Details

Цель настоящей выпускной работы – разработка способа решения задачи  обнаружения мошеннических манипулятивных воздействий в интернет-коммуникациях при помощи легковесных больших языковых моделей. Для достижения поставленной цели необходимо решить следующие задачи: 1.Проанализировать мошеннические манипулятивные воздействия, используемые при интернет-мошенничестве, а также текстовые конструкции, с их применением. 2.Разработать инструкции для легковесных больших языковых моделей, применяемых в исследовании, а также формализовать их структуру. 3.Разработать методику применения легковесных больших языковых моделей для решения задачи обнаружения мошеннических манипулятивных воздействий. 4.Разработать экспериментальный стенд системы обнаружения мошеннических воздействий и оценить его показатели эффективности. В ходе работы были исследованы мошеннические манипулятивные воздействия и их признаки в тексте. Была предложена и формализована структура инструкций к легковесной большой языковой модели. Был предложен способ применения легковесных больших языковых моделей для выявления мошеннических манипуляций в текстовых сообщениях. В результате работы был разработан экспериментальный стенд, способный определять мошенническую природу сообщения и классифицировать угрозу, была продемонстрирована эффективность стенда. Полученные результаты могут быть использованы в качестве основы для проектирования промышленных антифрод-систем. В работе была использована среда LM Studio, язык программирования  Python c библиотекой FastAPI, система управления базами данных PostgreSQL и её расширение pgvector.

The purpose of the study is development of a method for detecting fraudulent manipulative actions in online communications using lightweight large language models. The research set the following goals: 1.Analyze the fraudulent manipulative influences used in Internet fraud, as well as text structures, with their application. 2.Development of instructions for lightweight large language models used in the study, as well as to formalize their structure. 3.Development of a a methodology for using lightweight large language models to solve the problem of detecting fraudulent manipulative influences. 4.Development of an experimental stand of a fraud detection system and evaluate its performance indicators. During the work the most popular fraudulent manipulative influences and their signs in the text were investigated. The structure of instructions for a lightweight large language model was proposed and formalized. A method has been proposed for using lightweight large language models to detect fraudulent manipulations in text messages. As a result of the work, an experimental stand was developed capable of detecting the fraudulent nature of the message and classifying the threat, and the effectiveness of the stand was demonstrated. The results obtained can be used as a basis for designing industrial antifraud systems. The work used the Python programming language with FastAPI library, the LM Studio environment, the PostreSQL database management system, and its pgvector extension.

• РЕФЕРАТ
• ABSTRACT
• СОДЕРЖАНИЕ
• ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
• ВВЕДЕНИЕ
• 1АНАЛИЗ МОШЕННИЧЕСКИХ МАНИПУЛЯТИВНЫХ ВОЗДЕЙСТВИЙ, И
  • 1.1Понятие когнитивного искажения
  • 1.2Иллюзия контроля
  • 1.3Оптимистическое искажение
  • 1.4Ощущение срочности
  • 1.5Выводы
• 2МЕТОДИКА ВЫЯВЛЕНИЯ МОШЕННИЧЕСКИХ МАНИПУЛЯТИВНЫХ ВО
  • 2.1Предварительная обработка и структурирование входн
  • 2.2Формирование шаблона запроса к модели для выявлени
  • 2.3Большая языковая модель в качестве прямого анализа
  • 2.4Использование внешних баз знаний при выявлении мош
  • 2.5Использование большой языковой модели для расширен
  • 2.6Подготовка тестовой выборки для оценки качества вы
  • 2.7Выводы
• 3РАЗРАБОТКА ЭКСПЕРИМЕНТАЛЬНОГО СТЕНДА И ОЦЕНКА ЕГО
  • 3.1Выбор локальной легковесной модели и программных с
  • 3.2Архитектура и реализация экспериментального стенда
  • 3.3Формирование базы внешнего контекста и эксперимент
  • 3.4Проведение эксперимента и оценка его эффективности
  • 3.5Выводы
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ 1. ВИД СООБЩЕНИЯ ПОСЛЕ ПРЕДОБРАБОТКИ
• ПРИЛОЖЕНИЕ 2. ШАБЛОН ЗАПРОСА К МОДЕЛИ-АНАЛИЗАТОРУ
• ПРИЛОЖЕНИЕ 3. ПРОМПТ ФОРМИРОВАНИЯ RAG-ДОКУМЕНТА
• ПРИЛОЖЕНИЕ 4. ПРОМПТ САМОПРОВЕРКИ RAG-БАЗЫ
• ПРИЛОЖЕНИЕ 5. ПРОМПТ ФОРМИРОВАНИЯ ТЕСТОВОЙ ВЫБОРКИ
• ПРИЛОЖЕНИЕ 6. КОНФИГ-ФАЙЛ ДЛЯ ГЕНЕРАЦИИ RAG
• ПРИЛОЖЕНИЕ 7. КОНФИГ-ФАЙЛ ДЛЯ ГЕНЕРАЦИИ ТЕСТОВ