src/Algorithms/Fraud_Detection.py

"""
MODULE ALGORITHM - FRAUD DETECTION (DETAIL MAXIMAL)
===================================================
Détecte les anomalies et retourne un rapport détaillé pour l'IA.
"""

import networkx as nx
import pandas as pd

def detect_fraud_logic(G: nx.DiGraph):
    risk_nodes = []
    fraud_report = []
    
    # Seuils de tolérance (Règles Métier)
    suspicious_types = {
        "Telephone": 1, "Email": 1, "ID_Officiel": 1, 
        "Numero_Fiscal": 1, "Reseau_sociaux": 1, "Reference_Externe": 1,
        "Adresse": 3 # Tolérance plus élevée pour adresse (coloc/famille)
    }
    
    for node, data in G.nodes(data=True):
        group = data.get("group")
        
        if group in suspicious_types:
            threshold = suspicious_types[group]
            
            # On regarde qui est connecté à ce nœud (Entrant + Sortant)
            neighbors = list(G.neighbors(node)) + list(G.predecessors(node))
            
            # On filtre pour ne garder que les entités "Humaines" (Clients/Garants)
            connected_entities = []
            for n in neighbors:
                role = G.nodes[n].get("group")
                if role in ["Client", "Garant"]:
                    connected_entities.append(n)
            
            # Dédoublonnage via ID Officiel si dispo, sinon ID système
            unique_people = set(connected_entities)
            
            if len(unique_people) > threshold:
                # --- ACTION : MARQUAGE ROUGE ---
                G.nodes[node]['color'] = "#FF0000"
                G.nodes[node]['shape'] = "star"
                G.nodes[node]['size'] = 40
                G.nodes[node]['title'] = f"🚨 FRAUDE : Partagé par {len(unique_people)} personnes !"
                
                risk_nodes.append(node)
                
                # --- RAPPORT DÉTAILLÉ POUR L'IA ---
                clean_value = node.split(":", 1)[1] if ":" in node else node
                connected_names = [G.nodes[n].get('label', n) for n in list(unique_people)[:5]] # Top 5 noms
                
                fraud_report.append({
                    "Type": group,
                    "Valeur": clean_value,
                    "NB Identités": len(unique_people),
                    "Motif": f"Partagé par : {', '.join(connected_names)}",
                    "Détails": f"Seuil autorisé: {threshold}, Trouvé: {len(unique_people)}"
                })
    
    df_fraud = pd.DataFrame(fraud_report)
    return G, risk_nodes, df_fraud