Detecção de fraude
A verificação de fraude examina um documento em busca de indícios de que ele foi alterado, reaproveitado ou gerado, e atribui a ele um nível de risco. Ela roda em dois lugares: automaticamente durante a extração e sob demanda pela API de verificação de fraude. Ela nunca decide sozinha. O resultado é uma recomendação que uma pessoa revisa, e os dados extraídos continuam disponíveis qualquer que seja o nível de risco.
- Opt-in. A verificação vem desligada. Ela só roda para um tenant que a permite e um template que a habilita (veja Como ligar). Ninguém é cobrado por ela sem ter pedido.
- Preço. 8 créditos por análise, o mesmo durante a extração ou pela API de verificação de fraude. Com a verificação ligada, cada documento extraído custa 8 créditos além da extração. Uma análise que a API reaproveita para o mesmo arquivo é gratuita; uma que não conseguiu terminar não é cobrada.
- Ambientes. A verificação automática durante a extração roda no ambiente de desenvolvimento da Cogneris e está sendo ligada em homologação e produção, onde continua opt-in por tenant. Fale com o seu contato na Cogneris antes de planejar a adoção.
- Nenhum número de acurácia é publicado. A Cogneris ainda não publica taxa de detecção nem de falso positivo para esta verificação. Trate o resultado como motivo para olhar com mais atenção, não como veredito.
Quando usar
Em fluxos onde um documento falsificado ou reaproveitado causa perda financeira ou de compliance: onboarding, crédito, sinistros, cadastro de fornecedor, comprovante de renda ou de endereço.
Como funciona
- Um documento é extraído com um template que tem a detecção de fraude habilitada.
- Um conjunto de verificações independentes roda sobre os campos extraídos e o arquivo. Uma verificação que não consegue rodar é informada como falha; ela nunca conta como "aprovada".
- Cada verificação pode emitir sinais. Os sinais são combinados em uma pontuação de risco de 0 a 1 e um nível de risco.
- O resultado é guardado sob um ID de análise (
requestId) e aparece no Playground, na tela de revisão do Workflow e pela API.
Como ligar
É preciso o perfil de administrador do tenant.
- Permita no tenant. Em Configurações de agentes do tenant › Proteções, marque
Permitir detecção de fraude no Playground (isso inclui
fraud-detectionnos agentes de domínio permitidos do tenant). Mantenha Fiscalização de fraude em Consultivo (apenas registrar) — veja Consultivo e fiscalizar. - Habilite no template. Na configuração de agentes do template, aba Agentes de domínio,
habilite Detecção de fraude no Playground e escolha a sensibilidade (
sensitivity). - Extraia um documento com esse template. O resultado mostra a etapa Verificação de confiança e fraude.
Sensibilidade
A sensibilidade muda apenas onde cada nível começa, não como a pontuação é calculada.
| Sensibilidade | review a partir de | suspect a partir de |
|---|---|---|
Baixa (low) | 0,50 | 0,85 |
Média (medium, padrão) | 0,35 | 0,70 |
Alta (high) | 0,20 | 0,55 |
O administrador do tenant também pode sobrescrever os limiares e os pesos da pontuação para o tenant inteiro em Pontuação de fraude (avançado), na mesma página de Proteções. Deixe em branco a menos que já tenha revisado resultados suficientes para saber por que está mudando.
Níveis de risco
| Nível | Exibido como | O que fazer |
|---|---|---|
trusted | Confiável | Nenhum sinal atingiu o limiar de revisão. Siga com os dados extraídos. |
review | Revisar | Peça a uma pessoa que olhe o documento antes de confiar nele. |
suspect | Suspeito | Suspenda a decisão e revise. A extração continua disponível. |
Uma assinatura digital de PDF quebrada ou não verificável sempre resulta em pelo menos review,
qualquer que seja a sensibilidade.
Sinais
Cada sinal tem um código, uma severidade (low, medium, high), uma pontuação e uma evidência
curta em texto. Sinais com pontuação 0 são informativos: aparecem para você saber que a
verificação rodou e não aumentam o risco.
| Verificação | Sinal | O que significa |
|---|---|---|
| Consistência de campos | invalid_tax_id | Um campo de CPF ou CNPJ não passa nos dígitos verificadores. |
impossible_date | Um campo de data está no futuro. | |
value_inconsistency | Um campo de valor não contém um número. | |
| Estrutura do PDF | pdf_incremental_updates | O PDF foi salvo de novo depois de criado. |
pdf_date_mismatch | A data de modificação é anterior à de criação. | |
pdf_producer_anomaly | O programa que criou o PDF é diferente do que o gerou. | |
pdf_missing_metadata | O PDF não traz informação de criador nem de produtor. | |
| Análise de imagem | ela_inconsistency | A análise de nível de erro (ELA) encontrou compressão desigual na imagem ou na página, o que pode indicar edição. |
| Reaproveitamento | duplicate_document | O mesmo arquivo, idêntico, já foi enviado no seu tenant. |
layout_reuse | Um documento visualmente quase idêntico já foi enviado no seu tenant. | |
repeat_reuse | O mesmo layout continua voltando; a pontuação cresce a cada repetição. | |
| Volume | velocity_anomaly | O tenant enviou hoje mais análises que o limite diário configurado (20 por padrão). |
| Content Credentials (C2PA) | c2pa_present_invalid | O arquivo traz um manifesto C2PA quebrado ou que não confere com o conteúdo. |
c2pa_present_valid, c2pa_present_untrusted, c2pa_absent, c2pa_unavailable | Informativos. Manifesto válido, manifesto de um signatário fora das listas de confiança, sem manifesto, ou não avaliado. Ausência não é suspeita. | |
| Assinatura digital do PDF | pdf_signature_broken | Existe assinatura, mas o documento mudou depois de assinado. Força pelo menos review. |
pdf_signature_unverifiable | Existe assinatura, mas ela não pôde ser verificada. Força pelo menos review. | |
pdf_signature_untrusted | A assinatura está íntegra, mas o signatário não é confiável. | |
pdf_signature_valid, pdf_signature_absent, pdf_signature_unavailable | Informativos. Uma assinatura válida não reduz o risco. | |
| Instruções no documento | prompt_injection_attempt | O texto contém instruções dirigidas a um sistema de IA. |
| Probabilidade de geração por IA | (um número, não um sinal) | Estimativa de um modelo de IA, de 0 a 1, de que o texto extraído pareça gerado. Ela não olha a imagem. |
Toda verificação que lê o arquivo — estrutura do PDF, análise de imagem, C2PA e assinaturas de PDF — lê o arquivo exatamente como você o enviou, não a cópia que a Cogneris normaliza para a extração. Salvar de novo ou imprimir o documento em PDF antes de enviar apaga o histórico de edição que essas verificações procuram; envie o arquivo como você o recebeu.
Como a pontuação é montada
A pontuação soma três partes ponderadas e é limitada a 1:
- 0,6 × a pontuação do sinal mais forte (um sinal forte conta; vários fracos não se somam);
- 0,3 × a probabilidade de geração por IA;
- 0,4 × a intensidade de instruções encontradas no documento.
"Gerado por IA" não é o mesmo que fraude: um sistema legítimo pode gerar um documento. Por isso a probabilidade de geração por IA é apenas uma parte da pontuação.
Consultivo e fiscalizar
O tenant escolhe como o resultado é usado, em Fiscalização de fraude:
| Modo | Efeito |
|---|---|
| Consultivo (apenas registrar) (padrão) | O resultado é registrado e exibido. Nada é bloqueado. |
| Fiscalizar | Um resultado no nível escolhido ou acima (Revisão ou superior, ou Apenas Suspeito) é marcado como Bloqueado; um resultado sinalizado abaixo dele é marcado como Sinalizado. |
Nos dois modos a verificação roda e o resultado é registrado. Em Fiscalizar, um resultado
Bloqueado é informado a quem chamou (fraudBlocked: true na extração, policyAction: "block"
no resultado) e o documento vai para revisão humana. A Cogneris nunca rejeita um documento
sozinha: os dados extraídos continuam sendo devolvidos.
Revisar documentos sinalizados
No Vision
Configurações de agentes do tenant › Revisão (a Fila de revisão de fraude) lista todo
resultado review ou suspect ainda sem veredito, do mais recente para o mais antigo. Abra um,
leia os sinais e registre um veredito:
- Fraude confirmada
- Falso positivo
- Inconclusivo
Só o administrador do tenant pode enviar veredito; enviar de novo substitui o anterior. Os vereditos são a única medida de qualidade disponível hoje: mostram, por nível de risco, com que frequência a verificação acertou.
No Workflow
Quando uma fase de extração do Workflow roda com a detecção de fraude ligada, um documento em
review ou suspect (ou sinalizado ou bloqueado) vai para a fila Avaliação de fraude da fase
Manual Review, que tem precedência sobre todas as outras filas, e o processo não pode ser
aprovado automaticamente. O revisor vê o nível de risco, a pontuação, a probabilidade de geração
por IA e cada verificação com seus sinais. Veja
Organize human review (em inglês).
Verificar um documento pela API
POST /api/v1/fraud-verify recebe um arquivo e devolve o veredito, o score, cada sinal com um
rótulo legível e cada verificação que rodou. Chame com uma chave de API que tenha o escopo
fraud-verify.write (uma chave * tem). Custa 8 créditos por análise. Enviar o mesmo arquivo
de novo, na mesma sensibilidade, em até 24 horas devolve a análise anterior, marcada reused, sem
cobrança.
Envie em fields os valores que você já extraiu do documento para incluir as verificações de
consistência de campos (CPF/CNPJ, datas, valores). Sem eles, só o arquivo é verificado.
O tenant precisa permitir a detecção de fraude (passo 1 de Como ligar); senão a
chamada é recusada com fraud.not_enabled e nada é cobrado. Veja
API de verificação de fraude (em inglês).
Ler o resultado pela API
Com uma chave de API, GET /api/v1/fraud-verify/{requestId} lê qualquer análise, inclusive a
feita durante uma extração (fraudRequestId). Veja
API de verificação de fraude.
Dentro da plataforma, GET /vision/agent-runs/{requestId}/fraud-assessment devolve o mesmo
resultado.
Leia available primeiro: false significa que não há resultado para esse ID, o que não é o
mesmo que trusted. Depois leia riskLevel, signals e checks; qualquer nome em
failedCoverage é uma verificação que não terminou. Veja
Fraud assessment API e Fraud review API
(em inglês).
O que ainda não faz
Estes itens estão no roadmap, não disponíveis hoje:
- indicar onde na página o indício foi encontrado (página e região);
- detectar edição de caractere em PDF nativo (fontes, glifos, objetos sobrepostos);
- olhar a imagem para julgar se o documento foi gerado por IA;
- um número de acurácia publicado.