Modelos disponíveis
Recupere programaticamente a lista completa de modelos:
Tipos de documentos compatíveis
A classe de modelodocument classifica arquivos enviados em 71 tipos por meio da verificação DOCUMENT_CLASSIFIER, organizados em 8 categorias:
Identidade (11 tipos)
Financeiro (19 tipos)
Fiscal (9 tipos)
Emprego (7 tipos)
Propriedade (6 tipos)
Seguro (6 tipos)
Comercial (6 tipos)
Jurídico (7 tipos)
Arquivos que não correspondem a um tipo conhecido são classificados como
other.
Analisando um arquivo
Envie um arquivo para detecção de fraude viaPOST /v1/detection:
Parâmetros
Comportamento da dica de país
Use o parâmetro opcionalcountry quando quiser que a API encaminhe ou anote a requisição com uma dica explícita de mercado.
- Valores compatíveis:
us,mx,br - A correspondência não diferencia maiúsculas de minúsculas
- Espaços em branco no início e no fim são ignorados
- Valores ausentes, vazios ou inválidos retornam para
us
Estrutura da resposta
Uma resposta de detecção contém os seguintes campos:Referência dos campos
Entendendo os resultados
Pontuação de probabilidade
O campolikelihood é uma pontuação de 0–100% que indica a probabilidade de fraude ou manipulação:
Classificação
O campoclassification indica a avaliação de qualidade do documento — se o documento passou por todos os filtros de qualidade e pôde ser analisado corretamente. Isso é separado do resultado de fraude (likelihood / fraudSeverity).
Raciocínio
O arrayreasoning contém explicações em linguagem natural sobre os achados da análise. Cada entrada descreve uma observação específica ou conclusão da análise forense.
Verificações técnicas
O arraymodelResults.technicalChecks contém as verificações forenses individuais realizadas no arquivo. O número e o tipo de verificações variam dependendo do modelo, tipo de arquivo e conteúdo do documento.
Cada objeto de verificação inclui:
Valores de status
Modelo de documento
O modelodocument executa um pipeline de múltiplas etapas. Primeiro, uma série de filtros de qualidade determina a classification (se o documento pode ser analisado corretamente). Em seguida, verificações paralelas de fraude analisam o documento em busca de manipulação e determinam a pontuação likelihood. Verificações adicionais podem ser executadas dependendo do tipo de arquivo e da categoria do documento.
Modelo de objeto
O modeloobject retorna resultados de detecção de fraude por meio dos campos de nível superior likelihood, fraudSeverity e reasoning. O array technicalChecks estará vazio para o modelo de objeto.
Quando a geração ou manipulação por IA é detectada, um mapa de calor é incluído no array files destacando as regiões suspeitas.
Categorias de arquivo
Códigos de erro
Tags e filtragem
Passe um objeto JSON no parâmetrotags para anexar metadados à sua análise:
Navegando no histórico
Recupere resultados de detecção paginados com ordenação e filtragem:Parâmetros de consulta
Opções de ordenação
fraudDetectionId, fileName, fileSize, fileType, model, likelihood, createdOn
Recupere resultados de detecção paginados com ordenação e filtragem:
Parâmetros de consulta
Opções de ordenação
fraudDetectionId, fileName, fileSize, fileType, model, likelihood, createdOn