随着各类业务办理逐步普及线上化，由材料造假带来的欺诈风险也“水涨船高”。在保险理赔、银行移动开户、信用卡申办，以及商业消费场景中，每年都会因欺诈带来巨大的资金损失与潜在风险。由于甄别材料影像件是否被篡改的难度较大，且材料类型多样、数量繁多，导致人工甄别工作量大、耗时长、易遗漏。

故此，合合信息推出“PS篡改检测”，可以精准捕捉图像在篡改过程中留下的细微痕迹，智能判断图像是否被篡改。该项“黑科技”在2022年世界人工智能大会进行了重点展出，且获得了CCTV-1、CCTV-2、东方卫视、第一财经电视等权威电视媒体与新华社、澎湃、上观新闻等多家新闻媒体的关注与报道。

01

传统图像篡改检测方法

图像篡改可分为全局篡改和局部篡改，全局篡改包括修改饱和度与对比度、增强颜色等，往往用于提升图像质量、辨识度、美观性，局部篡改包括复制粘贴、拼接组合、擦除等，卡证、票据、商业材料的篡改一般属于局部篡改，即通过改变图像上的部分字段、图案等，获取不当利益。

传统的图像篡改检测方法主要有：

1.基于Exif信息判断

Exif信息是可交换图像文件的缩写，可以记录数码照片的属性信息和拍摄数据，Exif信息可以附加于jpge、tiff、riff等文件之中，为其增加有关数码相机拍摄信息的内容和索引图或图像处理软件的版本信息。

但如果图像仅通过图像处理软件进行了全局性的裁剪、调色处理，但未篡改具体内容，基于Exif信息进行判断则会产生误判。同时，也有部分第三方软件可对Eixf信息进行修改，抹除篡改留下的数据记录。

2.篡改痕迹检测

将图像分割成相同大小的图像块，提取图像块中的特征向量，生成二维特征向量矩阵，从而检测出异常图像块，以判断图像是否被篡改。

该方法对复制粘贴篡改的检测效果较好，但对拼接组合擦除篡改的检测效果较差，遇到几何变形图像与低质量图像时检测效果明显下降。

3.图像内在特征统计

首先手工设计统计特征方法，再对图像内在特征例如像素平均值、RGB相关性等进行统计，特征量化后，进行分类训练，根据图像内在特征判断是否被篡改。

该方法在与场景相匹配时，检测效果较好，图像质量要求也有所降低，但是需要手工设计统计特征方法，局限性较强，且无法同时对多种篡改方法进行判定。

02

合合信息自研图像篡改检测技术

基于对上述传统篡改检测方法的融合与突破，合合信息自研了全新的深度学习图像篡改检测方法。该技术主要采用神经网络模型捕捉图像在篡改过程中留下的细微痕迹，基于百万级的数据学习图像被篡改后统计特征的变化，不仅可以判断图片是否被篡改，还能定位修改区域，以热力图形式展示图像区域篡改置信度，检测准确率远超传统检测方法和人眼判断。

合合信息的图像篡改检测系统可同时支持检测复制粘贴、拼接、擦除等多种篡改形式，以及混合篡改，检测准确率高，模型泛化能力强。支持API接口、私有云部署等多种灵活部署方式。

03

应用场景

保险在线理赔

据国际保险监督官协会测算，全球每年约有20%-30%的保险赔款涉嫌保险欺诈。尤其是对于小额理赔申请，为了提升业务处理效率与客户体验，保险公司常常采用规则审核方式，系统自动化审核客户在线提交的理赔材料，相较于人工审核调查，更容易产生骗保漏洞。

合合信息可助力保险公司理赔业务系统升级反欺诈能力，智能判断理赔材料是否被篡改，并显示篡改区域及篡改置信度，涵盖身份证件、车辆证件、病历、门诊发票、住院发票、医保报销分割单、住院费用明细、检查报告、诊断证明、抢救记录、死亡证明、车辆维修单、维修费发票等各类型理赔材料。

银行移动开户

用户通过移动端在线提交个人身份证件申请银行开户，可能存在身份证件虚假、套用、被篡改部分信息的情况，该类账户往往有较高的洗钱、欺诈风险。通过合合信息“PS篡改检测”能力，可智能识别出被篡改的身份证件，涵盖身份证、护照、户口本、军官证等，并具体显示被篡改的区域，包括字段篡改、照片篡改等。

信用卡申办

用户网上申请信用卡，需要提交个人身份证件与财力证明，存在大量的篡改、伪造身份证件与财力证明信息，骗领信用卡或获得更高的信用额度后恶意透支、恶意套现的欺诈情况。合合信息“PS篡改检测”可智能判断身份证、护照等身份证件与收入证明、工作证明、行驶证、房产证、不动产权证等财力证明材料是否存在篡改痕迹，并以热力图的形式显示篡改置信度，“火眼金睛”识别伪造材料，有效降低信用卡欺诈风险。

商场积分管理

为了改善商户营商环境，鼓励用户消费，商场常常会联合商户推出促销活动，比如：用户将商场消费产生的小票上传，即可获得相应积分，积分可抵扣现金或兑换礼品。可能存在用户篡改小票日期或小票金额以骗取高额积分的情况。引入合合信息的图像篡改检测技术，即可对用户上传的小票照片进行自动检测，判断是否被篡改，优化审核流程，提升用户体验和商场运行效率。