Files
breakpilot-compliance/backend-compliance/requirements.txt
T
Benjamin Admin 1784b43d72 feat(audit): Screenshot+Tesseract-OCR Cookie-Extract als Vendor-Quelle C
Statt fragiler text-Regex + LLM-Cascade-Workarounds: deterministische
Pipeline. consent-tester macht Full-Page-Screenshot der Cookie-Richtlinie
(akzeptiert Banner, klappt Accordions, brennt Timestamp ein). Backend
laesst Tesseract OCR (deu, PSM 4) drueber + anchor-basierter Parser
extrahiert {name, category, purpose, duration, type} pro Cookie.

VW-Smoke-Test:
- Vorher (parse_flat): 60 cookies / 16 vendors
- Jetzt (Tesseract): 79 cookies / 14 vendor-records (~79% GT-coverage)

Architektur:
- consent-tester: page_screenshot.py + /capture-evidence Endpoint
- backend: cookie_screenshot_ocr.py mit Tesseract-pipeline
- pipeline: nach parse_flat als komplementaere Stufe C
- Dockerfile: tesseract-ocr + deutsches Sprachpaket
- requirements: pytesseract

KEINE Textkorrektur auf Cookie-Namen (awsalb bleibt awsalb).

Timestamp im Screenshot = juristischer Beweis was wir zum Scan-Zeitpunkt
wirklich auf der Site gesehen haben.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-05-22 23:22:35 +02:00

56 lines
1.0 KiB
Plaintext

# BreakPilot Compliance Backend Dependencies
# Web Framework
fastapi==0.123.9
uvicorn==0.38.0
starlette==0.49.3
# HTTP Client (consent-service proxy, DSR proxy)
httpx==0.28.1
requests==2.32.5
# Validation & Types
pydantic==2.12.5
pydantic_core==2.41.5
email-validator==2.3.0
annotated-types==0.7.0
# Authentication
PyJWT==2.10.1
python-multipart>=0.0.22
# AI / Anthropic (compliance AI assistant)
anthropic==0.75.0
# Re-Ranking: see requirements-reranker.txt (optional, CPU-only PyTorch)
# PDF Generation (GDPR export, audit reports)
weasyprint>=68.0
reportlab==4.2.5
Jinja2==3.1.6
# Document Processing (Word import for consent admin)
mammoth==1.11.0
Markdown==3.9
# PDF Text Extraction (document import analysis)
PyMuPDF==1.25.3
# Utilities
python-dateutil==2.9.0.post0
# Database
asyncpg==0.30.0
SQLAlchemy==2.0.36
psycopg2-binary==2.9.10
# Cache (Valkey/Redis - rate limiter middleware)
redis==5.2.1
# Security: Pin transitive dependencies to patched versions
idna>=3.7
cryptography>=42.0.0
pillow>=12.1.1
python-docx==1.2.0
pytesseract>=0.3.13