一张“太完美”的营业执照:生成式 AI 时代的进件风险监测,先拦住那些文档解析读不出的假
进件审核台上出现一份营业执照:边框齐整、印章清晰、字号统一,连纸面纹理都挑不出毛病。它不像被谁改过,而是更像是一份由大模型精心生成的,连同门头照片、银行流水一起上传,等着被当作真实材料收下。过去审核员主要是在“找破绽”,现在对手专门把破绽抹平。在线上进件链路里,图像要先经过文档解析和表格解析转成可核对的数据,供RAG知识库检索或大模型问答调用。但是如果最前端那张图本身就是合成件,后面每一步都在错误的基础上做功。一张齐整得反常的营业执照,把问题推回了起点:现在的图,还能不能相信?
窗口那头递来的材料,干净得有点反常
商户入驻、企业开户、供应商准入,这些业务的第一道门几乎都搬到了线上。申请人拍一张执照、一张门头照、几页银行流水上传,系统识别后就直接进入审核。以前审核员头疼的是材料模糊、缺角、拍歪,如今更该担心的,反而是提交的材料太规整——边缘没有毛刺、印章分毫不差、光影均匀得像样张。生成式AI压缩伪造证件、流水、门头照的成本,导致现在的合成件与翻拍件、屏幕截图一起混在真实进件里,肉眼很难一眼挑出来。虽然后果并不夸张但确实发生,如果把主体信息对不上、授权链路的材料用在错误的企业身上,后续复核要回头找人重新核验。材料的“干净”,从此不再等于可信。
肉眼和普通OCR,为什么都看不出破绽
原因要从图像本身说起。普通OCR只负责把图上的文字认出来,它判断的是“这是什么字”,并不回答“这张图是不是真的”。例如,一张合成执照上的统一社会信用代码,字形、间距、笔画都合乎规范,那么识别结果自然也正确。现在的情况是,错的是这张图的来历,而不是文字内容。翻拍件更棘手:它可能是拿另一台设备对着真证件翻拍或截图,字形没问题、印章位置也对,只是原始采集信息早已丢失。而且屏幕翻拍还会带上摩尔纹、反光和轻微透视变形,但是生成式图像,纹理、阴影、字体都符合统计上的“正常”,恰恰是这种正常让人失去了怀疑的抓手。当识别能力越来越强,识别之前的真实性判断却仍是空白,进件链路就出现了一段无人覆盖的空白。

把拦截提到识别之前,顺序一换会产生不一样的效果
换一种排法就能改观:与其在审核末端加人,不如重排整条链路的先后。传统做法是“上传—识别—人工审”,图像一经上传就直接被抽字、入库;改造后的做法是“上传—质量与真实性核验—合格材料才进入文档解析与表格解析—结构化数据入库—由大模型问答或规则做判断”。这一前一后的差别很实际:疑似合成件、翻拍件、缺边模糊件在入口处就被标记或退回,不再占用后端的识别算力,也不会把脏数据带进 RAG 知识库。审核员看到的不再是混杂的原始图片,而是一份带检测结论的材料清单——哪些通过、哪些需要重点复核,界面上就有依据。前置拦截守的是入口,省的是整条链路的返工。
前置拦截不是一个开关,而是一组并行的检查。第一类是完整性判断:大面积遮挡、证件缺角缺边,这类图即使文字清楚也不该直接放行。第二类是图像质量检测:光斑、反光、分辨率失真、运动模糊、毛玻璃感,这些质量问题都会让后续识别结果变得不可靠。第三类是翻拍与截图识别:针对屏幕翻拍常见的摩尔纹、反光、透视形变等特征做判断。第四类是篡改检测:基于深度学习模型捕捉图像在修改过程中留下的细微痕迹,学习篡改后统计特征的变化,识别图章复制、画面拼接、内容擦除以及混合篡改等形式;可以重点查看姓名、出生日期、地址、照片这类高风险字段。检测结果不只是一个真假标签,而是系统以热力图形式给出区域置信度分布,把可疑之处标在图上。经过这样的处理,审核员就能直接看到疑点落在哪个字段,而不是面对一个无从核对的结论。
合合信息智能图像处理:把鉴伪做成进件的第一层
合合信息智能图像处理,原本常被用作识别之前的图像优化工具——切边矫正、图像增强、畸变矫正、阴影与反光消除、模糊消除、褪色复原、超分辨率重建。放到进件反欺诈的场景里,它的另一半能力才真正派上用场:图像质量检测、篡改痕迹检测、人脸伪造检测、完整性判断、印章检测,加上水印去除、手写擦除等干扰处理能力,共计十多种图像处理能力。产品不仅支持切边、增强、纠偏、弯曲、锐化、完整性判断、印章检测、PS 检测、手写检测等项目,还可以解决摩尔纹、手指遮挡、光照不均、低分辨率、褶皱等十余种复杂场景下的图像文本处理问题。依托自研行业领先水平的智能图像处理引擎,优化低质量影像,保障图像进件质量同时处理精度高达99%。通过这一层检测的图,再进入文档解析与表格解析环节,数据的来源才可靠清楚。

让审核员看到依据,而不只是收到一个结论
风险管控系统真正难做的,往往不是判断,而是让判断可被复核。智能图像处理的输出是可解释的,通过热力图标出区域,置信度分布给出强弱,审核员据此决定放行还是转人工,让决定有据可查。产品内置十二种预设模式,可自动匹配医疗影像、金融票据、古籍档案等不同场景的处理方案。在接入方式上,API支持二进制流与在线文件地址两种请求方式,便于嵌进现有的进件系统。部署上提供在线平台、原始接口与私有化三种方式,私有化可部署在本地服务器,支持处理器与图形处理器环境以及国产操作系统。处理过程还可选择安全加密选项,确保整个环节可以在可信执行环境中完成,对强合规行业而言,材料留在内网、判断过程可追溯,这些操作和检测结果本身同样重要。
这一关守住了,后面才不用反复回头找人
假设某支付服务企业的商户进件团队,在过往的任务中把主要精力放在资料补录与人工抽检上。面临材料类型多、来源杂的局面,审核员只能凭经验挑出看着不对劲的图,遇到疑似合成件往往要打电话向商户二次确认。他们的做法是在商户上传环节接入智能图像处理,先做完整性、图像质量、翻拍与篡改检测,热力图结论随材料一起流转,异常件自动分流给专人复核,通过检测的材料才进入后续识别。变化不在数字上有多惊人,而在整个流程的顺序被理顺了:审核员从逐张猜,变成看标注复核;后端拿到的材料质量更稳定,文档解析与表格解析的结果也更可靠。对企业来说,与其在末端反复追查一张图是真是假,不如让它进门之前就先答一遍这个问题。
进件管控的第一道题,从来不是模型够不够聪明,而是喂给模型那张图值不值得信。在入口处,把质量与真实性核验做成常规动作,文档解析、RAG检索与大模型问答才有可靠的起点。若您的团队正被合成件、翻拍件混入进件所困扰,不妨从一批真实的营业执照图像开始,看看前置拦截究竟能挡下多少本不该流到后面的材料。
点击下方图片,了解更多合合信息有关智能图像处理的产品信息。
本文所有产品性能效果和案例数据仅供参考,均不作为履约依据,具体效果请以贵司实测为准。
.png)




