Защита от списывания: обнаружение, сдерживание и дизайн оценивания

Это инженерные рекомендации, а не юридическая консультация. Уточняйте детали у квалифицированного юриста.

Кратко

Защита от списывания на онлайн-экзамене складывается из трёх задач: сдерживание (человек сам решает не списывать), обнаружение (списывание ловят, если оно случилось) и дизайн оценивания (тест, в котором списывать трудно с самого начала). Третья задача намного устойчивее двух других. Обнаружение, которое поставщики продают активнее всего (защищённый браузер, отслеживание переключения вкладок, ИИ-детекторы текста), – самый хрупкий уровень. Защищённый браузер обходят вторым телефоном, а ИИ-детекторы дают столько ложных срабатываний (по независимым тестам 2025 года часто 15–45%, причём чаще всего они ошибаются на текстах тех, кто пишет не на родном языке), что строить на них обвинения нельзя. Самый известный приём сдерживания – вывод 2012 года, будто подпись под заявлением о честности сверху бланка снижает обман, – отозван в 2021 году: данные исследования оказались сфабрикованы. Что строить, а что покупать: типовые средства обнаружения покупайте, не позволяйте оценке детектора автоматически кого-либо обвинять, а собственные силы вкладывайте в дизайн оценивания – случайные пулы вопросов, параметрические варианты, задания на применение знаний и фиксацию процесса работы. Это единственный уровень, который не обесценивается в гонке вооружений.

Почему это важно

Если ваша платформа выставляет оценки, выдаёт сертификаты или удостоверения, каждый такой документ стоит ровно столько, насколько трудно списать на экзамене, по итогам которого он выдан. Защита от списывания оберегает эту ценность, и именно здесь команды чаще всего расставляют приоритеты наоборот: тратят бюджет на навязчивый мониторинг, который раздражает учащихся и вызывает вопросы у юристов, а сам тест оставляют таким, что списать его ничего не стоит. Статья написана для продакт-менеджера, руководителя корпоративного обучения, основателя или методиста, который решает, какие средства защиты строить, какие покупать, а без каких обойтись. Цель – избежать двух дорогих провалов: удостоверения, которому никто не верит, и скандала с ложным обвинением, в который верят все. Мы разрабатывали оценивание, видео и функции реального времени для регулируемых продуктов, где каждая отметка системы и каждая сохранённая запись имеют правовой и репутационный вес. Прочитав статью, вы сможете выбрать нужные уровни защиты, сформулировать вопросы о приватности и вложить усилия туда, где они действительно окупаются.

Три задачи, которые часто путают

За словами «защита от списывания» стоят три разные задачи. Большинство программ проваливается потому, что купили решение одной, а считают, что закрыли все три.

Сдерживание влияет на решение до экзамена. Это всё, что подталкивает честного, но соблазнившегося человека не списывать: заметное заявление о честности, знание, что сеанс под наблюдением, понятное наказание, обычное неудобство от заблокированного экрана. Сдерживание предотвращает, но улик не оставляет.

Обнаружение работает во время и после экзамена: журнал фокуса в защищённом браузере, отчёт о заимствованиях, отметка проктора, анализ сходства ответов по всей группе. Обнаружение ловит и документирует, но ничего не предотвращает, и любой его сигнал – это вероятность, а не вердикт.

Дизайн оценивания меняет сам тест так, что списывать трудно, бессмысленно или невозможно независимо от мониторинга. Вопрос, случайно выбранный из большого банка, задача с индивидуальными числами для каждого, задание с открытой книгой, где оценивают суждение, которое не подскажет поисковик, – всё это защищает честность, ни за кем не наблюдая. Дизайн – медленный и неброский уровень, но только он не слабеет по мере того, как развиваются инструменты для списывания.

Удобная аналогия – магазин, который борется с кражами. Сдерживание – камера под потолком, из-за которой вор дважды подумает. Обнаружение – бирка, которая пищит на выходе, когда товар уже выносят. Дизайн – такая выкладка, при которой ценное закреплено, а за пределами магазина бесполезно. Магазин, который полагается только на пищащие бирки, теряет товар и лишь узнаёт о краже. Большинство программ онлайн-экзаменов устроены именно так.

Нажмите, чтобы увеличить

Дальше мы пройдём по уровням в порядке того, насколько им стоит доверять: обнаружение (продаётся лучше всего, устойчиво меньше всего), сдерживание (работает, но скромно и обросло мифами) и дизайн оценивания (то, что действительно работает). Проверка личности, то есть доказательство, что тест сдаёт нужный человек, – отдельная мера, ей посвящена статья «Подтверждение личности на экзаменах». Наблюдению за поведением по камере посвящена статья «Онлайн-прокторинг». Здесь – обо всём остальном.

Обнаружение 1: защищённый браузер и сигналы фокуса

Самое распространённое техническое средство – защищённый браузер (lockdown browser), специальное приложение, которое на время теста захватывает экран. Когда тест запущен в нём, исчезает адресная строка, прячется панель задач, отключаются копирование, вставка и печать, а системные сочетания для переключения приложений (Alt-Tab в Windows, Command-Tab в macOS) блокируются. Самый доступный пример – открытый Safe Exam Browser (Windows, macOS, iOS, лицензия Mozilla Public License). В тестах Moodle есть встроенная настройка «Требовать Safe Exam Browser», так что вуз на Moodle включает блокировку без отдельной закупки. Такой браузер не только замечает переключение вкладок, но и физически не даёт переключиться внутри заблокированной среды.

Рядом с блокировкой работает отслеживание фокуса и переключения вкладок, которое веб-платформы умеют и без отдельного браузера. Оно опирается на веб-стандарт W3C Page Visibility API: браузер генерирует событие visibilitychange и переводит свойство document.hidden в true, как только вкладка экзамена перестаёт быть активной. Вместе с событием окна blur это сообщает платформе, в какой момент экзаменуемый ушёл в другое окно или приложение. Скрипт может каждую секунду проверять, какое окно на переднем плане, и записывать каждую потерю фокуса в журнал активности с меткой времени: когда это случилось, сколько длилось и какие меры приняли.

// Минимальный журнал фокуса / переключения вкладок через W3C Page Visibility API.
// Фиксирует, когда вкладка экзамена скрыта; сервер хранит хронологию событий.
document.addEventListener("visibilitychange", () => {
  if (document.hidden) {
    logEvent({ type: "tab_hidden", at: Date.now() });   // ушёл со вкладки
  } else {
    logEvent({ type: "tab_visible", at: Date.now() });   // вернулся
  }
});
window.addEventListener("blur", () => logEvent({ type: "window_blur", at: Date.now() }));

Теперь об ограничении, о котором продавцы блокировки молчат. Эти средства работают на компьютере самого экзаменуемого, а всё, что работает на стороне клиента, можно обойти. Защищённый браузер не даёт открыть вторую вкладку на том же компьютере, но бессилен против того, кто читает ответы со второго телефона, с планшета рядом с ноутбуком или слушает подсказки человека в комнате. Отслеживание фокуса фиксирует, что вкладка была скрыта, но не знает почему: случайное уведомление или скринридер, переключивший контекст, дают то же событие blur, что и списывание. Поэтому правильнее считать эти инструменты сдерживанием, которое попутно даёт данные для обнаружения: они добавляют неудобства и ощущение риска и оставляют журнал, но не служат доказательством и не остановят упорного человека со вторым устройством.

«Частая ошибка: считать отметку в журнале фокуса доказательством списывания. Событие visibilitychange означает лишь, что вкладка потеряла фокус. Его вызывают и пуш-уведомление, и случайный жест, и ассистивные технологии, а учащихся регулярно выбрасывает с экзамена из-за случайного свайпа. Отметка ставит вопрос, отвечает на него человек, знающий контекст. Автоматический незачёт по событию blur порождает ложные обвинения и апелляции.»

Обнаружение 2: заимствования, сходство кода и сговор по ответам

Второе семейство инструментов сравнивает сданную работу с другими источниками. Вот три инструмента, которые часто путают.

Поиск заимствований (классическая «проверка на плагиат», например отчёт «Антиплагиата», привычный российским вузам по проверке ВКР) сравнивает работу с интернетом, опубликованными трудами и базой работ других студентов и возвращает процент совпадений с подсветкой. Свою задачу – найти скопированный текст – он решает надёжно, но процент совпадений не равен проценту вины. Правильно оформленные цитаты, устойчивые обороты и список литературы тоже повышают процент, поэтому число – повод прочитать работу, а не вердикт.

Поиск сходства кода сравнивает программы по структуре, даже если переменные переименованы, а строки переставлены. MOSS (Measure of Software Similarity) из Стэнфорда – давний эталонный инструмент. Он хорошо ловит двух студентов, сдавших одно решение на двоих, потому что сравнивает структуру, а не внешний вид текста.

Анализ сговора по ответам ищет в группе статистически невероятные совпадения, например двух экзаменуемых с одинаковыми редкими неверными ответами в одном порядке. Это сильный сигнал постфактум, потому что ни за кем не нужно следить: анализируются закономерности в ответах, которые платформа и так хранит. Хорошо сделанный анализ выдаёт проверяющему короткий список пар, отсортированный по подозрительности, а не автоматические обвинения.

Обнаружение 3: ИИ-детекторы текста – с крайней осторожностью

С тех пор как генеративный ИИ стал повсеместным, самая востребованная функция обнаружения – ИИ-детектор текста, который якобы определяет, кем написан текст: человеком или моделью. Считайте его наименее надёжным инструментом из всех и стройте политику с учётом его доли ошибок, а не обещаний из рекламы.

Данные неутешительны. Независимые тесты 2025 года показали большой разброс доли ложных срабатываний у популярных детекторов: в зависимости от жанра, например академического или художественного текста, она часто составляет 15–45%. Ещё хуже то, как распределены ошибки. Исследование Стэнфорда показало, что детекторы помечают большинство эссе тех, для кого английский не родной, как сгенерированные ИИ и почти не ошибаются на текстах носителей языка: в одном наборе 97% эссе TOEFL были помечены хотя бы одним детектором. Сопоставимых независимых проверок для русскоязычных текстов мы не нашли, и это повод для большей осторожности, а не меньшей. Поставщики при этом заявляют высокую точность: «Антиплагиат», добавивший определение ИИ-генерации, пишет о точности «до 99%». Но это цифра самого продавца, а не независимый тест, и она ничего не говорит о том, сколько честных студентов детектор пометит на вашем потоке.

Почему это опасно в масштабе, легко посчитать. Возьмём одно задание на поток из 600 студентов и детектор с долей ложных срабатываний 4%, что по меркам 2025 года хороший показатель:

Ложных обвинений на задание: 600 студентов × 4% = 24 честных студента

Двадцать четыре ошибочно обвинённых студента на каждом задании, причём непропорционально часто это иностранные студенты и те, для кого язык обучения не родной, то есть те, кому платформа должна помогать в первую очередь. Ослабите порог – пропустите больше реальных случаев; ужесточите – обвините больше невиновных. Настройки, которая была бы одновременно безопасной и строгой, не существует, поэтому отстоять можно только одну политику: оценка ИИ-детектора сама по себе никогда не может быть основанием для обвинения. Если использовать её вообще, то как один слабый сигнал, после которого проверяющий разговаривает со студентом, смотрит историю черновиков и просит объяснить работу, но никогда как вердикт. Как устроены модели детекции – отдельная тема; о том, как языковые модели работают с учебным контентом и почему ошибаются, читайте в курсе «ИИ для видеоинженерии». Здесь речь о решении на уровне политики оценивания.

Нажмите, чтобы увеличить

Сдерживание: работает, но скромно и обросло мифами

Сдерживание – самый дешёвый уровень и самый засорённый опровергнутым фольклором. Верно одновременно и то, что напоминание о важности честности действительно немного снижает списывание, и то, что самый цитируемый приём для этого – фальшивка.

Начнём с фальшивки, потому что она встречается повсюду. Знаменитое исследование 2012 года утверждало, что если попросить подписать заявление о честности сверху бланка, до заполнения, а не внизу, нечестность резко снижается. В 2021 году PNAS отозвал статью: исследователи обнаружили, что полевые данные в её основе сфабрикованы, а независимые попытки воспроизвести результат к тому времени уже провалились. Если вы встречали совет «пусть подписывают сверху» в руководстве по академической честности (а он встречается во многих), знайте, что он опирается на поддельные данные. Не стройте на нём политику.

То, что устояло, слабее и скучнее. Двойные слепые рандомизированные полевые эксперименты с реальными студентами на реальных экзаменах без проктора (например, Чжао и соавторы, Contemporary Educational Psychology, 2023) показали: если напомнить студентам о политике честности, о реальных прошлых случаях и о конкретных последствиях для пойманных, списывают измеримо меньше, чем без напоминания. Эффект реальный, но скромный, и из него следует практический рецепт: ясно сформулируйте правило, сделайте мониторинг заметным (видимый контроль сдерживает сильнее скрытого) и сделайте наказание правдоподобным. Сдерживание лучше всего работает как обрамление хорошо спроектированного теста, а не как его замена.

Итог: сдерживание снижает списывание, но не исключает его, и тратить на него больше, чем можно оправдать с точки зрения приватности, не стоит. Отсюда переходим к цене тяжёлых мер.

Цена для приватности и справедливости

Каждое средство обнаружения собирает данные об учащемся, и эти данные регулируются. Журнал фокуса, тайминг нажатий клавиш, поток с веб-камеры и поведенческая аналитика, привязанные к конкретному студенту, – персональные данные по 152-ФЗ «О персональных данных». Если по лицу в потоке прокторинга устанавливают личность, это уже биометрические персональные данные (ст. 11): их обрабатывают только с письменного согласия, а отказ от биометрии не может быть поводом отказать в услуге. За несовершеннолетних согласие дают законные представители; с 01.09.2025 согласие оформляется отдельно от других документов, а с 01.07.2025 ПДн граждан РФ нельзя собирать и хранить в зарубежных базах данных. Главный принцип здесь – минимизация (ст. 5 152-ФЗ): объём данных должен соответствовать заявленной цели и не быть избыточным, а хранить их можно не дольше, чем требует цель. Защищённый браузер и журнал фокуса по этой шкале гораздо легче, чем запись камеры и микрофона на весь сеанс, и это ещё одна причина браться за дизайн раньше, чем за слежку. Если платформой пользуется образовательная организация, она закрепляет порядок прокторинга в локальном акте и публикует его на сайте (п. 20 Правил применения ЭО и ДОТ, ПП № 1678); ваши сигналы обнаружения и правила их проверки должны вписываться в этот акт. Подробная правовая карта – в отдельной статье «Данные прокторинга, приватность и правовой ландшафт в России».

Справедливость делает цену ещё выше. Перекос ИИ-детектора против тех, кто пишет не на родном языке, отметка в журнале фокуса из-за ассистивной технологии, защищённый браузер, конфликтующий со скринридером, – каждый такой случай превращает защиту честности в барьер для тех самых учащихся, которых платформа должна оберегать. Минимальные требования конкретны и одинаковы для любого сигнала обнаружения из этой статьи: сигнал запускает проверку человеком с учётом контекста, есть описанная и быстрая процедура апелляции, и ничто не ведёт к автоматическому незачёту.

Дизайн оценивания: уровень, который действительно работает

Теперь о том, что окупается. Самая эффективная, самая устойчивая и наименее навязчивая защита от списывания – тест, который трудно списать, и учащемуся он не стоит никакой приватности. Вот пять приёмов, примерно от простого к сложному.

Случайные пулы вопросов. Вместо одного фиксированного варианта соберите большой банк и формируйте экзамен для каждого случайной выборкой из него. Эффект впечатляет. Допустим, вы выбираете 10 вопросов из пула в 40. Число различных наборов:

C(40,10) = 40! / (10! × 30!) = 847 660 528 возможных вариантов

Вероятность, что два конкретных студента получат одинаковые десять вопросов, – около 1 к 847 миллионам. Даже при частичном пересечении случайный порядок вопросов (10 вопросов дают 3 628 800 перестановок) делает просьбу «скажи ответ на седьмой» бесполезной. Утёкший скриншот чужого варианта почти никому не поможет. Банки заданий и случайные варианты – стандартные функции платформ оценивания (в Moodle это штатные «случайные вопросы» из категории банка), их формально описывает спецификация 1EdTech Question and Test Interoperability (QTI) 3.0 – стандарт переносимого контента для оценивания.

Параметрические (персональные) варианты. Можно пойти дальше и дать каждому студенту одну и ту же задачу с другими числами или другим набором данных: задачу по физике, где у каждого своя масса и скорость, программное задание со своим входным файлом, финансовую задачу с персональными цифрами. Проверяемое понятие одно, а ответ у каждого свой. Поделиться «ответом» невозможно, потому что единого ответа нет.

Применение вместо запоминания. Вопрос, где нужно вспомнить факт, любой поисковик или чат-бот решит за секунды; вопрос, где нужно применить суждение к новой ситуации, – нет. Замените «дайте определение X» на «вот ситуация: поставьте диагноз и обоснуйте выбор». Этот приём сильнее всего обезоруживает генеративный ИИ, потому что оценивает рассуждение, готового образца которого нет в самом вопросе.

Открытая книга и аутентичные задания. Если материал всё равно можно найти, не делайте вид, что нельзя. Экзамен с открытой книгой, построенный на анализе, или аутентичное оценивание, повторяющее реальную профессиональную задачу (сделать вещь, защитить решение, разобраться в запутанной проблеме), измеряет способность, которую поиск не подделает. Вы уже не охраняете доступ к информации, а проверяете, что учащийся умеет с ней делать.

Фиксация процесса и устная защита. Для важных письменных работ фиксируйте процесс, а не только результат. Редактор, который сохраняет черновики, паузы и правки, сразу показывает, если финальный текст целиком вставлен из буфера, а короткая устная защита под запись («расскажите, как вы писали третий раздел эссе») почти невыполнима для чужой работы. Как материал для разбора, а не готовое обвинение, такие сигналы честнее любого ИИ-детектора, и обмануть их труднее.

Нажмите, чтобы увеличить

Таблица ниже сводит меры, выбор «строить или покупать» и усилия. Обратите внимание на закономерность: то, что дёшево купить, – самое слабое и навязчивое, а устойчивое приходится проектировать.

Где здесь Фора Софт

Фора Софт разрабатывает оценивание, видео и функции реального времени для продуктов в онлайн-обучении, телемедицине и других регулируемых отраслях, где отметка системы может стать официальным обвинением, а сохранённые данные о поведении – юридическим риском. В защите от списывания мы полезны не «лучшим детектором», а инженерными решениями. Мы встраиваем типовые средства обнаружения (блокировку, журнал фокуса через Page Visibility API, анализ сходства и сговора) в понятный процесс проверки и апелляции, где ни одна оценка не обвиняет автоматически. Строим механизм случайных пулов и параметрических вариантов, который делает тест устойчивым к списыванию самой своей конструкцией. Проектируем поток данных так, чтобы хранимые сигналы были минимальны, соразмерны цели и выдерживали проверку. Мы помогаем командам вкладывать бюджет туда, где он работает, – в дизайн оценивания, а не в слежку, которую не любят учащиеся и оспаривают юристы.

Главное

• Защита от списывания – это три задачи: сдерживание (предотвратить), обнаружение (поймать) и дизайн оценивания (сделать списывание бессмысленным); устойчив только дизайн.
• Защищённые браузеры (например, открытый Safe Exam Browser в связке с Moodle) и отслеживание фокуса работают на стороне клиента и обходятся вторым устройством; это сдерживание с журналом событий, а не доказательство.
• ИИ-детекторы текста дают много ложных срабатываний и чаще ошибаются на текстах тех, кто пишет не на родном языке; заявленная поставщиком точность – не независимый тест, и оценка детектора не должна автоматически никого обвинять.
• Знаменитый приём «подпись сверху» отозван в 2021 году из-за сфабрикованных данных; не стройте на нём политику.
• Случайные пулы, параметрические варианты и задания на применение знаний защищают от списывания без мониторинга и без цены для приватности.
• Данные обнаружения – персональные данные по 152-ФЗ, лицо для идентификации – биометрия (ст. 11); минимизируйте их (ст. 5) и доводите каждую отметку до проверки человеком с возможностью апелляции.

Что почитать дальше

• Онлайн-прокторинг: подходы, компромиссы и приватность – наблюдение по камере, которое эта статья сознательно оставила за скобками.
• Подтверждение личности на экзаменах – как доказать, что тест сдаёт нужный человек.
• Данные прокторинга, приватность и правовой ландшафт в России – 152-ФЗ, биометрия и ЕБС, сроки хранения записей.
• Эталонный дизайн прокторинга и оценивания – полная схема с пояснениями, которая связывает все эти меры.