FLAC Linebot - 防詐騙風險評估系統

專案架構

FLAC_Linebot/
├── main.py                    # FastAPI 主程式（路由 + webhook）
├── models.py                  # 資料模型定義
├── database.py                # DynamoDB 資料庫操作
├── bedrock_service.py         # AWS Bedrock AI 分析服務
├── security.py                # HMAC 簽章安全模組
├── team_service.py            # 團隊管理服務
├── points_calculator.py       # 積分計算器
├── static/                    # 靜態網頁（LIFF 應用）
│   ├── index.html            # 個人儀表板
│   └── leaderboard.html      # 全球排行榜
├── tests/                     # 測試檔案
│   ├── test_security.py      # 安全模組測試
│   ├── test_team_service.py  # 團隊服務測試
│   ├── test_points_calculator.py  # 積分計算器測試
│   └── test_*_api.py         # API 端點測試
├── demos/                     # 功能示範腳本
│   ├── demo_security_usage.py
│   ├── demo_team_info.py
│   └── demo_*.py
├── docs/                      # 文件
│   └── task_summaries/       # 任務實作總結
│       ├── TASK_2.3_IMPLEMENTATION_SUMMARY.md
│       ├── TASK_3.1_IMPLEMENTATION_SUMMARY.md
│       └── TASK_*.md
├── .kiro/                     # Kiro AI 設定與 Spec 文件
│   └── specs/
│       └── team-collaboration/
│           ├── requirements.md
│           ├── design.md
│           └── tasks.md
├── .env                       # 環境變數（需自行建立）
└── scam_detection_db.json    # 舊版資料庫檔案（已棄用）

功能說明

1. LINE Bot Webhook

• 接收使用者傳送的文字訊息
• 使用 AWS Bedrock (Gemma 3) 進行詐騙風險分析
• 回傳風險評估報告給使用者
• 自動儲存分析記錄到資料庫
• 支援團隊積分系統（團隊成員通報可獲得積分）

2. 團隊協作系統 API

• POST /api/teams/create - 建立團隊
• POST /api/teams/join - 加入團隊（需邀請連結）
• GET /api/teams/{team_id} - 取得團隊資訊
• GET /api/teams/{team_id}/members - 取得團隊成員清單
• GET /api/leaderboard/teams - 取得團隊排行榜

3. 個人記錄 API

• GET /api/history/{user_id} - 取得個人歷史記錄
• GET /api/leaderboard - 取得全球排行榜

4. LIFF 網頁應用

• 個人儀表板：查看自己的偵測記錄、總分、優惠券
• 全球排行榜：查看所有使用者的排名
• 團隊管理：建立團隊、邀請成員、查看團隊資訊
• 團隊排行榜：查看團隊積分排名

環境設定

1. 建立 .env 檔案

LINE_CHANNEL_ACCESS_TOKEN=你的_LINE_CHANNEL_ACCESS_TOKEN
LINE_CHANNEL_SECRET=你的_LINE_CHANNEL_SECRET
aws_access_key_id=你的_AWS_ACCESS_KEY_ID
aws_secret_access_key=你的_AWS_SECRET_ACCESS_KEY
AWS_REGION=us-east-1
TEAM_INVITE_SECRET_KEY=你的_32字元以上的密鑰
LIFF_ID_TEAM_MANAGEMENT=你的_LIFF_ID
LIFF_ID_TEAM_JOIN=你的_LIFF_ID

2. 安裝相依套件

pip install fastapi uvicorn python-dotenv line-bot-sdk boto3

3. 啟動服務

python main.py

服務會在 http://0.0.0.0:8080 啟動

部署到 EC2

使用 ngrok（開發測試）

# 終端 1：啟動應用程式
python main.py

# 終端 2：啟動 ngrok
ngrok http 8080

將 ngrok 提供的 HTTPS URL 設定到 LINE Developers Console 的 Webhook URL：

https://your-ngrok-url.ngrok-free.app/callback

使用 systemd（正式環境）

建立 /etc/systemd/system/flac-linebot.service：

[Unit]
Description=FLAC Linebot Service
After=network.target

[Service]
Type=simple
User=ubuntu
WorkingDirectory=/home/ubuntu/FLAC_Linebot
Environment="PATH=/home/ubuntu/FLAC_Linebot/.venv/bin"
ExecStart=/home/ubuntu/FLAC_Linebot/.venv/bin/python main.py
Restart=always

[Install]
WantedBy=multi-user.target

啟動服務：

sudo systemctl daemon-reload
sudo systemctl enable flac-linebot
sudo systemctl start flac-linebot
sudo systemctl status flac-linebot

資料庫

使用 AWS DynamoDB 儲存詐騙偵測記錄和團隊資料。

Tables 資訊

ScamDetectionRecords

• Primary Key: record_id (String)
• GSI: UserIdIndex (user_id + created_at)
• 用途：儲存詐騙偵測記錄

Teams（團隊協作系統）

• Primary Key: team_id (String)
• 用途：儲存團隊基本資訊

TeamMembers

• Primary Key: member_id (String, 格式: {team_id}#{line_uid})
• GSI: TeamIdIndex (team_id)
• GSI: LineUidIndex (line_uid)
• 用途：儲存團隊成員資訊

ScamReports

• Primary Key: report_id (String)
• GSI: NormalizedUrlIndex (normalized_url)
• GSI: TeamIdIndex (team_id + reported_at)
• 用途：儲存團隊成員的詐騙通報記錄

自動建立

程式啟動時會自動檢查並建立所有 DynamoDB tables（如果不存在）。

詳細設定請參考：DYNAMODB_SETUP.md

API 測試

# 測試取得歷史記錄
curl http://localhost:8080/api/history/U1234567890

# 測試取得排行榜
curl http://localhost:8080/api/leaderboard

# 測試建立團隊
curl -X POST http://localhost:8080/api/teams/create \
  -H "Content-Type: application/json" \
  -d '{"leader_uid": "U1234567890", "team_name": "防詐先鋒隊"}'

# 測試取得團隊排行榜
curl http://localhost:8080/api/leaderboard/teams

測試

執行所有測試

pytest tests/

執行特定測試

pytest tests/test_team_service.py
pytest tests/test_points_calculator.py

執行示範腳本

python3 demos/demo_security_usage.py
python3 demos/demo_team_info.py

詳細測試說明請參考：

• tests/README.md
• demos/README.md

開發注意事項

1. 模組化設計：每個功能獨立成檔案，方便維護
2. 資料模型：使用 Pydantic 確保資料格式正確
3. 錯誤處理：所有 API 都有適當的錯誤處理
4. 擴充性：可輕鬆替換資料庫或 AI 服務

授權

MIT License