Опубликовано: 13.10.2026 | Источник: ZDNet – Enterprise Software

Вот семантический анализ и готовый HTML-код статьи. ## Семантический анализ **1. Основной поисковый запрос (Primary keyword):** система обнаружения спам-звонков (робозвонков) **2. LSI-запросы (5–10):** - SIP-сигнализация и RTP-поток - STIR/SHAKEN, верификация номера вызывающего - CDR-аналитика (call detail records) - honeypot-номер, телефонный ханипот - ML-классификация телефонного трафика - Asterisk / FreeSWITCH / Kamailio - Apache Kafka, потоковая обработка событий - OpenTelemetry, метрики и трассировка - антифрод в телекоме, VoIP-фрод - ISO/IEC 25010, ГОСТ 34.602-89 **3. Реальные вопросы студентов:** 1. Где брать датасет звонков, если нет доступа к оператору? 2. Обязательно ли поднимать реальную АТС или хватит эмулятора? 3. Как измерять точность модели в дипломе и что считать «хорошим» результатом? 4. Нужно ли писать код в ВКР или достаточно схем и обоснований? 5. Как оформлять архитектурные диаграммы, чтобы их приняли по ГОСТ? **4. Ключевые сущности:** ГОСТ 34.602-89, ISO/IEC 25010, Kubernetes, OpenTelemetry, CI/CD-пайплайн, STIR/SHAKEN, Apache Kafka, Asterisk/FreeSWITCH, scikit-learn. --- ```html

Обнаружение молчащих робозвонков в ВКР: аналитика CDR, ML-классификация и защита абонента

Статья ZDNet от 29 марта 2026 года разбирает неочевидный сценарий: вы снимаете трубку, а в ответ — тишина. Никакого скрипта, никакого «предложения кредита». Парадокс в том, что именно молчание и является рабочим приёмом мошенников. Ответ на вызов подтверждает, что номер живой, что абонент берёт трубку и, скорее всего, платёжеспособен. Дальше номер перепродаётся как «high-value target», и настоящая атака приходит позже.

Для выпускника ИТ-направления здесь спрятан готовый технический сюжет. Молчащий звонок — это событие в телеком-инфраструктуре: SIP-сигнализация завершилась, RTP-поток не пошёл или пошёл односторонним, CDR-запись легла в биллинг. Значит, есть данные, есть признаки, есть задача классификации в реальном времени — и есть измеримый результат, который можно защитить на ГЭК.

Что технически скрывается за тишиной в трубке

С точки зрения протоколов «молчащий» вызов — это нормально установленная сессия, в которой отсутствует полезная нагрузка. Разбирать её удобно по слоям: сигнальный уровень (SIP: INVITE → 200 OK → ACK), медиауровень (RTP, наличие и симметричность пакетов) и уровень записей о вызове (CDR: длительность, направление, код завершения, номер A/B, время суток).

Три темы ВКР, которые вырастают из этого кейса

Тема 1. Система потокового обнаружения молчащих робозвонков на базе CDR и машинного обучения

Актуальность. Описанный в статье сценарий — это фактически «разведка боем»: минимальные затраты на вызов при максимальной отдаче от базы номеров. Классические чёрные списки такое не ловят, потому что номер каждый раз новый. Нужна поведенческая модель, а не статичная база.

• Цель: разработать сервис, который по потоку CDR и медиаданных за секунды относит вызов к классу «молчащий робозвонок» и инициирует блокировку.
• Задачи: обзор методов антифрод-аналитики в телекоме; проектирование схемы признаков; реализация потокового конвейера и модели; оценка качества и нагрузки.
• Структура: Глава 1 — анализ предметной области, обзор STIR/SHAKEN и ML-подходов; Глава 2 — архитектура (SBC → Kafka → feature store → модель → decision-сервис), обоснование стека; Глава 3 — нагрузочное тестирование, метрики качества, оценка эффекта внедрения.

Тема 2. Honeypot-номер как источник данных для антифрод-модели оператора связи

Актуальность. Молчащий звонок трудно поймать постфактум — он не оставляет «следа» в виде текста или жалобы. Логичный ход: завести номера-ловушки, которые никогда не отвечают людям, и собирать статистику обходов. Статья прямо подводит к этой идее: если ответ — маркер ценности, значит, отсутствие ответа обедняет базу мошенника, а факт обхода становится признаком.

• Цель: спроектировать тестовый стенд из honeypot-номеров и получить воспроизводимый датасет телефонных атак.
• Задачи: развернуть Asterisk/FreeSWITCH с записью метаданных; реализовать сбор и нормализацию событий; построить признаки и проверить гипотезу разделимости классов; оценить этические и правовые ограничения.
• Структура: Глава 1 — теория телефонного фрода и методов его выявления; Глава 2 — архитектура стенда и схема данных; Глава 3 — эксперименты, статистика, ограничения и рекомендации.

Тема 3. Оценка качества подсистемы защиты от спам-звонков по ISO/IEC 25010

Актуальность. Антифрод-сервис легко переусердствовать: чем выше чувствительность, тем больше добропорядочных абонентов попадает под блокировку. Кейс с молчащими вызовами обостряет проблему — признак «тишина» слишком слабый сам по себе.

• Цель: предложить методику оценки такой подсистемы по атрибутам функциональной полноты, производительности и защищённости.
• Задачи: выбрать и обосновать метрики; разработать тестовый профиль нагрузки; провести измерения; сформулировать требования к ТЗ по ГОСТ 34.602-89.
• Структура: Глава 1 — стандарты качества и их адаптация к телеком-сервисам; Глава 2 — методика и инструментарий измерений; Глава 3 — результаты, сравнительная таблица, экономика ошибочных срабатываний.

Аналитическая глава: сравнение решений и обоснование стека

Здесь главное — не описать «вообще все технологии», а свести альтернативы в таблицу с явными критериями. Комиссия любит, когда видно, почему отвергнут вариант, а не только почему выбран оставшийся.

По стеку типичная защищаемая связка выглядит так: Kamailio или SBC на входе, Apache Kafka как транспорт событий, PostgreSQL/TimescaleDB под историю CDR, Python + scikit-learn (или gradient boosting) для модели, FastAPI для decision-сервиса, Redis для кэша репутации. Всё это упаковывается в контейнеры и разворачивается в Kubernetes — тогда в третьей главе появится честный раздел про CI/CD-пайплайн и воспроизводимость сборки.

Проектная часть: архитектура и алгоритм

Опишите конвейер как последовательность с явными точками отказа. Это сразу даёт материал для схем и для раздела надёжности.

Вызов завершён
   ↓
CDR + метаданные медиа  →  Kafka-топик call.events
   ↓
Обогащение: префикс, оператор, история номера за 30 дней
   ↓
Расчёт признаков (окно 1 мин / 1 ч / 24 ч)
   ↓
Скоринг моделью  →  score ≥ 0.83 ?
   ↓ да                        ↓ нет
Решение: блок или CAPTCHA-вызов   Наблюдение, запись в датасет
   ↓
Аудит-лог решения + метрика в OpenTelemetry

Отдельно стоит продумать петлю обратной связи: ложные срабатывания должны попадать в разметку, иначе через месяц эксплуатации модель начнёт «плыть». Опишите это как механизм переобучения по расписанию — сильный пункт для защиты, который сразу отличает продуманную работу от учебной поделки.

Тестирование и метрики: что писать в третьей главе

Раздел с измерениями — то место, где чаще всего срываются. Ограничьтесь пятью-шестью метриками, но доведите их до чисел с указанием условий эксперимента.

Данные для экспериментов реально получить без договора с оператором: генератор синтетических CDR по заданным сценариям (массовый обзвон, тишина, короткие сбросы), публичные датасеты телефонного спама и собственный honeypot-стенд из второй темы. Обязательно опишите процедуру разделения выборки по времени — случайный сплит на временных рядах даёт завышенные метрики и разваливается на защите.

Чему вы научитесь на такой теме

• Проектировать потоковые конвейеры обработки событий и обосновывать выбор брокера сообщений.
• Строить признаки для задач классификации на «грязных» телеком-данных.
• Считать метрики качества так, чтобы они не рассыпались при первом вопросе комиссии.
• Оформлять архитектурные схемы и ТЗ в соответствии с ГОСТ 34.602-89 и ГОСТ 19.701-90.
• Оценивать экономику внедрения: стоимость ложных блокировок против потерь от фрода.

Частые вопросы

Обязательно ли поднимать настоящую АТС?

Нет. Для большинства защищаемых тем достаточно Asterisk или FreeSWITCH в контейнере плюс генератор вызовов (например, sipp или самописный скрипт на Python). Важно описать, насколько стенд приближен к боевому контуру и какие ограничения это накладывает на выводы.

Нужен ли код, если специальность не «Программная инженерия»?

Обычно достаточно прототипа: скрипт расчёта признаков, обучение модели, минимальный API скоринга. Полноценный продукт с интерфейсом не требуется. Зато требуется воспроизводимость — приложите requirements.txt и инструкцию запуска.

Где взять данные о звонках?

Три источника: синтетический генератор CDR, публичные антиспам-датасеты и собственный honeypot-стенд. Первый даёт объём, второй — реалистичные паттерны, третий — уникальность, что особенно ценят при защите.

Как оформлять диаграммы, чтобы их приняли?

Используйте нотации UML или IDEF0 с чёткой легендой, единообразными подписями и ссылками из текста на каждый рисунок. Единый стиль важнее «красоты»: если схема разъезжается по шрифтам и цветам, это читается как спешка.

Как измерять эффект и не переусердствовать

Отдельный H3, который часто теряется в третьей главе, — экономика. Сравните два ущерба: потери оператора от пропущенного фрода и издержки от ошибочной блокировки добросовестного абонента (жалобы, отток, репутация). Точка оптимума по порогу модели — это и есть ваш практический результат. Комиссия такие расчёты запоминает лучше, чем очередную диаграмму Ганта.

Если тема кажется слишком сложной для самостоятельной реализации — это нормально. Надёжнее собрать её вместе с человеком, который уже делал подобные работы: ВКР на заказ или частичная помощь с дипломом в этом случае означают не «списать», а получить консультацию по архитектуре и метрикам, а код и расчёты защищать самому.

Источник: Dealing with silent robocalls? This is why scam callers keep quiet (опубликовано 2026-03-29)

```