ผู้ใช้ระบบ (Actors)

บุคคลและบทบาทที่มีชื่อซึ่งใช้งานระบบ Scam Image Detection

ผู้ใช้ทั่วไป (General User)

ผู้คือ: ประชาชนทั่วไปที่ต้องการตรวจสอบว่ารูปภาพน่าจะถูกตัดต่อหรือใช้ในการหลอกลวงหรือไม่

ส่วนติดต่อผู้ใช้ (Interface): Flutter Mobile App (Android)

Use Cases ทั่วไป:

ได้รับสลิปโอนเงินที่น่าสงสัยและต้องการตรวจสอบ
กำลังจะเชื่อใจรูปโปรไฟล์จากคนแปลกหน้าบนโลกออนไลน์
พบรูปภาพโปรโมทที่น่าสงสัยซึ่งรับประกันผลตอบแทนสูง
ต้องการตรวจสอบรูปภาพก่อนแชร์ต่อ

สิ่งที่ทำได้:

สมัครสมาชิกและเข้าสู่ระบบด้วย Email/Password (code v1 ไม่มี OAuth)
เลือกรูปจากคลังภาพเพื่อตรวจสอบ
ตัดภาพ (Crop) ก่อนส่งเพื่อโฟกัสบริเวณใดบริเวณหนึ่ง
ดู Risk Score และ Heatmap overlay
ดูประวัติการสแกน
ส่งรายงานแจ้งว่ารูปนี้เป็น Scam ที่ยืนยันแล้ว
จัดการตั้งค่ายินยอม PDPA (รวมถึงถอนยินยอมการวิจัย)

สิ่งที่ทำไม่ได้:

เข้าถึง Admin Dashboard หรือเครื่องมือจัดการโมเดล
ดูการสแกนของผู้ใช้อื่น
อนุมัติหรือปฏิเสธ Scam Report

แอดมิน / นักวิจัย (Admin / Researcher)

ผู้คือ: เจ้าหน้าที่ภายใน, นักวิจัย AI หรือทีมสนับสนุนของโปรเจค

ส่วนติดต่อผู้ใช้ (Interface): React 19 + Vite 8 + Tailwind CSS v4 Admin Web Portal

สิ่งที่ทำได้:

ดูสถิติทั้งระบบ: จำนวนสแกนรวม, Accuracy Metrics, ปริมาณ Traffic
ตรวจสอบคิว Scam Report จากผู้ใช้ และทำเครื่องหมายยืนยันหรือเพิกเฉย
นำรูป Scam ที่ยืนยันแล้วไปสร้างและคัดกรอง Training Dataset
อัปโหลด Model Weight ไฟล์ใหม่และสั่ง Deploy โมเดล
จัดการบัญชีผู้ใช้ (ดู + เปิด/ปิดบัญชี ตามที่สิทธิ์ RBAC อนุญาต)

หมายเหตุเรื่อง RBAC: สิทธิ์ Admin บังคับใช้ที่ระดับ API ผ่าน JWT Claims ถึงจะมีคนเข้าถึง URL ของ Admin Portal ได้ แต่ API Endpoint สำหรับ Admin จะปฏิเสธ Token ของผู้ใช้ทั่วไปทั้งหมด

ระบบ (Automated Actor)

ไม่ใช่คน แต่เป็น Actor ที่ควรบันทึกไว้:

Redis Cache — ส่งคืนผลลัพธ์จาก Cache อัตโนมัติ โดยไม่มีคนเข้ามาเกี่ยวข้อง
FCM — (Phase 2 — ยังไม่ทำใน v1; v1 ใช้ polling + in-app notification) เมื่อพร้อมจะส่ง Push Notification อัตโนมัติเมื่องานสแกนเสร็จสิ้น
Scheduled Model Retraining — ระบบอัตโนมัติที่วางแผนไว้ในอนาคต เมื่อมี Scam Report ที่ยืนยันแล้ว ระบบจะกระตุ้นให้เทรนโมเดลใหม่แบบ Incremental