pages/About.py

# pages/About.py

import streamlit as st

# Definiowanie tłumaczeń dla tej podstrony
page_translations = {
    'Polish': {
        'header': "📄 O Projekcie",
        'intro': """
**🎯 Scam Detector – O Projekcie**

**Scam Detector** to zaawansowana aplikacja webowa stworzona w odpowiedzi na rosnące zagrożenia związane z oszustwami SMS i phishingiem. Dzięki nowoczesnym algorytmom sztucznej inteligencji, aplikacja umożliwia **automatyczną analizę wiadomości SMS**, identyfikując potencjalne próby wyłudzeń i phishingu. Celem **Scam Detector** jest ochrona użytkowników przed cyberatakami oraz edukowanie ich w zakresie rozpoznawania zagrożeń i odpowiedniego reagowania.
        """,
        'history': """
**📜 Historia Powstania**

Projekt **Scam Detector** powstał, gdy moja żona otrzymała dziwną wiadomość SMS, w której ktoś podszywał się pod jedno z naszych dzieci. To był impuls, który zmotywował mnie do stworzenia aplikacji analizującej tego typu wiadomości. Dzięki wsparciu od firmy **SambaNova Systems**, aplikacja korzysta z zaawansowanego modelu sztucznej inteligencji do wykrywania potencjalnych oszustw.
        """,
        'features_title': "🚀 Funkcjonalności Aplikacji",
        'features': """
- **🔍 Analiza treści SMS**: Automatyczne wykrywanie podejrzanych wzorców w wiadomościach.
- **⚠️ Ocena ryzyka**: Ocena wiadomości na skali od 1 (niskie ryzyko) do 10 (bardzo wysokie ryzyko).
- **🛠️ Rekomendacje**: Zalecenia dla użytkownika na temat dalszych działań.
- **📞 Zgłaszanie numerów**: Możliwość zgłoszenia numerów do lokalnej bazy danych.
- **📝 Historia analiz**: Przegląd wszystkich przeprowadzonych analiz.
        """,
        'tech_title': "💻 Technologie Użyte w Projekcie",
        'tech': """
- **Streamlit**: Framework do budowy interaktywnych aplikacji webowych.
- **phonenumbers**: Biblioteka do walidacji numerów telefonów.
- **SambaNova Systems**: Firma dostarczająca zaawansowane modele sztucznej inteligencji wspierające analizę treści wiadomości.
- **JSON**: Format do lokalnego przechowywania danych użytkownika.
        """,
        'spec_title': "🔧 Specyfikacja Techniczna",
        'spec': """
1. **Cel Aplikacji**: Wykrywanie oszustw SMS i ochrona użytkowników przed cyberzagrożeniami.
   
2. **Funkcjonalności**:
   - Automatyczna analiza treści wiadomości.
   - Ocena ryzyka oszustwa na podstawie analizy treści.
   - Zgłaszanie podejrzanych numerów do bazy danych.
   - Historia analiz i raportów dla użytkownika.
   
3. **Architektura Systemu**:
   - **Frontend**: Zbudowany przy użyciu Streamlit, oferuje interfejs użytkownika pozwalający na szybkie analizy wiadomości.
   - **Backend**: Silnik AI dostarczony przez SambaNova Systems, przetwarza dane w czasie rzeczywistym.
   - **Baza danych**: Historia analiz i zgłoszenia są przechowywane lokalnie w formacie JSON, gwarantując prywatność i bezpieczeństwo danych.
   
4. **Zastosowane Technologie**:
   - Streamlit: Interaktywny interfejs.
   - phonenumbers: Walidacja numerów telefonów.
   - Algorytmy AI: Modele do analizy treści wiadomości.
        """,
        'security_title': "🔒 Bezpieczeństwo Danych",
        'security': """
Wszystkie dane użytkowników są przetwarzane i przechowywane **lokalnie**. **Scam Detector** nie korzysta z zewnętrznych serwerów, co zapewnia pełną prywatność i bezpieczeństwo. Analiza danych odbywa się na urządzeniu użytkownika, co minimalizuje ryzyko wycieku danych.
        """,
        'team_title': "👨‍💻 O Mnie",
        'team': """
Nazywam się Rafał i od wielu lat pasjonuję się programowaniem oraz badaniem sztucznej inteligencji. Moje zainteresowanie technologią, w połączeniu z osobistym doświadczeniem z oszustwami SMS, zainspirowało mnie do stworzenia aplikacji **Scam Detector**. 

Jestem hobbystą, ale moje projekty zawsze dążą do praktycznych zastosowań i mają realny wpływ na codzienne życie użytkowników. Moim celem jest zwiększenie świadomości o zagrożeniach cybernetycznych i ochrona przed nimi za pomocą technologii.
        """,
        'contact': """
**📧 Kontakt**

Jeśli masz pytania lub sugestie dotyczące projektu, zapraszam do zakładki [Kontakt](#).
        """
    },
    'German': {
        'header': "📄 Über das Projekt",
        'intro': """
**🎯 Scam Detector – Über das Projekt**

**Scam Detector** ist eine fortschrittliche Webanwendung, die als Antwort auf die wachsenden Bedrohungen durch SMS-Betrug und Phishing entwickelt wurde. Mit modernen Algorithmen der künstlichen Intelligenz ermöglicht die Anwendung die **automatische Analyse von SMS-Nachrichten**, um potenzielle Betrugsversuche und Phishing zu identifizieren. Ziel von **Scam Detector** ist es, Benutzer vor Cyberangriffen zu schützen und sie gleichzeitig zu schulen, wie sie Bedrohungen erkennen und darauf reagieren können.
        """,
        'history': """
**📜 Entstehungsgeschichte**

Das Projekt **Scam Detector** entstand, als meine Frau eine merkwürdige SMS von einer unbekannten Nummer erhielt, in der sich jemand als eines unserer Kinder ausgab. Dies war der Anstoß, der mich motivierte, eine Anwendung zu entwickeln, die solche Nachrichten analysiert. Mit Unterstützung von **SambaNova Systems** nutzt die Anwendung fortschrittliche KI-Modelle, um potenziellen Betrug zu erkennen.
        """,
        'features_title': "🚀 Funktionen der Anwendung",
        'features': """
- **🔍 SMS-Inhaltsanalyse**: Automatische Erkennung verdächtiger Muster in Nachrichten.
- **⚠️ Risikobewertung**: Bewertung der Nachricht auf einer Skala von 1 (niedriges Risiko) bis 10 (sehr hohes Risiko).
- **🛠️ Empfehlungen**: Empfehlungen für Benutzer zum Umgang mit verdächtigen Nachrichten.
- **📞 Meldung von Nummern**: Möglichkeit, verdächtige Nummern zur lokalen Datenbank hinzuzufügen.
- **📝 Analyseverlauf**: Übersicht über alle durchgeführten Analysen.
        """,
        'tech_title': "💻 Im Projekt verwendete Technologien",
        'tech': """
- **Streamlit**: Framework für den Aufbau interaktiver Webanwendungen.
- **phonenumbers**: Bibliothek zur Validierung von Telefonnummern.
- **SambaNova Systems**: Firma, die fortschrittliche KI-Modelle zur Unterstützung der Inhaltsanalyse von SMS bereitstellt.
- **JSON**: Format zur lokalen Speicherung von Benutzerdaten.
        """,
        'spec_title': "🔧 Technische Spezifikationen",
        'spec': """
1. **Zweck der Anwendung**: Erkennung von SMS-Betrug und Schutz der Benutzer vor Cyberbedrohungen.
   
2. **Funktionen**:
   - Automatische Inhaltsanalyse von SMS.
   - Risikobewertung auf Basis der Nachrichteninhalte.
   - Meldung verdächtiger Nummern an die lokale Datenbank.
   - Analyseverlauf und Berichte für Benutzer.
   
3. **Systemarchitektur**:
   - **Frontend**: Erstellt mit Streamlit, bietet eine benutzerfreundliche Oberfläche zur schnellen Analyse von Nachrichten.
   - **Backend**: Der AI-Analyse-Engine wird von SambaNova Systems bereitgestellt und verarbeitet Daten in Echtzeit.
   - **Datenbank**: Analyseverlauf und Berichte werden lokal im JSON-Format gespeichert, was die Privatsphäre und Sicherheit der Benutzer garantiert.
   
4. **Verwendete Technologien**:
   - Streamlit: Interaktive Webanwendungen.
   - phonenumbers: Validierung von Telefonnummern.
   - KI-Algorithmen: Fortgeschrittene Modelle zur Analyse von Nachrichteninhalten.
        """,
        'security_title': "🔒 Datensicherheit",
        'security': """
Alle Benutzerdaten werden lokal verarbeitet und gespeichert. **Scam Detector** nutzt keine externen Server, um die Privatsphäre und Sicherheit zu gewährleisten. Die Datenanalyse erfolgt auf dem Gerät des Benutzers, wodurch das Risiko eines Datenlecks minimiert wird.
        """,
        'team_title': "👨‍💻 Über mich",
        'team': """
Mein Name ist Rafał und ich bin leidenschaftlicher Programmierer und Forscher im Bereich der künstlichen Intelligenz. Mein Interesse an Technologie und meine persönlichen Erfahrungen mit SMS-Betrug haben mich dazu inspiriert, die Anwendung **Scam Detector** zu entwickeln.

Ich bin ein Hobbyentwickler, aber meine Projekte zielen darauf ab, praktische Lösungen zu schaffen, die das tägliche Leben der Benutzer verbessern.
        """,
        'contact': """
**📧 Kontakt**

Wenn Sie Fragen oder Anregungen zum Projekt haben, besuchen Sie bitte den Abschnitt [Kontakt](#).
        """
    },
    'English': {
        'header': "📄 About the Project",
        'intro': """
**🎯 Scam Detector – About the Project**

**Scam Detector** is an advanced web application created in response to the growing threats of SMS fraud and phishing. By utilizing modern AI algorithms, the app enables **automatic analysis of SMS messages**, identifying potential fraud and phishing attempts. The goal of **Scam Detector** is to protect users from cyberattacks while educating them on recognizing threats and responding appropriately.
        """,
        'history': """
**📜 Project History**

The **Scam Detector** project was born when my wife received a strange SMS from an unknown number where someone pretended to be one of our children. This was the spark that motivated me to create an app to analyze such messages. With support from **SambaNova Systems**, the app uses advanced AI models to detect potential fraud.
        """,
        'features_title': "🚀 Application Features",
        'features': """
- **🔍 SMS Content Analysis**: Automatic detection of suspicious patterns in messages.
- **⚠️ Risk Assessment**: Message evaluation on a scale from 1 (low risk) to 10 (very high risk).
- **🛠️ Recommendations**: Practical advice for users on how to handle suspicious messages.
- **📞 Number Reporting**: Ability to report suspicious numbers to the local database.
- **📝 Analysis History**: Overview of all conducted analyses.
        """,
        'tech_title': "💻 Technologies Used in the Project",
        'tech': """
- **Streamlit**: Framework for building interactive web applications.
- **phonenumbers**: Library for phone number validation.
- **SambaNova Systems**: Company providing advanced AI models to support SMS content analysis.
- **JSON**: Format for local storage of user data.
        """,
        'spec_title': "🔧 Technical Specifications",
        'spec': """
1. **Application Purpose**: Detecting SMS fraud and protecting users from cyber threats.
   
2. **Features**:
   - Automatic SMS content analysis.
   - Risk assessment based on message content.
   - Reporting suspicious numbers to the local database.
   - Analysis history and reports for users.
   
3. **System Architecture**:
   - **Frontend**: Built using Streamlit, offering a user-friendly interface for quick message analysis.
   - **Backend**: The AI engine, powered by SambaNova Systems, processes data in real-time.
   - **Database**: Analysis history and reports are stored locally in JSON format, ensuring privacy and data security.
   
4. **Technologies Used**:
   - Streamlit: Interactive web applications.
   - phonenumbers: Phone number validation.
   - AI Algorithms: Advanced models for message content analysis.
        """,
        'security_title': "🔒 Data Security",
        'security': """
All user data is processed and stored locally. **Scam Detector** does not use external servers, ensuring privacy and security. Data analysis is performed on the user's device, minimizing the risk of data leaks.
        """,
        'team_title': "👨‍💻 About Me",
        'team': """
My name is Rafał, and I am passionate about programming and researching artificial intelligence. My interest in technology, combined with personal experiences with SMS fraud, inspired me to create the **Scam Detector** app.

I am a hobbyist developer, but my projects aim to provide practical solutions that make a real impact on users' everyday lives.
        """,
        'contact': """
**📧 Contact**

If you have any questions or suggestions regarding the project, please visit the [Contact](#) section.
        """
    }
}

def main(language):
    st.header(page_translations[language]['header'])

    st.write(page_translations[language]['intro'])

    st.write(page_translations[language]['history'])

    st.write(page_translations[language]['features_title'])
    st.write(page_translations[language]['features'])

    st.write(page_translations[language]['tech_title'])
    st.write(page_translations[language]['tech'])

    st.write(page_translations[language]['spec_title'])
    st.write(page_translations[language]['spec'])

    st.write(page_translations[language]['security_title'])
    st.write(page_translations[language]['security'])

    st.write(page_translations[language]['team_title'])
    st.write(page_translations[language]['team'])

    st.write(page_translations[language]['contact'])