Опубликовано: 10.04.2026 | Источник: CNews (новости)

Анализ социальной инженерии в дипломе: как защитить цифровую подпись от фишинга

Поддомен: Cybersecurity
Роль: Специалист по информационной безопасности

Введение

Компания F6 зафиксировала новую мошенническую схему: злоумышленники рассылают уведомления о якобы взломе электронной подписи, после чего предлагают «подтвердить личность» по телефону. На деле — это фишинг с обратным звонком, маскирующийся под официальную поддержку. Такие атаки растут в геометрической прогрессии — и вузам это не безразлично. Если вы пишете ВКР в области ИБ, игнорирование подобных кейсов — прямой путь к слабой защите. Почему? Потому что комиссия ожидает не теорию 2005 года, а анализ реальных угроз, актуальных в 2026. А значит — ваш диплом должен включать именно такие кейсы: с цифровыми подписями, социальной инженерией, фишингом и методами защиты. Покажите, что вы не просто читали ГОСТ, а понимаете, как атакуют сейчас.

Темы ВКР: как превратить кейс в диплом

Основная часть: как вписать кейс в диплом

Глава 1 — Теоретический анализ: не просто пересказ, а системный взгляд

Не ограничивайтесь описанием статьи. Используйте её как триггер для анализа. Пример:

• Сравните сценарий F6 с классификацией атак по MITRE ATT&CK (T1598 — Phishing for Information).
• Свяжите с ГОСТ Р 34.10-2012 — где в механизме ЭП «дыры» для социальной инженерии?
• Проанализируйте, как работает обратный звонок: кто инициирует? Как атакующие маскируются под техподдержку?

Обязательно включите диаграмму C4-Model (контекст), показывающую взаимодействие: пользователь ←→ мошенник ←→ поддельный сайт/сервис. Это покажет, что вы видите систему целиком.

Глава 2 — Проектирование: от идеи к архитектуре

Если вы делаете систему защиты, нарисуйте архитектурную схему (например, в PlantUML или draw.io). Пример структуры:

• Модуль анализа текста (NLP-правила: наличие слов «взлом», «срочно», «подтвердите»)
• Интеграция с DNSBL (чёрные списки доменов)
• API для проверки отправителя через УЦ (например, КриптоПро)
• Уведомление пользователя: цветовая маркировка, предупреждение

# Пример правила для детектора фишинга (Python-like)
def is_phishing_alert(text):
    keywords = ['вашу подпись взломали', 'срочно подтвердите', 'угроза безопасности']
    urgency_phrases = ['за 5 минут', 'немедленно', 'иначе доступ будет закрыт']
    
    score = 0
    for word in keywords:
        if word in text.lower():
            score += 2
    for phrase in urgency_phrases:
        if phrase in text.lower():
            score += 1
            
    return score >= 3  # Порог для срабатывания

Такой код можно вставить в приложение диплома. Главное — объясните логику в тексте, не кидайте «как есть».

Глава 3 — Тестирование: без метрик — нет науки

Как доказать, что ваше решение работает? Через метрики:

• Precision — сколько из помеченных как фишинг — действительно фишинг?
• Recall — сколько реальных атак вы поймали?
• Ложные срабатывания — критично для UX!
• Время реакции — сколько времени проходит от получения письма до уведомления?

Сравните с базовым решением (например, обычный спам-фильтр). Это покажет прирост эффективности — а это то, что любят на защите.

Как оформить схемы и диаграммы?

Используйте единый стиль:

• Для архитектуры — C4 Model (Level 1: контекст, Level 2: контейнеры)
• Для процессов — BPMN (например, «процесс проверки уведомления»)
• Для логики — диаграммы последовательности UML

Все схемы — с подписями, в тексте на них должна быть ссылка: «см. рис. 2.1». Не вставляйте картинки без пояснений.

Чему вы научитесь

Работая с таким кейсом, вы получите навыки, которые ценят и в вузе, и на рынке:

1. Анализировать реальные киберугрозы по методикам MITRE, OWASP.
2. Проектировать защитные механизмы с учётом человеческого фактора.
3. Считать и интерпретировать метрики эффективности (precision, recall).
4. Оформлять схемы по стандартам UML/C4, соответствовать ГОСТ 19.701-90.
5. Интегрировать ИБ в бизнес-процессы, а не просто «поставить фаервол».

FAQ: ответы на частые вопросы

Какой стек выбрать для детектора фишинга?

Для прототипа — Python (библиотеки: re, spacy для NLP, Flask для API). Если хотите масштабируемость — рассмотрите FastAPI + Docker. Главное — обосновать выбор в тексте: «Выбран Python из-за доступности NLP-инструментов и скорости прототипирования».

Сколько кода должно быть в дипломе?

Не менее 300 строк в приложении. Но не гонитесь за объёмом. Лучше 100 строк с комментариями и пояснениями, чем 500 «мёртвого» кода. Включайте только ключевые модули: анализ текста, логика принятия решений.

Где взять данные для тестирования?

Используйте:

• Синтетические данные — сами составьте 50 легитимных и 50 фишинговых уведомлений.
• Открытые корпусы: PhishTank, OpenPhish.
• Разрешите студентам провести внутренний фиш-тест (анонимно, с согласия).

Как защитить работу, если тема «очевидная»?

Сделайте акцент на локализации: «анализ фишинга ЭП в условиях РФ», «учёт особенностей КриптоПро и УЦ». Добавьте реальный кейс (как статья F6) — это сразу выделит вас. И главное — покажите, что вы думали, а не просто писали по шаблону.

Источник: «Вашу подпись взломали»: новый сценарий мошеннической схемы с обратным звонком (опубликовано 2026-03-31)