🧠 Project AletheIA

Simulación social + OSINT + IA generativa
Plataforma modular para analizar comportamiento en redes, detectar clones digitales y generar contenido automatizado con agentes virtuales.

---

📌 Descripción General

Project AletheIA es un sistema basado en Flask que permite:

• Simular agentes sociales (con personalidades como trolls, usurpadores, normales y observadores).
• Generar publicaciones automáticamente usando IA (OpenAI API).
• Detectar posibles clones digitales (usuarios con datos similares en redes públicas).
• Analizar tendencias actuales (usando Pytrends).
• Visualizar resultados en un dashboard web intuitivo.

Este proyecto puede usarse para investigación en OSINT, análisis de redes, estudios de comportamiento social automatizado o simulación de campañas.

---

⚙️ Instalación

1. Clonar el repositorio

git clone https://github.com/HenrySpark369/Project_AletheIA.git
cd Project_AletheIA

2. Crear y activar entorno virtual (opcional pero recomendado)

python -m venv venv
source venv/bin/activate  # En Windows: venv\Scripts\activate

3. Instalar dependencias

pip install -r requirements.txt

4. Configurar API Key de OpenAI

Crea un archivo .env o configura en config.py tu clave de OpenAI:

export OPENAI_API_KEY=tu_clave_aqui  # En Linux/macOS
set OPENAI_API_KEY=tu_clave_aqui     # En Windows

---

🔐 Seguridad y Configuración de Flask

Para que ciertas funcionalidades como flash() funcionen correctamente (por ejemplo, en el módulo de clones OSINT o formularios), es obligatorio definir una SECRET_KEY.

¿Qué es?

SECRET_KEY protege sesiones y operaciones internas como flash(), autenticación, tokens CSRF, etc.

🔧 Formas de generarla en Python

Para desarrollo:

import os
SECRET_KEY = os.urandom(24)

Para producción:

import secrets
SECRET_KEY = secrets.token_hex(32)

Puedes generar una y guardarla como variable de entorno:

En Linux/macOS:

export FLASK_SECRET_KEY=$(python -c "import secrets; print(secrets.token_hex(32))")

En Windows (CMD):

set FLASK_SECRET_KEY=tu_clave_segura_aqui

🧠 Configuración sugerida en config.py:

import os
SECRET_KEY = os.environ.get("FLASK_SECRET_KEY", os.urandom(24))

⚠️ Usa una clave aleatoria y única para cada entorno. Nunca compartas tu SECRET_KEY pública si vas a publicar el código.

---

🧪 Base de Datos

El sistema utiliza SQLite por defecto (database.db). Para reiniciar o inicializar la base de datos:

python utils/init_db.py

Puedes migrar fácilmente a PostgreSQL modificando config.py y los modelos SQLAlchemy.

---

🧠 Scheduler independiente

Para ejecutar el simulador de agentes como un proceso separado:

python scheduler_runner.py

Asegúrate de definir esta variable de entorno antes de correrlo:

export ENABLE_SCHEDULER=true

Este proceso se puede mantener activo por separado o gestionarse como servicio externo (ej. PM2, systemd, etc.).

---

🚀 Ejecución

Una vez configurado el entorno y la base de datos:

python app.py

Abre tu navegador en: http://localhost:5000

---

🐳 Dockerización y Gunicorn

Este proyecto está preparado para ejecutarse en producción usando Docker con dos servicios independientes:

• web: ejecuta el servidor Flask con Gunicorn.
• scheduler: ejecuta el simulador de agentes periódicamente.

📦 Construcción y ejecución

docker compose build
docker compose up

El archivo docker-compose.yml gestiona ambos servicios. Asegúrate de tener Docker y Docker Compose instalados.

🔧 Ejecución manual con Gunicorn (sin Docker)

gunicorn -w 4 -b 0.0.0.0:5000 "app:create_app()"

Este comando lanza la app con 4 workers usando el factory method create_app().

---

🧰 Comandos útiles con Docker

Construir la imagen:

docker compose build

Iniciar los servicios (web + scheduler):

docker compose up

Iniciar en segundo plano (modo detached):

docker compose up -d

Detener todos los servicios:

docker compose down

Ver logs de todos los servicios:

docker compose logs -f

Ver logs de un servicio específico (ej. scheduler):

docker compose logs -f scheduler

Reconstruir imagen desde cero:

docker compose build --no-cache

Acceder al contenedor web (para debug):

docker exec -it aegisnet_web /bin/bash

📝 Asegúrate de tener Docker y docker compose instalados antes de usar estos comandos.

---

📊 Funcionalidades Principales

Módulo	Descripción
🧬 Simulador	Crea agentes virtuales con distintos perfiles de personalidad.
🧠 Generador IA	Produce publicaciones automáticas personalizadas con OpenAI.
🔍 OSINT Clones	Busca posibles clones digitales en la web y mide su similitud textual.
🔥 Tendencias	Obtiene trending topics por tipo de agente usando Google Trends (Pytrends).
🖥️ Dashboard	Visualiza publicaciones, clones detectados y muros de agentes.

---

🛡️ Consideraciones Legales

• Este sistema realiza búsquedas públicas (OSINT). Úsalo con responsabilidad.
• Si manejas datos reales de personas, asegúrate de cumplir con la LFPDPPP en México u otra legislación aplicable.

---

📂 Estructura del Proyecto

.
├── app.py               # Main Flask App
├── config.py            # Configuración del entorno
├── models/              # Modelos de datos (SQLAlchemy)
├── repositories/        # Acceso a datos
├── services/            # Lógica de negocio (IA, OSINT, simulación)
├── routes/              # Endpoints Flask
├── templates/           # HTMLs (Jinja2)
├── static/              # JS y CSS
├── utils/               # Herramientas auxiliares (sherlock, similitud, generación)
├── database.db          # Base de datos SQLite (default)
└── *.txt                # Datos de prueba o referencias para simulación

---

✨ Créditos

Desarrollado por HenrySpark369 Contribuciones, issues y mejoras son bienvenidas vía pull request.