initial commit

새로운 repository 를 만들었습니다.

jun/run_preprocessing.py

@@ -0,0 +1,47 @@
+from Preprocessing_application_code 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
+
+# 현재 파일(run_preprocessing.py)의 경로
+current_dir = os.path.dirname(__file__)
+
+# model 폴더 안의 Recall_0.77.keras 경로 조합
+model_path = os.path.join(current_dir, "model", "White_list_model.keras")
+scaler_path = os.path.join(current_dir, "model", "scaler.pkl")
+
+# 모델 불러오기
+model = load_model(model_path)
+
+# 스케일링 파일 불러오기
+with open(scaler_path,'rb') as f:
+    scaler = pickle.load(f)
+
+# @tf.function을 사용하여 예측 최적화
+@tf.function(reduce_retracing=True)
+def predict_with_model(model, input_data):
+    return model(input_data)
+
+# 입력값 받기
+url = input("확인할 URL을 입력하세요 : ")
+
+# 특성 추출
+feature = extract_features(url)
+input_df = pd.DataFrame([list(feature.values())], columns=feature.keys())
+
+# 스케일링
+input_scaled = scaler.transform(input_df)
+
+# 예측
+prediction = predict_with_model(model, input_scaled)
+
+# 결과 출력
+best_threshold = 0.5  # 예시로 임계값을 설정, 실제 값으로 교체해야 합니다.
+if prediction[0][0] > best_threshold:
+    print(f"입력값 : {url} \n악성 URL로 의심됩니다. (score {round(float(prediction[0][0]), 4)})")
+else:
+    print(f"입력값 : {url} \n정상 URL로 의심됩니다. (score {round(float(prediction[0][0]), 4)})")