单元推算子系统**：当信号干扰导致系统离线时，仪表板会回退至基于物理学的运动学模型，以本地方式估算未联网设备的轨迹。 - **👻 生成式AI“幽灵护送”威慑**：摒弃标准警笛，转而使用超现实感的生成式TTS语音（例如播放本地化的、权威的印地语音频干预），旨在主动威慑恶意心理。 - **🚴‍♂️ 社区响应网络**：模拟异步零工干预层。在危机中计算500米半径内的就近配送员，并模拟干预到达时间。 - **☁️ AWS无服务器API**：包含一个双端点AWS Lambda模拟（`cloud_function.py`），能够解析原始SOS有效载荷（安全记录至S3的 `nidar-secure-logs`），以及一个独立的 `/verify-reward` 端点，模拟 Nirbhaya 基金API信用路由。 ## 📂 项目架构 ``` . ├── project-nidar/ │ ├── app.py # The main Streamlit Command Center dashboard │ ├── audio_engine.py # The engine managing local PyGame asynchronous audio tasks │ ├── responder_hub.py # Geographical math routing system logic for surrounding gig workers │ ├── cloud_function.py # The scalable AWS Lambda architecture containing dual endpoints │ ├── generate_audio.py # Legacy script to procedurally synthesize offline .wav targets │ ├── requirements.txt # Dependency tracking for the Nidar edge environment │ └── .streamlit/ # Enforces the professional dark mode emergency aesthetics ``` ## 🚀 快速开始 ### 1. 安装依赖 运行安装脚本并指向项目需求清单： ``` pip install -r project-nidar/requirements.txt ``` ### 2. 生成备用音频（可选） 如果测试时未使用幽灵护送覆盖项，则以编程方式生成本地的 `deterrent.wav` 和 `blackbox.wav` 备用音频工件： ``` cd project-nidar python generate_audio.py ``` ### 3. 启动指挥中心 初始化前端UI以与模拟的安全节点进行交互： ``` streamlit run app.py ``` *访问 `http://localhost:8501` 查看你的仪表板。*

标签：API网关, AWS Lambda, DLL 劫持, IMU惯性导航, Kubernetes, Mesh网络, PyDeck, S3存储, Streamlit仪表盘, TTS, 个人安全, 主动威慑, 云归档, 众包激励, 协议黑障, 原型系统, 双端点, 地理路由, 城市出行安全, 声学分类, 大语言模型, 安全区域, 实时地图可视化, 库, 应急响应, 异常检测, 异步通信, 心理行为干预, 暗色主题, 本地化音频干预, 权威语音, 模拟实验, 死算, 流式处理, 生成式AI, 社区响应, 离线模式, 索引, 网状网络, 语音合成, 轨迹预测, 边缘AI, 边缘计算, 逆向工具, 遥测, 零接触