Document Authenticity and Anti-Fraud Detection

Реализация проверки подлинности документов (Anti-Fraud Detection)

Проверка подлинности документов — задача обнаружения подделок: цифровых фальсификаций (Photoshop, copy-paste), физических подделок (ламинат, чернила), и «живых» манипуляций (прикрытие части документа, подмена фото). Это security-critical система, которая должна работать против мотивированного злоумышленника с доступом к современным инструментам редактирования.

Многоуровневая архитектура анти-фрод проверки

class AntifraudDocumentChecker:
    def __init__(self):
        self.manipulation_detector = ManipulationDetector()
        self.metadata_analyzer = MetadataAnalyzer()
        self.security_feature_detector = SecurityFeatureDetector()
        self.consistency_checker = ConsistencyChecker()

    def analyze(self, image_path: str,
                doc_type: str) -> FraudAnalysisResult:
        result = FraudAnalysisResult()

        # 1. Анализ метаданных изображения
        result.metadata_issues = self.metadata_analyzer.check(image_path)

        # 2. Обнаружение следов цифровой манипуляции
        result.manipulation_score = self.manipulation_detector.score(image_path)

        # 3. Проверка защитных элементов документа
        result.security_features = self.security_feature_detector.check(
            image_path, doc_type
        )

        # 4. Консистентность данных внутри документа
        result.consistency_score = self.consistency_checker.check(
            image_path, doc_type
        )

        # 5. Итоговый риск-скор
        result.fraud_score = self._compute_fraud_score(result)
        result.verdict = 'suspicious' if result.fraud_score > 0.7 else 'clear'

        return result

Обнаружение цифровых манипуляций

Error Level Analysis (ELA) — классический метод: области, изменённые в JPEG, имеют другой уровень ошибок сжатия:

import cv2
import numpy as np
from PIL import Image
import io

def error_level_analysis(image_path: str, quality: int = 95) -> np.ndarray:
    """ELA для обнаружения JPEG-манипуляций"""
    original = Image.open(image_path)

    # Пере-сжимаем с заданным качеством
    buffer = io.BytesIO()
    original.save(buffer, format='JPEG', quality=quality)
    buffer.seek(0)
    recompressed = Image.open(buffer)

    # Разница
    ela_image = np.array(original, dtype=np.float32) - \
                np.array(recompressed, dtype=np.float32)

    # Усиливаем для визуализации
    ela_image = np.abs(ela_image) * 10
    ela_image = np.clip(ela_image, 0, 255).astype(np.uint8)

    return ela_image

CNN-based Manipulation Detection — нейросетевой детектор обнаруживает манипуляции более точно:

from transformers import AutoModelForImageClassification

class ManipulationDetector:
    def __init__(self):
        # Модель обученная на реальных/поддельных документах
        self.model = AutoModelForImageClassification.from_pretrained(
            'path/to/manipulation_detector'
        )
        self.model.eval()

    def score(self, image_path: str) -> float:
        """Возвращает вероятность манипуляции [0, 1]"""
        # Входной стек: RGB + ELA + ошибки сжатия
        rgb = load_and_preprocess(image_path)
        ela = error_level_analysis(image_path)
        features = np.stack([rgb, ela], axis=0)

        with torch.no_grad():
            output = self.model(tensor_from(features))
        return float(torch.sigmoid(output.logits[:, 1]))

Проверка защитных элементов

Защитные элементы документов: водяные знаки, голографические наклейки, микропечать, гильоши (волнистые узоры). Для каждого типа документа описываем ожидаемые визуальные признаки:

def check_watermark(image: np.ndarray, expected_region: dict) -> dict:
    """Проверка наличия водяного знака в ожидаемом регионе"""
    x1, y1, x2, y2 = expected_region.values()
    roi = image[y1:y2, x1:x2]

    # FFT-анализ для выявления регулярных паттернов (гильош)
    gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
    f_transform = np.fft.fft2(gray)
    f_shift = np.fft.fftshift(f_transform)
    magnitude = 20 * np.log(np.abs(f_shift) + 1)

    # Наличие характерных частот в гильоше
    expected_freq_present = analyze_frequency_pattern(magnitude)

    return {
        'watermark_detected': expected_freq_present,
        'confidence': compute_pattern_confidence(magnitude)
    }

Анализ консистентности шрифта

Подмена цифр или букв в документе часто выдаётся по несоответствию шрифта: другая толщина штриха, другая кегль, другой интерлиньяж.

def check_font_consistency(ocr_words: list[dict]) -> dict:
    """Проверка консистентности шрифтовых признаков"""
    # Кластеризация по высоте символов
    heights = [word['height'] for word in ocr_words]

    # Если есть группа слов с сильно отличающейся высотой — подозрительно
    mean_height = np.mean(heights)
    std_height = np.std(heights)
    outliers = [w for w in ocr_words
                if abs(w['height'] - mean_height) > 3 * std_height]

    return {
        'consistent': len(outliers) == 0,
        'suspicious_words': [w['text'] for w in outliers],
        'anomaly_score': len(outliers) / max(len(ocr_words), 1)
    }