16 марта 2026 года публикация на SecurityLab сообщила, что в Кибердоме обсуждают защиту от дипфейков и безопасность ИИ. За заголовком «Дипфейк вашего CEO уже в сети» стоит реальная проблема: атаки с подменой лица и голоса растут, а требования к защите становятся обязательными для бизнеса. Для студентов IT-направлений это сигнал: тема дипфейков — не хайп, а востребованная область, где нужны архитектурные решения и измеримые метрики. Если ваша ВКР связана с кибербезопасностью, компьютерным зрением или ML-инфраструктурой, вы можете опереться на реальный кейс из статьи и сделать работу актуальной хоть сегодня.
| Тема | Актуальность (отсылка к статье) | Цель | Задачи (3–4) | Структура глав |
|---|---|---|---|---|
| Разработка модуля детекции дипфейков для корпоративной системы видеоконференций | Статья подтверждает: атаки на CEO — реальный сценарий, защита нужна «на борту» | Создать микросервис, который анализирует видеопоток в реальном времени и выявляет подмену лица | 1. Сбор/разметка датасета (FaceForensics++, DFDC) 2. Выбор архитектуры CNN (EfficientNet, ResNet) + liveness-detection 3. Развёртывание через FastAPI + Docker 4. Оценка метрик (F1, ROC-AUC, latency) |
Гл.1 — обзор методов дипфейков и анти-спуфинга; Гл.2 — архитектура микросервиса и выбор модели; Гл.3 — тестирование и экономическая эффективность |
| Система многофакторной аутентификации с защитой от дипфейков | CEO-дипфейк обходит стандартные проверки — нужен новый фактор (биометрия + liveness) | Спроектировать и реализовать прототип, сочетающий face-recognition и анализ глубины/текстуры кожи | 1. Проектирование архитектуры (сенсоры, ML-модель, A/B-тест) 2. Интеграция с OpenCV и Dlib 3. Сравнение подходов (статический vs анимационный спуфинг) 4. Оценка FAR/FRR |
Гл.1 — угрозы и классификация атак; Гл.2 — проектирование компонентов; Гл.3 — эксперименты и выводы по ГОСТ 34.602-89 |
| Аудит защищённости ИИ-систем от дипфейков (на примере корпоративного портала) | Форум обсуждает безопасность ИИ — ваш диплом может стать методикой такого аудита | Разработать чек-лист и тестовый стенд для оценки устойчивости системы к deepfake-атакам | 1. Классификация векторов атак (подмена видео, аудио) 2. Разработка тестовых сценариев 3. Проведение нагрузочного тестирования (RTO/RPO) 4. Рекомендации по доработке архитектуры |
Гл.1 — стандарты ISO/IEC 25010, ГОСТ Р 56938-2024; Гл.2 — методика аудита; Гл.3 — результаты и план внедрения |
В статье упоминается форум, где эксперты обсуждают защиту от дипфейков. Это отличная точка входа во введение: вы показываете, что проблема не надумана. Далее в первой главе проведите сравнение фреймворков детекции — например, DeepFaceLab vs. FaceSwap, или подходов на основе CNN vs. LSTM. Используйте метрики из ГОСТ 34.602-89: «Требования к функциям» и «Требования к надежности». Не забудьте обосновать выбор именно вашего стека (PyTorch vs TensorFlow) с точки зрения производительности на целевой архитектуре (CPU/GPU).
Опишите архитектуру решения — не просто нейросеть, а полный пайплайн: захват видео → предобработка (кадр, нормализация) → инференс модели → принятие решения. Добавьте диаграмму компонентов (UML 2.5) и развёртывания (Docker Compose + Kubernetes опционально). Если используете liveness detection — укажите датчики (камера глубины, инфракрасный сенсор). Ссылайтесь на статью как на подтверждение того, что атака возможна, а ваше решение — ответ на угрозу.
В третьей главе покажите, как измеряли качество. Обязательные метрики: Accuracy, Precision, Recall, F1, ROC-AUC. Для реального времени — latency (не более 150 мс на кадр). Если тестируете микросервис — используйте OpenTelemetry для трейсинга и соберите дашборд в Grafana. Для экономической части — посчитайте TCO (Total Cost of Ownership) для развёртывания в облаке (AWS/GCP) и локально. Всё это ляжет в основу таблицы «Сравнение подходов по критерию стоимость/точность».
1. Подмена терминов SaaS/PaaS без обоснования. Если пишете «развернули в облаке» — укажите конкретную модель (IaaS, PaaS) и почему выбрали именно её. Ссылайтесь на ГОСТ Р ИСО/МЭК 25010: требования к масштабируемости.
2. Отсутствие метрик эффективности. Фраза «модель работает хорошо» не пройдёт. Приведите таблицу с ROC-AUC на тестовой выборке, сравните с baseline (например, случайный лес для детекции). Покажите latency при разном количестве одновременных запросов.
3. Игнорирование ГОСТ 34.602-89 при оформлении ТЗ. Даже если вуз не требует, добавьте в приложение «Техническое задание» — это сразу выделит работу на защите среди остальных.
Не обязательно с нуля. Берите предобученные модели (EfficientNet, Xception), дообучайте на датасете FaceForensics++ или DFDC. Основная работа — интеграция в архитектуру (микросервис, обработка видео, UI). Вузы ценят не столько код, сколько архитектурное обоснование и тестирование.
Минимум: confusion matrix, F1-score, ROC-AUC. Для реального времени — latency (p95) и throughput. Если решаете задачу бинарной классификации (deepfake/real) — точность и полнота. Для аутентификации — FAR и FRR.
Открытые датасеты: FaceForensics++ (FF++), DeepFake Detection Challenge (DFDC), Celeb-DF. Также можно синтезировать фейки самому через DeepFaceLab — это даже плюс: покажете, что понимаете, как работает атака.
В большинстве случаев да — хотя бы диаграмму вариантов использования и компонентов. Можно нарисовать в Draw.io или PlantUML. Если вуз явно не требует — добавьте 2-3 схемы в пояснительную записку, это повысит качество работы.
Вы освоите жёсткие навыки: проектирование микросервисной архитектуры (FastAPI + Docker), работу с моделями компьютерного зрения (PyTorch/TensorFlow), нагрузочное тестирование (Locust/jMeter), мониторинг (OpenTelemetry). И soft skills: обоснование выбора стека по критериям, оформление документации по стандартам, публичная защита с опорой на реальный кейс. Это прямо готовит к позиции junior-архитектора или инженера ИБ.
💡 Ваша тема ещё не утверждена? Мы помогаем с выбором направления, архитектурой и текстом ВКР. За 120 часов готовим полноценный диплом с нуля. Первая консультация — бесплатно. Просто напишите — и мы подскажем, как сделать работу актуальной и защищаемой.
Источник: Дипфейк вашего CEO уже в сети. Добро пожаловать на форум по ИИ-безопасности (опубликовано 2026-03-16)