Статья о скам-центре в Камбодже — не просто криминальная хроника, а настоящий кейс для ВКР по информационной безопасности. Шесть этажей обмана, униформа, жетоны и даже буклеты госслужащих — преступники массово используют социальную инженерию. Для студента это возможность разработать реальное решение: от анализа методов обмана до прототипа антифрод-системы. Показываем, как превратить новость в защищаемую работу, избежав шаблонов и штампов.
| Название темы | Актуальность и цель | Задачи | Структура глав |
|---|---|---|---|
| Разработка системы детектирования скам-звонков на основе анализа речи | Мошенники имитируют представителей госорганов. Цель — создать прототип, который в реальном времени определяет типовые сценарии обмана. | 1. Обзор методов мошенничества и существующих решений; 2. Сбор и разметка датасета звонков; 3. Разработка алгоритма классификации; 4. Тестирование и оценка эффективности. | 1. Анализ методов и существующих систем; 2. Проектирование архитектуры и разработка модели; 3. Тестирование, метрики, экономическая оценка. |
| Проектирование защищённой инфраструктуры колл-центра с honeypot и SIEM | Скам-центры маскируются под официальные организации. Цель — создать архитектуру, которая выявляет аномальные сессии и блокирует подозрительных операторов. | 1. Анализ векторов атак и требований; 2. Выбор компонентов (honeypot, SIEM, IDS); 3. Конфигурация и интеграция; 4. Проверка сценариев и оценка. | 1. Анализ угроз и существующих решений; 2. Проектирование и развертывание; 3. Оценка эффективности (TP/FP, ROC-AUC). |
| Влияние социальной инженерии на поведение пользователей и методика защиты | Униформа и жетоны создают ложное доверие. Цель — провести эксперимент и разработать методику обучения, снижающую риск. | 1. Анализ психологических приёмов; 2. Разработка сценариев фишинга для контрольной группы; 3. Проведение эксперимента и сбор данных; 4. Статистический анализ и рекомендации. | 1. Теория социальной инженерии; 2. Подготовка и проведение эксперимента; 3. Анализ результатов по U-критерию Манна‑Уитни, выработка регламентов. |
Используйте статью как источник фактов: опишите инфраструктуру скам-центра (этажи, отделы, роли), реквизит, имитирующий госслужбу. Постройте UML-диаграмму прецедентов: актёры — жертва, оператор, администратор, системный инженер. Для BPMN сделайте схему бизнес-процесса «звонок жертве». Добавьте классификацию методов социальной инженерии из OWASP Social Engineering Prevention Guide.
Пример описания диаграммы прецедентов (текстом):
Аксёры: Оператор, Жертва, Администратор, Оборудование.
Прецеденты:
- Оператор инициирует звонок, проигрывает скрипт, при необходимости переводит на супервизора.
- Жертва принимает звонок, передаёт данные, проверяет «легенду».
- Администратор управляет учётными записями и журналами звонков.В дипломной работе эта диаграмма станет основой для главы анализа.
Спроектируйте антифрод-модель. Например, классификатор звонков на Python. Для вдохновения — простой фрагмент с TF-IDF и логистической регрессией для распознавания мошеннических фраз:
import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import f1_score
# df содержит колонки: text (текст разговора), label (1/0)
vectorizer = TfidfVectorizer(ngram_range=(1,2), max_features=5000)
X = vectorizer.fit_transform(df['text'])
y = df['label']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
clf = LogisticRegression().fit(X_train, y_train)
y_pred = clf.predict(X_test)
print(f'F1 = {f1_score(y_test, y_pred):.3f}')
Для SIEM-решения используйте корреляционное правило (KQL/Cron, если демонстрируете на ложном трафике):
// Пример правила корреляции (идея для ВКР)
Количество звонков > 100 в час
И Средняя длительность < 20 секунд
И Номер инициированного звонка из списка недоверенных
-> Создать инцидент и заблокировать оператораАрхитектура (C4 level 1): описывается контекст: пользовательские телефоны, шлюз VoIP, модуль анализа (ML/SVM, SIEM), база данных угроз, интерфейс администратора. Схему можно нарисовать через средства draw.io или Mermaid, а словами дать в пояснительной записке.
Для ML-модели считайте точность, полноту, F1-меру, ROC-AUC. Для SIEM — false positive rate и число пропущенных инцидентов. Сравните полученные результаты с требованиями ISO/IEC 25010 (безопасность, надёжность) и рекомендациями ГОСТ 34.601 для автоматизированных систем. Оформите таблицы сравнения.
Если реальных данных мало, используйте синтетический датасет с аугментацией. Важно показать, как вы обеспечили валидность эксперимента, — это сильный плюс на защите.
Выбирайте узкую тему с явной практической частью. «Анализ скам-центров» — слишком широко. Лучше: «Разработка модуля детектирования скам-звонков с использованием ruBERT». Это показывает компетенции в ML и ИБ.
В большинстве вузов требуют три главы: аналитика, проектирование/реализация, тестирование. Это структура ГОСТ. Отклонения допустимы по согласованию с руководителем, но лучше придерживаться классики.
Используйте публичные датасеты (например, наборы фишинговых звонков на Kaggle). Или создайте собственный датасет с помощью краудсорсинга среди однокурсников, имитируя сценарии из статьи. Главное — задокументировать процесс сбора.
Используйте PlantUML, Mermaid или draw.io. В пояснительной записке дайте описание текстом, а схему добавьте в приложение. Никто не требует идеального художественного мастерства, важна читаемость и подписи.
Источник: Шесть этажей обмана. Журналистам показали, как выглядит изнутри гигантский скам-центр в Камбодже (опубликовано 2026-03-17)