Stwórz propozycję prezentacji .pptx nt. schematów fraudowych, pierwszy slajd ma zawierać…
- 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.
- Assistant
Poniżej znajdziesz dwuczęściową propozycję:
- „Mapa drogowa” prezentacji – czyli co powinno się znaleźć na każdym slajdzie (teksty, sugestie grafik, ikony).
- 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 slajdu Tytuł (PL) Zawartość (skrót) Wskazówki wizualne 0 Tytułowy „Schematy fraudowe – przegląd zagrożeń 2024” • nazwa organizacji • data / autor zdjęcie tła: zamek z puzzli albo tarcza z „binary code” 1 Dashboard „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. 2 Informacyjny „Phishing (e-mail)” • Definicja • Mechanizm ataku • Fakty/statystyki (np. % incydentów) • Przykład maila (screenshot zamazany) • Jak się bronić (bullet list) ikona ✉️ 3 Informacyjny „Vishing (oszustwo telefoniczne)” j.w. ikona ☎️ 4 Informacyjny „Smishing (SMS phishing)” j.w. ikona 📱 5 Informacyjny „Fałszywe inwestycje / Crypto-fraud” j.w. (dodać alerty dot. FOMO) ikona 💰 6 Informacyjny „Fraud nigeryjski / ’419 Advanced Fee’” j.w. ikona 📧 7 Informacyjny „BEC – Business E-mail Compromise” j.w. ikona 🏢 8 Podsumowanie obecne „TOP 5 wniosków & rekomendacje” • ranking ryzyk • quick wins • KPI / SLA użyj „checklist” ✔️ 9 Trend „AI-powered fraud – co nadchodzi?” • Deepfake audio/video • LLM-generated spear-phishing • Synth. identity wstaw grafikę twarzy połówka real / half-deepfake 10 Trend „Deepfake w praktyce” • mini-case (CEO fraud video) • koszt potencjalny • demo link (Y-T) film 📹, wykres ryzyka 11 Trend „Rekomendacje na przyszłość” • automatyczna detekcja głosu/obrazu • continuous awareness • Zero Trust + AI controls ikonografia tarczy AI 🛡️ 12 Q&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:
- Skopiuj kod do pliku
make_ppt.py. pip install python-pptx matplotlib pandas seabornpython make_ppt.py- 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!
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.