Merge pull request 'release: 2026-04-20 (37건 커밋)' (#89) from release/2026-04-20 into main

docs/RELEASE-NOTES.md

@@ -4,24 +4,6 @@
 
 ## [Unreleased]
 
-### 추가
-- **Phase 2 PoC 5 모델 마이그레이션 완료 (2 런타임 + 3 카탈로그)** — Phase 2 PoC 계획서의 5 알고리즘 전체를 detection_model 카탈로그로 등록하고 운영자 파라미터 튜닝 지점을 확보. 모드는 두 층위로 분리:
-  - **런타임 override 완성 (2 모델)** — `dark_suspicion` (tier 3, DARK_VESSEL, 19 가중치 + sog/반복/gap/tier 임계) · `gear_violation_g01_g06` (tier 4, GEAR, 6 G-code 점수 + signal cycling + gear drift + 허용 어구 매핑). 알고리즘 함수에 `params: dict | None = None` 인자 추가, `_merge_default_*_params` 깊이 병합으로 override 가 DEFAULT 를 변조하지 않는 불변성 보장. `params=None` 호출은 Phase 2 이전과 완전 동일 결과 (BACK-COMPAT). 운영자가 version 을 ACTIVE 로 승격하면 다음 사이클부터 실제 값 교체
-  - **카탈로그 + 관찰 (3 모델)** — `transshipment_5stage` (tier 4, TRANSSHIP, 5단계 필터 임계) · `risk_composite` (tier 3, META, 경량+파이프라인 가중치) · `pair_trawl_tier` (tier 4, GEAR, STRONG/PROBABLE/SUSPECT 임계). 내부 헬퍼들이 모듈 레벨 상수를 직접 참조하여 이번 단계에서는 DEFAULT_PARAMS 를 DB 에 노출 + Adapter 로 ctx.inputs 집계 관찰만 수행. 런타임 값 교체는 후속 리팩토링 PR 에서 헬퍼 params 전파를 완성하면 활성화
-  - **Adapter 5종** (`prediction/models_core/registered/*_model.py`) — `BaseDetectionModel` 상속, AnalysisResult 리스트에서 결과 집계 · tier/score 분포 메트릭 자동 기록
-  - **Seed SQL 5 + 통합 1** — 각 `prediction/models_core/seeds/v1_<model>.sql` + `v1_phase2_all.sql` 이 `\i` 로 5 모델 일괄 시드. BEGIN/COMMIT 제거로 호출자 트랜잭션 제어 가능
-  - **정적 동치성 검증 30 테스트** — 각 모델마다 Python DEFAULT 상수 ↔ 모듈 상수 ↔ seed SQL JSONB 3자 일치 검증. 5 모델 + Phase 1-2 기반 15 + dark 동치성 5 + Phase 2 8 신규 = 30/30 통과
-  - **운영 DB dry-run 통과** — 5 모델 개별 + 일괄 seed 모두 BEGIN/ROLLBACK 격리 검증, 반영 없이 SQL 정상 동작 확인
-- **Phase 2 PoC #1 dark_suspicion 모델 마이그레이션** — `prediction/algorithms/dark_vessel.py` 의 `compute_dark_suspicion` 에 `params: dict | None = None` 인자 추가. `DARK_SUSPICION_DEFAULT_PARAMS` 상수(19개 가중치 + SOG 임계 + 반복 이력 임계 + tier 70/50/30)를 Python SSOT 로 추출하고, `_merge_default_params` 로 override 깊이 병합. `params=None` 시 Phase 2 이전과 **완전 동일한 결과** (BACK-COMPAT 보장). Adapter 클래스 `prediction/models_core/registered/dark_suspicion_model.py`(`BaseDetectionModel` 상속, AnalysisResult 리스트를 입력으로 gap_info 재평가, `evaluated/critical/high/watch_count` 메트릭 기록). Seed SQL `prediction/models_core/seeds/v1_dark_suspicion.sql` — `status=DRAFT role=NULL` 로 안전 seed (운영 영향 0, Phase 3 백엔드 API 승격 대기). 동치성 유닛테스트 5건 추가 (DEFAULT 형태 검증, None/빈dict 동치성, override 불변성, **seed SQL JSONB ↔ Python DEFAULT 1:1 정적 일치 검증**). 총 20/20 테스트 통과
-- **Phase 1-2 Detection Model Registry 기반 인프라 (prediction)** — `prediction/models_core/` 패키지 신설. `BaseDetectionModel` 추상 계약 + `ModelContext` / `ModelResult` dataclass + `ModelRegistry`(ACTIVE 버전 전체 인스턴스화, DAG 순환 검출, topological 실행 플랜) + `DAGExecutor`(PRIMARY 실행→`ctx.shared` 주입→SHADOW/CHALLENGER persist-only 실행, 후행 모델은 PRIMARY 결과만 소비하는 오염 차단 불변식) + `params_loader`(V034 `detection_model_versions.params` JSONB 로드, 5분 TTL 캐시, `invalidate_cache()` 제공) + `feature_flag`(`PREDICTION_USE_MODEL_REGISTRY=0` 기본, `PREDICTION_CONCURRENT_SHADOWS=0` 기본). `scheduler.py` 10 단계에 feature flag 분기 추가해 기존 5분 사이클을 건드리지 않고 신 경로 공존. `db/partition_manager.py` 에 `detection_model_run_outputs` 월별 파티션 자동 생성/DROP 추가(system_config `partition.detection_model_run_outputs.*` 기반, 기본 retention_months=1, create_ahead_months=2). 유닛테스트 15 케이스(DAG 순환 검출, SHADOW 오염 차단, PRIMARY 실패→downstream skip, SHADOW 실패 격리, VARCHAR(64) 초과 거부) 전수 통과. 후속 Phase 2 에서 `models_core/registered/` 에 5 모델 PoC(`dark_suspicion`/`gear_violation_g01_g06`/`transshipment_5stage`/`risk_composite`/`pair_trawl_tier`) 추가 예정
-
-### 변경
-- **Snapshot 스크립트 silent-vs-fault 구분 + V030/V034 원시 관찰 섹션 추가** — `prediction/scripts/hourly-analysis-snapshot.sh`(cron 1h) + `diagnostic-snapshot.sh`(5min) 양쪽 공통. (1) `spoofing_score` 를 `gt0/gt03/gt05/gt07/avg/max` 세분화해 `spoof_hi=0` 이 "알고리즘 고장"인지 "threshold 미돌파"인지 한 눈에 구분. (2) V030 `gear_identity_collisions` 원시 테이블 섹션 신설 — `GEAR_IDENTITY_COLLISION` 이벤트만 관찰되던 상황에서 원시 테이블에 CRITICAL/OPEN 51건(coexistence 429, max_km 70km 페어) 잠복해 있음을 포착하도록 개선. (3) V034 `detection_model_*` 모니터링 섹션 — feature flag 활성화 후 모델·버전·role 별 적재·소요시간 즉시 가시화. (4) `stage_runner`(Phase 0-1) + `DAGExecutor` 로그 기반 STAGE TIMING 집계 — 소요시간 상위 10 + 실패 스테이지 식별. (5) `stats_hourly.by_category` vs raw `prediction_events.category` drift 감시 — `event_generator` silent drop 조기 탐지. redis-211 서버 반영 완료
-- **Phase 1-2 silent error 선제 방어** — V034 스키마 `VARCHAR(64)` 컬럼 초과로 persist 가 주 사이클 밖에서 silent 실패하는 경로 3 건 선제 차단. `model_id` 는 `BaseDetectionModel.__init__` 에서 즉시 `ValueError`(클래스 정의 시점 검증). `metric_key` 는 경고 후 drop(다른 metric 는 계속 저장). `DAGExecutor` 가 `ctx.conn` 을 persist 에 재사용하도록 구조화해 maxconn=5 pool 고갈 방지 (`CONCURRENT_SHADOWS=1` 시 스레드풀과 병발해도 안전)
-
-### 문서
-- **2026-04-20 릴리즈 후속 정적 문서 최신화** — `architecture.md` 27→29 보호 경로 + 신규 라우트 2개, `sfr-traceability.md` V030→V034 · 51→56 테이블 · stage_runner · Phase 0-2/0-3 페이지 반영, `sfr-user-guide.md` 에 "불법 조업 이벤트" + "환적 의심 탐지" 사용자 가이드 섹션 신설, `system-flow-guide.md` V030~V034 매니페스트 미반영 경고 확장, `prediction-analysis.md` P1 권고 4건 중 3건 완료(✅) 표시
-
 ## [2026-04-20]
 
 ### 추가

docs/architecture.md

@@ -318,7 +318,7 @@ deps 변경 → useMapLayers        → RAF → overlay.setProps() (React 리렌
 
 ---
 
-## 라우팅 구조 (29 보호 경로 + login)
+## 라우팅 구조 (27 보호 경로 + login)
 
 `App.tsx`에서 `BrowserRouter` > `AuthProvider` > `Routes`로 구성된다.
 
@@ -332,8 +332,6 @@ deps 변경 → useMapLayers        → RAF → overlay.setProps() (React 리렌
   - `/dark-vessel` — 무등화 선박 탐지 (SFR-09)
   - `/gear-detection` — 어구 탐지 (SFR-10)
   - `/gear-collision` — 어구 정체성 충돌 (SFR-10, V030 — 동일 어구 이름 × 복수 MMSI 공존 감지)
-  - `/illegal-fishing` — 불법 조업 이벤트 통합 대시보드 (SFR-09/10/11, V032 — GEAR_ILLEGAL+EEZ_INTRUSION+ZONE_DEPARTURE 3 카테고리)
-  - `/transshipment` — 환적 의심 전용 탐지 대시보드 (SFR-09, V033 — prediction 5단계 필터 결과)
   - `/china-fishing` — 중국어선 탐지
   - `/patrol-route` — 순찰경로 (SFR-07)
   - `/fleet-optimization` — 함대 최적화 (SFR-08)

docs/prediction-analysis.md

@@ -180,10 +180,10 @@ def _stage(name: str, fn, *args, required=False, **kwargs):
 
 ### P1 — 지금 해야 할 것 (운영 안정성)
 
-1. ✅ **사이클 스테이지 단위 에러 경계** (2026-04-20 PR #83 완료) — `prediction/pipeline/stage_runner.py` 의 `run_stage(name, fn, required=False)` 유틸. 출력 6모듈(violation_classifier / event_generator / kpi_writer / stats_aggregate_hourly/daily / alert_dispatcher) 스테이지별 독립 실행 + 내부 6지점 `logger.warning → logger.exception` 전환. `upsert_results` required=True. **효과 검증**: 이 변경으로 V031 잠복 버그(`candidate_source` VARCHAR(30) 초과) 가 stacktrace 로 즉시 드러나 30분 내 hotfix 로 4시간 누락되던 `gear_group_parent_candidate_snapshots` 갱신 복원
+1. **사이클 스테이지 단위 에러 경계** — `_stage(name, fn, required=False)` 유틸로 9번 출력 5모듈을 쪼갤 것. `logger.exception` 으로 stacktrace 보존. `required=True` 를 `fetch_incremental` 같은 fatal 에만 적용 → 실패 시 조기 반환
-2. 🟡 **임계값 외부화** (2026-04-20 Phase 1-1 기반 머지, Phase 1-2 구현 대기) — V034 `detection_model_versions.params JSONB` + `correlation_param_models` 일반화. 기반 스키마 + 권한 완료, prediction Model Registry/DAG Executor 구현이 Phase 1-2 작업
+2. **임계값 외부화** — `correlation_param_models` 패턴을 확장해 `detection_params` 테이블 신설 (algo_name, param_key, value, active_from, active_to). 배포 없이 해상도 튜닝 가능. 운영자 권한으로 접근 시 감사 로그
-3. ✅ **ILLEGAL_FISHING_PATTERN 전용 페이지** (2026-04-20 PR #85 완료) + ✅ **환적 전용 페이지** (2026-04-20 PR #86 완료) — 둘 다 backend 변경 없이 프론트 전용. `/illegal-fishing` / `/transshipment` 메뉴 신설 + V032/V033 권한
+3. **ILLEGAL_FISHING_PATTERN 전용 페이지** + **환적 전용 페이지** — 백엔드 API·DB 는 이미 존재. 프론트만 GearCollisionDetection 패턴으로 추가 (`PageContainer` + `DataTable` + `Badge intent`)
-4. ⏸ **사이클 부분 원자성 명시** — DB 쓰기 경계 문서화. 향후 작업 (별도 `docs/prediction-transactions.md` 또는 architecture.md 확장 예정)
+4. **사이클 부분 원자성 명시** — DB 쓰기 경계 문서화 (어디까지가 한 트랜잭션인지). 최소한 [architecture.md](architecture.md) 또는 신설 `docs/prediction-transactions.md` 에 다이어그램
 
 ### P2 — 다음 (품질 확보)
 
@@ -248,4 +248,3 @@ def _stage(name: str, fn, *args, required=False, **kwargs):
 | 일자 | 내용 |
 |---|---|
 | 2026-04-17 | 초판 — opus 4.7 독립 리뷰. 구조/방향 중심 + 우선순위별 개선 제안 |
-| 2026-04-20 | Phase 0-1/0-2/0-3 + Phase 1-1 V034 완료 반영. P1 권고 4건 중 3건 (사이클 에러 경계, 2개 UI 페이지) 완료 표시. 임계값 외부화(P1 #2) 는 기반 스키마 V034 머지 상태이며 Phase 1-2 Model Registry + DAG Executor 구현 대기 |

docs/sfr-traceability.md

@@ -13,9 +13,9 @@
 | 레이어 | 기술 | 상태 |
 |-------|------|------|
 | Frontend | React 19 + TypeScript 5.9 + Vite 8 + Tailwind CSS 4 + Zustand 5 + MapLibre GL 5 + deck.gl 9 + ECharts 6 + react-i18next | 운영 배포 (rocky-211 nginx) |
-| Backend | Spring Boot 3.5.7 + Java 21 + PostgreSQL 14.19 + Flyway V001~V034 + Spring Security + JWT + Caffeine + 트리 RBAC | 운영 (rocky-211 :18080, V034 재배포 대기) |
+| Backend | Spring Boot 3.5.7 + Java 21 + PostgreSQL 14.19 + Flyway V001~V030 + Spring Security + JWT + Caffeine + 트리 RBAC | 운영 배포 (rocky-211 :18080) |
-| Prediction | Python 3.11+ + FastAPI + APScheduler, 17 알고리즘 모듈 + 7단계 분류 파이프라인 + 5 출력/룰 모듈 + **stage_runner 사이클 에러 경계** (Phase 0-1) | 운영 배포 (redis-211 :18092, 5분 주기) |
+| Prediction | Python 3.11+ + FastAPI + APScheduler, 17 알고리즘 모듈 + 7단계 분류 파이프라인 + 5 출력/룰 모듈 | 운영 배포 (redis-211 :18092, 5분 주기) |
-| Database | PostgreSQL `kcgaidb` / 51 → 56 테이블 (V034 반영 후 detection_model_* 5 + 뷰 1) / schema `kcg` + snpdb(AIS 원천) | 운영 (V034 반영 대기) |
+| Database | PostgreSQL `kcgaidb` / 51 테이블 / schema `kcg` + snpdb(AIS 원천) | 운영 |
 | Design System | `/design-system.html` 쇼케이스 SSOT + `shared/constants/` 25개 카탈로그 + `shared/components/ui/` 9개 공통 컴포넌트 | SSOT 전영역 준수 (2026-04-17 PR #C 완료) |
 | i18n | 10 네임스페이스 × ko/en, `common.json` 에 aria/error/dialog/message 54키 추가 | alert/confirm/aria-label 하드코딩 제거 완료 (2026-04-17 PR #B) |
 
@@ -86,8 +86,8 @@ Frontend ← Backend /api/analysis/* + /api/events + /api/alerts + ... (65+ API)
 | SFR-06 | 단속 계획·경보 연계 | EnforcementPlan | ✅ /api/enforcement/plans | - |
 | SFR-07 | AI 경비함정 단일 함정 순찰·경로 | PatrolRoute | 🔲 Mock | - |
 | SFR-08 | AI 경비함정 다함정 협력형 경로 | FleetOptimization | 🔲 Mock | - |
-| SFR-09 | 불법 어선 패턴 탐지 (Dark Vessel) | DarkVesselDetection, TransferDetection, **TransshipmentDetection(V033)** | ✅ /api/analysis/* | ✅ Dark 11패턴 + Transship 5단계 |
+| SFR-09 | 불법 어선 패턴 탐지 (Dark Vessel) | DarkVesselDetection, TransferDetection | ✅ /api/analysis/* | ✅ Dark 11패턴 + Transship 5단계 |
-| SFR-10 | 불법 어망·어구 탐지 및 관리 | GearDetection, GearIdentification, GearCollisionDetection(V030), **IllegalFishingPattern(V032)** | ✅ /api/vessel-analysis/groups + /api/analysis/gear-detections + /api/analysis/gear-collisions + /api/events?category= | ✅ DAR-03 G-01~G-06 + pair tier + GEAR_IDENTITY_COLLISION(PR #73) |
+| SFR-10 | 불법 어망·어구 탐지 및 관리 | GearDetection, GearIdentification, GearCollisionDetection(V030) | ✅ /api/vessel-analysis/groups + /api/analysis/gear-detections + /api/analysis/gear-collisions | ✅ DAR-03 G-01~G-06 + pair tier + GEAR_IDENTITY_COLLISION(PR #73) |
 | SFR-11 | 단속·탐지 이력 관리 | EnforcementHistory, EventList | ✅ /api/events + /api/enforcement/records | ✅ prediction_events |
 | SFR-12 | 모니터링 및 경보 현황판 | Dashboard, MonitoringDashboard, ChinaFishing | ✅ /api/stats + /api/alerts + /api/analysis/* | ✅ prediction_kpi_realtime + stats |
 | SFR-13 | 통계·지표·성과 분석 | Statistics | ✅ /api/stats (daily/monthly/hourly) | ✅ prediction_stats_* |
@@ -228,7 +228,7 @@ Frontend ← Backend /api/analysis/* + /api/events + /api/alerts + ... (65+ API)
 
 **제안요청서 정의:** AIS 끊김·스푸핑·환적 등 의심 패턴 탐지.
 
-**구현 화면:** `features/detection/DarkVesselDetection.tsx`, `features/detection/TransshipmentDetection.tsx`(V033/PR #86, 2026-04-20), `features/vessel/TransferDetection.tsx`
+**구현 화면:** `features/detection/DarkVesselDetection.tsx`, `features/vessel/TransferDetection.tsx`
 
 **Prediction 연동 ✅ 운영**:
 - **Dark Vessel**: 11패턴 P1~P11 기반 0~100점 연속 점수, 4 tier (CRITICAL≥70/HIGH≥50/WATCH≥30/NONE)
@@ -239,7 +239,6 @@ Frontend ← Backend /api/analysis/* + /api/events + /api/alerts + ... (65+ API)
 **백엔드 연동 ✅**: `/api/analysis/vessels` + `/api/analysis/dark` + `/api/analysis/transship` + `/api/analysis/history`
 - DarkDetailPanel: ScoreBreakdown + P1~P11 카탈로그
 - 2026-04-17 alertLevels 헬퍼(`ALERT_LEVEL_TIER_SCORE` 등) 적용
-- **TransshipmentDetection 전용 페이지 (V033, 2026-04-20)** — 5단계 필터 결과 목록·집계·상세 READ 전용 대시보드. `/api/analysis/transship` + `getTransshipSuspects` 재사용, features.transship_tier 로 tier 분류 (CRITICAL/HIGH/MEDIUM)
 
 ---
 
@@ -259,7 +258,6 @@ Frontend ← Backend /api/analysis/* + /api/events + /api/alerts + ... (65+ API)
 - 페어 탐색 `find_pair_candidates` (bbox + 궤적 유사도 2차)
 - 한중어업협정 906척 NAME_EXACT + NAME_FUZZY 매칭 53%+
 - **GEAR_IDENTITY_COLLISION (V030/PR #73)** — 동일 어구 이름이 서로 다른 MMSI 로 동일 사이클 내 공존 감지 → `gear_identity_collisions` UPSERT(name, mmsi_lo, mmsi_hi), CRITICAL/HIGH/MEDIUM/LOW severity 분류. 이전 "교체(sequential)" 로 오해하던 케이스를 "어구 복제/스푸핑 증거" 로 재정의. SAVEPOINT + try/except 로 `gear_correlation_scores_pkey` 충돌 격리
-- **IllegalFishingPattern 통합 대시보드 (V032/PR #85, 2026-04-20)** — `GEAR_ILLEGAL` + `EEZ_INTRUSION` + `ZONE_DEPARTURE` 3 카테고리 통합 뷰. 기존 `/api/events` 를 category 다중 병렬 호출 + occurredAt desc 머지로 backend 변경 없이 신설. KPI 5장 + 카테고리별 3장 + DataTable 7컬럼 + JSON features 상세 + EventList 네비게이션. 처리 액션은 EventList 경유 (READ 전용)
 
 **백엔드 연동 ✅**:
 - `/api/vessel-analysis/groups` + `/groups/{key}/detail|correlations|candidates/{mmsi}/metrics|resolve` — 모선 워크플로우 (VesselAnalysisGroupService, 2026-04-17 PARENT_RESOLVE @Auditable 추가)
@@ -415,8 +413,8 @@ Frontend ← Backend /api/analysis/* + /api/events + /api/alerts + ... (65+ API)
 | SFR-06 | `features/risk-assessment/EnforcementPlan.tsx`, `backend/.../enforcement/EnforcementController+Service.java` |
 | SFR-07 | `features/patrol/PatrolRoute.tsx` |
 | SFR-08 | `features/patrol/FleetOptimization.tsx` |
-| SFR-09 | `features/detection/DarkVesselDetection.tsx`, `features/detection/components/DarkDetailPanel.tsx`, `features/detection/TransshipmentDetection.tsx`(V033), `features/vessel/TransferDetection.tsx`, `prediction/algorithms/dark_vessel.py`, `spoofing.py`, `transship.py`, `risk.py` |
+| SFR-09 | `features/detection/DarkVesselDetection.tsx`, `features/detection/components/DarkDetailPanel.tsx`, `features/vessel/TransferDetection.tsx`, `prediction/algorithms/dark_vessel.py`, `spoofing.py`, `transship.py`, `risk.py` |
-| SFR-10 | `features/detection/GearDetection.tsx`, `GearIdentification.tsx`, `GearCollisionDetection.tsx`(V030), `IllegalFishingPattern.tsx`(V032), `features/detection/components/GearDetailPanel.tsx`, `GearReplayController.tsx`, `prediction/algorithms/pair_trawl.py`, `gear_violation.py`, `gear_identity.py`(V030), `gear_correlation.py`, `gear_parent_inference.py`, `vessel_type_mapping.py`, `backend/.../analysis/VesselAnalysisGroupService.java`, `GearCollisionController+Service.java`(V030) |
+| SFR-10 | `features/detection/GearDetection.tsx`, `GearIdentification.tsx`, `GearCollisionDetection.tsx`(V030), `features/detection/components/GearDetailPanel.tsx`, `GearReplayController.tsx`, `prediction/algorithms/pair_trawl.py`, `gear_violation.py`, `gear_identity.py`(V030), `gear_correlation.py`, `gear_parent_inference.py`, `vessel_type_mapping.py`, `backend/.../analysis/VesselAnalysisGroupService.java`, `GearCollisionController+Service.java`(V030) |
 | SFR-11 | `features/enforcement/EnforcementHistory.tsx`, `EventList.tsx`, `backend/.../event/EventController+Service.java`, `AlertService.java`, `enforcement/EnforcementService.java` |
 | SFR-12 | `features/dashboard/Dashboard.tsx`, `features/monitoring/MonitoringDashboard.tsx`, `features/detection/ChinaFishing.tsx`, `features/detection/components/VesselMiniMap.tsx`, `VesselAnomalyPanel.tsx`, `backend/.../analysis/VesselAnalysisController+Service.java` |
 | SFR-13 | `features/statistics/Statistics.tsx`, `ReportManagement.tsx`, `backend/.../stats/`, `admin/AdminStatsService.java` |

docs/sfr-user-guide.md

@@ -481,68 +481,6 @@ AIS(선박자동식별장치) 신호를 의도적으로 끈 의심 선박(Dark V
 
 ---
 
-### 불법 조업 이벤트 (V032, 2026-04-20 추가)
-
-**메뉴 위치:** 탐지/분석 > 불법 조업 이벤트
-**URL:** `/illegal-fishing`
-**접근 권한:** ADMIN, OPERATOR, ANALYST, FIELD, VIEWER (READ 전용)
-
-**화면 설명:**
-prediction 이 생산하는 **불법 조업 의심 이벤트 3 종을 한 화면에서 통합 조회**하는 READ 전용 대시보드입니다. 처리 액션(확인/상태변경/단속 등록)은 기존 `/event-list` 이벤트 목록에서 수행합니다.
-
-**통합 대상 카테고리:**
-- **어구 위반 (GEAR_ILLEGAL)** — G-01 수역-어구 불일치 · G-05 고정어구 drift · G-06 쌍끌이 공조
-- **영해/접속수역 침범 (EEZ_INTRUSION)** — 영해 침범(CRITICAL) · 접속수역 + 고위험
-- **특정수역 진입 (ZONE_DEPARTURE)** — ZONE_I~IV 진입 + 위험도 40점 이상
-
-**주요 기능:**
-- 심각도별 KPI 5장 (전체 / CRITICAL / HIGH / MEDIUM / LOW)
-- 카테고리별 건수 3장 + 설명
-- 이벤트 목록 7컬럼 (발생시각 / 심각도 / 카테고리 / 제목 / MMSI / 수역 / 상태)
-- 필터: 카테고리 (단일 또는 전체 3 카테고리 병합) / 심각도 / MMSI 검색
-- 이벤트 상세 패널 — features JSON 원본 + `EventList 에서 열기` 네비게이션
-
-**구현 완료 (2026-04-20 기준):**
-- ✅ 기존 `/api/events?category=X` 를 3 카테고리에 대해 **병렬 호출** 후 occurredAt desc 머지 (backend 변경 없음)
-- ✅ `frontend/src/services/illegalFishingPatternApi.ts` — `listIllegalFishingEvents` 함수 + byCategory/byLevel 집계
-- ✅ V032 권한 트리 `detection:illegal-fishing` + 전 역할 READ 부여
-
-**향후 구현 예정:**
-- 🔲 직접 처리 액션 (ack / 단속 등록) 추가 — 현재는 EventList 네비게이션만
-
----
-
-### 환적 의심 탐지 (V033, 2026-04-20 추가)
-
-**메뉴 위치:** 탐지/분석 > 환적 의심 탐지
-**URL:** `/transshipment`
-**접근 권한:** ADMIN, OPERATOR, ANALYST, FIELD, VIEWER (READ 전용)
-
-**화면 설명:**
-prediction 의 **5단계 환적 필터 파이프라인** 결과를 전체 목록·집계·상세 수준으로 조회하는 READ 전용 대시보드입니다. 기존 `features/vessel/TransferDetection.tsx` 는 선박 상세 수준이고, 이 페이지는 **전체 환적 의심 선박 목록 운영 대시보드** 입니다.
-
-**prediction 5단계 필터:**
-1. 이종 쌍 (fishing ↔ carrier 매칭)
-2. 감시영역 (관심 수역 내부)
-3. RENDEZVOUS 90분 이상 접촉
-4. 점수 50점 이상
-5. 밀집 방폭 (군집 false positive 제거)
-
-**주요 기능:**
-- KPI 5장 — 전체 + Transship tier CRITICAL/HIGH/MEDIUM + 종합 위험도 CRITICAL
-- 이벤트 목록 8컬럼 (분석시각 / MMSI / 상대 MMSI / 지속분 / Tier / 위험도 / 종합위험 / 수역)
-- 필터: 조회기간(1/6/12/24/48h) / 위험도 / MMSI 검색
-- 상세 패널 — 환적 점수 + 좌표 + features JSON 원본
-
-**구현 완료 (2026-04-20 기준):**
-- ✅ 기존 `/api/analysis/transship` + `getTransshipSuspects` 재사용 (backend 변경 없음)
-- ✅ V033 권한 트리 `detection:transshipment` + 전 역할 READ 부여
-
-**향후 구현 예정:**
-- 🔲 VesselAnalysisController `/api/analysis/transship` 의 @RequirePermission 을 `detection:transshipment` 로 교체 (현재 `detection:dark-vessel` READ 로 가드 중, 운영자 역할은 양쪽 보유하여 실용 동작)
-
----
-
 ## SFR-11: 단속/탐지 이력 관리
 
 **메뉴 위치:** 단속/이력 > 단속/탐지 이력

docs/system-flow-guide.md

@@ -10,15 +10,10 @@ KCG AI Monitoring 시스템 워크플로우 플로우차트 뷰어 사용법.
 - 메인 SPA(`/`)와 완전 분리된 별도 React 앱
 - 메뉴/링크 노출 없음 — 직접 URL 접근만
 
-> ⚠️ **V030~V034 미반영 경고**: 2026-04-17 V030 (`algo.gear_identity_collision`,
+> ⚠️ **V030 미반영 경고**: 2026-04-17 V030 로 추가된 GEAR_IDENTITY_COLLISION 파이프라인 (
-> `storage.gear_identity_collisions`, `api.gear_collisions_*`, `ui.gear_collision`,
+> `algo.gear_identity_collision`, `storage.gear_identity_collisions`, `api.gear_collisions_*`,
-> `decision.gear_collision_resolve`) + 2026-04-20 V032 (`ui.illegal_fishing`) + V033
+> `ui.gear_collision`, `decision.gear_collision_resolve`) 노드가 아직 manifest 에 등록되지
-> (`ui.transshipment_detection`) + **V034 Detection Model Registry**
+> 않았다. 다음 `/version` 릴리즈 시 매니페스트 동기화 필요.
-> (`storage.detection_models`, `storage.detection_model_versions`,
-> `storage.detection_model_run_outputs`, `storage.detection_model_metrics`,
-> `infra.dag_executor`, `infra.shadow_runner`, `api.detection_models_*`,
-> `ui.detection_model_management`) 노드들이 아직 manifest 에 등록되지 않았다.
-> 다음 `/version` 릴리즈 시 매니페스트 일괄 동기화 필요.
 
 ## 접근 URL
 

prediction/algorithms/dark_vessel.py

@@ -211,60 +211,6 @@ def _is_in_kr_coverage(lat: Optional[float], lon: Optional[float]) -> bool:
             and _KR_COVERAGE_LON[0] <= lon <= _KR_COVERAGE_LON[1])
 
 
-# compute_dark_suspicion 의 기본 파라미터 (`params=None` 시 사용).
-# Phase 2 마이그레이션 — detection_model_versions.params JSONB 로 seed 되며,
-# 운영자가 /ai/detection-models/{dark_suspicion}/versions 로 DRAFT → ACTIVE 시 교체.
-# Python 상수를 단일 진실 공급원으로 삼고 registry seed 가 이 값을 그대로 복사한다.
-DARK_SUSPICION_DEFAULT_PARAMS: dict = {
-    'sog_thresholds': {
-        'moving': 5.0,              # P1 이동 중 OFF 판정 속도
-        'slow_moving': 2.0,         # P1 서행 OFF 판정 속도
-        'underway_deliberate': 3.0, # P10 'under way' + 속도 시 의도성
-    },
-    'heading_cog_mismatch_deg': 60.0,  # P11 heading vs COG diff 임계
-    'weights': {
-        'P1_moving_off': 25,
-        'P1_slow_moving_off': 15,
-        'P2_sensitive_zone': 25,
-        'P2_special_zone': 15,
-        'P3_repeat_high': 30,
-        'P3_repeat_low': 15,
-        'P3_recent_dark': 10,
-        'P4_distance_anomaly': 20,
-        'P5_daytime_fishing_off': 15,
-        'P6_teleport_before_gap': 15,
-        'P7_unpermitted': 10,
-        'P8_very_long_gap': 15,
-        'P8_long_gap': 10,
-        'P9_fishing_vessel_dark': 10,
-        'P9_cargo_natural_gap': -10,
-        'P10_underway_deliberate': 20,
-        'P10_anchored_natural': -15,
-        'P11_heading_cog_mismatch': 15,
-        'out_of_coverage': -50,
-    },
-    'repeat_thresholds': {'h7_high': 3, 'h7_low': 2, 'h24_recent': 1},
-    'gap_min_thresholds': {'very_long': 360, 'long': 180},
-    'p4_distance_multiplier': 2.0,  # 예상 이동거리 대비 비정상 판정 배수
-    'p5_daytime_range': [6, 18],    # [start, end) KST 시
-    'tier_thresholds': {'critical': 70, 'high': 50, 'watch': 30},
-}
-
-
-def _merge_default_params(override: Optional[dict]) -> dict:
-    """override 딕셔너리의 값을 DEFAULT 에 깊이 병합 (unset 키는 기본값 사용)."""
-    if not override:
-        return DARK_SUSPICION_DEFAULT_PARAMS
-    merged = {k: (dict(v) if isinstance(v, dict) else v)
-              for k, v in DARK_SUSPICION_DEFAULT_PARAMS.items()}
-    for key, val in override.items():
-        if isinstance(val, dict) and isinstance(merged.get(key), dict):
-            merged[key] = {**merged[key], **val}
-        else:
-            merged[key] = val
-    return merged
-
-
 def compute_dark_suspicion(
     gap_info: dict,
     mmsi: str,
@@ -276,7 +222,6 @@ def compute_dark_suspicion(
     nav_status: str = '',
     heading: Optional[float] = None,
     last_cog: Optional[float] = None,
-    params: Optional[dict] = None,
 ) -> tuple[int, list[str], str]:
     """의도적 AIS OFF 의심 점수 산출.
 
@@ -291,8 +236,6 @@ def compute_dark_suspicion(
         nav_status: 항해 상태 텍스트 ("Under way using engine" 등)
         heading: 선수 방향 (0~360, signal-batch API)
         last_cog: gap 직전 침로 (0~360)
-        params: detection_model_versions.params (None 이면 DEFAULT_PARAMS).
-                동일 입력 + params=None 은 Phase 2 이전과 완전 동일한 결과를 낸다.
 
     Returns:
         (score, patterns, tier)
@@ -301,14 +244,6 @@ def compute_dark_suspicion(
     if not gap_info.get('is_dark'):
         return 0, [], 'NONE'
 
-    p = _merge_default_params(params)
-    w = p['weights']
-    sog = p['sog_thresholds']
-    rpt = p['repeat_thresholds']
-    gmt = p['gap_min_thresholds']
-    tier_thr = p['tier_thresholds']
-    day_start, day_end = p['p5_daytime_range']
-
     score = 0
     patterns: list[str] = []
 
@@ -319,11 +254,11 @@ def compute_dark_suspicion(
     gap_min = gap_info.get('gap_min') or 0
 
     # P1: 이동 중 OFF
-    if gap_start_sog > sog['moving']:
+    if gap_start_sog > 5.0:
-        score += w['P1_moving_off']
+        score += 25
         patterns.append('moving_at_off')
-    elif gap_start_sog > sog['slow_moving']:
+    elif gap_start_sog > 2.0:
-        score += w['P1_slow_moving_off']
+        score += 15
         patterns.append('slow_moving_at_off')
 
     # P2: gap 시작 위치의 민감 수역
@@ -332,10 +267,10 @@ def compute_dark_suspicion(
             zone_info = classify_zone_fn(gap_start_lat, gap_start_lon)
             zone = zone_info.get('zone', '')
             if zone in ('TERRITORIAL_SEA', 'CONTIGUOUS_ZONE'):
-                score += w['P2_sensitive_zone']
+                score += 25
                 patterns.append('sensitive_zone')
             elif zone.startswith('ZONE_'):
-                score += w['P2_special_zone']
+                score += 15
                 patterns.append('special_zone')
         except Exception:
             pass
@@ -343,14 +278,14 @@ def compute_dark_suspicion(
     # P3: 반복 이력 (과거 7일)
     h7 = int(history.get('count_7d', 0) or 0)
     h24 = int(history.get('count_24h', 0) or 0)
-    if h7 >= rpt['h7_high']:
+    if h7 >= 3:
-        score += w['P3_repeat_high']
+        score += 30
         patterns.append('repeat_high')
-    elif h7 >= rpt['h7_low']:
+    elif h7 >= 2:
-        score += w['P3_repeat_low']
+        score += 15
         patterns.append('repeat_low')
-    if h24 >= rpt['h24_recent']:
+    if h24 >= 1:
-        score += w['P3_recent_dark']
+        score += 10
         patterns.append('recent_dark')
 
     # P4: gap 후 이동 거리 비정상
@@ -358,73 +293,78 @@ def compute_dark_suspicion(
     avg_sog_before = gap_info.get('avg_sog_before') or 0.0
     if gap_info.get('gap_resumed') and gap_min > 0:
         gap_hours = gap_min / 60.0
+        # 예상 이동 = avg_sog * gap_hours. 2배 초과면 비정상
         expected = max(gap_hours * max(avg_sog_before, 1.0), 0.5)
-        if gap_distance_nm > expected * p['p4_distance_multiplier']:
+        if gap_distance_nm > expected * 2.0:
-            score += w['P4_distance_anomaly']
+            score += 20
             patterns.append('distance_anomaly')
 
     # P5: 주간 조업 시간 OFF
-    if day_start <= now_kst_hour < day_end and gap_start_state == 'FISHING':
+    if 6 <= now_kst_hour < 18 and gap_start_state == 'FISHING':
-        score += w['P5_daytime_fishing_off']
+        score += 15
         patterns.append('daytime_fishing_off')
 
     # P6: gap 직전 이상 행동
     if gap_info.get('pre_gap_turn_or_teleport'):
-        score += w['P6_teleport_before_gap']
+        score += 15
         patterns.append('teleport_before_gap')
 
     # P7: 무허가
     if not is_permitted:
-        score += w['P7_unpermitted']
+        score += 10
         patterns.append('unpermitted')
 
     # P8: gap 길이
-    if gap_min >= gmt['very_long']:
+    if gap_min >= 360:
-        score += w['P8_very_long_gap']
+        score += 15
         patterns.append('very_long_gap')
-    elif gap_min >= gmt['long']:
+    elif gap_min >= 180:
-        score += w['P8_long_gap']
+        score += 10
         patterns.append('long_gap')
 
-    # P9: 선종별 가중치
+    # P9: 선종별 가중치 (signal-batch API 데이터)
     if ship_kind_code == '000020':
-        score += w['P9_fishing_vessel_dark']
+        # 어선이면서 dark → 불법조업 의도 가능성
+        score += 10
         patterns.append('fishing_vessel_dark')
     elif ship_kind_code == '000023':
-        score += w['P9_cargo_natural_gap']
+        # 화물선은 원양 항해 중 자연 gap 빈번
+        score -= 10
         patterns.append('cargo_natural_gap')
 
     # P10: 항해 상태 기반 의도성
     if nav_status:
         status_lower = nav_status.lower()
-        if 'under way' in status_lower and gap_start_sog > sog['underway_deliberate']:
+        if 'under way' in status_lower and gap_start_sog > 3.0:
-            score += w['P10_underway_deliberate']
+            # 항행 중 갑자기 OFF → 의도적
+            score += 20
             patterns.append('underway_deliberate_off')
         elif 'anchor' in status_lower or 'moored' in status_lower:
-            score += w['P10_anchored_natural']
+            # 정박 중 gap → 자연스러움
+            score -= 15
             patterns.append('anchored_natural_gap')
 
-    # P11: heading vs COG 불일치
+    # P11: heading vs COG 불일치 (의도적 방향 전환)
     if heading is not None and last_cog is not None:
         diff = abs(heading - last_cog) % 360
         if diff > 180:
             diff = 360 - diff
-        if diff > p['heading_cog_mismatch_deg']:
+        if diff > 60:
-            score += w['P11_heading_cog_mismatch']
+            score += 15
             patterns.append('heading_cog_mismatch')
 
-    # 감점: gap 시작 위치가 한국 수신 커버리지 밖
+    # 감점: gap 시작 위치가 한국 수신 커버리지 밖 → 자연 gap 가능성 높음
     if not _is_in_kr_coverage(gap_start_lat, gap_start_lon):
-        score += w['out_of_coverage']
+        score -= 50
         patterns.append('out_of_coverage')
 
     score = max(0, min(100, score))
 
-    if score >= tier_thr['critical']:
+    if score >= 70:
         tier = 'CRITICAL'
-    elif score >= tier_thr['high']:
+    elif score >= 50:
         tier = 'HIGH'
-    elif score >= tier_thr['watch']:
+    elif score >= 30:
         tier = 'WATCH'
     else:
         tier = 'NONE'

prediction/algorithms/gear_violation.py

@@ -51,67 +51,6 @@ GEAR_DRIFT_THRESHOLD_NM = 0.270  # ≈ 500m (DAR-03 스펙, 조류 보정 전)
 FIXED_GEAR_TYPES = {'GN', 'TRAP', 'FYK', 'FPO', 'GNS', 'GND'}
 
 
-# classify_gear_violations 의 Phase 2 파라미터 SSOT — DB seed 는 이 값을 그대로 복사
-GEAR_VIOLATION_DEFAULT_PARAMS: dict = {
-    'scores': {
-        'G01_zone_violation': G01_SCORE,
-        'G02_closed_season': G02_SCORE,
-        'G03_unregistered_gear': G03_SCORE,
-        'G04_signal_cycling': G04_SCORE,
-        'G05_gear_drift': G05_SCORE,
-        'G06_pair_trawl': G06_SCORE,
-    },
-    'signal_cycling': {
-        'gap_min': SIGNAL_CYCLING_GAP_MIN,
-        'min_count': SIGNAL_CYCLING_MIN_COUNT,
-    },
-    'gear_drift_threshold_nm': GEAR_DRIFT_THRESHOLD_NM,
-    'fixed_gear_types': sorted(FIXED_GEAR_TYPES),
-    'fishery_code_allowed_gear': {
-        k: sorted(v) for k, v in FISHERY_CODE_ALLOWED_GEAR.items()
-    },
-}
-
-
-def _merge_default_gv_params(override: Optional[dict]) -> dict:
-    """GEAR_VIOLATION_DEFAULT_PARAMS 에 override 깊이 병합. list/set 키는 override 가 치환."""
-    if not override:
-        return GEAR_VIOLATION_DEFAULT_PARAMS
-    merged = {
-        k: (dict(v) if isinstance(v, dict) else
-            (list(v) if isinstance(v, list) else v))
-        for k, v in GEAR_VIOLATION_DEFAULT_PARAMS.items()
-    }
-    for key, val in override.items():
-        if isinstance(val, dict) and isinstance(merged.get(key), dict):
-            merged[key] = {**merged[key], **val}
-        else:
-            merged[key] = val
-    return merged
-
-
-def _detect_signal_cycling_count(
-    gear_episodes: list[dict], threshold_min: int,
-) -> tuple[int, int]:
-    """_detect_signal_cycling 의 count-만 변형 (threshold 를 params 에서 받기 위함).
-
-    Returns: (cycling_count, total_episodes_evaluated)
-    """
-    if not gear_episodes or len(gear_episodes) < 2:
-        return 0, len(gear_episodes or [])
-    sorted_eps = sorted(gear_episodes, key=lambda e: e['first_seen_at'])
-    cnt = 0
-    for i in range(1, len(sorted_eps)):
-        prev_end = sorted_eps[i - 1].get('last_seen_at')
-        curr_start = sorted_eps[i].get('first_seen_at')
-        if prev_end is None or curr_start is None:
-            continue
-        gap_min = (curr_start - prev_end).total_seconds() / 60.0
-        if 0 < gap_min <= threshold_min:
-            cnt += 1
-    return cnt, len(sorted_eps)
-
-
 def _haversine_nm(lat1: float, lon1: float, lat2: float, lon2: float) -> float:
     """두 좌표 간 거리 (해리) — Haversine 공식."""
     R = 3440.065
@@ -257,7 +196,6 @@ def classify_gear_violations(
     permit_periods: Optional[list[tuple[datetime, datetime]]] = None,
     registered_fishery_code: Optional[str] = None,
     observation_ts: Optional[datetime] = None,
-    params: Optional[dict] = None,
 ) -> dict:
     """어구 위반 G코드 분류 메인 함수 (DAR-03).
 
@@ -291,19 +229,7 @@ def classify_gear_violations(
         }
 
     판정 우선순위: ZONE_VIOLATION > PAIR_TRAWL > GEAR_MISMATCH > '' (정상)
-
-    params: detection_model_versions.params (None 이면 DEFAULT_PARAMS).
-            params=None 호출은 Phase 2 이전과 완전히 동일한 결과를 낸다.
     """
-    p = _merge_default_gv_params(params)
-    scores = p['scores']
-    sc = p['signal_cycling']
-    fixed_gear_types = set(p['fixed_gear_types'])
-    # JSONB 는 list 로 저장되므로 set 으로 변환하여 _is_unregistered_gear 호출
-    allowed_gear_map = {
-        k: set(v) for k, v in p['fishery_code_allowed_gear'].items()
-    }
-
     g_codes: list[str] = []
     evidence: dict = {}
     score = 0
@@ -315,7 +241,7 @@ def classify_gear_violations(
         allowed_gears: list[str] = zone_info.get('allowed_gears', [])
         if allowed_gears and gear_type not in allowed_gears:
             g_codes.append('G-01')
-            score += scores['G01_zone_violation']
+            score += G01_SCORE
             evidence['G-01'] = {
                 'zone': zone,
                 'gear': gear_type,
@@ -336,7 +262,7 @@ def classify_gear_violations(
             in_closed = False
         if in_closed:
             g_codes.append('G-02')
-            score += scores['G02_closed_season']
+            score += G02_SCORE
             evidence['G-02'] = {
                 'observed_at': observation_ts.isoformat() if observation_ts else None,
                 'permit_periods': [
@@ -350,25 +276,18 @@ def classify_gear_violations(
     # ── G-03: 미등록/허가외 어구 ──────────────────────────────────
     if registered_fishery_code:
         try:
-            # params 로 덮어쓴 매핑을 전달 (_is_unregistered_gear 는 기존 공개 시그니처 유지 — BACK-COMPAT)
+            unregistered = _is_unregistered_gear(gear_type, registered_fishery_code)
-            allowed_set = allowed_gear_map.get(
-                registered_fishery_code.upper().strip()
-            )
-            if allowed_set is None:
-                unregistered = False
-            else:
-                unregistered = gear_type.upper().strip() not in allowed_set
         except Exception as exc:
             logger.error('G-03 평가 실패 [mmsi=%s]: %s', mmsi, exc)
             unregistered = False
         if unregistered:
             g_codes.append('G-03')
-            score += scores['G03_unregistered_gear']
+            score += G03_SCORE
             evidence['G-03'] = {
                 'detected_gear': gear_type,
                 'registered_fishery_code': registered_fishery_code,
                 'allowed_gears': sorted(
-                    allowed_gear_map.get(
+                    FISHERY_CODE_ALLOWED_GEAR.get(
                         registered_fishery_code.upper().strip(), set()
                     )
                 ),
@@ -381,22 +300,19 @@ def classify_gear_violations(
             )
 
     # ── G-04: MMSI 조작 의심 (고정어구 신호 on/off 반복) ───────────
-    if gear_episodes is not None and gear_type in fixed_gear_types:
+    if gear_episodes is not None and gear_type in FIXED_GEAR_TYPES:
         try:
-            cycling_count, _ = _detect_signal_cycling_count(
+            is_cycling, cycling_count = _detect_signal_cycling(gear_episodes)
-                gear_episodes, threshold_min=sc['gap_min'],
-            )
-            is_cycling = cycling_count >= sc['min_count']
         except Exception as exc:
             logger.error('G-04 평가 실패 [mmsi=%s]: %s', mmsi, exc)
             is_cycling, cycling_count = False, 0
 
         if is_cycling:
             g_codes.append('G-04')
-            score += scores['G04_signal_cycling']
+            score += G04_SCORE
             evidence['G-04'] = {
                 'cycling_count': cycling_count,
-                'threshold_min': sc['gap_min'],
+                'threshold_min': SIGNAL_CYCLING_GAP_MIN,
             }
             if not judgment:
                 judgment = 'GEAR_MISMATCH'
@@ -405,18 +321,16 @@ def classify_gear_violations(
             )
 
     # ── G-05: 고정어구 인위적 이동 ────────────────────────────────
-    if gear_positions is not None and gear_type in fixed_gear_types:
+    if gear_positions is not None and gear_type in FIXED_GEAR_TYPES:
         try:
-            drift_result = _detect_gear_drift(
+            drift_result = _detect_gear_drift(gear_positions)
-                gear_positions, threshold_nm=p['gear_drift_threshold_nm'],
-            )
         except Exception as exc:
             logger.error('G-05 평가 실패 [mmsi=%s]: %s', mmsi, exc)
             drift_result = {'drift_detected': False, 'drift_nm': 0.0, 'tidal_corrected': False}
 
         if drift_result['drift_detected']:
             g_codes.append('G-05')
-            score += scores['G05_gear_drift']
+            score += G05_SCORE
             evidence['G-05'] = drift_result
             if not judgment:
                 judgment = 'GEAR_MISMATCH'
@@ -427,7 +341,7 @@ def classify_gear_violations(
     # ── G-06: 쌍끌이 공조 조업 ────────────────────────────────────
     if pair_result and pair_result.get('pair_detected'):
         g_codes.append('G-06')
-        score += scores['G06_pair_trawl']
+        score += G06_SCORE
         evidence['G-06'] = {
             'sync_duration_min': pair_result.get('sync_duration_min'),
             'mean_separation_nm': pair_result.get('mean_separation_nm'),

prediction/algorithms/pair_trawl.py

@@ -67,42 +67,6 @@ CANDIDATE_PROXIMITY_FACTOR = 2.0   # 후보 탐색 반경: PROXIMITY_NM × 2
 CANDIDATE_SOG_MIN = 1.5    # 후보 속력 하한 (완화)
 CANDIDATE_SOG_MAX = 5.0    # 후보 속력 상한 (완화)
 
-
-# Phase 2 PoC #5 — pair_trawl_tier 카탈로그 등록용 params snapshot.
-# 내부 헬퍼들이 모듈 레벨 상수를 직접 참조하므로 이번 단계는 카탈로그·관찰만.
-# 런타임 override 는 후속 리팩토링 PR 에서 활성화.
-PAIR_TRAWL_DEFAULT_PARAMS: dict = {
-    'cycle_interval_min': CYCLE_INTERVAL_MIN,
-    'strong': {
-        'proximity_nm': PROXIMITY_NM,
-        'sog_delta_max': SOG_DELTA_MAX,
-        'cog_delta_max': COG_DELTA_MAX,
-        'sog_min': SOG_MIN,
-        'sog_max': SOG_MAX,
-        'min_sync_cycles': MIN_SYNC_CYCLES,
-        'simultaneous_gap_min': SIMULTANEOUS_GAP_MIN,
-    },
-    'probable': {
-        'min_block_cycles': PROBABLE_MIN_BLOCK_CYCLES,
-        'min_sync_ratio': PROBABLE_MIN_SYNC_RATIO,
-        'proximity_nm': PROBABLE_PROXIMITY_NM,
-        'sog_delta_max': PROBABLE_SOG_DELTA_MAX,
-        'cog_delta_max': PROBABLE_COG_DELTA_MAX,
-        'sog_min': PROBABLE_SOG_MIN,
-        'sog_max': PROBABLE_SOG_MAX,
-    },
-    'suspect': {
-        'min_block_cycles': SUSPECT_MIN_BLOCK_CYCLES,
-        'min_sync_ratio': SUSPECT_MIN_SYNC_RATIO,
-    },
-    'candidate_scan': {
-        'cell_size_deg': CELL_SIZE,
-        'proximity_factor': CANDIDATE_PROXIMITY_FACTOR,
-        'sog_min': CANDIDATE_SOG_MIN,
-        'sog_max': CANDIDATE_SOG_MAX,
-    },
-}
-
 # ──────────────────────────────────────────────────────────────
 # 내부 헬퍼
 # ──────────────────────────────────────────────────────────────

prediction/algorithms/risk.py

@@ -7,59 +7,6 @@ from algorithms.dark_vessel import detect_ais_gaps
 from algorithms.spoofing import detect_teleportation
 
 
-# Phase 2 PoC #4 — risk_composite 카탈로그 등록용 params snapshot.
-# 현 런타임은 모듈 레벨 상수/inline 숫자를 직접 사용하며, 운영자 UI 에서
-# 주요 가중치·임계를 조회·튜닝할 수 있도록 DB 에 노출한다. 런타임 override
-# 는 후속 리팩토링 PR 에서 compute_lightweight_risk_score / compute_vessel_risk_score
-# 에 params 인자 전파를 완성하면서 활성화된다.
-RISK_COMPOSITE_DEFAULT_PARAMS: dict = {
-    'tier_thresholds': {'critical': 70, 'high': 50, 'medium': 30},
-    # 경량(파이프라인 미통과) 경로 — compute_lightweight_risk_score
-    'lightweight_weights': {
-        'territorial_sea': 40,
-        'contiguous_zone': 15,
-        'zone_unpermitted': 25,
-        'eez_lt12nm': 15,
-        'eez_lt24nm': 8,
-        'dark_suspicion_multiplier': 0.3,
-        'dark_gap_720_min': 25,
-        'dark_gap_180_min': 20,
-        'dark_gap_60_min': 15,
-        'dark_gap_30_min': 8,
-        'spoofing_gt07': 15,
-        'spoofing_gt05': 8,
-        'unpermitted_alone': 15,
-        'unpermitted_with_suspicion': 8,
-        'repeat_gte5': 10,
-        'repeat_gte2': 5,
-    },
-    # 파이프라인 통과(정밀) 경로 — compute_vessel_risk_score
-    'pipeline_weights': {
-        'territorial_sea': 40,
-        'contiguous_zone': 10,
-        'zone_unpermitted': 25,
-        'territorial_fishing': 20,
-        'fishing_segments_any': 5,
-        'trawl_uturn': 10,
-        'teleportation': 20,
-        'speed_jumps_ge3': 10,
-        'speed_jumps_ge1': 5,
-        'critical_gaps_ge60': 15,
-        'any_gaps': 5,
-        'unpermitted': 20,
-    },
-    'dark_suspicion_fallback_gap_min': {
-        'very_long_720': 720,
-        'long_180': 180,
-        'mid_60': 60,
-        'short_30': 30,
-    },
-    'spoofing_thresholds': {'high_0.7': 0.7, 'medium_0.5': 0.5},
-    'eez_proximity_nm': {'inner_12': 12, 'outer_24': 24},
-    'repeat_thresholds': {'h24_high': 5, 'h24_low': 2},
-}
-
-
 def compute_lightweight_risk_score(
     zone_info: dict,
     sog: float,

prediction/algorithms/transshipment.py

@@ -48,27 +48,6 @@ _EXCLUDED_SHIP_TY = frozenset({
 # shipTy 텍스트에 포함되면 CARRIER 로 승격 (부분일치, 대소문자 무시)
 _CARRIER_HINTS = ('cargo', 'tanker', 'supply', 'carrier', 'reefer')
 
-
-# Phase 2 PoC #3 — 카탈로그 등록용 파라미터 snapshot.
-# 내부 헬퍼 함수들이 모듈 레벨 상수를 직접 쓰기 때문에 이번 단계에서는
-# 런타임 override 없이 **카탈로그·관찰만 등록**한다.
-# 운영자가 UI 에서 현재 값을 확인 가능하도록 DB 에 노출되며, 실제 값 교체는
-# 후속 리팩토링 PR 에서 _is_proximity / _is_approach / _evict_expired 등
-# 헬퍼에 params 인자를 전파하면서 활성화된다.
-TRANSSHIPMENT_DEFAULT_PARAMS: dict = {
-    'sog_threshold_kn': SOG_THRESHOLD_KN,
-    'proximity_deg': PROXIMITY_DEG,
-    'approach_deg': APPROACH_DEG,
-    'rendezvous_min': RENDEZVOUS_MIN,
-    'pair_expiry_min': PAIR_EXPIRY_MIN,
-    'gap_tolerance_cycles': GAP_TOLERANCE_CYCLES,
-    'fishing_kinds': sorted(_FISHING_KINDS),
-    'carrier_kinds': sorted(_CARRIER_KINDS),
-    'excluded_ship_ty': sorted(_EXCLUDED_SHIP_TY),
-    'carrier_hints': list(_CARRIER_HINTS),
-    'min_score': 50,  # detect_transshipment 의 `score >= 50만` 출력 필터
-}
-
 # ──────────────────────────────────────────────────────────────
 # 감시영역 로드
 # ──────────────────────────────────────────────────────────────

prediction/db/partition_manager.py

@@ -17,7 +17,6 @@ logger = logging.getLogger(__name__)
 SYSTEM_CONFIG = qualified_table('system_config')
 GEAR_CORRELATION_RAW_METRICS = qualified_table('gear_correlation_raw_metrics')
 GEAR_CORRELATION_SCORES = qualified_table('gear_correlation_scores')
-DETECTION_MODEL_RUN_OUTPUTS = qualified_table('detection_model_run_outputs')
 
 
 def _get_config_int(conn, key: str, default: int) -> int:
@@ -100,100 +99,6 @@ def _drop_expired_partitions(conn, retention_days: int) -> int:
     return dropped
 
 
-def _create_future_monthly_detection_partitions(conn, months_ahead: int) -> int:
-    """detection_model_run_outputs 미래 N개월 파티션 생성.
-
-    월별 RANGE 파티션 (cycle_started_at) — V034 에서 2026-04/05 가 Flyway 로 선생성.
-    이후는 이 함수가 매일 돌면서 `months_ahead` 만큼 미리 생성.
-
-    Returns:
-        생성된 파티션 수
-    """
-    cur = conn.cursor()
-    created = 0
-    try:
-        anchor = date.today().replace(day=1)
-        for i in range(months_ahead + 1):
-            # anchor 기준 +i 개월
-            y = anchor.year + (anchor.month - 1 + i) // 12
-            m = (anchor.month - 1 + i) % 12 + 1
-            start = date(y, m, 1)
-            ny = y + (1 if m == 12 else 0)
-            nm = 1 if m == 12 else m + 1
-            end = date(ny, nm, 1)
-            partition_name = f'detection_model_run_outputs_{y:04d}_{m:02d}'
-            cur.execute(
-                "SELECT 1 FROM pg_class c "
-                "JOIN pg_namespace n ON n.oid = c.relnamespace "
-                "WHERE c.relname = %s AND n.nspname = %s",
-                (partition_name, settings.KCGDB_SCHEMA),
-            )
-            if cur.fetchone() is None:
-                cur.execute(
-                    f"CREATE TABLE IF NOT EXISTS {qualified_table(partition_name)} "
-                    f"PARTITION OF {DETECTION_MODEL_RUN_OUTPUTS} "
-                    f"FOR VALUES FROM ('{start.isoformat()}') TO ('{end.isoformat()}')"
-                )
-                created += 1
-                logger.info(
-                    'created partition: %s.%s', settings.KCGDB_SCHEMA, partition_name,
-                )
-        conn.commit()
-    except Exception as e:
-        conn.rollback()
-        logger.error('failed to create detection_model_run_outputs partitions: %s', e)
-    finally:
-        cur.close()
-    return created
-
-
-def _drop_expired_monthly_detection_partitions(conn, retention_months: int) -> int:
-    """detection_model_run_outputs retention_months 초과 월 파티션 DROP.
-
-    SHADOW 원시 결과는 비교 분석 후 가치 낮음 — 기본 retention 은 1개월.
-    집계는 detection_model_metrics 에 보존되므로 원시 폐기해도 추적 가능.
-    """
-    cutoff_anchor = date.today().replace(day=1)
-    # retention_months 만큼 과거로 이동
-    y = cutoff_anchor.year
-    m = cutoff_anchor.month - retention_months
-    while m <= 0:
-        m += 12
-        y -= 1
-    cutoff = date(y, m, 1)
-
-    cur = conn.cursor()
-    dropped = 0
-    try:
-        cur.execute(
-            "SELECT c.relname FROM pg_class c "
-            "JOIN pg_namespace n ON n.oid = c.relnamespace "
-            "WHERE c.relname LIKE 'detection_model_run_outputs_%%' "
-            "AND n.nspname = %s AND c.relkind = 'r'",
-            (settings.KCGDB_SCHEMA,),
-        )
-        for (name,) in cur.fetchall():
-            tail = name[len('detection_model_run_outputs_'):]
-            try:
-                yy, mm = tail.split('_')
-                partition_start = date(int(yy), int(mm), 1)
-            except (ValueError, IndexError):
-                continue
-            if partition_start < cutoff:
-                cur.execute(f'DROP TABLE IF EXISTS {qualified_table(name)}')
-                dropped += 1
-                logger.info(
-                    'dropped expired partition: %s.%s', settings.KCGDB_SCHEMA, name,
-                )
-        conn.commit()
-    except Exception as e:
-        conn.rollback()
-        logger.error('failed to drop detection_model_run_outputs partitions: %s', e)
-    finally:
-        cur.close()
-    return dropped
-
-
 def _cleanup_stale_scores(conn, cleanup_days: int) -> int:
     """cleanup_days 이상 미관측 점수 레코드 삭제."""
     cur = conn.cursor()
@@ -226,25 +131,13 @@ def maintain_partitions():
         retention = _get_config_int(conn, 'partition.raw_metrics.retention_days', 7)
         ahead = _get_config_int(conn, 'partition.raw_metrics.create_ahead_days', 3)
         cleanup_days = _get_config_int(conn, 'partition.scores.cleanup_days', 30)
-        det_months_ahead = _get_config_int(
-            conn, 'partition.detection_model_run_outputs.create_ahead_months', 2,
-        )
-        det_retention_months = _get_config_int(
-            conn, 'partition.detection_model_run_outputs.retention_months', 1,
-        )
 
         created = _create_future_partitions(conn, ahead)
         dropped = _drop_expired_partitions(conn, retention)
         cleaned = _cleanup_stale_scores(conn, cleanup_days)
 
-        det_created = _create_future_monthly_detection_partitions(conn, det_months_ahead)
-        det_dropped = _drop_expired_monthly_detection_partitions(conn, det_retention_months)
-
         logger.info(
             'partition maintenance: %d created, %d dropped, %d stale scores cleaned '
-            '(retention=%dd, ahead=%dd, cleanup=%dd); '
+            '(retention=%dd, ahead=%dd, cleanup=%dd)',
-            'detection_model_run_outputs: %d created, %d dropped '
-            '(retention_months=%d, ahead_months=%d)',
             created, dropped, cleaned, retention, ahead, cleanup_days,
-            det_created, det_dropped, det_retention_months, det_months_ahead,
         )

prediction/models_core/__init__.py

@@ -1,26 +0,0 @@
-"""Detection Model Registry (Phase 1-2).
-
-V034 detection_models / detection_model_versions 스키마 위에서
-`ACTIVE` 상태 버전들을 인스턴스화하여 사이클 내에서 실행·비교하는 프레임.
-
-공개 모듈:
-- base         : BaseDetectionModel, ModelContext, ModelResult
-- params_loader: detection_model_versions.params JSONB 로드 + TTL 캐시
-- registry     : ACTIVE 버전 전체 로드 + DAG 검증
-- executor     : topo 순서 PRIMARY 실행 → ctx.shared 주입 → SHADOW/CHALLENGER 실행
-- feature_flag : 신·구 경로 토글
-
-핵심 불변식 (오염 차단):
-- SHADOW/CHALLENGER 의 결과는 `ctx.shared[model_id]` 에 기록되지 않는다.
-- 후행 PRIMARY 모델은 선행 PRIMARY 결과만 입력으로 받는다.
-"""
-
-from .base import BaseDetectionModel, ModelContext, ModelResult
-from .feature_flag import use_model_registry
-
-__all__ = [
-    'BaseDetectionModel',
-    'ModelContext',
-    'ModelResult',
-    'use_model_registry',
-]

prediction/models_core/base.py

@@ -1,150 +0,0 @@
-"""Detection Model 추상 계층.
-
-prediction 모듈의 기존 함수형 알고리즘(`algorithms/*`) 을 그대로 두고,
-Adapter 형태로 감싸서 "모델 단위 실행·버전·파라미터"를 표준화한다.
-
-설계:
-- `ModelContext` — 한 사이클의 공통 입력/공유 상태 (불변 전제)
-- `ModelResult`  — 한 모델·한 버전의 실행 결과 (입력별 output + 메트릭)
-- `BaseDetectionModel` — 등록 가능한 최소 계약 (model_id / version / role / params / run)
-
-불변식:
-- SHADOW/CHALLENGER 는 `ctx.shared[model_id]` 에 기록되지 않음 (Executor 책임)
-- `params` 는 DRAFT 로 수정, ACTIVE 는 immutable 스냅샷 (DB 제약과 같은 규약)
-"""
-from __future__ import annotations
-
-import logging
-from abc import ABC, abstractmethod
-from dataclasses import dataclass, field
-from datetime import datetime
-from typing import Any, Optional
-
-logger = logging.getLogger(__name__)
-
-
-# role 상수 — DB CHECK 제약과 동일한 문자열
-ROLE_PRIMARY = 'PRIMARY'
-ROLE_SHADOW = 'SHADOW'
-ROLE_CHALLENGER = 'CHALLENGER'
-ALLOWED_ROLES = (ROLE_PRIMARY, ROLE_SHADOW, ROLE_CHALLENGER)
-
-
-@dataclass
-class ModelContext:
-    """한 사이클 공통 입력 + 모델 간 공유 상태.
-
-    Attributes:
-        cycle_started_at: 사이클 시작 시각 (모든 모델·버전이 공유)
-        vessel_store: 인메모리 AIS 캐시 (Optional — 테스트 시 None 허용)
-        conn: kcgdb psycopg2 connection (Optional — 테스트 시 None 허용)
-        shared: 선행 모델 PRIMARY 결과 보관소. key=model_id, value=ModelResult
-                SHADOW/CHALLENGER 는 여기에 쓰지 않는다 (오염 차단).
-        inputs: 모델이 소비할 공통 입력 목록 (선박 row 등). 버전 간 공정 비교 보장.
-        extras: 필요시 모델별 보조 데이터 (feature flag, tunable 등)
-    """
-    cycle_started_at: datetime
-    vessel_store: Any = None
-    conn: Any = None
-    shared: dict = field(default_factory=dict)
-    inputs: list = field(default_factory=list)
-    extras: dict = field(default_factory=dict)
-
-
-@dataclass
-class ModelResult:
-    """한 모델·한 버전의 실행 결과.
-
-    Attributes:
-        model_id: 모델 식별자
-        version_id: detection_model_versions.id
-        version_str: 'v1.0.0' 등 사람이 읽는 버전 문자열
-        role: PRIMARY / SHADOW / CHALLENGER
-        outputs_per_input: [(input_ref, output_dict), ...]
-            input_ref 는 비교용 키(예: {'mmsi': '412...', 'analyzed_at': ...})
-            output_dict 는 JSONB 저장 가능한 결과 snapshot
-        metrics: detection_model_metrics 로 기록될 집계 관측치
-                 (key=metric_key, value=numeric)
-        duration_ms: 이 버전 단위 실행 소요
-    """
-    model_id: str
-    version_id: int
-    version_str: str
-    role: str
-    outputs_per_input: list[tuple[dict, dict]] = field(default_factory=list)
-    metrics: dict[str, float] = field(default_factory=dict)
-    duration_ms: int = 0
-
-
-class BaseDetectionModel(ABC):
-    """탐지 모델 추상 베이스.
-
-    구현체는 `prediction/models_core/registered/` 하위에 두고
-    `ModelRegistry.discover_classes()` 가 자동 import 한다.
-
-    클래스 레벨 속성(model_id / depends_on) 은 **클래스 정의 시** 고정,
-    인스턴스 속성(version_id / version_str / role / params) 은
-    `ModelRegistry` 가 ACTIVE 버전 스냅샷을 읽어 주입한다.
-
-    한 `BaseDetectionModel` 서브클래스에 대해 DB 에 N 개 ACTIVE 버전이 있으면
-    Registry 는 **각 버전마다 별도 인스턴스**를 생성한다 (PRIMARY 1 + SHADOW/CHALLENGER N).
-    """
-
-    # --- 클래스 메타 (서브클래스가 override) ---
-    model_id: str = ''
-    depends_on: list[str] = []
-
-    # V034 스키마 컬럼 길이 상한 — 운영자 실수·장기 실행에서 silent 한 persist 실패를
-    # 방지하기 위해 클래스 정의 시점에 선제 검증한다.
-    _MODEL_ID_MAXLEN = 64
-
-    def __init__(
-        self,
-        version_id: int,
-        version_str: str,
-        role: str,
-        params: dict,
-    ) -> None:
-        if role not in ALLOWED_ROLES:
-            raise ValueError(f'invalid role: {role!r} (expected {ALLOWED_ROLES})')
-        if not self.model_id:
-            raise ValueError(
-                f'{type(self).__name__}.model_id is empty — override as class attribute'
-            )
-        if len(self.model_id) > self._MODEL_ID_MAXLEN:
-            raise ValueError(
-                f'{type(self).__name__}.model_id too long '
-                f'({len(self.model_id)} > {self._MODEL_ID_MAXLEN}): {self.model_id!r}'
-            )
-        self.version_id = version_id
-        self.version_str = version_str
-        self.role = role
-        self.params: dict = dict(params) if params else {}
-
-    # --- 서브클래스 구현 포인트 ---
-    @abstractmethod
-    def run(self, ctx: ModelContext) -> ModelResult:
-        """한 사이클에 대해 모델을 실행.
-
-        반환값의 `outputs_per_input` 은 입력 단위 비교가 가능하도록
-        **같은 input_ref 스키마를 같은 model_id 내에서 유지**해야 한다.
-        (PRIMARY 와 SHADOW 의 input_ref 가 일치해야 diff JOIN 이 가능.)
-        """
-        raise NotImplementedError
-
-    # --- 편의 ---
-    def label(self) -> str:
-        return f'{self.model_id}@{self.role}[{self.version_str}]'
-
-    def __repr__(self) -> str:  # pragma: no cover
-        return f'<{type(self).__name__} {self.label()} version_id={self.version_id}>'
-
-
-def make_input_ref(mmsi: str, analyzed_at: Optional[datetime] = None, **extra) -> dict:
-    """관용 input_ref 생성기. PRIMARY/SHADOW 가 같은 포맷을 쓰도록 강제하는 도우미."""
-    ref: dict[str, Any] = {'mmsi': str(mmsi)}
-    if analyzed_at is not None:
-        ref['analyzed_at'] = analyzed_at.isoformat() if isinstance(analyzed_at, datetime) else analyzed_at
-    for k, v in extra.items():
-        ref[k] = v
-    return ref

prediction/models_core/executor.py

@@ -1,287 +0,0 @@
-"""DAGExecutor — ExecutionPlan 을 실제로 돌리고 DB 에 결과/메트릭을 기록한다.
-
-불변식 (테스트로도 검증):
-1. PRIMARY 실행 결과만 `ctx.shared[model_id]` 에 주입 (후행 모델의 입력 소스).
-2. SHADOW/CHALLENGER 결과는 `detection_model_run_outputs` 에 저장만, shared 에 **절대 주입 금지**.
-3. PRIMARY 가 실패하면 후행 모델 실행 skip (upstream 결과 없음).
-   SHADOW/CHALLENGER 실패는 그 버전만 skip, 다른 버전·후행 모델에 영향 없음.
-
-DB persist:
-- detection_model_run_outputs (PARTITION BY cycle_started_at): execute_values 배치 INSERT
-- detection_model_metrics: 집계 메트릭
-
-참고: docs/prediction-analysis.md §7, plans/vast-tinkering-knuth.md Phase 1-2
-"""
-from __future__ import annotations
-
-import logging
-import time
-from concurrent.futures import ThreadPoolExecutor, as_completed
-from typing import Optional
-
-from pipeline.stage_runner import run_stage
-
-from .base import BaseDetectionModel, ModelContext, ModelResult, ROLE_PRIMARY
-from .feature_flag import concurrent_shadows
-from .registry import ExecutionPlan
-
-logger = logging.getLogger(__name__)
-
-# V034 스키마 VARCHAR(64) — 초과하면 persist 가 silent 하게 실패하므로 선제 절단·경고
-_METRIC_KEY_MAXLEN = 64
-
-
-class DAGExecutor:
-    """ExecutionPlan 을 실행하고 DB persist 를 담당.
-
-    persist 는 ctx.conn 을 재사용한다 (pool 중복 획득 방지).
-    ctx.conn 이 None 이면 기본 persist 함수들이 자체적으로 get_conn() 호출.
-    """
-
-    def __init__(
-        self,
-        plan: ExecutionPlan,
-        *,
-        persist_fn=None,
-        persist_metrics_fn=None,
-    ) -> None:
-        self.plan = plan
-        # 테스트에서 DB 없이 돌리기 위해 persist 훅을 주입 가능하게 만든다.
-        self._persist_fn = persist_fn or _persist_run_outputs
-        self._persist_metrics_fn = persist_metrics_fn or _persist_metrics
-        self._ctx_conn = None  # run() 진입 시 셋업
-
-    def run(self, ctx: ModelContext) -> dict:
-        """전체 Plan 실행.
-
-        Returns:
-            {'executed': int, 'failed': int, 'shadow_ran': int, 'shadow_failed': int}
-        """
-        # ctx.conn 이 있으면 persist 도 이 conn 을 재사용하도록 보관한다.
-        # (maxconn=5 pool 고갈 방지 — persist 마다 별도 get_conn() 획득 금지)
-        self._ctx_conn = getattr(ctx, 'conn', None)
-
-        summary = {
-            'executed': 0,
-            'failed': 0,
-            'skipped_missing_deps': 0,
-            'shadow_ran': 0,
-            'shadow_failed': 0,
-        }
-
-        for model_id in self.plan.topo_order:
-            primary = self.plan.primaries.get(model_id)
-            shadows = list(self.plan.shadows.get(model_id, []))
-
-            if primary is None:
-                # PRIMARY 없이 SHADOW 만 있는 모델은 실행 불가 (비교 기준이 없음)
-                if shadows:
-                    logger.warning(
-                        'model %s has %d SHADOW/CHALLENGER but no PRIMARY — skipping',
-                        model_id, len(shadows),
-                    )
-                continue
-
-            # upstream PRIMARY 결과가 모두 있는지 확인
-            missing = [
-                dep for dep in self.plan.edges.get(model_id, ())
-                if dep not in ctx.shared
-            ]
-            if missing:
-                summary['skipped_missing_deps'] += 1
-                logger.warning(
-                    'skip %s — upstream PRIMARY missing: %s',
-                    primary.label(), missing,
-                )
-                # SHADOW 도 같은 이유로 스킵 (정당한 비교 불가)
-                continue
-
-            primary_result = self._run_single(primary, ctx)
-            if primary_result is None:
-                summary['failed'] += 1
-                # SHADOW 는 같은 입력이 있어야 비교 의미가 있으므로 이 사이클에선 스킵
-                continue
-
-            summary['executed'] += 1
-            ctx.shared[model_id] = primary_result
-            self._persist(primary_result, ctx.cycle_started_at)
-
-            # SHADOW/CHALLENGER 는 shared 주입 **금지** — 결과 persist 만
-            if shadows:
-                ran, failed = self._run_shadows(shadows, ctx)
-                summary['shadow_ran'] += ran
-                summary['shadow_failed'] += failed
-
-        logger.info(
-            'DAGExecutor done: executed=%d failed=%d skip_deps=%d shadow_ran=%d shadow_failed=%d',
-            summary['executed'], summary['failed'],
-            summary['skipped_missing_deps'],
-            summary['shadow_ran'], summary['shadow_failed'],
-        )
-        return summary
-
-    # ------------------------------------------------------------------
-    def _run_single(self, model: BaseDetectionModel, ctx: ModelContext) -> Optional[ModelResult]:
-        """run_stage 로 감싸서 실패 격리 + 지속시간 계측."""
-        t0 = time.time()
-        result = run_stage(model.label(), model.run, ctx, required=False)
-        if result is None:
-            return None
-        # duration_ms 가 비어있으면 여기서 채움
-        if not result.duration_ms:
-            result.duration_ms = int((time.time() - t0) * 1000)
-        return result
-
-    def _run_shadows(
-        self,
-        shadows: list[BaseDetectionModel],
-        ctx: ModelContext,
-    ) -> tuple[int, int]:
-        ran = 0
-        failed = 0
-        if concurrent_shadows() and len(shadows) > 1:
-            with ThreadPoolExecutor(max_workers=min(4, len(shadows))) as pool:
-                futures = {pool.submit(self._run_single, s, ctx): s for s in shadows}
-                for fut in as_completed(futures):
-                    s = futures[fut]
-                    try:
-                        r = fut.result()
-                    except Exception:
-                        logger.exception('shadow %s raised', s.label())
-                        r = None
-                    if r is None:
-                        failed += 1
-                        continue
-                    ran += 1
-                    self._persist(r, ctx.cycle_started_at)
-        else:
-            for s in shadows:
-                r = self._run_single(s, ctx)
-                if r is None:
-                    failed += 1
-                    continue
-                ran += 1
-                self._persist(r, ctx.cycle_started_at)
-        return ran, failed
-
-    def _persist(self, result: ModelResult, cycle_started_at) -> None:
-        conn = self._ctx_conn
-        try:
-            self._persist_fn(result, cycle_started_at, conn=conn)
-        except Exception:
-            logger.exception(
-                'failed to persist run_outputs for %s', result.model_id,
-            )
-        try:
-            self._persist_metrics_fn(result, cycle_started_at, conn=conn)
-        except Exception:
-            logger.exception(
-                'failed to persist metrics for %s', result.model_id,
-            )
-
-
-# ----------------------------------------------------------------------
-# 기본 persist 구현 — kcgdb 연결을 얻어서 직접 INSERT
-# ----------------------------------------------------------------------
-_INSERT_RUN_OUTPUTS = """
-    INSERT INTO kcg.detection_model_run_outputs (
-        cycle_started_at, model_id, version_id, role,
-        input_ref, outputs, cycle_duration_ms
-    ) VALUES %s
-"""
-
-_INSERT_METRICS = """
-    INSERT INTO kcg.detection_model_metrics (
-        model_id, version_id, role, metric_key, metric_value, cycle_started_at
-    ) VALUES %s
-"""
-
-
-def _persist_run_outputs(result: ModelResult, cycle_started_at, *, conn=None) -> None:
-    """detection_model_run_outputs 배치 INSERT.
-
-    conn 이 전달되면 **재사용** (pool 중복 획득 방지, 커밋 책임은 호출자).
-    None 이면 자체적으로 kcgdb.get_conn() 으로 커넥션을 얻고 직접 커밋.
-    """
-    if not result.outputs_per_input:
-        return
-    from psycopg2.extras import Json, execute_values
-
-    rows = [
-        (
-            cycle_started_at,
-            result.model_id,
-            result.version_id,
-            result.role,
-            Json(input_ref or {}),
-            Json(output or {}),
-            result.duration_ms,
-        )
-        for input_ref, output in result.outputs_per_input
-    ]
-    _execute_insert(_INSERT_RUN_OUTPUTS, rows, conn=conn)
-
-
-def _execute_insert(sql: str, rows: list, *, conn=None) -> None:
-    """execute_values 공통 — conn 재사용 시 commit 은 호출자 책임."""
-    if not rows:
-        return
-    from psycopg2.extras import execute_values
-
-    if conn is not None:
-        cur = conn.cursor()
-        try:
-            execute_values(cur, sql, rows, page_size=200)
-            conn.commit()
-        except Exception:
-            conn.rollback()
-            raise
-        finally:
-            cur.close()
-        return
-
-    from db import kcgdb
-    with kcgdb.get_conn() as fresh_conn:
-        cur = fresh_conn.cursor()
-        try:
-            execute_values(cur, sql, rows, page_size=200)
-            fresh_conn.commit()
-        except Exception:
-            fresh_conn.rollback()
-            raise
-        finally:
-            cur.close()
-
-
-def _persist_metrics(result: ModelResult, cycle_started_at, *, conn=None) -> None:
-    """detection_model_metrics 배치 INSERT. cycle_duration_ms 기본 포함.
-
-    conn 이 전달되면 재사용, None 이면 자체 get_conn().
-    metric_key VARCHAR(64) 초과는 경고 후 드롭 (silent 실패 방지).
-    """
-    metrics = dict(result.metrics or {})
-    metrics.setdefault('cycle_duration_ms', float(result.duration_ms))
-    metrics.setdefault('output_count', float(len(result.outputs_per_input)))
-
-    rows = []
-    for key, val in metrics.items():
-        if val is None:
-            continue
-        if len(key) > _METRIC_KEY_MAXLEN:
-            logger.warning(
-                'metric_key %r exceeds VARCHAR(%d) — dropping (model=%s version=%s)',
-                key, _METRIC_KEY_MAXLEN, result.model_id, result.version_id,
-            )
-            continue
-        rows.append((
-            result.model_id,
-            result.version_id,
-            result.role,
-            key,
-            float(val),
-            cycle_started_at,
-        ))
-    _execute_insert(_INSERT_METRICS, rows, conn=conn)
-
-
-__all__ = ['DAGExecutor']

prediction/models_core/feature_flag.py

@@ -1,29 +0,0 @@
-"""Detection Model Registry feature flag.
-
-신·구 prediction 경로를 공존시키는 동안 환경변수로 토글한다.
-초기 배포에서는 **0 (구 경로 유지)** 가 기본 — Phase 2 PoC 이 신·구 diff=0
-동치성을 확인한 뒤 1 로 전환하는 별도 릴리즈를 내는 전략.
-
-환경변수:
-    PREDICTION_USE_MODEL_REGISTRY  '1' 이면 DAGExecutor 기반 신 경로 사용
-    PREDICTION_CONCURRENT_SHADOWS  '1' 이면 SHADOW/CHALLENGER 를 스레드풀 동시 실행
-                                   (기본 0 — 순차 실행, psycopg2 pool 안전)
-"""
-from __future__ import annotations
-
-import os
-
-
-def _bool_env(key: str, default: str = '0') -> bool:
-    raw = os.getenv(key, default).strip().lower()
-    return raw in ('1', 'true', 'yes', 'on')
-
-
-def use_model_registry() -> bool:
-    """models_core Registry·Executor 기반 경로 사용 여부."""
-    return _bool_env('PREDICTION_USE_MODEL_REGISTRY', '0')
-
-
-def concurrent_shadows() -> bool:
-    """SHADOW/CHALLENGER 를 ThreadPoolExecutor 로 동시 실행할지."""
-    return _bool_env('PREDICTION_CONCURRENT_SHADOWS', '0')

prediction/models_core/params_loader.py

@@ -1,176 +0,0 @@
-"""`detection_model_versions.params` JSONB 로더 + 5분 TTL 캐시.
-
-- correlation_param_models 패턴의 일반화 — **매 사이클 재로드**를 기본으로,
-  다만 한 사이클 내에서 여러 번 조회되는 경우를 위해 TTL 캐시를 둔다.
-- Registry 가 ACTIVE 버전 목록을 조회할 때와 executor 가 개별 버전 params 를
-  쓸 때 공통으로 사용.
-
-반환 스키마:
-    VersionRow = {
-        'id': int,           # detection_model_versions.id
-        'model_id': str,
-        'version': str,
-        'role': str,          # PRIMARY / SHADOW / CHALLENGER
-        'params': dict,       # JSONB
-    }
-"""
-from __future__ import annotations
-
-import json
-import logging
-import threading
-import time
-from typing import Optional, TypedDict
-
-logger = logging.getLogger(__name__)
-
-
-class VersionRow(TypedDict):
-    id: int
-    model_id: str
-    version: str
-    role: str
-    params: dict
-
-
-_DEFAULT_TTL_SEC = 300  # 5분
-
-
-class _ParamsCache:
-    """간단 TTL 캐시 (프로세스 로컬).
-
-    thread-safe: Registry 재구성은 사이클 시작 스레드에서만 일어나지만
-    APScheduler 가 동시 job 을 허용할 수 있어 락으로 보호한다.
-    """
-
-    def __init__(self, ttl_sec: int = _DEFAULT_TTL_SEC) -> None:
-        self._ttl = ttl_sec
-        self._lock = threading.Lock()
-        self._rows: Optional[list[VersionRow]] = None
-        self._loaded_at: float = 0.0
-
-    def get(self, conn, *, force: bool = False) -> list[VersionRow]:
-        now = time.time()
-        with self._lock:
-            stale = (
-                self._rows is None
-                or force
-                or (now - self._loaded_at) > self._ttl
-            )
-            if stale:
-                self._rows = _fetch_active_versions(conn)
-                self._loaded_at = now
-                logger.info(
-                    'params cache reloaded: %d ACTIVE versions (ttl=%ds)',
-                    len(self._rows), self._ttl,
-                )
-            return list(self._rows or [])
-
-    def invalidate(self) -> None:
-        with self._lock:
-            self._rows = None
-            self._loaded_at = 0.0
-
-
-_cache = _ParamsCache()
-
-
-def load_active_versions(conn, *, force_reload: bool = False) -> list[VersionRow]:
-    """ACTIVE 상태의 모든 model_id × version 을 한 번에 조회.
-
-    model 단위로 PRIMARY 1 개 + SHADOW/CHALLENGER N 개가 섞여 반환될 수 있다.
-    Registry 가 그룹화를 담당.
-
-    Args:
-        conn: psycopg2 connection
-        force_reload: True 면 TTL 무시하고 DB 재조회
-
-    Returns:
-        VersionRow 리스트
-    """
-    return _cache.get(conn, force=force_reload)
-
-
-def invalidate_cache() -> None:
-    """운영자 API 가 version 을 promote·archive 한 직후 호출하면
-    다음 조회에서 즉시 DB 재로드가 일어난다.
-    """
-    _cache.invalidate()
-
-
-def _fetch_active_versions(conn) -> list[VersionRow]:
-    """SQL — kcg.detection_model_versions WHERE status='ACTIVE'.
-
-    JSONB 는 psycopg2 기본 설정에서 이미 dict 로 반환되지만, 안전을 위해
-    str 인 경우에도 json.loads 로 파싱한다.
-    """
-    sql = """
-        SELECT v.id,
-               v.model_id,
-               v.version,
-               v.role,
-               v.params
-          FROM kcg.detection_model_versions v
-          JOIN kcg.detection_models m ON m.model_id = v.model_id
-         WHERE v.status = 'ACTIVE'
-           AND m.is_enabled = TRUE
-         ORDER BY v.model_id,
-                  CASE v.role
-                      WHEN 'PRIMARY'    THEN 0
-                      WHEN 'CHALLENGER' THEN 1
-                      WHEN 'SHADOW'     THEN 2
-                      ELSE 3
-                  END,
-                  v.id
-    """
-    rows: list[VersionRow] = []
-    cur = conn.cursor()
-    try:
-        cur.execute(sql)
-        for row in cur.fetchall():
-            vid, model_id, version, role, params = row
-            if isinstance(params, (bytes, bytearray)):
-                params = params.decode('utf-8')
-            if isinstance(params, str):
-                try:
-                    params = json.loads(params)
-                except json.JSONDecodeError:
-                    logger.warning(
-                        'detection_model_versions.id=%s params JSON decode failed — treated as {}',
-                        vid,
-                    )
-                    params = {}
-            rows.append(
-                VersionRow(
-                    id=int(vid),
-                    model_id=str(model_id),
-                    version=str(version),
-                    role=str(role),
-                    params=dict(params or {}),
-                )
-            )
-        return rows
-    finally:
-        cur.close()
-
-
-def load_dependencies(conn) -> list[tuple[str, str, str]]:
-    """detection_model_dependencies 전체 엣지 반환.
-
-    Returns:
-        [(model_id, depends_on, input_key), ...]
-    """
-    sql = """
-        SELECT model_id, depends_on, input_key
-          FROM kcg.detection_model_dependencies
-         ORDER BY model_id, depends_on, input_key
-    """
-    cur = conn.cursor()
-    try:
-        cur.execute(sql)
-        return [
-            (str(m), str(d), str(k))
-            for m, d, k in cur.fetchall()
-        ]
-    finally:
-        cur.close()

prediction/models_core/registered/__init__.py

@@ -1,5 +0,0 @@
-"""`BaseDetectionModel` 구현체 등록소.
-
-Phase 1-2 기반 PR 에서는 실제 구현체가 없다 (Phase 2 에서 5 모델 PoC 추가).
-이 디렉토리는 `ModelRegistry.discover_classes()` 가 `importlib` 으로 스캔한다.
-"""

prediction/models_core/registered/dark_suspicion_model.py

@@ -1,99 +0,0 @@
-"""dark_suspicion — 의도적 AIS OFF 의심 점수 모델 (Phase 2 PoC #1).
-
-구조:
-- 기존 `algorithms.dark_vessel.compute_dark_suspicion` 을 그대로 사용 (BACK-COMPAT).
-- 입력 단위: `ctx.inputs` 의 각 항목(AnalysisResult asdict) → (mmsi, gap_info).
-  prediction 기존 사이클이 이미 `analyze_dark_pattern` 을 돌려 AnalysisResult.features
-  에 gap_info 와 dark_patterns 를 저장하므로, 이 모델은 **그 결과에 대해 score 를 재계산**
-  하는 shadow 비교용이다. PRIMARY 경로는 아직 `scheduler.py` 의 기존 계산을 사용.
-
-Phase 2 동치성 검증:
-- params=None 로 호출하면 compute_dark_suspicion 이 DEFAULT_PARAMS 를 사용해
-  기존 하드코딩 상수와 완전히 동일한 score/tier 를 낸다.
-- detection_model_versions.params 가 DEFAULT 와 동일하면 신·구 경로 diff=0.
-
-Phase 3 백엔드 API 연동 후 PRIMARY 로 승격하면 scheduler 도 이 모델을 호출하도록
-전환 (현재는 ctx.shared 주입만, 기존 경로 영향 없음).
-"""
-from __future__ import annotations
-
-from algorithms.dark_vessel import (
-    DARK_SUSPICION_DEFAULT_PARAMS,
-    compute_dark_suspicion,
-)
-from algorithms.location import classify_zone
-from models_core.base import (
-    BaseDetectionModel,
-    ModelContext,
-    ModelResult,
-    make_input_ref,
-)
-
-
-class DarkSuspicionModel(BaseDetectionModel):
-    model_id = 'dark_suspicion'
-    depends_on: list[str] = []
-
-    def run(self, ctx: ModelContext) -> ModelResult:
-        outputs_per_input: list[tuple[dict, dict]] = []
-        critical = 0
-        high = 0
-        watch = 0
-        for row in ctx.inputs or []:
-            if not row:
-                continue
-            mmsi = row.get('mmsi')
-            features = row.get('features') or {}
-            gap_info = features.get('gap_info') if isinstance(features, dict) else None
-            if not gap_info or not gap_info.get('is_dark'):
-                continue
-
-            history = {
-                'count_7d': row.get('dark_count_7d', 0),
-                'count_24h': row.get('dark_count_24h', 0),
-            }
-            now_kst_hour = row.get('now_kst_hour', 0)
-            score, patterns, tier = compute_dark_suspicion(
-                gap_info=gap_info,
-                mmsi=mmsi,
-                is_permitted=bool(row.get('is_permitted', False)),
-                history=history,
-                now_kst_hour=int(now_kst_hour or 0),
-                classify_zone_fn=classify_zone,
-                ship_kind_code=row.get('ship_kind_code', '') or '',
-                nav_status=row.get('nav_status', '') or '',
-                heading=row.get('heading'),
-                last_cog=row.get('last_cog'),
-                params=self.params or None,
-            )
-            if tier == 'CRITICAL':
-                critical += 1
-            elif tier == 'HIGH':
-                high += 1
-            elif tier == 'WATCH':
-                watch += 1
-            outputs_per_input.append((
-                make_input_ref(mmsi, row.get('analyzed_at'), gap_min=gap_info.get('gap_min')),
-                {
-                    'score': int(score),
-                    'tier': tier,
-                    'patterns': patterns,
-                },
-            ))
-
-        return ModelResult(
-            model_id=self.model_id,
-            version_id=self.version_id,
-            version_str=self.version_str,
-            role=self.role,
-            outputs_per_input=outputs_per_input,
-            metrics={
-                'evaluated_count': float(len(outputs_per_input)),
-                'critical_count': float(critical),
-                'high_count': float(high),
-                'watch_count': float(watch),
-            },
-        )
-
-
-__all__ = ['DarkSuspicionModel', 'DARK_SUSPICION_DEFAULT_PARAMS']

prediction/models_core/registered/gear_violation_model.py

@@ -1,71 +0,0 @@
-"""gear_violation_g01_g06 — 어구 위반 G-01~G-06 종합 모델 (Phase 2 PoC #2).
-
-기존 `algorithms.gear_violation.classify_gear_violations` 을 얇게 감싸는 Adapter.
-scheduler.py 가 이미 이 함수를 호출해 AnalysisResult.features 에 결과를 저장하므로,
-본 모델은 **ctx.inputs 의 AnalysisResult 들에서 그 결과를 관찰·집계**하는 역할.
-
-입력:
-- ctx.inputs 의 각 row (AnalysisResult asdict) 중 features.g_codes 가 비어있지 않은 선박.
-
-출력:
-- outputs_per_input: (input_ref, {g_codes, judgment, score}) — 원시 결과 snapshot
-- metrics:
-  · evaluated_count : G-code 탐지된 선박 수
-  · g01_count ~ g06_count : 각 G-code 별 탐지 빈도
-  · pair_trawl_count : G-06 탐지
-  · closed_season_count : G-02 탐지
-"""
-from __future__ import annotations
-
-from algorithms.gear_violation import GEAR_VIOLATION_DEFAULT_PARAMS
-from models_core.base import BaseDetectionModel, ModelContext, ModelResult, make_input_ref
-
-
-class GearViolationModel(BaseDetectionModel):
-    model_id = 'gear_violation_g01_g06'
-    depends_on: list[str] = []
-
-    def run(self, ctx: ModelContext) -> ModelResult:
-        outputs_per_input: list[tuple[dict, dict]] = []
-        counts = {f'g0{i}_count': 0 for i in range(1, 7)}
-        evaluated = 0
-
-        for row in ctx.inputs or []:
-            if not row:
-                continue
-            features = row.get('features') or {}
-            if not isinstance(features, dict):
-                continue
-            g_codes = features.get('g_codes') or []
-            if not g_codes:
-                continue
-
-            evaluated += 1
-            for code in g_codes:
-                key = code.replace('-', '').lower() + '_count'  # 'G-01' → 'g01_count'
-                if key in counts:
-                    counts[key] += 1
-
-            outputs_per_input.append((
-                make_input_ref(row.get('mmsi'), row.get('analyzed_at')),
-                {
-                    'g_codes': list(g_codes),
-                    'gear_judgment': features.get('gear_judgment', ''),
-                    'gear_violation_score': int(features.get('gear_violation_score') or 0),
-                },
-            ))
-
-        metrics = {'evaluated_count': float(evaluated)}
-        metrics.update({k: float(v) for k, v in counts.items()})
-
-        return ModelResult(
-            model_id=self.model_id,
-            version_id=self.version_id,
-            version_str=self.version_str,
-            role=self.role,
-            outputs_per_input=outputs_per_input,
-            metrics=metrics,
-        )
-
-
-__all__ = ['GearViolationModel', 'GEAR_VIOLATION_DEFAULT_PARAMS']

prediction/models_core/registered/pair_trawl_model.py

@@ -1,65 +0,0 @@
-"""pair_trawl_tier — 쌍끌이 공조 tier 분류 관찰 어댑터 (Phase 2 PoC #5).
-
-기존 `algorithms.pair_trawl` 이 STRONG/PROBABLE/SUSPECT tier 로 판정한 결과를
-ctx.inputs (AnalysisResult) 에서 관찰 집계. 런타임 params override 는 후속 PR.
-
-metrics:
-  · evaluated_count : pair_trawl_detected=True 선박 수
-  · tier_{strong/probable/suspect}_count
-"""
-from __future__ import annotations
-
-from algorithms.pair_trawl import PAIR_TRAWL_DEFAULT_PARAMS
-from models_core.base import BaseDetectionModel, ModelContext, ModelResult, make_input_ref
-
-
-class PairTrawlModel(BaseDetectionModel):
-    model_id = 'pair_trawl_tier'
-    depends_on: list[str] = []
-
-    def run(self, ctx: ModelContext) -> ModelResult:
-        outputs_per_input: list[tuple[dict, dict]] = []
-        tiers = {'STRONG': 0, 'PROBABLE': 0, 'SUSPECT': 0}
-        evaluated = 0
-
-        for row in ctx.inputs or []:
-            if not row:
-                continue
-            features = row.get('features') or {}
-            if not isinstance(features, dict):
-                continue
-            if features.get('pair_trawl_detected') is not True:
-                continue
-
-            evaluated += 1
-            tier = features.get('pair_tier', '')
-            if tier in tiers:
-                tiers[tier] += 1
-
-            outputs_per_input.append((
-                make_input_ref(row.get('mmsi'), row.get('analyzed_at')),
-                {
-                    'pair_tier': tier,
-                    'pair_type': features.get('pair_type'),
-                    'pair_mmsi': features.get('pair_mmsi'),
-                    'similarity': features.get('similarity'),
-                    'confidence': features.get('confidence'),
-                },
-            ))
-
-        return ModelResult(
-            model_id=self.model_id,
-            version_id=self.version_id,
-            version_str=self.version_str,
-            role=self.role,
-            outputs_per_input=outputs_per_input,
-            metrics={
-                'evaluated_count': float(evaluated),
-                'tier_strong_count': float(tiers['STRONG']),
-                'tier_probable_count': float(tiers['PROBABLE']),
-                'tier_suspect_count': float(tiers['SUSPECT']),
-            },
-        )
-
-
-__all__ = ['PairTrawlModel', 'PAIR_TRAWL_DEFAULT_PARAMS']

prediction/models_core/registered/risk_composite_model.py

@@ -1,66 +0,0 @@
-"""risk_composite — 종합 위험도 관찰 어댑터 (Phase 2 PoC #4).
-
-현재 `algorithms.risk` 의 compute_*_risk_score 들이 inline 숫자로 점수를 계산하므로
-이 단계에서는 카탈로그 등록 + AnalysisResult 의 risk_score/risk_level 을 집계 관찰만.
-런타임 params override 는 후속 리팩토링 PR 에서 활성화.
-
-metrics:
-  · evaluated_count : 전체 관찰 수
-  · avg_risk_score
-  · tier_{critical/high/medium/low}_count
-"""
-from __future__ import annotations
-
-from algorithms.risk import RISK_COMPOSITE_DEFAULT_PARAMS
-from models_core.base import BaseDetectionModel, ModelContext, ModelResult, make_input_ref
-
-
-class RiskCompositeModel(BaseDetectionModel):
-    model_id = 'risk_composite'
-    depends_on: list[str] = []
-
-    def run(self, ctx: ModelContext) -> ModelResult:
-        outputs_per_input: list[tuple[dict, dict]] = []
-        tiers = {'CRITICAL': 0, 'HIGH': 0, 'MEDIUM': 0, 'LOW': 0}
-        score_sum = 0.0
-        evaluated = 0
-
-        for row in ctx.inputs or []:
-            if not row:
-                continue
-            score = row.get('risk_score')
-            level = row.get('risk_level', '')
-            if score is None:
-                continue
-            evaluated += 1
-            score_sum += float(score)
-            if level in tiers:
-                tiers[level] += 1
-            outputs_per_input.append((
-                make_input_ref(row.get('mmsi'), row.get('analyzed_at')),
-                {
-                    'risk_score': int(score),
-                    'risk_level': level,
-                    'vessel_type': row.get('vessel_type'),
-                },
-            ))
-
-        avg = score_sum / evaluated if evaluated else 0.0
-        return ModelResult(
-            model_id=self.model_id,
-            version_id=self.version_id,
-            version_str=self.version_str,
-            role=self.role,
-            outputs_per_input=outputs_per_input,
-            metrics={
-                'evaluated_count': float(evaluated),
-                'avg_risk_score': round(avg, 2),
-                'tier_critical_count': float(tiers['CRITICAL']),
-                'tier_high_count': float(tiers['HIGH']),
-                'tier_medium_count': float(tiers['MEDIUM']),
-                'tier_low_count': float(tiers['LOW']),
-            },
-        )
-
-
-__all__ = ['RiskCompositeModel', 'RISK_COMPOSITE_DEFAULT_PARAMS']

prediction/models_core/registered/transshipment_model.py

@@ -1,67 +0,0 @@
-"""transshipment_5stage — 5단계 환적 탐지 관찰 어댑터 (Phase 2 PoC #3).
-
-현재 `algorithms.transshipment.detect_transshipment` 의 내부 헬퍼가 모듈 레벨
-상수를 직접 참조하므로 이번 단계에서는 **카탈로그 등록 + 관찰 수집** 만 담당.
-런타임 params override 는 후속 리팩토링 PR 에서 헬퍼 시그니처 확장과 함께 활성화.
-
-입력: ctx.inputs (AnalysisResult asdict). `transship_suspect=True` 인 선박을 집계.
-출력:
-- outputs_per_input: (input_ref, {pair_mmsi, duration_min, tier, score, pair_type})
-- metrics:
-  · evaluated_count : transship_suspect True 선박 수
-  · tier_critical_count / tier_high_count / tier_medium_count
-"""
-from __future__ import annotations
-
-from algorithms.transshipment import TRANSSHIPMENT_DEFAULT_PARAMS
-from models_core.base import BaseDetectionModel, ModelContext, ModelResult, make_input_ref
-
-
-class TransshipmentModel(BaseDetectionModel):
-    model_id = 'transshipment_5stage'
-    depends_on: list[str] = []
-
-    def run(self, ctx: ModelContext) -> ModelResult:
-        outputs_per_input: list[tuple[dict, dict]] = []
-        tier_counts = {'CRITICAL': 0, 'HIGH': 0, 'MEDIUM': 0, 'LOW': 0}
-        evaluated = 0
-
-        for row in ctx.inputs or []:
-            if not row:
-                continue
-            if not row.get('transship_suspect'):
-                continue
-            evaluated += 1
-            features = row.get('features') or {}
-            if not isinstance(features, dict):
-                features = {}
-            tier = features.get('transship_tier', '')
-            if tier in tier_counts:
-                tier_counts[tier] += 1
-            outputs_per_input.append((
-                make_input_ref(row.get('mmsi'), row.get('analyzed_at')),
-                {
-                    'pair_mmsi': row.get('transship_pair_mmsi'),
-                    'duration_min': row.get('transship_duration_min'),
-                    'tier': tier,
-                    'score': features.get('transship_score'),
-                },
-            ))
-
-        return ModelResult(
-            model_id=self.model_id,
-            version_id=self.version_id,
-            version_str=self.version_str,
-            role=self.role,
-            outputs_per_input=outputs_per_input,
-            metrics={
-                'evaluated_count': float(evaluated),
-                'tier_critical_count': float(tier_counts['CRITICAL']),
-                'tier_high_count': float(tier_counts['HIGH']),
-                'tier_medium_count': float(tier_counts['MEDIUM']),
-                'tier_low_count': float(tier_counts['LOW']),
-            },
-        )
-
-
-__all__ = ['TransshipmentModel', 'TRANSSHIPMENT_DEFAULT_PARAMS']

prediction/models_core/registry.py

@@ -1,282 +0,0 @@
-"""ModelRegistry — ACTIVE 버전 전체 인스턴스화 + DAG 검증 + 실행 플랜 생성.
-
-역할:
-1. `prediction/models_core/registered/` 를 스캔하여 BaseDetectionModel 서브클래스를 모음
-2. DB 에서 ACTIVE 버전 목록(PRIMARY + SHADOW/CHALLENGER) 을 읽어 **버전별 인스턴스**를 생성
-3. detection_model_dependencies + 클래스 `depends_on` 을 합쳐 DAG 를 구성하고 순환 검출
-4. Executor 가 쓸 topological 실행 플랜(ExecutionPlan) 을 반환
-
-주의:
-- 클래스에 `model_id` 가 정의돼 있어도 DB 에 해당 레코드가 없으면 인스턴스화하지 않음
-  (즉 DB 가 Single Source of Truth, 코드는 "구현 있음" 선언 역할)
-- DB 에 model_id 가 있고 코드에 클래스가 없으면 경고 로그 후 **스킵** (부분 배포 허용)
-"""
-from __future__ import annotations
-
-import importlib
-import logging
-import pkgutil
-from collections import defaultdict, deque
-from dataclasses import dataclass, field
-from typing import Iterable, Optional, Type
-
-from .base import (
-    ALLOWED_ROLES,
-    ROLE_CHALLENGER,
-    ROLE_PRIMARY,
-    ROLE_SHADOW,
-    BaseDetectionModel,
-)
-from .params_loader import VersionRow, load_active_versions, load_dependencies
-
-logger = logging.getLogger(__name__)
-
-
-@dataclass
-class ExecutionPlan:
-    """Executor 가 따를 실행 순서.
-
-    Attributes:
-        topo_order: PRIMARY 기준 topological order (model_id 문자열 리스트).
-                    SHADOW/CHALLENGER 는 자기 model_id 의 PRIMARY 와 같은 슬롯에서 돈다.
-        primaries: model_id -> BaseDetectionModel 인스턴스 (PRIMARY)
-        shadows:   model_id -> list[BaseDetectionModel]  (SHADOW + CHALLENGER)
-        edges:     DAG 디버깅용 (model_id -> set(depends_on))
-    """
-    topo_order: list[str] = field(default_factory=list)
-    primaries: dict[str, BaseDetectionModel] = field(default_factory=dict)
-    shadows: dict[str, list[BaseDetectionModel]] = field(default_factory=lambda: defaultdict(list))
-    edges: dict[str, set[str]] = field(default_factory=lambda: defaultdict(set))
-
-
-class DAGCycleError(RuntimeError):
-    """모델 의존성 그래프에 순환이 있을 때."""
-
-
-class ModelRegistry:
-    """ACTIVE 버전 인스턴스 저장소 + Plan 제공자."""
-
-    _DEFAULT_REGISTERED_PKG = 'models_core.registered'
-
-    def __init__(self, registered_pkg: str = _DEFAULT_REGISTERED_PKG) -> None:
-        self._registered_pkg = registered_pkg
-        self._classes: dict[str, Type[BaseDetectionModel]] = {}
-
-    # ------------------------------------------------------------------
-    # 클래스 discovery
-    # ------------------------------------------------------------------
-    def discover_classes(self) -> dict[str, Type[BaseDetectionModel]]:
-        """`registered/` 하위 모듈 auto-import + BaseDetectionModel 서브클래스 수집.
-
-        동일 model_id 가 여러 클래스에서 중복 선언되면 ValueError.
-        """
-        self._classes = {}
-        try:
-            pkg = importlib.import_module(self._registered_pkg)
-        except ImportError:
-            logger.warning('registered package %s not importable', self._registered_pkg)
-            return {}
-
-        for mod_info in pkgutil.iter_modules(pkg.__path__, prefix=f'{self._registered_pkg}.'):
-            try:
-                module = importlib.import_module(mod_info.name)
-            except Exception:
-                logger.exception('failed to import %s', mod_info.name)
-                continue
-            for attr_name in dir(module):
-                obj = getattr(module, attr_name)
-                if not isinstance(obj, type):
-                    continue
-                if obj is BaseDetectionModel:
-                    continue
-                if not issubclass(obj, BaseDetectionModel):
-                    continue
-                mid = getattr(obj, 'model_id', '')
-                if not mid:
-                    continue
-                if mid in self._classes and self._classes[mid] is not obj:
-                    raise ValueError(
-                        f'duplicate model_id {mid!r}: '
-                        f'{self._classes[mid].__name__} vs {obj.__name__}'
-                    )
-                self._classes[mid] = obj
-        logger.info('discovered %d detection model classes: %s',
-                    len(self._classes), sorted(self._classes.keys()))
-        return dict(self._classes)
-
-    def register_class(self, cls: Type[BaseDetectionModel]) -> None:
-        """테스트·수동 등록용."""
-        mid = getattr(cls, 'model_id', '')
-        if not mid:
-            raise ValueError(f'{cls.__name__}.model_id is empty')
-        self._classes[mid] = cls
-
-    # ------------------------------------------------------------------
-    # Plan 생성
-    # ------------------------------------------------------------------
-    def build_plan(self, conn, *, force_reload: bool = False) -> ExecutionPlan:
-        """DB ACTIVE 버전 + 클래스 + DAG 를 합쳐 ExecutionPlan 생성."""
-        versions = load_active_versions(conn, force_reload=force_reload)
-        edges = self._collect_edges(conn, versions)
-        plan = self._instantiate(versions, edges)
-        plan.topo_order = self._topo_sort(plan)
-        return plan
-
-    def build_plan_from_rows(
-        self,
-        versions: Iterable[VersionRow],
-        dependencies: Iterable[tuple[str, str, str]] = (),
-    ) -> ExecutionPlan:
-        """테스트용 — DB 없이 in-memory rows 만으로 Plan 생성."""
-        edges: dict[str, set[str]] = defaultdict(set)
-        active_ids = {v['model_id'] for v in versions}
-        for model_id, depends_on, _key in dependencies:
-            if model_id in active_ids and depends_on in active_ids:
-                edges[model_id].add(depends_on)
-        # 클래스 선언 depends_on 도 합류
-        for v in versions:
-            cls = self._classes.get(v['model_id'])
-            if cls is None:
-                continue
-            for dep in getattr(cls, 'depends_on', []) or []:
-                if dep in active_ids:
-                    edges[v['model_id']].add(dep)
-
-        plan = self._instantiate(versions, edges)
-        plan.topo_order = self._topo_sort(plan)
-        return plan
-
-    # ------------------------------------------------------------------
-    # 내부
-    # ------------------------------------------------------------------
-    def _collect_edges(
-        self,
-        conn,
-        versions: list[VersionRow],
-    ) -> dict[str, set[str]]:
-        """DB dependencies + 클래스 선언 depends_on 합산."""
-        edges: dict[str, set[str]] = defaultdict(set)
-        active_ids = {v['model_id'] for v in versions}
-
-        try:
-            for model_id, depends_on, _key in load_dependencies(conn):
-                if model_id in active_ids and depends_on in active_ids:
-                    edges[model_id].add(depends_on)
-        except Exception:
-            logger.exception('load_dependencies failed — proceeding with class-level depends_on only')
-
-        for v in versions:
-            cls = self._classes.get(v['model_id'])
-            if cls is None:
-                continue
-            for dep in getattr(cls, 'depends_on', []) or []:
-                if dep in active_ids:
-                    edges[v['model_id']].add(dep)
-        return edges
-
-    def _instantiate(
-        self,
-        versions: Iterable[VersionRow],
-        edges: dict[str, set[str]],
-    ) -> ExecutionPlan:
-        plan = ExecutionPlan()
-        plan.edges = defaultdict(set, {k: set(v) for k, v in edges.items()})
-
-        for v in versions:
-            mid = v['model_id']
-            role = v['role']
-            if role not in ALLOWED_ROLES:
-                logger.warning(
-                    'skip version id=%s role=%r not in %s',
-                    v['id'], role, ALLOWED_ROLES,
-                )
-                continue
-            cls = self._classes.get(mid)
-            if cls is None:
-                logger.warning(
-                    'model_id=%s has ACTIVE version %s(role=%s) but no registered class — skipping',
-                    mid, v['version'], role,
-                )
-                continue
-            try:
-                inst = cls(
-                    version_id=v['id'],
-                    version_str=v['version'],
-                    role=role,
-                    params=v['params'],
-                )
-            except Exception:
-                logger.exception(
-                    'failed to instantiate %s version_id=%s — skipping',
-                    cls.__name__, v['id'],
-                )
-                continue
-
-            if role == ROLE_PRIMARY:
-                if mid in plan.primaries:
-                    # DB UNIQUE INDEX 가 보장하지만 방어적으로
-                    logger.error(
-                        'duplicate PRIMARY for %s (existing id=%s, new id=%s) — keeping existing',
-                        mid, plan.primaries[mid].version_id, v['id'],
-                    )
-                    continue
-                plan.primaries[mid] = inst
-            else:  # SHADOW / CHALLENGER
-                plan.shadows[mid].append(inst)
-        return plan
-
-    @staticmethod
-    def _topo_sort(plan: ExecutionPlan) -> list[str]:
-        """PRIMARY 노드 기준 topological order. 순환 시 DAGCycleError."""
-        nodes = set(plan.primaries.keys()) | set(plan.shadows.keys())
-        # SHADOW-only 모델도 노드로 취급 (PRIMARY 미등록이면 Executor 가 skip)
-        in_degree: dict[str, int] = {n: 0 for n in nodes}
-        adj: dict[str, set[str]] = defaultdict(set)
-        for node, deps in plan.edges.items():
-            if node not in nodes:
-                continue
-            for dep in deps:
-                if dep not in nodes:
-                    continue
-                adj[dep].add(node)
-                in_degree[node] = in_degree.get(node, 0) + 1
-
-        order: list[str] = []
-        queue = deque(sorted([n for n, d in in_degree.items() if d == 0]))
-        while queue:
-            n = queue.popleft()
-            order.append(n)
-            for nxt in sorted(adj[n]):
-                in_degree[nxt] -= 1
-                if in_degree[nxt] == 0:
-                    queue.append(nxt)
-
-        if len(order) != len(nodes):
-            remaining = [n for n in nodes if n not in order]
-            raise DAGCycleError(
-                f'DAG cycle detected among detection models: {sorted(remaining)}'
-            )
-        return order
-
-
-# 편의: 싱글톤 패턴 (운영 환경에서 주로 한 인스턴스만 씀)
-_registry_singleton: Optional[ModelRegistry] = None
-
-
-def get_registry() -> ModelRegistry:
-    global _registry_singleton
-    if _registry_singleton is None:
-        _registry_singleton = ModelRegistry()
-        _registry_singleton.discover_classes()
-    return _registry_singleton
-
-
-__all__ = [
-    'ModelRegistry',
-    'ExecutionPlan',
-    'DAGCycleError',
-    'get_registry',
-    'ROLE_PRIMARY',
-    'ROLE_SHADOW',
-    'ROLE_CHALLENGER',
-]

prediction/models_core/seeds/README.md

@@ -1,93 +0,0 @@
-# Detection Model Seeds
-
-Phase 2 PoC 모델을 V034 `detection_models` + `detection_model_versions` 에 seed 하는 SQL.
-
-## 현재 seed 대상
-
-| 파일 | 모델 | tier | 모드 |
-|---|---|---|---|
-| `v1_dark_suspicion.sql` | `dark_suspicion` (DARK_VESSEL) | 3 | **런타임 override 완성** |
-| `v1_gear_violation.sql` | `gear_violation_g01_g06` (GEAR) | 4 | **런타임 override 완성** |
-| `v1_transshipment.sql` | `transshipment_5stage` (TRANSSHIP) | 4 | 카탈로그 + 관찰 |
-| `v1_risk_composite.sql` | `risk_composite` (META) | 3 | 카탈로그 + 관찰 |
-| `v1_pair_trawl.sql` | `pair_trawl_tier` (GEAR) | 4 | 카탈로그 + 관찰 |
-| `v1_phase2_all.sql` | 5 모델 일괄 | — | \i 로 위 5개 순차 실행 |
-
-### "런타임 override 완성" vs "카탈로그 + 관찰"
-
-- **런타임 override 완성** (`dark_suspicion`, `gear_violation_g01_g06`): 알고리즘 함수가 `params: dict | None = None` 인자를 받고, ACTIVE 버전의 JSONB 를 적용해 실제 가중치·임계값이 교체된다. 운영자가 version 을 ACTIVE 로 승격하면 **다음 사이클 결과가 바뀐다**.
-- **카탈로그 + 관찰** (`transshipment_5stage`, `risk_composite`, `pair_trawl_tier`): 내부 헬퍼 함수들이 모듈 레벨 상수를 직접 참조하여 범위가 큰 리팩토링이 필요. 이번 단계에서는 **DEFAULT_PARAMS 를 DB 카탈로그에 노출 + Adapter 로 결과 관찰 수집**까지만. 런타임 실제 교체는 후속 리팩토링 PR 에서 헬퍼에 params 전파를 완성하면 활성화된다.
-
-## 실행 방법
-
-**중요**: 본 seed 파일들은 `BEGIN`/`COMMIT` 을 포함하지 않는다. 호출자가 트랜잭션을 관리한다.
-
-### (A) 운영 적용 — 단일 트랜잭션 자동 래핑
-
-```bash
-PGPASSWORD=... psql -h <host> -U kcg-app -d kcgaidb \
-  -v ON_ERROR_STOP=1 -1 \
-  -f prediction/models_core/seeds/v1_dark_suspicion.sql
-```
-
-`-1` 플래그가 파일 전체를 한 트랜잭션으로 묶어 어느 INSERT 실패 시 전부 롤백.
-
-### (B) Dry-run — 실제 반영 없이 SQL 검증
-
-```bash
-PGPASSWORD=... psql -h <host> -U kcg-app -d kcgaidb -v ON_ERROR_STOP=1 <<'SQL'
-BEGIN;
-\i prediction/models_core/seeds/v1_dark_suspicion.sql
-SELECT version, status, params->'tier_thresholds'
-  FROM kcg.detection_model_versions WHERE model_id='dark_suspicion';
-ROLLBACK;
-SQL
-```
-
-### ⚠️ 사용 금지 패턴
-
-```bash
-# 절대 금지 — 각 -c/-f 가 별도 세션이라 실제로 INSERT 됨
-psql -c 'BEGIN;' -f v1_dark_suspicion.sql -c 'ROLLBACK;'
-```
-
-## 운영자 승격 절차
-
-1. seed 결과는 `status=DRAFT role=NULL` → prediction 은 **참조하지 않음**
-   (`params_loader` 는 `WHERE status='ACTIVE' AND is_enabled=TRUE`).
-2. Phase 3 백엔드 API 배포 후 운영자가 다음 중 하나로 승격:
-   - `POST /api/ai/detection-models/{modelId}/versions/{versionId}/activate?role=SHADOW` — 관찰 전용
-   - `POST /api/ai/detection-models/{modelId}/versions/{versionId}/activate?role=PRIMARY` — 운영 반영
-   - `POST /api/ai/detection-models/{modelId}/versions/{versionId}/promote-primary` — SHADOW→PRIMARY 승격 (기존 PRIMARY 자동 ARCHIVED)
-3. prediction 은 다음 사이클 시작 시 `params_loader` TTL(5분) 만료 후 자동 적재.
-4. `PREDICTION_USE_MODEL_REGISTRY=1` 환경변수로 재기동해야 실제 실행
-   (기본 `0` 은 구 경로 유지, Phase 2 diff=0 검증 전까지 안전).
-
-## 동치성 검증
-
-각 모델의 `params` JSONB 는 Python 소스의 `*_DEFAULT_PARAMS` 상수와 1:1 일치.
-정적 검증은 `prediction/tests/test_dark_suspicion_params.py::test_seed_sql_values_match_python_default` 가 담당.
-
-런타임 검증(신·구 경로 diff):
-1. 같은 모델에 v1.0.0 (DEFAULT) 를 PRIMARY 로 seed
-2. (선택) v1.0.0-shadow 를 **동일 params** 로 SHADOW 로 seed
-3. `PREDICTION_USE_MODEL_REGISTRY=1` 로 5분 사이클 1회 실행
-4. `kcg.v_detection_model_comparison` 뷰에서 PRIMARY↔SHADOW `outputs` 비교 → 전 입력 동일이어야 함
-
-## 롤백
-
-```sql
--- 한 모델만
-DELETE FROM kcg.detection_model_versions WHERE model_id = 'dark_suspicion';
-DELETE FROM kcg.detection_models WHERE model_id = 'dark_suspicion';
-
--- Phase 2 전체 (후속 PR 반영 이후)
-DELETE FROM kcg.detection_model_versions WHERE model_id IN (
-  'dark_suspicion', 'gear_violation_g01_g06', 'transshipment_5stage',
-  'risk_composite', 'pair_trawl_tier'
-);
-DELETE FROM kcg.detection_models WHERE model_id IN (
-  'dark_suspicion', 'gear_violation_g01_g06', 'transshipment_5stage',
-  'risk_composite', 'pair_trawl_tier'
-);
-```

prediction/models_core/seeds/v1_dark_suspicion.sql

@@ -1,97 +0,0 @@
--- Phase 2 PoC #1 — dark_suspicion 모델 seed
---
--- ⚠️ 트랜잭션 제어는 호출자가 담당한다. 본 파일에는 BEGIN/COMMIT 가 없다.
--- 반드시 아래 중 하나의 방식으로 실행하라:
---
---   (A) 단일 트랜잭션 자동 래핑 (운영 적용):
---       psql -v ON_ERROR_STOP=1 -1 -f prediction/models_core/seeds/v1_dark_suspicion.sql
---
---   (B) dry-run (실제 반영 없이 SQL 검증만):
---       psql -v ON_ERROR_STOP=1 <<SQL
---       BEGIN;
---       \i prediction/models_core/seeds/v1_dark_suspicion.sql
---       -- 결과 확인 쿼리
---       ROLLBACK;
---       SQL
---
--- psql 의 `-c BEGIN -f FILE -c ROLLBACK` 조합은 각 -c/-f 가 **별도 세션** 이라
--- 트랜잭션이 격리되지 않아 실제 INSERT 된다. 절대 사용 금지.
---
--- 결과:  kcg.detection_models 에 'dark_suspicion' 1 행 INSERT
---        kcg.detection_model_versions 에 v1.0.0 status=DRAFT role=NULL 1 행 INSERT
---
--- 동치성 보장:  params JSONB 는 prediction/algorithms/dark_vessel.py
---              DARK_SUSPICION_DEFAULT_PARAMS 의 값과 1:1 일치 (Python 상수가 SSOT).
---
--- Phase 3 백엔드 API 배포 후 운영자가 TESTING→ACTIVE(role=PRIMARY) 로 승격하면
--- prediction 이 다음 사이클에서 params_loader TTL(5분) 만료 후 자동 적재한다.
--- `PREDICTION_USE_MODEL_REGISTRY=1` 환경변수가 필요하다 (기본 0).
---
--- 롤백:
---   DELETE FROM kcg.detection_model_versions
---     WHERE model_id = 'dark_suspicion' AND version = '1.0.0';
---   DELETE FROM kcg.detection_models WHERE model_id = 'dark_suspicion';
-
-INSERT INTO kcg.detection_models (
-    model_id, display_name, tier, category,
-    description, entry_module, entry_callable, is_enabled
-) VALUES (
-    'dark_suspicion',
-    '다크 베셀 의심도 (패턴 기반 P1~P11 + 커버리지 감점)',
-    3,
-    'DARK_VESSEL',
-    '의도적 AIS OFF 의심 점수(0~100)를 산출. gap_info + is_permitted + 반복 이력 + 선종/항해 상태/heading-COG 불일치/커버리지 감점 기반. 패턴 가중치는 params.weights 에서 전부 조정 가능하다.',
-    'models_core.registered.dark_suspicion_model',
-    'DarkSuspicionModel',
-    TRUE
-) ON CONFLICT (model_id) DO NOTHING;
-
-INSERT INTO kcg.detection_model_versions (
-    model_id, version, status, role, params, notes
-) VALUES (
-    'dark_suspicion',
-    '1.0.0',
-    'DRAFT',
-    NULL,
-    $json${
-      "sog_thresholds": {
-        "moving": 5.0,
-        "slow_moving": 2.0,
-        "underway_deliberate": 3.0
-      },
-      "heading_cog_mismatch_deg": 60.0,
-      "weights": {
-        "P1_moving_off": 25,
-        "P1_slow_moving_off": 15,
-        "P2_sensitive_zone": 25,
-        "P2_special_zone": 15,
-        "P3_repeat_high": 30,
-        "P3_repeat_low": 15,
-        "P3_recent_dark": 10,
-        "P4_distance_anomaly": 20,
-        "P5_daytime_fishing_off": 15,
-        "P6_teleport_before_gap": 15,
-        "P7_unpermitted": 10,
-        "P8_very_long_gap": 15,
-        "P8_long_gap": 10,
-        "P9_fishing_vessel_dark": 10,
-        "P9_cargo_natural_gap": -10,
-        "P10_underway_deliberate": 20,
-        "P10_anchored_natural": -15,
-        "P11_heading_cog_mismatch": 15,
-        "out_of_coverage": -50
-      },
-      "repeat_thresholds": {"h7_high": 3, "h7_low": 2, "h24_recent": 1},
-      "gap_min_thresholds": {"very_long": 360, "long": 180},
-      "p4_distance_multiplier": 2.0,
-      "p5_daytime_range": [6, 18],
-      "tier_thresholds": {"critical": 70, "high": 50, "watch": 30}
-    }$json$::jsonb,
-    'Phase 2 PoC #1 seed. Python DARK_SUSPICION_DEFAULT_PARAMS 와 1:1 일치 — 신·구 경로 diff=0 전제.'
-) ON CONFLICT (model_id, version) DO NOTHING;
-
--- 확인
-SELECT model_id, is_enabled,
-       (SELECT count(*) FROM kcg.detection_model_versions v WHERE v.model_id = m.model_id) AS versions
-  FROM kcg.detection_models m
- WHERE model_id = 'dark_suspicion';

prediction/models_core/seeds/v1_gear_violation.sql

@@ -1,65 +0,0 @@
--- Phase 2 PoC #2 — gear_violation_g01_g06 모델 seed
---
--- 트랜잭션 제어는 호출자가 담당. BEGIN/COMMIT 없음. 실행 방법은 seeds/README.md 참조.
---
--- 결과:  kcg.detection_models 에 'gear_violation_g01_g06' 1 행 INSERT
---        kcg.detection_model_versions 에 v1.0.0 status=DRAFT role=NULL 1 행 INSERT
---
--- 동치성 보장: params JSONB 는 prediction/algorithms/gear_violation.py
---             GEAR_VIOLATION_DEFAULT_PARAMS 와 1:1 일치 (Python 상수가 SSOT).
---
--- 롤백:
---   DELETE FROM kcg.detection_model_versions
---     WHERE model_id = 'gear_violation_g01_g06' AND version = '1.0.0';
---   DELETE FROM kcg.detection_models WHERE model_id = 'gear_violation_g01_g06';
-
-INSERT INTO kcg.detection_models (
-    model_id, display_name, tier, category,
-    description, entry_module, entry_callable, is_enabled
-) VALUES (
-    'gear_violation_g01_g06',
-    '어구 위반 G-01~G-06 종합 (DAR-03)',
-    4,
-    'GEAR',
-    'DAR-03 규격 G-01 허가수역 외 조업 + G-02 금어기 + G-03 미등록 어구 + G-04 MMSI 조작 + G-05 어구 drift + G-06 쌍끌이 공조 판정 통합. 각 G-code 점수·허용 어구 매핑·signal cycling 임계는 params 에서 조정.',
-    'models_core.registered.gear_violation_model',
-    'GearViolationModel',
-    TRUE
-) ON CONFLICT (model_id) DO NOTHING;
-
-INSERT INTO kcg.detection_model_versions (
-    model_id, version, status, role, params, notes
-) VALUES (
-    'gear_violation_g01_g06',
-    '1.0.0',
-    'DRAFT',
-    NULL,
-    $json${
-      "scores": {
-        "G01_zone_violation": 15,
-        "G02_closed_season": 18,
-        "G03_unregistered_gear": 12,
-        "G04_signal_cycling": 10,
-        "G05_gear_drift": 5,
-        "G06_pair_trawl": 20
-      },
-      "signal_cycling": {"gap_min": 30, "min_count": 2},
-      "gear_drift_threshold_nm": 0.270,
-      "fixed_gear_types": ["FPO", "FYK", "GN", "GND", "GNS", "TRAP"],
-      "fishery_code_allowed_gear": {
-        "PT":   ["PT", "PT-S", "TRAWL"],
-        "PT-S": ["PT", "PT-S", "TRAWL"],
-        "GN":   ["GILLNET", "GN", "GND", "GNS"],
-        "PS":   ["PS", "PURSE"],
-        "OT":   ["OT", "TRAWL"],
-        "FC":   []
-      }
-    }$json$::jsonb,
-    'Phase 2 PoC #2 seed. Python GEAR_VIOLATION_DEFAULT_PARAMS 와 1:1 일치.'
-) ON CONFLICT (model_id, version) DO NOTHING;
-
--- 확인
-SELECT model_id, is_enabled,
-       (SELECT count(*) FROM kcg.detection_model_versions v WHERE v.model_id = m.model_id) AS versions
-  FROM kcg.detection_models m
- WHERE model_id = 'gear_violation_g01_g06';

prediction/models_core/seeds/v1_pair_trawl.sql

@@ -1,65 +0,0 @@
--- Phase 2 PoC #5 — pair_trawl_tier 모델 seed (카탈로그 + 관찰 전용)
---
--- STRONG/PROBABLE/SUSPECT tier 임계 + candidate scan 파라미터 노출.
--- 런타임 override 는 후속 리팩토링 PR.
-
-INSERT INTO kcg.detection_models (
-    model_id, display_name, tier, category,
-    description, entry_module, entry_callable, is_enabled
-) VALUES (
-    'pair_trawl_tier',
-    '쌍끌이 공조 tier (STRONG / PROBABLE / SUSPECT)',
-    4,
-    'GEAR',
-    '두 선박의 근접·속력·방향 동조 기반 쌍끌이(G-06) 판정. STRONG(스펙 100%) / PROBABLE(1h+ 동조) / SUSPECT(30m+ 약한 동조) 3 tier. 현 버전은 params 카탈로그 등록만.',
-    'models_core.registered.pair_trawl_model',
-    'PairTrawlModel',
-    TRUE
-) ON CONFLICT (model_id) DO NOTHING;
-
-INSERT INTO kcg.detection_model_versions (
-    model_id, version, status, role, params, notes
-) VALUES (
-    'pair_trawl_tier',
-    '1.0.0',
-    'DRAFT',
-    NULL,
-    $json${
-      "cycle_interval_min": 5,
-      "strong": {
-        "proximity_nm": 0.27,
-        "sog_delta_max": 0.5,
-        "cog_delta_max": 10.0,
-        "sog_min": 2.0,
-        "sog_max": 4.0,
-        "min_sync_cycles": 24,
-        "simultaneous_gap_min": 30
-      },
-      "probable": {
-        "min_block_cycles": 12,
-        "min_sync_ratio": 0.6,
-        "proximity_nm": 0.43,
-        "sog_delta_max": 1.0,
-        "cog_delta_max": 20.0,
-        "sog_min": 1.5,
-        "sog_max": 5.0
-      },
-      "suspect": {
-        "min_block_cycles": 6,
-        "min_sync_ratio": 0.3
-      },
-      "candidate_scan": {
-        "cell_size_deg": 0.01,
-        "proximity_factor": 2.0,
-        "sog_min": 1.5,
-        "sog_max": 5.0
-      }
-    }$json$::jsonb,
-    'Phase 2 PoC #5 seed. Python PAIR_TRAWL_DEFAULT_PARAMS 와 1:1 일치.'
-) ON CONFLICT (model_id, version) DO NOTHING;
-
--- 확인
-SELECT model_id, is_enabled,
-       (SELECT count(*) FROM kcg.detection_model_versions v WHERE v.model_id = m.model_id) AS versions
-  FROM kcg.detection_models m
- WHERE model_id = 'pair_trawl_tier';

prediction/models_core/seeds/v1_phase2_all.sql

@@ -1,47 +0,0 @@
--- Phase 2 PoC 5 모델 일괄 seed
---
--- 한 번의 트랜잭션으로 5 모델 × 각 1 버전(DRAFT) 을 카탈로그에 등록.
--- 호출자가 BEGIN/COMMIT 을 제공하거나 `psql -1` 래핑을 사용해야 한다.
---
--- 실행:
---   psql -v ON_ERROR_STOP=1 -1 \
---     -f prediction/models_core/seeds/v1_phase2_all.sql
---
--- dry-run:
---   psql -v ON_ERROR_STOP=1 <<'SQL'
---   BEGIN;
---   \i prediction/models_core/seeds/v1_phase2_all.sql
---   SELECT model_id, tier, (SELECT count(*) FROM kcg.detection_model_versions v
---                             WHERE v.model_id=m.model_id) vers
---     FROM kcg.detection_models m ORDER BY tier, model_id;
---   ROLLBACK;
---   SQL
---
--- 개별 롤백: 각 v1_<model>.sql 하단 주석 참조.
---
--- 전체 롤백:
---   DELETE FROM kcg.detection_model_versions WHERE model_id IN (
---     'dark_suspicion', 'gear_violation_g01_g06', 'transshipment_5stage',
---     'risk_composite', 'pair_trawl_tier'
---   );
---   DELETE FROM kcg.detection_models WHERE model_id IN (
---     'dark_suspicion', 'gear_violation_g01_g06', 'transshipment_5stage',
---     'risk_composite', 'pair_trawl_tier'
---   );
-
-\i prediction/models_core/seeds/v1_dark_suspicion.sql
-\i prediction/models_core/seeds/v1_gear_violation.sql
-\i prediction/models_core/seeds/v1_transshipment.sql
-\i prediction/models_core/seeds/v1_risk_composite.sql
-\i prediction/models_core/seeds/v1_pair_trawl.sql
-
--- 최종 확인
-SELECT m.model_id, m.tier, m.category, m.is_enabled,
-       (SELECT count(*) FROM kcg.detection_model_versions v
-         WHERE v.model_id = m.model_id) AS versions
-  FROM kcg.detection_models m
- WHERE m.model_id IN (
-       'dark_suspicion', 'gear_violation_g01_g06', 'transshipment_5stage',
-       'risk_composite', 'pair_trawl_tier'
- )
- ORDER BY m.tier, m.model_id;

prediction/models_core/seeds/v1_risk_composite.sql

@@ -1,79 +0,0 @@
--- Phase 2 PoC #4 — risk_composite 모델 seed (카탈로그 등록 + 관찰 전용)
---
--- compute_lightweight_risk_score / compute_vessel_risk_score 가 inline 숫자를
--- 직접 쓰고 있어 이번 버전은 params 카탈로그·관찰만 등록. 런타임 override 는
--- 후속 리팩토링 PR 에서 활성화.
-
-INSERT INTO kcg.detection_models (
-    model_id, display_name, tier, category,
-    description, entry_module, entry_callable, is_enabled
-) VALUES (
-    'risk_composite',
-    '종합 위험도 (경량 + 파이프라인)',
-    3,
-    'META',
-    '파이프라인 미통과(경량) + 통과(정밀) 경로의 위험도 점수(0~100) + tier(CRITICAL/HIGH/MEDIUM/LOW) 산출. 수역·다크·스푸핑·허가·반복 축으로 가산. 현 버전은 params 카탈로그 등록만.',
-    'models_core.registered.risk_composite_model',
-    'RiskCompositeModel',
-    TRUE
-) ON CONFLICT (model_id) DO NOTHING;
-
-INSERT INTO kcg.detection_model_versions (
-    model_id, version, status, role, params, notes
-) VALUES (
-    'risk_composite',
-    '1.0.0',
-    'DRAFT',
-    NULL,
-    $json${
-      "tier_thresholds": {"critical": 70, "high": 50, "medium": 30},
-      "lightweight_weights": {
-        "territorial_sea": 40,
-        "contiguous_zone": 15,
-        "zone_unpermitted": 25,
-        "eez_lt12nm": 15,
-        "eez_lt24nm": 8,
-        "dark_suspicion_multiplier": 0.3,
-        "dark_gap_720_min": 25,
-        "dark_gap_180_min": 20,
-        "dark_gap_60_min": 15,
-        "dark_gap_30_min": 8,
-        "spoofing_gt07": 15,
-        "spoofing_gt05": 8,
-        "unpermitted_alone": 15,
-        "unpermitted_with_suspicion": 8,
-        "repeat_gte5": 10,
-        "repeat_gte2": 5
-      },
-      "pipeline_weights": {
-        "territorial_sea": 40,
-        "contiguous_zone": 10,
-        "zone_unpermitted": 25,
-        "territorial_fishing": 20,
-        "fishing_segments_any": 5,
-        "trawl_uturn": 10,
-        "teleportation": 20,
-        "speed_jumps_ge3": 10,
-        "speed_jumps_ge1": 5,
-        "critical_gaps_ge60": 15,
-        "any_gaps": 5,
-        "unpermitted": 20
-      },
-      "dark_suspicion_fallback_gap_min": {
-        "very_long_720": 720,
-        "long_180": 180,
-        "mid_60": 60,
-        "short_30": 30
-      },
-      "spoofing_thresholds": {"high_0.7": 0.7, "medium_0.5": 0.5},
-      "eez_proximity_nm": {"inner_12": 12, "outer_24": 24},
-      "repeat_thresholds": {"h24_high": 5, "h24_low": 2}
-    }$json$::jsonb,
-    'Phase 2 PoC #4 seed. Python RISK_COMPOSITE_DEFAULT_PARAMS 와 1:1 일치.'
-) ON CONFLICT (model_id, version) DO NOTHING;
-
--- 확인
-SELECT model_id, is_enabled,
-       (SELECT count(*) FROM kcg.detection_model_versions v WHERE v.model_id = m.model_id) AS versions
-  FROM kcg.detection_models m
- WHERE model_id = 'risk_composite';

prediction/models_core/seeds/v1_transshipment.sql

@@ -1,51 +0,0 @@
--- Phase 2 PoC #3 — transshipment_5stage 모델 seed (카탈로그 등록 + 관찰 전용)
---
--- 본 버전은 `params` 를 DB 에 노출하지만 런타임 override 는 아직 반영하지 않는다.
--- 내부 헬퍼 함수들(_is_proximity / _is_approach / _evict_expired)이 모듈 레벨 상수를
--- 직접 참조하므로, 후속 리팩토링 PR 에서 params 전파를 완성하면 런타임 값 교체가
--- 가능해진다. 카탈로그·관찰만으로 Phase 2 PoC 의 "모델 단위 분리" 가치는 확보.
---
--- 실행 방법 + 롤백은 seeds/README.md 참조.
-
-INSERT INTO kcg.detection_models (
-    model_id, display_name, tier, category,
-    description, entry_module, entry_callable, is_enabled
-) VALUES (
-    'transshipment_5stage',
-    '환적 의심 5단계 필터 (이종 쌍 → 감시영역 → APPROACH → RENDEZVOUS → 점수)',
-    4,
-    'TRANSSHIP',
-    '어선 ↔ 운반선 이종 쌍을 감시영역 내에서만 추적해 APPROACH → RENDEZVOUS → DEPARTURE 패턴을 검증하고 점수 산출. 현 버전은 params 카탈로그 등록만, 런타임 override 는 후속 PR 에서.',
-    'models_core.registered.transshipment_model',
-    'TransshipmentModel',
-    TRUE
-) ON CONFLICT (model_id) DO NOTHING;
-
-INSERT INTO kcg.detection_model_versions (
-    model_id, version, status, role, params, notes
-) VALUES (
-    'transshipment_5stage',
-    '1.0.0',
-    'DRAFT',
-    NULL,
-    $json${
-      "sog_threshold_kn": 2.0,
-      "proximity_deg": 0.002,
-      "approach_deg": 0.01,
-      "rendezvous_min": 90,
-      "pair_expiry_min": 240,
-      "gap_tolerance_cycles": 3,
-      "fishing_kinds": ["000020"],
-      "carrier_kinds": ["000023", "000024"],
-      "excluded_ship_ty": ["AtoN", "Anti Pollution", "Law Enforcement", "Medical Transport", "Passenger", "Pilot Boat", "Search And Rescue", "Tug"],
-      "carrier_hints": ["cargo", "tanker", "supply", "carrier", "reefer"],
-      "min_score": 50
-    }$json$::jsonb,
-    'Phase 2 PoC #3 seed. Python TRANSSHIPMENT_DEFAULT_PARAMS 와 1:1 일치. 현 버전은 카탈로그만, 런타임 override 는 후속 PR.'
-) ON CONFLICT (model_id, version) DO NOTHING;
-
--- 확인
-SELECT model_id, is_enabled,
-       (SELECT count(*) FROM kcg.detection_model_versions v WHERE v.model_id = m.model_id) AS versions
-  FROM kcg.detection_models m
- WHERE model_id = 'transshipment_5stage';

prediction/scheduler.py

@@ -74,42 +74,6 @@ def _fetch_dark_history(kcg_conn, mmsi_list: list[str]) -> dict[str, dict]:
         return {}
 
 
-def _run_detection_model_registry(cycle_started_at, results):
-    """Phase 1-2 — ACTIVE 버전 인스턴스를 모두 돌려서 비교·관측 데이터를 남긴다.
-
-    신 경로는 기존 사이클 결과(`results`)를 대체하지 않는다. ctx.inputs 로
-    전달되어 각 모델이 **같은 입력에 대해** PRIMARY/SHADOW 결과를 내도록 한다.
-
-    Phase 2 에서 실제 모델 클래스가 추가되기 전까지는 ACTIVE 버전이 없어
-    사실상 no-op 에 가깝다. 구 경로와의 공존을 위해 항상 try/except 로 감싼다.
-    """
-    from db import kcgdb
-    from models_core.base import ModelContext
-    from models_core.executor import DAGExecutor
-    from models_core.registry import get_registry
-
-    registry = get_registry()
-    with kcgdb.get_conn() as conn:
-        try:
-            plan = registry.build_plan(conn)
-        except Exception:
-            logger.exception('detection model plan build failed — skipping registry stage')
-            return
-
-        if not plan.primaries and not plan.shadows:
-            logger.info('detection model registry: no ACTIVE versions — nothing to run')
-            return
-
-        from dataclasses import asdict
-        inputs = [asdict(r) for r in (results or [])]
-        ctx = ModelContext(
-            cycle_started_at=cycle_started_at,
-            conn=conn,
-            inputs=inputs,
-        )
-        DAGExecutor(plan).run(ctx)
-
-
 def get_last_run() -> dict:
     return _last_run.copy()
 
@@ -826,22 +790,6 @@ def run_analysis_cycle():
         except Exception as e:
             logger.exception('failed to cache analysis context for chat: %s', e)
 
-        # 10. Detection Model Registry (Phase 1-2)
-        # PREDICTION_USE_MODEL_REGISTRY=1 일 때만 신 경로 실행. 기본은 구 경로만.
-        # 이 분기는 기존 사이클 결과를 건드리지 않고, ACTIVE 버전들의 결과를
-        # detection_model_run_outputs / detection_model_metrics 에 기록한다.
-        try:
-            from models_core.feature_flag import use_model_registry
-            if use_model_registry():
-                run_stage(
-                    'detection_model_registry',
-                    _run_detection_model_registry,
-                    cycle_started_at=datetime.fromisoformat(_last_run['timestamp']),
-                    results=results,
-                )
-        except Exception as e:
-            logger.exception('detection model registry stage setup failed: %s', e)
-
         elapsed = round(time.time() - start, 2)
         _last_run['duration_sec'] = elapsed
         _last_run['vessel_count'] = len(results)

prediction/scripts/diagnostic-snapshot.sh

@@ -55,22 +55,6 @@ FROM kcg.vessel_analysis_results
 WHERE analyzed_at > now() - interval '5 minutes';
 SQL
 
-echo ""
-echo "--- 1b. SPOOFING signal health (silent-vs-fault 구분) ---"
-# gt0 > 0 인데 gt0.5 = 0 이면 "알고리즘 동작 + threshold 미돌파" (정상),
-# gt0 = 0 이면 "알고리즘 자체가 계산을 못 하고 있음" (silent fault) → 로그 추적 필요.
-$PSQL_TABLE << 'SQL'
-SELECT count(*) total,
-       count(*) FILTER (WHERE spoofing_score > 0) gt0,
-       count(*) FILTER (WHERE spoofing_score > 0.3) gt03,
-       count(*) FILTER (WHERE spoofing_score > 0.5) gt05,
-       count(*) FILTER (WHERE spoofing_score > 0.7) gt07,
-       round(avg(spoofing_score)::numeric, 4) avg_score,
-       round(max(spoofing_score)::numeric, 4) max_score
-FROM kcg.vessel_analysis_results
-WHERE analyzed_at > now() - interval '5 minutes';
-SQL
-
 #===================================================================
 # PART 2: 다크베셀 심층 진단
 #===================================================================
@@ -362,64 +346,15 @@ FROM kcg.prediction_kpi_realtime ORDER BY kpi_key;
 SQL
 
 #===================================================================
-# PART 6.5: V030 + V034 관찰 (원시 테이블)
+# PART 7: 사이클 로그 + 에러
-#===================================================================
-echo ""
-echo "================================================================="
-echo "PART 6.5: V030 gear_identity_collisions + V034 detection_model_*"
-echo "================================================================="
-
-echo ""
-echo "--- 6.5-1. gear_identity_collisions severity x status (1h) ---"
-$PSQL_TABLE << 'SQL'
-SELECT severity, status, count(*) cnt, max(last_seen_at) last_seen
-FROM kcg.gear_identity_collisions
-WHERE last_seen_at > now() - interval '1 hour'
-GROUP BY severity, status ORDER BY cnt DESC;
-SQL
-
-echo ""
-echo "--- 6.5-2. detection_models + 버전 상태 (Phase 1-2 이후 활성) ---"
-$PSQL_TABLE << 'SQL'
-SELECT count(*) AS catalog,
-       count(*) FILTER (WHERE is_enabled) AS enabled
-FROM kcg.detection_models;
-SQL
-
-$PSQL_TABLE << 'SQL'
-SELECT status, coalesce(role,'(null)') role, count(*) cnt
-FROM kcg.detection_model_versions
-GROUP BY status, role ORDER BY status, role;
-SQL
-
-echo ""
-echo "--- 6.5-3. detection_model_run_outputs 5분 적재 (feature flag ON 시 증가) ---"
-$PSQL_TABLE << 'SQL'
-SELECT model_id, role, count(*) rows
-FROM kcg.detection_model_run_outputs
-WHERE cycle_started_at > now() - interval '5 minutes'
-GROUP BY model_id, role ORDER BY rows DESC LIMIT 10;
-SQL
-
-#===================================================================
-# PART 7: 사이클 로그 + 에러 + stage timing
 #===================================================================
 echo ""
 echo "================================================================="
 echo "PART 7: 사이클 로그 (최근 6분)"
 echo "================================================================="
-# stage_runner (Phase 0-1) + DAGExecutor (Phase 1-2) 로그 추가
 journalctl -u kcg-ai-prediction --since '6 minutes ago' --no-pager 2>/dev/null | \
-  grep -E 'analysis cycle:|lightweight|pipeline dark:|event_generator:|pair_trawl|gear_violation|GEAR_ILLEGAL|stage [a-z_]+ (ok|failed)|DAGExecutor done|detection model registry|ERROR|Traceback' | \
+  grep -E 'analysis cycle:|lightweight|pipeline dark:|event_generator:|pair_trawl|gear_violation|GEAR_ILLEGAL|ERROR|Traceback' | \
-  tail -40
+  tail -20
-
-echo ""
-echo "--- 7-1. STAGE TIMING (소요시간 상위 + 실패) ---"
-journalctl -u kcg-ai-prediction --since '6 minutes ago' --no-pager 2>/dev/null | \
-  grep -oE 'stage [a-z_@.[:blank:][:digit:].-]+ (ok in [0-9.]+s|failed)' | \
-  awk '/failed/ {print "FAIL " $0; next}
-       /ok in/ {n=split($0,a," "); sec=a[n]; sub(/s$/,"",sec); printf "%8.2fs %s\n", sec, $0}' | \
-  sort -rn | awk 'NR<=8 || /^FAIL/' | head -20
 
 #===================================================================
 # PART 7.5: 한중어업협정 레지스트리 매칭 (V029)

prediction/scripts/hourly-analysis-snapshot.sh

@@ -37,21 +37,6 @@ SELECT count(*) total,
 FROM kcg.vessel_analysis_results
 WHERE analyzed_at > now() - interval '1 hour';
 
-\echo
-\echo === 1a. SPOOFING signal health (silent-vs-fault 구분) ===
--- spoof_hi=0 이 "고장"인지 "신호 없음"인지 구분하려면 gt0 / gt03 / gt05 / max 를 모두 본다.
--- gt0 가 0 이면 파이프라인이 spoofing_score 를 아예 계산하지 못하고 있다는 신호 (원인 추적 필요).
--- gt0>0 인데 gt05=0 이면 알고리즘은 동작 중이나 threshold 돌파 대상이 없다 (정상일 수 있음).
-SELECT count(*) total,
-       count(*) FILTER (WHERE spoofing_score > 0) gt0,
-       count(*) FILTER (WHERE spoofing_score > 0.3) gt03,
-       count(*) FILTER (WHERE spoofing_score > 0.5) gt05,
-       count(*) FILTER (WHERE spoofing_score > 0.7) gt07,
-       round(avg(spoofing_score)::numeric, 4) avg_score,
-       round(max(spoofing_score)::numeric, 4) max_score
-FROM kcg.vessel_analysis_results
-WHERE analyzed_at > now() - interval '1 hour';
-
 \echo
 \echo === 2. ZONE x DARK x GEAR_VIOLATION distribution ===
 SELECT zone_code,
@@ -384,101 +369,18 @@ SELECT date_trunc('hour', occurred_at AT TIME ZONE 'Asia/Seoul') hr,
        count(*) FILTER (WHERE category='EEZ_INTRUSION') eez,
        count(*) FILTER (WHERE category='GEAR_ILLEGAL') gear_illegal,
        count(*) FILTER (WHERE category='HIGH_RISK_VESSEL') high_risk,
-       count(*) FILTER (WHERE category='GEAR_IDENTITY_COLLISION') gear_collide,
        count(*) FILTER (WHERE level='CRITICAL') critical
 FROM kcg.prediction_events
 WHERE created_at > now() - interval '24 hours'
 GROUP BY hr ORDER BY hr DESC LIMIT 25;
 
-\echo
-\echo ===================================================================
-\echo === V030 GEAR_IDENTITY_COLLISIONS (원시 테이블 관찰)
-\echo ===================================================================
-\echo
-\echo === V030-1. severity x status 분포 (24h) ===
-SELECT severity, status, count(*) cnt,
-       max(last_seen_at) last_seen
-FROM kcg.gear_identity_collisions
-WHERE last_seen_at > now() - interval '24 hours'
-GROUP BY severity, status ORDER BY cnt DESC;
-
-\echo
-\echo === V030-2. coexistence/swap 상위 20건 (24h) ===
-SELECT name, mmsi_lo, mmsi_hi, severity, status,
-       coexistence_count coex, swap_count swap,
-       round(max_distance_km::numeric, 1) max_km
-FROM kcg.gear_identity_collisions
-WHERE last_seen_at > now() - interval '24 hours'
-ORDER BY (coexistence_count + swap_count * 5) DESC LIMIT 20;
-
-\echo
-\echo ===================================================================
-\echo === V034 DETECTION_MODEL REGISTRY (Phase 1-2)
-\echo ===================================================================
-\echo
-\echo === V034-1. model catalog + enabled 여부 ===
-SELECT count(*) catalog_total,
-       count(*) FILTER (WHERE is_enabled) enabled
-FROM kcg.detection_models;
-
-\echo
-\echo === V034-2. version 상태 x role 분포 ===
-SELECT status, coalesce(role,'(null)') role, count(*) cnt
-FROM kcg.detection_model_versions
-GROUP BY status, role ORDER BY status, role;
-
-\echo
-\echo === V034-3. detection_model_run_outputs 1h 적재 현황 (feature flag ON 시 증가) ===
-SELECT model_id, role, count(*) rows,
-       min(cycle_started_at) oldest, max(cycle_started_at) newest
-FROM kcg.detection_model_run_outputs
-WHERE cycle_started_at > now() - interval '1 hour'
-GROUP BY model_id, role ORDER BY rows DESC;
-
-\echo
-\echo === V034-4. detection_model_metrics 최신 5 모델 평균 소요 ===
-SELECT model_id, role,
-       round(avg(metric_value) FILTER (WHERE metric_key='cycle_duration_ms')::numeric, 1) avg_ms,
-       round(avg(metric_value) FILTER (WHERE metric_key='output_count')::numeric, 1) avg_out
-FROM kcg.detection_model_metrics
-WHERE cycle_started_at > now() - interval '1 hour'
-GROUP BY model_id, role ORDER BY model_id, role;
-
-\echo
-\echo === C1. stats_hourly vs raw events 카테고리 drift (event_generator silent drop 감시) ===
--- raw prediction_events 에는 있지만 stats_hourly.by_category 에는 없는 카테고리 (반대도 표시)
-WITH recent_events AS (
-  SELECT DISTINCT category FROM kcg.prediction_events
-   WHERE created_at > now() - interval '2 hours'
-),
-stats_cats AS (
-  SELECT DISTINCT jsonb_object_keys(by_category) AS category
-    FROM kcg.prediction_stats_hourly
-   WHERE stat_hour > now() - interval '2 hours'
-)
-SELECT 'only_in_events' gap, category FROM recent_events
- WHERE category NOT IN (SELECT category FROM stats_cats)
-UNION ALL
-SELECT 'only_in_stats', category FROM stats_cats
- WHERE category NOT IN (SELECT category FROM recent_events);
-
 SQL
 
 echo ""
 echo "=== 13. CYCLE LOG (last 65 min) ==="
-# stage_runner, DAGExecutor, detection_model_registry, Traceback 까지 함께 추적
 journalctl -u kcg-ai-prediction --since '65 minutes ago' --no-pager 2>/dev/null | \
-  grep -E 'lightweight|event_generator:|stats_aggregator hourly|kpi_writer:|analysis cycle:|pair_trawl|gear_violation|GEAR_ILLEGAL|stage [a-z_]+ (ok|failed)|DAGExecutor done|detection model registry|ERROR|Traceback' | \
+  grep -E 'lightweight|event_generator:|stats_aggregator hourly|kpi_writer:|analysis cycle:|pair_trawl|gear_violation|GEAR_ILLEGAL|ERROR|Traceback' | \
-  tail -80
+  tail -60
-
-echo ""
-echo "=== 14. STAGE TIMING (last 65 min, 소요시간 상위 10 + 실패 전체) ==="
-# stage ok in X.XXs / stage failed after 를 수집하여 실패+장시간 스테이지 식별
-journalctl -u kcg-ai-prediction --since '65 minutes ago' --no-pager 2>/dev/null | \
-  grep -oE 'stage [a-z_@.[:blank:][:digit:].-]+ (ok in [0-9.]+s|failed)' | \
-  awk '/failed/ {print "FAIL " $0; next}
-       /ok in/ {n=split($0,a," "); sec=a[n]; sub(/s$/,"",sec); printf "%8.2fs %s\n", sec, $0}' | \
-  sort -rn | awk 'NR<=10 || /^FAIL/' | head -40
 
 echo ""
 echo "=== END ==="

prediction/tests/test_dark_suspicion_params.py

@@ -1,159 +0,0 @@
-"""Phase 2 PoC #1 — dark_suspicion params 외부화 동치성 테스트.
-
-이 파일은 pandas 미설치 환경에서도 실행 가능하도록 구성한다.
-`_merge_default_params` 와 DEFAULT_PARAMS 상수 자체만 단독 검증.
-
-`compute_dark_suspicion` 전체 E2E 는 pandas 가 설치된 prediction 환경에서
-수동으로 한 사이클 실행하여 신·구 diff=0 을 확인한다 (seed SQL 안내 참조).
-"""
-from __future__ import annotations
-
-import importlib
-import json
-import os
-import sys
-import types
-import unittest
-
-# pandas 미설치 환경 우회 — algorithms.dark_vessel 이 pandas 를 top-level import
-# 하므로, 그 import 를 stub 으로 대체해 DEFAULT_PARAMS 와 _merge_default_params 만
-# 추출한다.
-if 'pandas' not in sys.modules:
-    pd_stub = types.ModuleType('pandas')
-    pd_stub.DataFrame = type('DataFrame', (), {})  # annotation 용 dummy
-    pd_stub.Timestamp = type('Timestamp', (), {})
-    sys.modules['pandas'] = pd_stub
-
-# pydantic_settings stub (다른 테스트와 동일 관용)
-if 'pydantic_settings' not in sys.modules:
-    stub = types.ModuleType('pydantic_settings')
-
-    class _S:
-        def __init__(self, **kw):
-            for name, value in self.__class__.__dict__.items():
-                if name.isupper():
-                    setattr(self, name, kw.get(name, value))
-
-    stub.BaseSettings = _S
-    sys.modules['pydantic_settings'] = stub
-
-# algorithms.location 도 top-level 의 haversine_nm import 가 있으므로 stub
-if 'algorithms' not in sys.modules:
-    pkg = types.ModuleType('algorithms')
-    pkg.__path__ = [os.path.join(os.path.dirname(__file__), '..', 'algorithms')]
-    sys.modules['algorithms'] = pkg
-
-if 'algorithms.location' not in sys.modules:
-    loc = types.ModuleType('algorithms.location')
-    loc.haversine_nm = lambda a, b, c, d: 0.0  # pragma: no cover
-    sys.modules['algorithms.location'] = loc
-
-# 이제 dark_vessel 의 DEFAULT_PARAMS 와 _merge_default_params 만 조용히 import
-dv = importlib.import_module('algorithms.dark_vessel')
-
-
-class DarkSuspicionParamsTest(unittest.TestCase):
-
-    def test_default_params_shape(self):
-        """DEFAULT_PARAMS 는 11개 패턴 + tier_thresholds + sog_thresholds 를 포함한다."""
-        p = dv.DARK_SUSPICION_DEFAULT_PARAMS
-        self.assertIn('weights', p)
-        self.assertIn('tier_thresholds', p)
-        self.assertEqual(p['tier_thresholds'], {'critical': 70, 'high': 50, 'watch': 30})
-        # 11 패턴 기본 가중치 키
-        weights = p['weights']
-        for key in [
-            'P1_moving_off', 'P1_slow_moving_off',
-            'P2_sensitive_zone', 'P2_special_zone',
-            'P3_repeat_high', 'P3_repeat_low', 'P3_recent_dark',
-            'P4_distance_anomaly',
-            'P5_daytime_fishing_off',
-            'P6_teleport_before_gap',
-            'P7_unpermitted',
-            'P8_very_long_gap', 'P8_long_gap',
-            'P9_fishing_vessel_dark', 'P9_cargo_natural_gap',
-            'P10_underway_deliberate', 'P10_anchored_natural',
-            'P11_heading_cog_mismatch',
-            'out_of_coverage',
-        ]:
-            self.assertIn(key, weights, f'weights.{key} missing')
-
-    def test_merge_none_returns_default_reference(self):
-        """params=None 이면 DEFAULT 그대로 사용 (Phase 2 이전과 동일 동작)."""
-        self.assertIs(dv._merge_default_params(None), dv.DARK_SUSPICION_DEFAULT_PARAMS)
-
-    def test_merge_empty_dict_returns_default_equivalent(self):
-        """params={} 면 DEFAULT 와 key-level 완전 동일."""
-        merged = dv._merge_default_params({})
-        self.assertEqual(merged, dv.DARK_SUSPICION_DEFAULT_PARAMS)
-
-    def test_merge_override_replaces_only_given_keys(self):
-        """override 는 해당 key 만 교체, 나머지는 DEFAULT 유지."""
-        override = {'tier_thresholds': {'critical': 80}}
-        merged = dv._merge_default_params(override)
-        # critical 만 교체됨
-        self.assertEqual(merged['tier_thresholds']['critical'], 80)
-        # high/watch 는 DEFAULT 유지
-        self.assertEqual(merged['tier_thresholds']['high'], 50)
-        self.assertEqual(merged['tier_thresholds']['watch'], 30)
-        # weights 같은 다른 최상위 키는 DEFAULT 유지
-        self.assertEqual(
-            merged['weights']['P1_moving_off'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['weights']['P1_moving_off'],
-        )
-        # override 가 DEFAULT 를 변조하지 않는다 (불변성)
-        self.assertEqual(
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['tier_thresholds']['critical'], 70,
-        )
-
-    def test_seed_sql_values_match_python_default(self):
-        """seed SQL 의 params JSONB 가 Python DEFAULT 와 1:1 일치하는지 정적 검증."""
-        seed_path = os.path.join(
-            os.path.dirname(__file__), '..',
-            'models_core', 'seeds', 'v1_dark_suspicion.sql',
-        )
-        with open(seed_path, 'r', encoding='utf-8') as f:
-            sql = f.read()
-
-        # $json$...$json$ 블록에서 JSON 추출
-        start = sql.index('$json$') + len('$json$')
-        end = sql.index('$json$', start)
-        raw = sql[start:end].strip()
-        params = json.loads(raw)
-
-        self.assertEqual(
-            params['tier_thresholds'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['tier_thresholds'],
-        )
-        self.assertEqual(
-            params['weights'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['weights'],
-        )
-        self.assertEqual(
-            params['sog_thresholds'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['sog_thresholds'],
-        )
-        self.assertEqual(
-            params['repeat_thresholds'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['repeat_thresholds'],
-        )
-        self.assertEqual(
-            params['gap_min_thresholds'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['gap_min_thresholds'],
-        )
-        self.assertEqual(
-            params['heading_cog_mismatch_deg'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['heading_cog_mismatch_deg'],
-        )
-        self.assertEqual(
-            params['p4_distance_multiplier'],
-            dv.DARK_SUSPICION_DEFAULT_PARAMS['p4_distance_multiplier'],
-        )
-        self.assertEqual(
-            list(params['p5_daytime_range']),
-            list(dv.DARK_SUSPICION_DEFAULT_PARAMS['p5_daytime_range']),
-        )
-
-
-if __name__ == '__main__':
-    unittest.main()

prediction/tests/test_gear_violation_params.py

@@ -1,125 +0,0 @@
-"""Phase 2 PoC #2 — gear_violation_g01_g06 params 외부화 동치성 테스트.
-
-pandas 미설치 환경을 우회하기 위해 dark_suspicion 테스트와 동일한 stub 패턴 사용.
-"""
-from __future__ import annotations
-
-import importlib
-import json
-import os
-import sys
-import types
-import unittest
-
-# pandas stub (annotation 용)
-if 'pandas' not in sys.modules:
-    pd_stub = types.ModuleType('pandas')
-    pd_stub.DataFrame = type('DataFrame', (), {})
-    pd_stub.Timestamp = type('Timestamp', (), {})
-    sys.modules['pandas'] = pd_stub
-
-if 'pydantic_settings' not in sys.modules:
-    stub = types.ModuleType('pydantic_settings')
-
-    class _S:
-        def __init__(self, **kw):
-            for name, value in self.__class__.__dict__.items():
-                if name.isupper():
-                    setattr(self, name, kw.get(name, value))
-
-    stub.BaseSettings = _S
-    sys.modules['pydantic_settings'] = stub
-
-if 'algorithms' not in sys.modules:
-    pkg = types.ModuleType('algorithms')
-    pkg.__path__ = [os.path.join(os.path.dirname(__file__), '..', 'algorithms')]
-    sys.modules['algorithms'] = pkg
-
-gv = importlib.import_module('algorithms.gear_violation')
-
-
-class GearViolationParamsTest(unittest.TestCase):
-
-    def test_default_params_shape(self):
-        p = gv.GEAR_VIOLATION_DEFAULT_PARAMS
-        self.assertIn('scores', p)
-        self.assertIn('signal_cycling', p)
-        self.assertIn('gear_drift_threshold_nm', p)
-        self.assertIn('fixed_gear_types', p)
-        self.assertIn('fishery_code_allowed_gear', p)
-        # 6 G-codes 점수 키 전부 있는지
-        for k in ['G01_zone_violation', 'G02_closed_season', 'G03_unregistered_gear',
-                  'G04_signal_cycling', 'G05_gear_drift', 'G06_pair_trawl']:
-            self.assertIn(k, p['scores'])
-
-    def test_default_values_match_module_constants(self):
-        """DEFAULT_PARAMS 는 모듈 레벨 상수와 완전히 동일해야 한다 (SSOT 이중성 방지)."""
-        p = gv.GEAR_VIOLATION_DEFAULT_PARAMS
-        self.assertEqual(p['scores']['G01_zone_violation'], gv.G01_SCORE)
-        self.assertEqual(p['scores']['G02_closed_season'], gv.G02_SCORE)
-        self.assertEqual(p['scores']['G03_unregistered_gear'], gv.G03_SCORE)
-        self.assertEqual(p['scores']['G04_signal_cycling'], gv.G04_SCORE)
-        self.assertEqual(p['scores']['G05_gear_drift'], gv.G05_SCORE)
-        self.assertEqual(p['scores']['G06_pair_trawl'], gv.G06_SCORE)
-        self.assertEqual(p['signal_cycling']['gap_min'], gv.SIGNAL_CYCLING_GAP_MIN)
-        self.assertEqual(p['signal_cycling']['min_count'], gv.SIGNAL_CYCLING_MIN_COUNT)
-        self.assertAlmostEqual(p['gear_drift_threshold_nm'], gv.GEAR_DRIFT_THRESHOLD_NM)
-        self.assertEqual(set(p['fixed_gear_types']), gv.FIXED_GEAR_TYPES)
-        # fishery_code_allowed_gear: list ↔ set 변환 후 비교
-        for key, allowed in gv.FISHERY_CODE_ALLOWED_GEAR.items():
-            self.assertEqual(set(p['fishery_code_allowed_gear'][key]), allowed)
-
-    def test_merge_none_returns_default_reference(self):
-        self.assertIs(gv._merge_default_gv_params(None), gv.GEAR_VIOLATION_DEFAULT_PARAMS)
-
-    def test_merge_override_replaces_only_given_keys(self):
-        override = {'scores': {'G06_pair_trawl': 99}}
-        merged = gv._merge_default_gv_params(override)
-        self.assertEqual(merged['scores']['G06_pair_trawl'], 99)
-        # 다른 score 는 DEFAULT 유지
-        self.assertEqual(
-            merged['scores']['G01_zone_violation'],
-            gv.GEAR_VIOLATION_DEFAULT_PARAMS['scores']['G01_zone_violation'],
-        )
-        # fixed_gear_types 같은 top-level 키도 DEFAULT 유지
-        self.assertEqual(
-            merged['fixed_gear_types'],
-            gv.GEAR_VIOLATION_DEFAULT_PARAMS['fixed_gear_types'],
-        )
-        # DEFAULT 는 변조되지 않음
-        self.assertEqual(
-            gv.GEAR_VIOLATION_DEFAULT_PARAMS['scores']['G06_pair_trawl'], 20,
-        )
-
-    def test_seed_sql_values_match_python_default(self):
-        """seed SQL JSONB ↔ Python DEFAULT 1:1 정적 검증."""
-        seed_path = os.path.join(
-            os.path.dirname(__file__), '..',
-            'models_core', 'seeds', 'v1_gear_violation.sql',
-        )
-        with open(seed_path, 'r', encoding='utf-8') as f:
-            sql = f.read()
-
-        start = sql.index('$json$') + len('$json$')
-        end = sql.index('$json$', start)
-        raw = sql[start:end].strip()
-        params = json.loads(raw)
-
-        expected = gv.GEAR_VIOLATION_DEFAULT_PARAMS
-        self.assertEqual(params['scores'], expected['scores'])
-        self.assertEqual(params['signal_cycling'], expected['signal_cycling'])
-        self.assertAlmostEqual(
-            params['gear_drift_threshold_nm'], expected['gear_drift_threshold_nm']
-        )
-        # list 는 순서 무관하게 set 비교 (DB 에 저장 시 어떤 순서든 상관 없음)
-        self.assertEqual(set(params['fixed_gear_types']),
-                         set(expected['fixed_gear_types']))
-        for code, allowed in expected['fishery_code_allowed_gear'].items():
-            self.assertEqual(
-                set(params['fishery_code_allowed_gear'][code]), set(allowed),
-                f'fishery_code_allowed_gear[{code}] mismatch',
-            )
-
-
-if __name__ == '__main__':
-    unittest.main()

prediction/tests/test_models_core.py

@@ -1,431 +0,0 @@
-"""models_core 기반 인프라 (Phase 1-2) 유닛테스트.
-
-DB·서버 없이 순수 파이썬 레벨에서 다음을 검증:
-- params_loader 캐시 TTL 동작
-- ModelRegistry discover + 버전별 인스턴스화
-- DAG topo 정렬 + 순환 검출
-- DAGExecutor 의 오염 차단 불변식 (SHADOW 결과는 ctx.shared 에 들어가지 않음)
-- PRIMARY 실패 시 후행 모델 skip
-- SHADOW 전용(PRIMARY 없음) 모델 스킵 경고
-- run_stage 와의 통합 — 예외가 한 버전에 격리되는지
-
-실제 DB 상호작용은 Phase 1-3 testcontainers 기반에서 수행 (후속 커밋).
-"""
-from __future__ import annotations
-
-import sys
-import types
-import unittest
-from dataclasses import dataclass
-from datetime import datetime, timezone
-from typing import Optional
-
-# pydantic_settings stub (기존 test_time_bucket 관용)
-_stub = types.ModuleType('pydantic_settings')
-
-
-class _StubBaseSettings:
-    def __init__(self, **kwargs):
-        for name, value in self.__class__.__dict__.items():
-            if name.isupper():
-                setattr(self, name, kwargs.get(name, value))
-
-
-_stub.BaseSettings = _StubBaseSettings
-sys.modules.setdefault('pydantic_settings', _stub)
-
-from models_core import base as mc_base
-from models_core.base import (
-    BaseDetectionModel,
-    ModelContext,
-    ModelResult,
-    ROLE_PRIMARY,
-    ROLE_SHADOW,
-    make_input_ref,
-)
-from models_core import params_loader
-from models_core.executor import DAGExecutor
-from models_core.registry import DAGCycleError, ModelRegistry
-
-
-# ======================================================================
-# Fixture 클래스들
-# ======================================================================
-@dataclass
-class _Call:
-    model_id: str
-    role: str
-    version_id: int
-
-
-def _make_model_class(mid: str, depends: Optional[list] = None, *, raise_for_role: Optional[str] = None):
-    """동적으로 BaseDetectionModel 서브클래스 생성."""
-
-    class _M(BaseDetectionModel):
-        model_id = mid
-        depends_on = list(depends or [])
-
-        def run(self, ctx: ModelContext) -> ModelResult:
-            if raise_for_role and self.role == raise_for_role:
-                raise RuntimeError(f'intentional failure in {mid}@{self.role}')
-            ctx.extras.setdefault('_calls', []).append(
-                _Call(self.model_id, self.role, self.version_id)
-            )
-            # input_ref 스키마를 PRIMARY/SHADOW 동일 유지
-            out_per = [
-                (make_input_ref('412000001'), {'score': 1.0 if self.role == ROLE_PRIMARY else 1.5}),
-            ]
-            return ModelResult(
-                model_id=self.model_id,
-                version_id=self.version_id,
-                version_str=self.version_str,
-                role=self.role,
-                outputs_per_input=out_per,
-                metrics={'sentinel': float(self.version_id)},
-            )
-
-    _M.__name__ = f'_M_{mid.replace(".", "_")}'
-    return _M
-
-
-def _version_row(id_, model_id, role, version='1.0.0', params=None):
-    return params_loader.VersionRow(
-        id=id_, model_id=model_id, role=role, version=version, params=params or {}
-    )
-
-
-# ======================================================================
-# params_loader 캐시
-# ======================================================================
-class ParamsCacheTest(unittest.TestCase):
-
-    def setUp(self):
-        params_loader.invalidate_cache()
-
-    def test_invalidate_forces_reload(self):
-        calls = {'n': 0}
-
-        def fake_fetch(conn):
-            calls['n'] += 1
-            return [_version_row(1, 'a', ROLE_PRIMARY)]
-
-        orig = params_loader._fetch_active_versions
-        params_loader._fetch_active_versions = fake_fetch
-        try:
-            rows1 = params_loader.load_active_versions(conn=None)
-            rows2 = params_loader.load_active_versions(conn=None)
-            self.assertEqual(calls['n'], 1)  # 두 번째는 캐시 HIT
-            self.assertEqual(len(rows1), 1)
-            self.assertEqual(len(rows2), 1)
-
-            params_loader.invalidate_cache()
-            params_loader.load_active_versions(conn=None)
-            self.assertEqual(calls['n'], 2)
-        finally:
-            params_loader._fetch_active_versions = orig
-            params_loader.invalidate_cache()
-
-    def test_force_reload_bypasses_ttl(self):
-        calls = {'n': 0}
-
-        def fake_fetch(conn):
-            calls['n'] += 1
-            return []
-
-        orig = params_loader._fetch_active_versions
-        params_loader._fetch_active_versions = fake_fetch
-        try:
-            params_loader.load_active_versions(conn=None)
-            params_loader.load_active_versions(conn=None, force_reload=True)
-            self.assertEqual(calls['n'], 2)
-        finally:
-            params_loader._fetch_active_versions = orig
-            params_loader.invalidate_cache()
-
-
-# ======================================================================
-# Registry topo 정렬 + DAG 검증
-# ======================================================================
-class RegistryTopoTest(unittest.TestCase):
-
-    def _registry_with(self, *model_ids_with_deps):
-        """[(model_id, [dep_ids]), ...] 에 맞춘 Registry 생성."""
-        reg = ModelRegistry()
-        for mid, deps in model_ids_with_deps:
-            reg.register_class(_make_model_class(mid, deps))
-        return reg
-
-    def test_topo_order_respects_dependencies(self):
-        reg = self._registry_with(
-            ('a', []),
-            ('b', ['a']),
-            ('c', ['b']),
-        )
-        rows = [
-            _version_row(10, 'a', ROLE_PRIMARY),
-            _version_row(11, 'b', ROLE_PRIMARY),
-            _version_row(12, 'c', ROLE_PRIMARY),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-        self.assertEqual(plan.topo_order, ['a', 'b', 'c'])
-
-    def test_cycle_detection(self):
-        reg = self._registry_with(
-            ('a', ['b']),
-            ('b', ['a']),
-        )
-        rows = [
-            _version_row(1, 'a', ROLE_PRIMARY),
-            _version_row(2, 'b', ROLE_PRIMARY),
-        ]
-        with self.assertRaises(DAGCycleError):
-            reg.build_plan_from_rows(rows)
-
-    def test_shadow_version_attaches_to_primary_model(self):
-        reg = self._registry_with(('a', []))
-        rows = [
-            _version_row(1, 'a', ROLE_PRIMARY, version='1.0.0'),
-            _version_row(2, 'a', ROLE_SHADOW, version='1.1.0-shadow'),
-            _version_row(3, 'a', ROLE_SHADOW, version='1.2.0-shadow'),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-        self.assertIn('a', plan.primaries)
-        self.assertEqual(plan.primaries['a'].version_id, 1)
-        self.assertEqual(len(plan.shadows['a']), 2)
-
-    def test_unknown_model_id_skipped(self):
-        reg = ModelRegistry()  # 클래스 없음
-        rows = [_version_row(1, 'ghost', ROLE_PRIMARY)]
-        plan = reg.build_plan_from_rows(rows)
-        self.assertNotIn('ghost', plan.primaries)
-
-    def test_class_depends_on_added_to_edges(self):
-        reg = self._registry_with(
-            ('base', []),
-            ('child', ['base']),
-        )
-        rows = [
-            _version_row(1, 'base', ROLE_PRIMARY),
-            _version_row(2, 'child', ROLE_PRIMARY),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-        self.assertIn('base', plan.edges['child'])
-
-
-# ======================================================================
-# DAGExecutor 불변식
-# ======================================================================
-class DAGExecutorTest(unittest.TestCase):
-
-    def _collect_persisted(self):
-        """persist 훅 2개를 만들어 호출을 가로채는 pair 반환."""
-        persisted_rows: list[ModelResult] = []
-        persisted_metrics: list[ModelResult] = []
-
-        def p_rows(result: ModelResult, cycle_started_at, *, conn=None):
-            persisted_rows.append(result)
-
-        def p_metrics(result: ModelResult, cycle_started_at, *, conn=None):
-            persisted_metrics.append(result)
-
-        return persisted_rows, persisted_metrics, p_rows, p_metrics
-
-    def _ctx(self):
-        return ModelContext(cycle_started_at=datetime(2026, 4, 20, 0, 0, tzinfo=timezone.utc))
-
-    def test_primary_result_injected_into_shared(self):
-        reg = ModelRegistry()
-        reg.register_class(_make_model_class('a'))
-        reg.register_class(_make_model_class('b', ['a']))
-        rows = [
-            _version_row(1, 'a', ROLE_PRIMARY),
-            _version_row(2, 'b', ROLE_PRIMARY),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-
-        pr, pm, p1, p2 = self._collect_persisted()
-        ctx = self._ctx()
-        DAGExecutor(plan, persist_fn=p1, persist_metrics_fn=p2).run(ctx)
-
-        self.assertIn('a', ctx.shared)
-        self.assertIn('b', ctx.shared)
-        self.assertEqual(ctx.shared['a'].role, ROLE_PRIMARY)
-
-    def test_shadow_result_not_injected_into_shared(self):
-        """가장 중요한 불변식 — SHADOW 결과가 ctx.shared 에 들어가면 오염."""
-        reg = ModelRegistry()
-        reg.register_class(_make_model_class('m'))
-        rows = [
-            _version_row(1, 'm', ROLE_PRIMARY),
-            _version_row(2, 'm', ROLE_SHADOW),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-
-        pr, pm, p1, p2 = self._collect_persisted()
-        ctx = self._ctx()
-        DAGExecutor(plan, persist_fn=p1, persist_metrics_fn=p2).run(ctx)
-
-        # shared 는 PRIMARY 만
-        self.assertEqual(ctx.shared['m'].role, ROLE_PRIMARY)
-        self.assertEqual(ctx.shared['m'].version_id, 1)
-
-        # 저장은 둘 다 된다
-        persisted_roles = {r.role for r in pr}
-        self.assertIn(ROLE_PRIMARY, persisted_roles)
-        self.assertIn(ROLE_SHADOW, persisted_roles)
-
-    def test_downstream_sees_primary_only_even_when_shadow_differs(self):
-        """SHADOW 가 다른 값을 리턴해도 후행 PRIMARY 는 선행 PRIMARY 결과만 소비."""
-
-        class M_A(BaseDetectionModel):
-            model_id = 'a'
-            depends_on = []
-
-            def run(self, ctx):
-                val = 100 if self.role == ROLE_PRIMARY else 999
-                return ModelResult(
-                    model_id='a', version_id=self.version_id,
-                    version_str=self.version_str, role=self.role,
-                    outputs_per_input=[(make_input_ref('x'), {'v': val})],
-                    metrics={},
-                )
-
-        observed = {'downstream_seen_value': None}
-
-        class M_B(BaseDetectionModel):
-            model_id = 'b'
-            depends_on = ['a']
-
-            def run(self, ctx):
-                upstream = ctx.shared.get('a')
-                observed['downstream_seen_value'] = (
-                    upstream.outputs_per_input[0][1]['v'] if upstream else None
-                )
-                return ModelResult(
-                    model_id='b', version_id=self.version_id,
-                    version_str=self.version_str, role=self.role,
-                    outputs_per_input=[(make_input_ref('x'), {'echo': observed['downstream_seen_value']})],
-                )
-
-        reg = ModelRegistry()
-        reg.register_class(M_A)
-        reg.register_class(M_B)
-        rows = [
-            _version_row(1, 'a', ROLE_PRIMARY),
-            _version_row(2, 'a', ROLE_SHADOW),
-            _version_row(3, 'b', ROLE_PRIMARY),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-
-        pr, pm, p1, p2 = self._collect_persisted()
-        ctx = self._ctx()
-        DAGExecutor(plan, persist_fn=p1, persist_metrics_fn=p2).run(ctx)
-
-        # downstream 이 본 값은 PRIMARY(100), SHADOW(999) 가 아님
-        self.assertEqual(observed['downstream_seen_value'], 100)
-
-    def test_primary_failure_skips_downstream(self):
-        reg = ModelRegistry()
-        reg.register_class(_make_model_class('a', raise_for_role=ROLE_PRIMARY))
-        reg.register_class(_make_model_class('b', ['a']))
-        rows = [
-            _version_row(1, 'a', ROLE_PRIMARY),
-            _version_row(2, 'b', ROLE_PRIMARY),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-
-        pr, pm, p1, p2 = self._collect_persisted()
-        ctx = self._ctx()
-        summary = DAGExecutor(plan, persist_fn=p1, persist_metrics_fn=p2).run(ctx)
-
-        self.assertNotIn('a', ctx.shared)
-        self.assertNotIn('b', ctx.shared)
-        self.assertGreaterEqual(summary['failed'], 1)
-        self.assertGreaterEqual(summary['skipped_missing_deps'], 1)
-
-    def test_shadow_failure_does_not_affect_primary_or_persist(self):
-        cls_ok_primary = _make_model_class('m')
-        cls_bad_shadow = _make_model_class('m', raise_for_role=ROLE_SHADOW)
-        # 같은 model_id 를 다른 클래스로 덮으면 Registry 가 ValueError — 대신 같은 클래스 재사용
-        reg = ModelRegistry()
-        reg.register_class(_make_model_class('m', raise_for_role=ROLE_SHADOW))
-        rows = [
-            _version_row(1, 'm', ROLE_PRIMARY),
-            _version_row(2, 'm', ROLE_SHADOW),
-        ]
-        plan = reg.build_plan_from_rows(rows)
-
-        pr, pm, p1, p2 = self._collect_persisted()
-        ctx = self._ctx()
-        summary = DAGExecutor(plan, persist_fn=p1, persist_metrics_fn=p2).run(ctx)
-
-        self.assertEqual(summary['executed'], 1)       # PRIMARY 성공
-        self.assertEqual(summary['shadow_failed'], 1)
-        self.assertEqual(summary['shadow_ran'], 0)
-        # PRIMARY 는 persist 된다
-        self.assertEqual([r.role for r in pr], [ROLE_PRIMARY])
-
-    def test_shadow_only_without_primary_is_skipped(self):
-        reg = ModelRegistry()
-        reg.register_class(_make_model_class('orphan'))
-        rows = [_version_row(1, 'orphan', ROLE_SHADOW)]
-        plan = reg.build_plan_from_rows(rows)
-
-        pr, pm, p1, p2 = self._collect_persisted()
-        ctx = self._ctx()
-        summary = DAGExecutor(plan, persist_fn=p1, persist_metrics_fn=p2).run(ctx)
-        self.assertEqual(summary['executed'], 0)
-        self.assertNotIn('orphan', ctx.shared)
-
-
-class SilentErrorGuardTest(unittest.TestCase):
-    """V034 스키마 컬럼 사이즈 초과 silent 실패 방지."""
-
-    def test_model_id_too_long_rejected_at_instantiation(self):
-        class _TooLong(BaseDetectionModel):
-            model_id = 'x' * 65  # VARCHAR(64) 초과
-
-            def run(self, ctx):  # pragma: no cover
-                return ModelResult(
-                    model_id=self.model_id, version_id=self.version_id,
-                    version_str=self.version_str, role=self.role,
-                )
-
-        with self.assertRaises(ValueError):
-            _TooLong(version_id=1, version_str='1', role=ROLE_PRIMARY, params={})
-
-    def test_long_metric_key_dropped_with_warning(self):
-        """_persist_metrics 가 64자 초과 metric_key 를 dropna silent 로 저장하지 않는다."""
-        from models_core import executor as ex
-
-        # fake conn (cursor context manager 불필요 — _execute_insert 가 단순 호출)
-        captured_rows: list = []
-
-        def fake_exec(sql, rows, *, conn=None):
-            captured_rows.extend(rows)
-
-        orig = ex._execute_insert
-        ex._execute_insert = fake_exec
-        try:
-            r = ModelResult(
-                model_id='m', version_id=1, version_str='1', role=ROLE_PRIMARY,
-                outputs_per_input=[],
-                metrics={
-                    'ok_key': 1.0,
-                    'x' * 65: 2.0,  # 초과
-                },
-                duration_ms=10,
-            )
-            ex._persist_metrics(r, cycle_started_at=datetime(2026, 4, 20))
-            keys = [row[3] for row in captured_rows]  # 4번째 컬럼이 metric_key
-            self.assertIn('ok_key', keys)
-            self.assertNotIn('x' * 65, keys)
-            # cycle_duration_ms / output_count 기본값은 포함
-            self.assertIn('cycle_duration_ms', keys)
-            self.assertIn('output_count', keys)
-        finally:
-            ex._execute_insert = orig
-
-
-if __name__ == '__main__':
-    unittest.main()

prediction/tests/test_pair_trawl_params.py

@@ -1,66 +0,0 @@
-"""Phase 2 PoC #5 — pair_trawl_tier DEFAULT_PARAMS ↔ seed SQL 정적 일치."""
-from __future__ import annotations
-
-import importlib
-import json
-import os
-import sys
-import types
-import unittest
-
-if 'pandas' not in sys.modules:
-    pd_stub = types.ModuleType('pandas')
-    pd_stub.DataFrame = type('DataFrame', (), {})
-    pd_stub.Timestamp = type('Timestamp', (), {})
-    sys.modules['pandas'] = pd_stub
-
-if 'pydantic_settings' not in sys.modules:
-    stub = types.ModuleType('pydantic_settings')
-
-    class _S:
-        def __init__(self, **kw):
-            for name, value in self.__class__.__dict__.items():
-                if name.isupper():
-                    setattr(self, name, kw.get(name, value))
-
-    stub.BaseSettings = _S
-    sys.modules['pydantic_settings'] = stub
-
-if 'algorithms' not in sys.modules:
-    pkg = types.ModuleType('algorithms')
-    pkg.__path__ = [os.path.join(os.path.dirname(__file__), '..', 'algorithms')]
-    sys.modules['algorithms'] = pkg
-
-
-class PairTrawlParamsTest(unittest.TestCase):
-
-    def test_seed_matches_default(self):
-        pt = importlib.import_module('algorithms.pair_trawl')
-        seed_path = os.path.join(
-            os.path.dirname(__file__), '..',
-            'models_core', 'seeds', 'v1_pair_trawl.sql',
-        )
-        with open(seed_path, 'r', encoding='utf-8') as f:
-            sql = f.read()
-        start = sql.index('$json$') + len('$json$')
-        end = sql.index('$json$', start)
-        params = json.loads(sql[start:end].strip())
-        self.assertEqual(params, pt.PAIR_TRAWL_DEFAULT_PARAMS)
-
-    def test_default_values_match_module_constants(self):
-        pt = importlib.import_module('algorithms.pair_trawl')
-        d = pt.PAIR_TRAWL_DEFAULT_PARAMS
-        self.assertEqual(d['strong']['proximity_nm'], pt.PROXIMITY_NM)
-        self.assertEqual(d['strong']['sog_delta_max'], pt.SOG_DELTA_MAX)
-        self.assertEqual(d['strong']['cog_delta_max'], pt.COG_DELTA_MAX)
-        self.assertEqual(d['strong']['min_sync_cycles'], pt.MIN_SYNC_CYCLES)
-        self.assertEqual(d['strong']['simultaneous_gap_min'], pt.SIMULTANEOUS_GAP_MIN)
-        self.assertEqual(d['probable']['min_block_cycles'], pt.PROBABLE_MIN_BLOCK_CYCLES)
-        self.assertEqual(d['probable']['min_sync_ratio'], pt.PROBABLE_MIN_SYNC_RATIO)
-        self.assertEqual(d['suspect']['min_block_cycles'], pt.SUSPECT_MIN_BLOCK_CYCLES)
-        self.assertEqual(d['suspect']['min_sync_ratio'], pt.SUSPECT_MIN_SYNC_RATIO)
-        self.assertEqual(d['candidate_scan']['cell_size_deg'], pt.CELL_SIZE)
-
-
-if __name__ == '__main__':
-    unittest.main()

prediction/tests/test_risk_composite_params.py

@@ -1,75 +0,0 @@
-"""Phase 2 PoC #4 — risk_composite DEFAULT_PARAMS ↔ seed SQL 정적 일치 테스트."""
-from __future__ import annotations
-
-import importlib
-import json
-import os
-import sys
-import types
-import unittest
-
-if 'pandas' not in sys.modules:
-    pd_stub = types.ModuleType('pandas')
-    pd_stub.DataFrame = type('DataFrame', (), {})
-    pd_stub.Timestamp = type('Timestamp', (), {})
-    sys.modules['pandas'] = pd_stub
-
-if 'pydantic_settings' not in sys.modules:
-    stub = types.ModuleType('pydantic_settings')
-
-    class _S:
-        def __init__(self, **kw):
-            for name, value in self.__class__.__dict__.items():
-                if name.isupper():
-                    setattr(self, name, kw.get(name, value))
-
-    stub.BaseSettings = _S
-    sys.modules['pydantic_settings'] = stub
-
-if 'algorithms' not in sys.modules:
-    pkg = types.ModuleType('algorithms')
-    pkg.__path__ = [os.path.join(os.path.dirname(__file__), '..', 'algorithms')]
-    sys.modules['algorithms'] = pkg
-
-# risk.py 는 algorithms.location/fishing_pattern/dark_vessel/spoofing 을 top-level
-# import 한다. dark_vessel 만 실제 모듈 그대로 두고 나머지는 필요한 심볼만 stub.
-if 'algorithms.location' in sys.modules:
-    if not hasattr(sys.modules['algorithms.location'], 'classify_zone'):
-        sys.modules['algorithms.location'].classify_zone = lambda *a, **k: {}
-else:
-    loc = types.ModuleType('algorithms.location')
-    loc.haversine_nm = lambda a, b, c, d: 0.0
-    loc.classify_zone = lambda *a, **k: {}
-    sys.modules['algorithms.location'] = loc
-
-for mod_name, attrs in [
-    ('algorithms.fishing_pattern', ['detect_fishing_segments', 'detect_trawl_uturn']),
-    ('algorithms.spoofing', ['detect_teleportation', 'count_speed_jumps']),
-]:
-    if mod_name not in sys.modules:
-        m = types.ModuleType(mod_name)
-        sys.modules[mod_name] = m
-    m = sys.modules[mod_name]
-    for a in attrs:
-        if not hasattr(m, a):
-            setattr(m, a, lambda *_a, **_kw: [])
-
-
-class RiskCompositeParamsTest(unittest.TestCase):
-
-    def test_seed_matches_default(self):
-        risk = importlib.import_module('algorithms.risk')
-        seed_path = os.path.join(
-            os.path.dirname(__file__), '..',
-            'models_core', 'seeds', 'v1_risk_composite.sql',
-        )
-        with open(seed_path, 'r', encoding='utf-8') as f:
-            sql = f.read()
-        start = sql.index('$json$') + len('$json$')
-        end = sql.index('$json$', start)
-        params = json.loads(sql[start:end].strip())
-        self.assertEqual(params, risk.RISK_COMPOSITE_DEFAULT_PARAMS)
-
-
-if __name__ == '__main__':
-    unittest.main()

prediction/tests/test_transshipment_params.py

@@ -1,88 +0,0 @@
-"""Phase 2 PoC #3 — transshipment_5stage params 카탈로그 동치성 테스트.
-
-런타임 override 는 후속 PR 에서 활성화되므로, 이 테스트는 **DEFAULT_PARAMS
-↔ 모듈 상수 ↔ seed SQL JSONB** 3 자 일치만 검증한다.
-"""
-from __future__ import annotations
-
-import importlib
-import json
-import os
-import sys
-import types
-import unittest
-
-# pandas/pydantic_settings stub (다른 phase 2 테스트와 동일 관용)
-if 'pandas' not in sys.modules:
-    pd_stub = types.ModuleType('pandas')
-    pd_stub.DataFrame = type('DataFrame', (), {})
-    pd_stub.Timestamp = type('Timestamp', (), {})
-    sys.modules['pandas'] = pd_stub
-
-if 'pydantic_settings' not in sys.modules:
-    stub = types.ModuleType('pydantic_settings')
-
-    class _S:
-        def __init__(self, **kw):
-            for name, value in self.__class__.__dict__.items():
-                if name.isupper():
-                    setattr(self, name, kw.get(name, value))
-
-    stub.BaseSettings = _S
-    sys.modules['pydantic_settings'] = stub
-
-if 'algorithms' not in sys.modules:
-    pkg = types.ModuleType('algorithms')
-    pkg.__path__ = [os.path.join(os.path.dirname(__file__), '..', 'algorithms')]
-    sys.modules['algorithms'] = pkg
-
-# fleet_tracker 의 GEAR_PATTERN 을 transshipment.py 상단에서 import 하므로 stub
-if 'fleet_tracker' not in sys.modules:
-    ft_stub = types.ModuleType('fleet_tracker')
-    import re as _re
-    ft_stub.GEAR_PATTERN = _re.compile(r'^xxx$')
-    sys.modules['fleet_tracker'] = ft_stub
-
-ts = importlib.import_module('algorithms.transshipment')
-
-
-class TransshipmentParamsTest(unittest.TestCase):
-
-    def test_default_values_match_module_constants(self):
-        p = ts.TRANSSHIPMENT_DEFAULT_PARAMS
-        self.assertEqual(p['sog_threshold_kn'], ts.SOG_THRESHOLD_KN)
-        self.assertEqual(p['proximity_deg'], ts.PROXIMITY_DEG)
-        self.assertEqual(p['approach_deg'], ts.APPROACH_DEG)
-        self.assertEqual(p['rendezvous_min'], ts.RENDEZVOUS_MIN)
-        self.assertEqual(p['pair_expiry_min'], ts.PAIR_EXPIRY_MIN)
-        self.assertEqual(p['gap_tolerance_cycles'], ts.GAP_TOLERANCE_CYCLES)
-        self.assertEqual(set(p['fishing_kinds']), set(ts._FISHING_KINDS))
-        self.assertEqual(set(p['carrier_kinds']), set(ts._CARRIER_KINDS))
-        self.assertEqual(set(p['excluded_ship_ty']), set(ts._EXCLUDED_SHIP_TY))
-        self.assertEqual(list(p['carrier_hints']), list(ts._CARRIER_HINTS))
-
-    def test_seed_sql_values_match_python_default(self):
-        seed_path = os.path.join(
-            os.path.dirname(__file__), '..',
-            'models_core', 'seeds', 'v1_transshipment.sql',
-        )
-        with open(seed_path, 'r', encoding='utf-8') as f:
-            sql = f.read()
-
-        start = sql.index('$json$') + len('$json$')
-        end = sql.index('$json$', start)
-        raw = sql[start:end].strip()
-        params = json.loads(raw)
-
-        expected = ts.TRANSSHIPMENT_DEFAULT_PARAMS
-        for scalar_key in ['sog_threshold_kn', 'proximity_deg', 'approach_deg',
-                           'rendezvous_min', 'pair_expiry_min', 'gap_tolerance_cycles',
-                           'min_score']:
-            self.assertEqual(params[scalar_key], expected[scalar_key], scalar_key)
-        for list_key in ['fishing_kinds', 'carrier_kinds', 'excluded_ship_ty',
-                         'carrier_hints']:
-            self.assertEqual(set(params[list_key]), set(expected[list_key]), list_key)
-
-
-if __name__ == '__main__':
-    unittest.main()