Saltar al contenido principal
La API de Detección de fraude utiliza IA forense para detectar documentos e imágenes manipulados, alterados y generados por IA en tiempo real.

Modelos disponibles

Recupera la lista completa de modelos mediante programación:

Tipos de documentos compatibles

El modelo document clasifica los archivos cargados en 71 tipos mediante la verificación DOCUMENT_CLASSIFIER, organizados en 8 categorías:

Identidad (11 tipos)

Financiero (19 tipos)

Fiscal (9 tipos)

Empleo (7 tipos)

Propiedad (6 tipos)

Seguros (6 tipos)

Comercial (6 tipos)

Los archivos que no coincidan con un tipo conocido se clasifican como other.

Análisis de un archivo

Envíe un archivo para la detección de fraude mediante POST /v1/detection:

Parámetros

El tamaño máximo de archivo es de 50 MB. Los archivos que superen este límite serán rechazados con un error 413.

Comportamiento de la sugerencia de país

Use el parámetro opcional country cuando quiera que la API enrute o anote la solicitud con una sugerencia de mercado explícita.
  • Valores admitidos: us, mx, br
  • La coincidencia no distingue entre mayúsculas y minúsculas
  • Se ignoran los espacios en blanco iniciales y finales
  • Los valores ausentes, vacíos o no válidos recurren a us
Esto es una sugerencia de solicitud, no una afirmación detectada sobre el país emisor. El servicio almacena el valor normalizado en los metadatos y lo devuelve en la respuesta cuando está disponible. Ejemplo:

Estructura de la respuesta

Una respuesta de detección contiene los siguientes campos:

Referencia de campos

Comprender los resultados

Puntuación de probabilidad

El campo likelihood es una puntuación de 0–100 % que indica la probabilidad de fraude o manipulación:

Clasificación

El campo classification indica la evaluación de calidad del documento: si el documento superó todas las puertas de calidad y pudo analizarse correctamente. Esto es independiente del resultado de fraude (likelihood / fraudSeverity).

Razonamiento

El arreglo reasoning contiene explicaciones en lenguaje natural de los hallazgos del análisis. Cada entrada describe una observación o conclusión específica del análisis forense.

Verificaciones técnicas

El arreglo modelResults.technicalChecks contiene las verificaciones forenses individuales realizadas en el archivo. El número y el tipo de verificaciones varían según el modelo, el tipo de archivo y el contenido del documento. Cada objeto de verificación incluye:

Valores de estado

Modelo de documentos

El modelo document ejecuta una canalización de varias etapas. Primero, una serie de puertas de calidad determina la classification (si el documento puede analizarse correctamente). Luego, las verificaciones paralelas de fraude analizan el documento en busca de manipulación y determinan la puntuación likelihood. Pueden ejecutarse verificaciones adicionales según el tipo de archivo y la categoría del documento.

Modelo de objetos

El modelo object devuelve los resultados de detección de fraude mediante los campos de nivel superior likelihood, fraudSeverity e reasoning. El arreglo technicalChecks estará vacío para el modelo de objetos. Cuando se detecta generación o manipulación por IA, se incluye un mapa de calor en el arreglo files que resalta las regiones sospechosas.
Descarga un mapa de calor usando el endpoint de recuperación de archivos:

Categorías de archivos

Códigos de error

Etiquetas y filtrado

Pasa un objeto JSON en el parámetro tags para adjuntar metadatos a tu análisis:
Filtra tu historial de detecciones por etiquetas:
Recupera resultados paginados de detección con ordenación y filtrado:

Parámetros de consulta

Opciones de ordenación

fraudDetectionId, fileName, fileSize, fileType, model, likelihood, createdOn Recupere resultados de detección paginados con ordenación y filtrado:

Parámetros de consulta

Opciones de ordenación

fraudDetectionId, fileName, fileSize, fileType, model, likelihood, createdOn