Skip to content
TheChatArchiveThe Chat Archive
o3-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

Stwórz propozycję prezentacji .pptx nt. schematów fraudowych, pierwszy slajd ma zawierać…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with DeepSeekdeepseek-v3-0324’s answer.
  1. User

    Stwórz propozycję prezentacji .pptx nt. schematów fraudowych, pierwszy slajd ma zawierać informacje z jakimi zagrożeniami fraudowymi organizacja ma największy problem - mają to być wizualizacje danych, pozostałe slajdy mają zawierać opisy najpopularniejszych schematów fraudowych (phishing, vishing, fałszywe inwestycje, fraud nigeryjski, itp.), ostatnie slajdy powinny zawierać informację nt. potencjalnych zagrożeń w przyszłości przy wykorzystaniu AI np. przy pomocy techniki deepfake.

  2. Assistant

    Poniżej znajdziesz dwuczęściową propozycję:

    1. „Mapa drogowa” prezentacji – czyli co powinno się znaleźć na każdym slajdzie (teksty, sugestie grafik, ikony).
    2. Gotowy skrypt Pythona (biblioteka python-pptx + matplotlib), który wygeneruje plik Fraud_Schemes.pptx ze wstępnym układem slajdów i przykładowymi wizualizacjami danych do slajdu #1.
      Dzięki temu możesz jednym poleceniem wygenerować plik i dalej go jedynie doszlifować w PowerPoincie lub Google Slides.

    1. Plan prezentacji

    #Typ slajduTytuł (PL)Zawartość (skrót)Wskazówki wizualne
    0Tytułowy„Schematy fraudowe – przegląd zagrożeń 2024”• nazwa organizacji • data / autorzdjęcie tła: zamek z puzzli albo tarcza z „binary code”
    1Dashboard„Największe problemy fraudowe w naszej organizacji”• Bar chart: liczba incydentów wg typu fraudu • Pie (lub donut): straty finansowe % • Heat-mapa miesięczna (12×kategorie)utrzymaj spójne kolory: np. Phishing – niebieski, Vishing – zielony itd.
    2Informacyjny„Phishing (e-mail)”• Definicja • Mechanizm ataku • Fakty/statystyki (np. % incydentów) • Przykład maila (screenshot zamazany) • Jak się bronić (bullet list)ikona ✉️
    3Informacyjny„Vishing (oszustwo telefoniczne)”j.w.ikona ☎️
    4Informacyjny„Smishing (SMS phishing)”j.w.ikona 📱
    5Informacyjny„Fałszywe inwestycje / Crypto-fraud”j.w. (dodać alerty dot. FOMO)ikona 💰
    6Informacyjny„Fraud nigeryjski / ’419 Advanced Fee’”j.w.ikona 📧
    7Informacyjny„BEC – Business E-mail Compromise”j.w.ikona 🏢
    8Podsumowanie obecne„TOP 5 wniosków & rekomendacje”• ranking ryzyk • quick wins • KPI / SLAużyj „checklist” ✔️
    9Trend„AI-powered fraud – co nadchodzi?”• Deepfake audio/video • LLM-generated spear-phishing • Synth. identitywstaw grafikę twarzy połówka real / half-deepfake
    10Trend„Deepfake w praktyce”• mini-case (CEO fraud video) • koszt potencjalny • demo link (Y-T)film 📹, wykres ryzyka
    11Trend„Rekomendacje na przyszłość”• automatyczna detekcja głosu/obrazu • continuous awareness • Zero Trust + AI controlsikonografia tarczy AI 🛡️
    12Q&A„Pytania?”duża ikona „?” + kontakt—

    Możesz oczywiście dodać/usunąć slajdy – powyższy układ mieści się w ~15 min prezentacji.


    2. Skrypt generujący plik Fraud_Schemes.pptx

    # -*- coding: utf-8 -*-
    """
    Fraud_Schemes.pptx – szybki generator szkieletu prezentacji
    Wymagania: python-pptx, matplotlib, pandas, seaborn
    pip install python-pptx matplotlib pandas seaborn
    """
    
    import matplotlib.pyplot as plt
    import seaborn as sns
    import pandas as pd
    from pptx import Presentation
    from pptx.util import Inches, Pt
    from pptx.enum.text import PP_ALIGN
    from pptx.dml.color import RGBColor
    from io import BytesIO
    
    # ------------------ DANE PRZYKŁADOWE ------------------
    
    incydenty = {
        'Phishing': 120,
        'Vishing': 45,
        'Smishing': 30,
        'Fałszywe inwestycje': 35,
        'BEC': 70,
        'Fraud nigeryjski': 10
    }
    
    straty = {
        'Phishing': 300000,
        'Vishing': 150000,
        'Smishing':  90000,
        'Fałszywe inwestycje': 500000,
        'BEC': 800000,
        'Fraud nigeryjski': 50000
    }
    
    # heatmap: wiersze = miesiące, kolumny = typ fraudu
    heat_df = pd.DataFrame({
        'month': pd.date_range('2023-01-01', periods=12, freq='M').strftime('%b'),
        'Phishing':  [12,15,8,11,9,13,10,14,7,12,9,14],
        'Vishing':   [4,6,3,2,5,4,6,4,3,5,2,1],
        'Smishing':  [2,4,1,3,2,2,3,4,2,1,1,3],
        'Fałszywe inwestycje':[1,2,1,5,6,3,2,4,3,2,5,1],
        'BEC':       [6,5,8,7,5,6,7,4,6,5,8,7],
        'Fraud nigeryjski':[1,1,0,1,1,1,0,1,1,0,1,1]
    }).set_index('month')
    
    # ------------------ WYKRESY ------------------
    
    # Bar chart – liczba incydentów
    fig1, ax1 = plt.subplots(figsize=(5,3))
    sns.barplot(x=list(incydenty.keys()), y=list(incydenty.values()), palette="crest", ax=ax1)
    ax1.set_title('Liczba incydentów 2023', fontsize=10)
    ax1.set_ylabel('')
    ax1.set_xlabel('')
    for item in ax1.get_xticklabels():
        item.set_rotation(20)
    fig1.tight_layout()
    
    # Pie chart – straty %
    fig2, ax2 = plt.subplots(figsize=(4,4))
    ax2.pie(straty.values(), labels=straty.keys(), autopct='%1.0f%%', colors=sns.color_palette("crest"), startangle=140)
    ax2.set_title('Udział w stratach finansowych', fontsize=10)
    fig2.tight_layout()
    
    # Heatmap – miesiąc vs fraud
    fig3, ax3 = plt.subplots(figsize=(6,3))
    sns.heatmap(heat_df, cmap="YlOrRd", linewidths=.3, annot=True, fmt='d', ax=ax3, cbar=False)
    ax3.set_title('Rozkład incydentów w czasie', fontsize=10)
    fig3.tight_layout()
    
    # helper to save plots to buffer
    def fig_to_picture(fig):
        buf = BytesIO()
        fig.savefig(buf, format='png', dpi=200, transparent=False)
        plt.close(fig)
        buf.seek(0)
        return buf
    
    buf_bar  = fig_to_picture(fig1)
    buf_pie  = fig_to_picture(fig2)
    buf_heat = fig_to_picture(fig3)
    
    # ------------------ PREZENTACJA ------------------
    prs = Presentation()
    blank = prs.slide_layouts[6]  # pusty layout
    
    # --- 0. Tytułowy ---
    slide = prs.slides.add_slide(prs.slide_layouts[0])
    slide.shapes.title.text = "Schematy fraudowe – przegląd zagrożeń 2024"
    slide.placeholders[1].text = "Nazwa organizacji • autor • data"
    
    # --- 1. Dashboard ---
    s1 = prs.slides.add_slide(blank)
    title_shape = s1.shapes.add_textbox(Inches(0.2), Inches(0.1), Inches(9), Inches(0.6))
    tf = title_shape.text_frame
    tf.text = "Największe problemy fraudowe w naszej organizacji"
    tf.paragraphs[0].font.size = Pt(24)
    
    # wstaw wykresy
    left, top = Inches(0.3), Inches(1.0)
    s1.shapes.add_picture(buf_bar, left, top, width=Inches(4.0))
    
    left = Inches(5.0)
    s1.shapes.add_picture(buf_pie, left, top, width=Inches(3.5))
    
    left, top = Inches(0.3), Inches(3.5)
    s1.shapes.add_picture(buf_heat, left, top, width=Inches(8.2))
    
    # --- 2+. Szablony slajdów opisowych ---
    fraudy = [
        ("Phishing (e-mail)", "• Podszywanie się pod zaufany podmiot...\n• Kliknięcie w złośliwy link..."),
        ("Vishing (telefoniczny)", "• Oszust podszywa się pod bank...\n• Wywieranie presji czasowej..."),
        ("Smishing (SMS phishing)", "• Wiadomość SMS z złośliwym linkiem..."),
        ("Fałszywe inwestycje / Crypto", "• Obietnica szybkich zysków...\n• Brak licencji podmiotu..."),
        ("BEC – Business Email Compromise", "• Przejęcie/imitacja konta CFO...\n• Zmiana numeru rachunku..."),
        ("Fraud nigeryjski (419)", "• Prośba o pomoc w transferze środków...\n• Opłaty 'z góry' ..."),
    ]
    
    for title, body in fraudy:
        slide = prs.slides.add_slide(blank)
        tx = slide.shapes.add_textbox(Inches(0.4), Inches(0.4), Inches(9), Inches(0.8))
        tf = tx.text_frame; tf.text = title
        tf.paragraphs[0].font.size = Pt(24)
        content = slide.shapes.add_textbox(Inches(0.6), Inches(1.4), Inches(8.5), Inches(4.5))
        content.text = body
        content.text_frame.paragraphs[0].font.size = Pt(18)
    
    # --- Trendy AI ---
    ai_titles = [
        ("AI-powered fraud – co nadchodzi?",
         "• Deepfake audio i video (Voice cloning, CEO scam)\n• Boty generujące spear-phishing\n• Syntetyczne tożsamości tworzone przez AI\n• Automatyzacja rekonesansu social-media"),
        ("Deepfake w praktyce",
         "CASE: Fałszywa wideokonferencja z Dyrektorem Finansowym.\n✓ Strata potencjalna: 2 mln PLN\n✓ Czas wykrycia: 48 h\nDemonstracja: https://…"),
        ("Rekomendacje na przyszłość",
         "1. Wdrożenie detekcji deepfake (audio+video)\n2. Multi-factor & continuous authentication\n3. Szkolenia pracowników z użyciem symulatorów AI\n4. Polityka Zero Trust + monitorowanie LLM\n5. Rapid Response Playbook na incydenty AI")
    ]
    
    for title, body in ai_titles:
        slide = prs.slides.add_slide(blank)
        tx = slide.shapes.add_textbox(Inches(0.4), Inches(0.4), Inches(9), Inches(0.8))
        tf = tx.text_frame; tf.text = title
        tf.paragraphs[0].font.size = Pt(24)
        content = slide.shapes.add_textbox(Inches(0.6), Inches(1.4), Inches(8.5), Inches(4.5))
        content.text = body
        content.text_frame.paragraphs[0].font.size = Pt(18)
    
    # --- Q&A ---
    slide = prs.slides.add_slide(blank)
    q = slide.shapes.add_textbox(Inches(1.5), Inches(1.5), Inches(7), Inches(3))
    q_tf = q.text_frame
    p = q_tf.paragraphs[0]; p.text = "Pytania?"
    p.font.size = Pt(60); p.font.bold = True; p.alignment = PP_ALIGN.CENTER
    
    # ------------------ ZAPIS ------------------
    prs.save("Fraud_Schemes.pptx")
    print("Fraud_Schemes.pptx wygenerowany!")
    

    Jak użyć:

    1. Skopiuj kod do pliku make_ppt.py.
    2. pip install python-pptx matplotlib pandas seaborn
    3. python make_ppt.py
    4. W folderze pojawi się Fraud_Schemes.pptx – otwórz, dodaj logotypy, ikonki (np. z Flaticon) i dostosuj kolory do brand-booka firmy.

    Kilka pro-tipów designowych

    • Paleta kolorów: trzy odcienie granatu + akcent czerwony dla „Alert/High Risk”.
    • Fonty web-safe: Calibri, Segoe UI lub Montserrat (jeśli brand na to pozwala).
    • Ikony liniowe (outline) → budują spójność.
    • Jeśli masz firmowy zestaw ikon, wrzuć je do Slide Master, by uniknąć „skakania”.
    • Przed końcem prezentacji dodaj slajd z najważniejszym „call to action”: co dokładnie ma zrobić audytorium po wyjściu z sali.

    Powodzenia w prezentacji!

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.