initial commit

새로운 repository 를 만들었습니다.

backend/app/exe.py

@@ -0,0 +1,52 @@
+from app.junPreP import extract_features
+import numpy as np
+import pickle
+import pandas as pd
+from sklearn.preprocessing import MinMaxScaler
+from tensorflow.keras.models import load_model
+import tensorflow as tf
+import os
+
+# 모델 및 스케일러 경로 (FastAPI 기준으로 맞춰서 절대 경로 또는 경로 설정)
+BASE_DIR = os.path.dirname(os.path.abspath(__file__))
+MODEL_PATH = os.path.join(BASE_DIR, "models", "Recall_0.77.keras")
+SCALER_PATH = os.path.join(BASE_DIR, "models", "scaler.pkl")
+
+# 모델 및 스케일러 로드 (1회만 수행)
+model = load_model(MODEL_PATH)
+with open(SCALER_PATH, 'rb') as f:
+    scaler = pickle.load(f)
+
+# @tf.function으로 추론 최적화
+@tf.function(reduce_retracing=True)
+def predict_with_model(model, input_data):
+    return model(input_data)
+
+# Threshold (적절히 조정 가능)
+BEST_THRESHOLD = 0.4034
+
+# 📦 예측 함수 정의 (FastAPI에서 import해서 사용)
+def predict_url_maliciousness(url: str) -> dict:
+    # 특성 추출
+    features = extract_features(url)
+    input_df = pd.DataFrame([list(features.values())], columns=features.keys())
+
+    # 스케일링
+    input_scaled = scaler.transform(input_df)
+
+    # 예측
+    prediction = predict_with_model(model, input_scaled)
+    malicious_prob = float(prediction[0][0])
+
+    # 임계값 기반 판단
+    is_malicious = bool(malicious_prob > BEST_THRESHOLD)
+
+    # Ensure all values are Python native types (not numpy types)
+    return {
+        "url": str(url),
+        "malicious_probability": float(malicious_prob),
+        "is_malicious": bool(is_malicious),
+        "threshold": float(BEST_THRESHOLD)
+    }
+
+