C1: System Context Diagram

แผนภาพ 4ดูขนาดใหญ่

ดู Mermaid source

flowchart TD
    %% การตั้งค่า Class สีต่างๆ (กำหนด color:black ตามคำสั่ง)
    classDef mainSystem fill:#0050ef,stroke:#001DBC,color:black
    classDef userFill fill:#fff2cc,stroke:#d6b656,color:black
    classDef adminFill fill:#dae8fc,stroke:#6c8ebf,color:black
    classDef extFill fill:#f5f5f5,stroke:#666666,color:black

    %% Title Area
    subgraph Context [C1: System Context Diagram]
        direction TB
        
        %% Nodes (โหนดต่างๆ)
        User("General User<br>[Person]")
        
        System("Mobile App: Scam Image Detection<br>[Software System]<br>Allows users to upload images to detect forgery,<br>AI generation, and existing scams.")
        
        Admin("Admin<br>[Person]")
        
        ExtSearch("Reverse Image Search Provider<br>[External System]<br>Google Vision API / Bing Visual Search<br>(Used to find similar images on the web)")
        
        ExtNotify("Push Notification Service (Phase 2)<br>[External System]<br>Firebase Cloud Messaging (FCM)<br>(Sends alerts/results to mobile)")

        %% Relationships (เส้นเชื่อมโยง)
        User -- "1. อัปโหลดรูปเพื่อตรวจสอบ<br>2. ดูรายงานความเสี่ยง" --> System
        
        System -- "ส่ง URL รูปภาพ / ข้อมูลไบนารี" --> ExtSearch
        ExtSearch -.->|"ส่งคืน URL รูปภาพที่คล้ายกัน"| System
        
        System -- "ส่งข้อมูลการแจ้งเตือน (Payload)" --> ExtNotify
        
        Admin -- "ตรวจสอบรูปที่ถูกรายงาน /<br>อัปเดตข้อมูลโมเดล" --> System
    end

    %% Apply Styles (การระบายสี)
    class System mainSystem
    class User userFill
    class Admin adminFill
    class ExtSearch,ExtNotify extFill

ย่อ100%ขยายปิด

1. ระบบหลัก (The Software System)

• Mobile App: Scam Image Detection :
• หน้าที่: เป็นแอปพลิเคชันบนมือถือที่ให้ผู้ใช้เข้ามาอัปโหลดรูปภาพที่น่าสงสัย ระบบจะทำการวิเคราะห์ เช็คค่า EXIF/GPS ข้อมูลรายละเอียดของไฟล์รูปภาพและข้อมูลพิกัด (ถ้ามี), เช็คการตัดต่อระดับพิกเซล (Semantic Segmentation), อ่านข้อความในภาพเพื่อหา Keyword อันตราย, วิเคราะห์ภาพเพื่อดูว่าเป็นภาพที่สร้างจาก AI หรือไม่

2. ผู้ใช้งาน (People)

• General User (ผู้ใช้งานทั่วไป):

  • คือคนธรรมดาที่อาจจะได้รับรูปภาพแปลกๆ (เช่น สลิปโอนเงินปลอม, รูปโปรไฟล์หลอกลงทุน)
  • การกระทำ: ส่งรูปเข้ามาในแอป (Upload) และรอรับผลการตรวจสอบ (View Report) เพื่อดูว่ารูปนั้นเสี่ยงแค่ไหน

• Admin (ผู้ดูแลระบบ):

  • คือทีมงานหลังบ้าน หรือนักวิจัย
  • การกระทำ: เข้ามาดูรูปที่ถูก Report เข้ามา เพื่อยืนยันความถูกต้อง หรือนำข้อมูลใหม่ๆ ไปอัปเดตให้โมเดล AI ฉลาดขึ้น (Updates model data)

3. ระบบภายนอก (External Systems)

ระบบของเราไม่ได้ทำงานด้วยตัวคนเดียว แต่มีการเชื่อมต่อกับบริการอื่นเพื่อลดภาระงานและเพิ่มประสิทธิภาพ:

• Reverse Image Search Provider :

• คืออะไร: บริการค้นหารูปภาพระดับโลก เช่น Google Vision API หรือ Bing Visual Search

• ทำไมต้องใช้: ระบบของเราส่งรูปไปถามเจ้านี้ว่า "เคยเห็นรูปนี้ที่ไหนในเน็ตไหม?" (Send URL/Binary)

• สิ่งที่ได้กลับมา: แหล่งที่มาของภาพ (Similar URLs) เช่น ถ้าเป็นรูปโปรไฟล์สาวสวย แต่ไปเจอว่าเป็นดาราเกาหลี ก็แสดงว่าปลอมแน่นอน

• Push Notification Service (Phase 2 — v1 ใช้ polling + in-app):

• คืออะไร: บริการส่งการแจ้งเตือน (เริ่ม Phase 2)

• ทำไมต้องใช้: การวิเคราะห์รูปภาพอาจใช้เวลา (2-10 วินาที หรือมากกว่า) เราจึงไม่ให้ผู้ใช้รอนิ่งๆ หน้าจอ แต่เมื่อระบบประมวลผลเสร็จ จะส่งข้อมูล (Payload) ไปที่ FCM เพื่อเด้งแจ้งเตือนที่มือถือผู้ใช้ว่า "ตรวจสอบเสร็จแล้ว!"

---

สรุปขั้นตอนการทำงาน (Workflow Scenario)

1. User อัปโหลดรูปสลิปโอนเงินที่สงสัยเข้ามาใน App
2. App ส่งรูปนั้นไปเช็คกับ Google/Bing (External) ว่ารูปนี้ไปก๊อปมาจากเว็บไหนไหม
3. App ประมวลผลภายใน (เช็คการตัดต่อ/AI)
4. เมื่อได้ผลลัพธ์ครบ App แจ้งเตือนผู้ใช้ในแอป (v1 polling; FCM เป็น Phase 2)
5. User เปิดดูผลลัพธ์คะแนนความเสี่ยง
6. (Optional) หากเป็นเคสใหม่ Admin จะเข้ามาตรวจสอบข้อมูลเพื่อปรับปรุงระบบในภายหลัง