ujjwalgupta107-sudo/Kavach-AI

# KAVACH AI：高级欺诈检测与智能平台 KAVACH AI 是一个综合性的 AI 驱动平台，旨在保护公民免受诈骗，并为执法调查人员提供可操作的欺诈情报。它利用实时威胁分析、复杂的欺诈网络图谱和地理空间追踪，从而在应对复杂的犯罪活动时保持领先优势。 该平台由 **FastAPI Python 后端**、**React Web 仪表盘**和 **React Native 移动应用**组成。 ## 🌟 核心功能 ### 公民护盾 (Citizen Shield) - **威胁分析：** 公民可以上传可疑的文本、音频或文件，以获取即时的基于 AI 的风险评分。 - **假币检测仪 (FICN)：** 基于 AI 的计算机视觉工具，通过分析微缩文字和安全线来即时检测伪造的印度卢比。 - **AI 聊天助手（支持 12 种区域语言）：** 一个智能对话助手，可指导公民如何举报诈骗并保护其个人信息，原生支持 12 种印度区域语言。 - **全渠道 WhatsApp & IVR 支持：** 采用特定架构设计，允许公民通过标准的 WhatsApp 消息和 IVR 免费电话举报事件，无需使用应用程序。 - **举报历史：** 公民可以追踪其报告的状态并查看调查人员的反馈。 ### 调查员指挥中心 - **欺诈网络浏览器：** 一个交互式的 Cytoscape.js 图谱，用于可视化诈骗案件、电话号码、加密货币钱包和 IP 地址之间的联系，从而揭露有组织的诈骗团伙。 - **数字逮捕检测与警报：** AI 自动标记“数字逮捕”骗局，使调查人员能够立即自动生成 MHA（内政部）警报以冻结转账。 - **地理空间智能地图：** 突出显示诈骗热点的热力图，以帮助优先安排区域执法。 - **案件管理与证据导出：** 为调查人员提供的工具，用于审查公民报告、更新案件状态，并一键导出清晰、符合法庭采信要求的情报包（PDF）。 - **实时仪表盘：** 追踪正在进行中的欺诈数量和类型的关键绩效指标（KPI）和指标。 ## 🚀 技术栈与架构 ### 🧠 人工智能与机器学习 (AI/ML) - **威胁检测 ML Pipelines：** 对文本、音频和文件进行实时 AI 分析，用于欺诈风险评分和意图分类。 - **AI 对话助手：** 由 LLM 驱动的助手，直接集成到公民工作流程中，提供智能的举报指导。 - **模式识别与聚类：** 将高级机器学习算法应用于诈骗网络，以识别并对犯罪集团进行聚类。 ### 🐳 基础设施与 CI/CD Pipelines - **容器化：** 使用 **Docker** 的完全容器化环境。 - **编排：** 使用 `docker-compose` 设置进行本地微服务编排。 - **部署流水线：** 为无缝的 CI/CD pipelines（例如 GitHub Actions）配置，以自动化测试、构建和生产部署。 ### ⚙️ 后端 (Python) - **框架：** Python 3.10+，结合 **FastAPI** 提供高性能异步 API。 - **数据库：** SQLite (aiosqlite)，使用 SQLAlchemy ORM 和 Alembic 进行数据库迁移。 - **测试：** Pytest ### 💻 前端 (Web) - **框架：** React 19 + Vite + TypeScript - **样式：** Tailwind CSS + Framer Motion - **数据获取与状态管理：** React Query + Zustand - **可视化：** React Leaflet（地图），Cytoscape.js（网络图谱），Recharts（指标） ### 📱 移动应用 (React Native) - **框架：** React Native + Expo + TypeScript - **导航：** React Navigation（Native Stack & Bottom Tabs） - **样式：** Tailwind CSS（通过 NativeWind/自定义类） ## 🛠️ 开始使用（本地开发） ### 前置条件 - **Node.js：** v18+ - **Python：** v3.10+ - **Git** ### 1. 后端设置 后端 API 必须处于运行状态，前端和移动应用才能正常运行。 ``` # 导航到 backend 目录 cd backend # 创建并激活虚拟环境 python -m venv venv source venv/bin/activate # On Windows: venv\Scripts\activate # 安装依赖 pip install -r requirements.txt # 启动 FastAPI 服务器 python -m uvicorn app.main:app --reload --port 8000 ``` 后端 API 将在 `http://localhost:8000` 提供。 ### 2. Web 前端设置 ``` # 导航到项目根目录（如果尚未在该目录下） cd .. # 安装依赖 npm install # 启动 Vite 开发服务器 npm run dev ``` Web 应用将在 `http://localhost:5173` 提供。 ### 3. 移动应用设置 ``` # 导航到 mobile app 目录 cd mobile-app # 安装依赖 npm install # 启动 Expo 开发服务器 npm start ``` 你可以在 Android/iOS 模拟器中运行该应用，或者使用 Expo Go 应用程序在物理设备上运行。 ## 🔑 测试凭证 使用以下预置的凭证在本地快速测试应用程序： **调查员账户（访问指挥中心）：** - **邮箱：** `investigator@kavach.ai` - **密码：** `admin123` **公民账户（访问 KAVACH 护盾）：** - **邮箱：** `citizen@example.com` - **密码：** `password123` ## 📦 生产环境构建 ### Web ``` npm run build ``` 这将在 `dist/` 目录中生成优化后的静态文件。 ### Android APK（发布版构建） 要在本地构建可用于生产环境的已签名 `.apk` 文件： ``` cd mobile-app npx expo prebuild --platform android --clean ``` 确保你的 `release.keystore` 已放置在 `android/app/` 目录中并在 `build.gradle` 中完成配置，然后运行： ``` cd android ./gradlew assembleRelease ``` 生成的 APK 将位于 `android/app/build/outputs/apk/release/app-release.apk`。 ## 📜 许可证 本项目为专有项目，专为演示和内部使用而开发。

标签：AV绕过, FastAPI, React, Syscalls, 反欺诈, 威胁情报, 开发者工具, 案事件管理, 网络安全, 自动化攻击, 请求拦截, 逆向工具, 隐私保护