Цель — MVP модуля, который автоматически анализирует запись со второй (боковой) камеры экзаменуемого при онлайн-тестировании и находит нарушения академической честности. Камера — смартфон сбоку или сбоку-сзади: в кадре человек, руки, стол и экран. Границы MVP — четыре класса нарушений: посторонний человек в кадре, телефон или второе устройство, уход с рабочего места, перекрытие или смещение камеры. Обрабатываются готовые записи; режим реального времени и остальные классы — вне этой задачи. Результат по каждой сессии — оценка риска 0–100 и список событий с таймкодами, кадрами и клипами. Решение о нарушении принимает человек-проверяющий. KPI (на закрытом тестовом наборе заказчика): — ложная тревога: не более 3% честных сессий с уровнем «высокий»; — пропуск нарушителей: не более 10% сессий с нарушением; — по каждому из 4 классов: полнота не ниже 0,85, точность не ниже 0,80; — скорость: 1 час записи 720p — не дольше 10 минут на одном GPU уровня NVIDIA T4/L4; — не менее 10 одновременно обрабатываемых сессий на одном GPU-сервере. Данные: обучающие записи снимает и размечает исполнитель — постановочно, с письменного согласия участников. Закрытый тестовый набор (~40 сессий, ~20 часов) готовит заказчик; 5–10 образцов записей заказчик даёт в первую неделю. Формат — MP4 (H.264) или WebM, 720p, 10–30 кадр/с. Обработка персональных данных — по Закону РК «О персональных данных и их защите». Среда: GPU-облако на территории РК, аренду оплачивает заказчик; Docker, все модели работают локально, без внешних AI-API. Допустимые лицензии — Apache-2.0, MIT, BSD; AGPL/GPL и веса с некоммерческой лицензией не допускаются. Сроки и права: около 10 недель в три этапа. Исключительные права на код, веса и собранный датасет переходят заказчику по акту приёмки и оплате каждого этапа; код и веса передаются не позднее 5 рабочих дней после акта.

Подробное ТЗ — во вложении: классы нарушений, API, KPI, требования к среде, данным и приёмке.