vibe-coding-college-specs/chapters/16-future-path/04-lesson-case-study-cafebazaar/spec.md

مشخصات درس‌نامه: بررسی موردی کافه‌بازار؛ بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد

• شناسه در سیلابس: L16.3c
• فصل: فصل ۱۶: ادامه راه (Ch 16)
• نوع محتوا: 📘 درس‌نامه متنی
• زمان تقریبی مطالعه: ۱۸ دقیقه
• پیش‌نیازهای مستقیم: L16.3b (بررسی موردی اسنپ)

---

۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)

دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:

• درک کند (Understand): معماری و چالش‌های فنی بزرگ‌ترین فروشگاه اپلیکیشن‌های اندرویدی ایران (کافه‌بازار) با بیش از ۴۵ میلیون کاربر فعال و صدها هزار برنامه و بازی را تحلیل نماید.
• تحلیل/ارزیابی کند (Evaluate): فرآیند ممیزی و بازرسی خودکار برنامه‌ها (Automated App Review) با تحلیل استاتیک و دینامیک فایل‌های APK، بررسی دسترسی‌های خطرناک، و کشف بدافزارها با هوش مصنوعی را ارزیابی کند.
• درک کند (Understand): سازوکار موتور جستجو و سیستم پیشنهاد هوشمند اپلیکیشن‌ها (Recommendation System) در استور و نقش الگوریتم‌های هوش مصنوعی در درک مقصود کاربر را بشناسد.
• به‌کار ببندد (Apply): استانداردهای امنیتی مجوزهای اندروید (Android Permissions)، بهینه‌سازی حجم فایل‌های خروجی و قوانین انتشار استورها را در ساخت برنامه‌های آتی خود به کار گیرد.

---

۲. محدوده و مرزهای محتوا (Scope & Boundaries)

آنچه باید پوشش داده شود (In-Scope):

1. تصویر کلان کافه‌بازار: دروازه ورود ایرانیان به جهان اپلیکیشن‌های موبایل:
   • میزبانی بیش از ۴۵ میلیون کاربر، پتابایت‌ها دانلود ماهیانه، و تعامل روزانه با ده‌ها هزار تیم توسعه‌دهنده اندروید.
2. محور اول هوش مصنوعی: بازرسی و ممیزی خودکار برنامه‌ها (Automated App Review):
   • چرا بررسی دستی صدها آپدیت روزانه غیرممکن است؟
   • تحلیل ایستا (Static Analysis): دیکامپایل بایت‌کد APK و بررسی فایل AndroidManifest.xml برای کشف دسترسی‌های مشکوک (دسترسی به پیامک، دفترچه تلفن، ضبط صدا در پس‌زمینه).
   • تحلیل پویا (Dynamic Sandbox Analysis): اجرای برنامه در یک شبیه‌ساز ایزوله و رصد ترافیک شبکه برای کشف رفتارهای بدافزاری، تبلیغات مزاحم و سرقت اطلاعات.
   • ممیزی محتوایی با مدل‌های زبانی: بررسی خودکار تطابق توضیحات برنامه با قوانین کافه‌بازار و بررسی اسناد حریم خصوصی.
3. محور دوم هوش مصنوعی: موتور جستجو و پیشنهاد هوشمند برنامه‌ها:
   • درک خطاهای املایی کاربران فارسی‌زبان در جستجوی نام برنامه‌ها و بازی‌ها (Typo-tolerant Search).
   • سیستم پیشنهادگر شخصی‌سازی‌شده (Personalized Recommendations) بر اساس دسته‌بندی علاقه‌مندی‌ها و الگوهای دانلود قبلی کاربر.
4. محور سوم: مهندسی نرم‌افزار با ابزارهای AI در کافه‌بازار:
   • توسعه خطوط لوله تحویل محتوای فوق‌پرسرعت (CDN Pipelines) و ذخیره‌سازی داده‌های حجیم.
   • استفاده توسعه‌دهندگان از ایجنت‌های هوش مصنوعی برای تست خودکار کدهای پایتون و Go.
   • خودکارسازی فرآیند امضای دیجیتال و بررسی چک‌سام‌های بسته‌های نصبی.
5. درس‌های طلایی کافه‌بازار برای سازندگان وایب کدینگ:
   • چرا وقتی اپلیکیشن موبایل می‌سازید (درس ۱۵.۱۱)، نباید مجوزهای اضافه درخواست کنید؛ اصل حداقل دسترسی‌ها (Least Privilege).
6. کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:
   • کال‌اوت بنفش (<details class="violet">): روش کار موتورهای تحلیل بدافزار و اسکنرهای امضای ویروس در استورهای اپلیکیشن.
   • کال‌اوت سبز (<details class="green">): آمادگی کامل فارغ‌التحصیل این دوره برای انتشار اپلیکیشن‌های خروجی Capacitor/Expo در کافه‌بازار بدون ریجکت شدن.
   • کال‌اوت قرمز (<details class="red">): تله دسترسی‌های پنهان در پکیج‌های شخص ثالث؛ اگر یک کتابخانه تبلیغاتی بدون اجازه کاربر به مخاطبین دسترسی بخواهد، برنامه در کافه‌بازار مسدود خواهد شد.

آنچه نباید وارد آن شویم (Out-of-Scope):

• جزییات مهندسی معکوس کدهای امنیتی بانکی.
• الگوریتم‌های حفاظت از حق کپی‌رایت گوگل دروید (DRM).

---

۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)

اصطلاح انگلیسی	معادل فارسی مصوب	توضیح یک‌خطی ساده
Automated App Vetting	ممیزی خودکار برنامه‌ها	فرآیند ماشینی بازرسی کدهای اپلیکیشن پیش از انتشار در استور برای اطمینان از سلامت و امنیت
Static Analysis	تحلیل ایستای کد	بررسی سورس‌کد و ساختار فایل‌های برنامه بدون نیاز به اجرای واقعی آن در سیستم‌عامل
Dynamic Sandbox	سندباکس اجرای پویا	محیط ایزوله مجازی برای اجرای برنامه و رصد رفتارهای مخفی و ترافیک خروجی آن به اینترنت
Android Permissions	مجوزهای دسترسی اندروید	دسترسی‌های صریحی که برنامه برای استفاده از حسگرها و داده‌های شخصی کاربر تقاضا می‌کند
Recommendation Engine	موتور پیشنهادگر هوشمند	سیستم تحلیلی که بر پایه الگوهای رفتاری کاربر، آیتم‌های مرتبط و جذاب را به او پیشنهاد می‌دهد

---

۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)

راهنمای ایجنت نویسنده: تمام تصاویر باید در پوشهٔ images/ ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:

1. تصویر کاور درس: images/cover.png
   • موضوع: گیت بازرسی امنیتی دیجیتال با آیکون سبز سبد کافه‌بازار که فایل‌های APK ورودی را اسکن و تایید می‌کند.
2. فرآیند دو مرحله‌ای بازرسی برنامه‌ها در کافه‌بازار: images/cafebazaar-vetting-pipeline.png
   • موضوع: اینفوگرافیک گام‌به‌گام: بارگذاری APK توسط توسعه‌دهنده \rightarrow ۱) تحلیل ایستا (بررسی منیفست و دسترسی‌ها) \rightarrow ۲) تحلیل پویا در سندباکس \rightarrow ۳) تایید محتوا با مدل زبانی \rightarrow انتشار عمومی.
3. نمودار معماری موتور جستجوی هوشمند کافه‌بازار: images/cafebazaar-search-architecture.png
   • موضوع: دیاگرام تعاملی: کوئری کاربر \rightarrow رفع غلط املایی \rightarrow جستجوی معنایی تگ‌ها و نام‌ها \rightarrow اولویت‌بندی رتبه‌ها بر اساس رضایت و تعداد نصب \rightarrow نمایش نتایج.
4. داشبورد توسعه‌دهندگان کافه‌بازار و گزارش بررسی برنامه: images/cafebazaar-developer-panel-review.png
   • موضوع: اسکرین‌شات از پنل توسعه‌دهندگان بازار با تیک‌های سبز اعتبارسنجی امنیتی و وضعیت آماده انتشار.

---

۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (README.md)

1. تیتر اصلی: # بررسی موردی کافه‌بازار؛ بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد
2. مقدمه: چگونه کافه‌بازار با بیش از ۴۵ میلیون کاربر، صدها هزار اپلیکیشن را بدون ارتش انسانی و با کمک هوش مصنوعی از بدافزارها پاک نگه می‌دارد؟
3. جدول کاور درس
4. مقیاس کافه‌بازار: قلب تپنده اپلیکیشن‌های موبایل در ایران:
   • پتابایت‌ها دانلود ماهانه و ده‌ها هزار تیم توسعه‌دهنده در سرتاسر کشور.
5. کارخانه بررسی خودکار برنامه‌ها (Automated App Review Pipeline):
   • دیکامپایل بایت‌کد و تحلیل ایستا (Static Analysis).
   • شکار دسترسی‌های خطرناک در AndroidManifest.xml.
6. سندباکس تست پویا (Dynamic Sandbox): اجرای آزمایشی در قفس شیشه‌ای:
   • اگر برنامه‌ای سعی کند پنهانی به سرورهای ناشناس پیامک بفرستد، چگونه در سندباکس رسوا می‌شود؟
7. موتور جستجو و سیستم پیشنهادگر محتوا:
   • اصلاح خطاهای تایپی فارسی و ارائه پیشنهادات شخصی‌سازی‌شده در صفحه اصلی استور.
8. مهندسی مدرن با AI در تیم‌های کافه‌بازار:
   • استفاده از ایجنت‌های هوش مصنوعی برای اتوماسیون پایپ‌لاین‌های بیلد و ممیزی PRها.
9. درس‌های عملیاتی کافه‌بازار برای اپلیکیشن موبایل پورتفولیوی شما:
   • چطور پکیج خروجی Capacitor یا Expo خود را آماده کنیم تا بدون اخطار در کافه‌بازار پذیرفته شود.
10. باکس نکته Quera (<details class="violet">): اهمیت رعایت قانون شفافیت حریم خصوصی (Privacy Policy URL)؛ چرا گذاشتن لینک صفحه حریم خصوصی در صفحه استور الزامی است.
11. باکس هشدار Quera (<details class="red">): خطر کتابخانه‌های تبلیغاتی مشکوک؛ اضافه کردن یک پکیج نامعتبر به پروژه می‌تواند کل زحمات ساخت اپلیکیشن شما را به عنوان بدافزار زیر سوال ببرد.
12. باکس رضایت‌بخش Quera (<details class="green">): لذت دیدن اپلیکیشن خودساخته در میان نتایج جستجوی کافه‌بازار با نشان تایید اصالت و امنیت.
13. جمع‌بندی درس‌نامه: پایان بررسی کافه‌بازار؛ ورود به آخرین ایستگاه بررسی موردی شرکت‌های ایرانی: دیوار (پالایش آگهی‌ها و چت امن) در درس بعدی.

---

۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)

• مقیاس مهندسی کافه‌بازار و چالش‌های میزبانی هزاران اپلیکیشن تبیین شود.
• متدولوژی تحلیل ایستا و پویای فایل‌های APK به زبان فنی و شفاف تشریح گردد.
• نحوه کارکرد موتور جستجو و پیشنهادگر استور بررسی شود.
• راهنمای آماده‌سازی اپلیکیشن‌های دانشجویان برای انتشار موفق در استورها ارائه گردد.