AlliahCheck
AlliahCheck
Detecta comprovantes e documentos com valor/data editados, montagens, carimbos colados ou gerados por IA — em imagem ou PDF — fundindo 8 sinais forenses num veredito ponderado.
Quase nenhum pagamento é conferido no extrato: confere-se a imagem que a outra parte mandou. E editar dois dígitos de um valor num print de PIX é hoje trabalho de minutos, com ferramenta gratuita e sem talento nenhum.
Um fornecedor envia o comprovante, a mercadoria sai e a conciliação bancária só chega dias depois. Nessa janela, um comprovante adulterado já cumpriu o papel dele — e o prejuízo é descoberto quando o dinheiro não entra.
A fraude competente não muda o layout: ela troca um valor, uma data ou um nome mantendo tudo o resto intacto. O que denuncia a troca — nível de recompressão, grão, alinhamento da linha de base — não é visível na tela.
Notas, recibos, boletos e comprovantes chegam às centenas. Sem um critério objetivo de priorização, a conferência vira amostragem, e a amostragem passa exatamente ao lado do documento fabricado.
Cada documento passa por uma bateria de detectores independentes. As evidências são combinadas por peso de confiabilidade — da forense de sinal ao cross-check do campo crítico.
Modelos especializados (Sightengine + Hive) treinados para reconhecer documentos e comprovantes inteiramente gerados por IA generativa.
Um perito multimodal inspeciona tipografia, alinhamento, valores e datas, carimbos e logotipos — atribuindo ao documento uma nota de 0 a 10.
Mapeia diferenças de recompressão JPEG entre regiões. Um valor ou data colado ou reimpresso deixa um nível de erro divergente do entorno.
Lê os campos Producer e Creator do arquivo. Um comprovante que saiu do Photoshop ou do Canva — em vez do banco — é imediatamente suspeito.
Compara o padrão de grão e ruído entre regiões. O campo que foi editado exibe uma textura diferente do restante do documento, revelando a edição.
Cruza as evidências: quando a região editada coincide exatamente com o valor ou a data, o indício de adulteração se torna praticamente conclusivo.
A transformada de Fourier expõe repetições periódicas no domínio da frequência — assinatura típica de imagem sintetizada e de reimpressão em grade regular.
Quando o arquivo carrega manifesto C2PA assinado, ele conta a própria origem — e sobrepõe todos os outros sinais. Sem manifesto, o EXIF ainda diferencia uma captura de câmera de um arquivo montado.
Ferramenta de triagem que prioriza casos para revisão humana — um score de risco, não um veredito automático final.
O AlliahCheck é uma plataforma cliente-servidor de verificação de autenticidade de documentos e comprovantes — PIX, nota fiscal, recibo, boleto, extrato, identidade e contrato. Detecta adulteração de campos como valor, data e nome, além de montagens, carimbos colados e documentos inteiramente fabricados ou gerados por IA, entregando um score de risco com o veredito e as evidências por trás de cada decisão.
Cada verificação vira um registro: a plataforma oferece dashboard, histórico de casos e relatórios para auditoria. Aceita tanto imagem quanto PDF — nos PDFs, analisa a primeira página e cruza os metadados do arquivo. Por ser triagem, e não um oráculo, prioriza os casos suspeitos para revisão humana em vez de decidir sozinha.
Os sinais são a matéria-prima. O que transforma sinal em decisão é a leitura estruturada do documento, o cruzamento com o campo crítico e o laudo que devolve a evidência ao conferente.
Antes de julgar, a plataforma lê. Um passo dedicado extrai, de forma factual e sem opinar sobre fraude, o que está escrito no documento.
É a diferença entre “há uma anomalia neste documento” e “a anomalia está exatamente em cima do valor”.
Comprovante bancário e nota fiscal costumam chegar em PDF, e o PDF carrega uma prova extra que a imagem não tem.
A forense visual não é uma pergunta única ao modelo: a mesma peça é submetida várias vezes e o veredito sai do voto.
Os limiares não estão enterrados no código: um administrador abre a tela “Motor de regras”, ajusta e salva — sem redeploy.
Cada verificação vira um registro consultável, e a operação enxerga o agregado.
A classificação do tipo não é cosmética: é ela que diz qual campo importa conferir em cada peça.
| Família | Tipos | Campo crítico típico |
|---|---|---|
| Pagamento | Comprovante de pagamento, comprovante de PIX, comprovante de transferência | valor · data |
| Fiscal | Nota fiscal, fatura, boleto, recibo | valor · emissor |
| Bancário | Extrato bancário | saldo · data |
| Identificação | Documento de identidade, CNH | nome · número |
| Contratual | Contrato, declaração | nome · data |
| Outro | Peça que não encaixa nas famílias acima | campo indicado pelo modelo |
| Campo | Exemplo | Para que serve |
|---|---|---|
| Emissor | Banco · órgão · empresa | Confrontar com quem deveria ter emitido a peça. |
| Valor | R$ 1.250,00 | Conciliação e alvo primário do cruzamento forense. |
| Data | 12/03/2026 | Detectar reaproveitamento de comprovante antigo. |
| Titular | nome do beneficiário | Conferir se o dinheiro foi para quem deveria. |
| Identificador | ID da transação · nº da NF | Chave para checagem no sistema de origem. |
| Campo suspeito | região (x0,y0,x1,y1) | Alimenta o cross-check com a área editada. |
Uma API em Python e uma interface sem etapa de build. Metade dos sinais é calculada no próprio servidor; a outra metade vem de detectores externos especializados.
Backend FastAPI sobre uvicorn, servindo a própria interface — JavaScript modular, sem framework nem bundler. Sobe em contêiner atrás do nginx.
PyMuPDF renderiza a primeira página e extrai os metadados do arquivo. O MuPDF vem embutido na biblioteca, sem dependência de sistema.
ELA, mapa de ruído e transformada de Fourier rodam no servidor com numpy e Pillow. EXIF por ExifRead e Content Credentials por c2pa-python.
Casos, evidências, miniaturas e usuários em um único arquivo SQLite no volume da aplicação. Autenticação por e-mail e senha, sessão por token no cabeçalho.
Os números abaixo são os padrões de fábrica, calibrados para documento — diferentes dos usados na análise de fotografia. Todos são editáveis no motor de regras.
| Item | Suporte | Observação |
|---|---|---|
| application/pdf | Primeira página renderizada para os sinais de imagem; metadados do arquivo entram como sinal próprio. | |
| Imagem | JPEG · PNG · WebP · TIFF | Formatos com compressão JPEG rendem o sinal de ELA mais forte. |
| Formatos de celular | HEIC · HEIF · AVIF | Convertidos para JPEG antes de seguirem para os detectores externos. |
| Tamanho máximo | 25 MB | Limite aplicado tanto na API quanto no proxy de entrada. |
| Detecção de PDF | mime · extensão · magic | O arquivo é reconhecido mesmo quando o navegador manda o tipo vazio ou errado. |
| Parâmetro | Valor | Papel na decisão |
|---|---|---|
| Detector de documento-IA | 0,30 | Empatado como maior peso: pega a peça inteiramente fabricada. |
| Forense visual (ensemble) | 0,30 | Empatado como maior peso: é quem enxerga tipografia e alinhamento. |
| ELA | 0,14 | Peso dobrado em relação à análise de fotografia — em documento, a colagem é a fraude principal. |
| Metadados | 0,14 → 0,26 | O peso sobe quando o detector especializado não está disponível. |
| Ruído · espectro | 0,08 · 0,04 | Indícios de apoio; corroboram o ELA na mesma região. |
| Saída de editor no PDF | 66 | Risco atribuído quando o Producer aponta editor gráfico ou de PDF. |
| Saída de ferramenta de IA | 88 | Risco atribuído quando o Producer aponta gerador de imagem por IA. |
| Faixas de veredito | ≥60 · 36–59 · ≤35 | Adulterado, revisão humana e legítimo, nessa ordem. |
O ganho aparece onde um documento enviado por terceiros vira base para liberar dinheiro, mercadoria, crédito ou acesso.
Comprovante de PIX ou de transferência recebido de cliente e fornecedor passa pela verificação antes da baixa, com o laudo anexado ao título.
Quando a carga só sai contra comprovante, a triagem separa em segundos o que pode seguir e o que precisa esperar o extrato.
Devedores enviam comprovantes para suspender cobrança e negativação. A verificação identifica valor ou data alterados antes da baixa indevida.
Holerite, extrato e declaração passam pela mesma bateria, com atenção especial ao valor e ao nome do titular.
Nota fiscal e recibo apresentados em contestações são conferidos automaticamente, e a decisão sai com o laudo anexo ao chamado.
Cada verificação fica gravada com o arquivo, os sinais individuais, o score e o horário — o histórico responde “por que aceitamos” meses depois.
Uma submissão produz um laudo completo em segundos — e o laudo é o produto, não o score.
Um número de 0 a 100 e a classificação em SIM, INCERTO ou NÃO, com a indicação de qual sinal decidiu o caso.
Aceitar, revisar ou rejeitar — escrito em uma frase que o conferente pode colar no chamado ou no e-mail de resposta.
Tipo, emissor, valor, data, titular e identificador extraídos, prontos para conferir contra o sistema de origem.
Documento original, mapa de ELA, mapa de ruído e espectro de Fourier, ampliáveis e legendados em linguagem de negócio.
Producer e Creator do PDF ou EXIF da imagem, com a classificação da ferramenta que gerou o arquivo.
Exportação pela impressão do navegador, com os detalhes técnicos expandidos para que nada fique escondido no papel.
POST multipart autenticado por token; login, histórico, estatísticas e detalhe do caso são endpoints REST.Descrição factual do comportamento atual da plataforma — sem certificações, selos nem promessas contratuais.
Uma ferramenta de verificação que esconde os próprios limites vira exatamente o oposto do que promete.
A análise é do arquivo, não da transação. Ela não consulta banco, SPB nem SEFAZ: um comprovante genuíno de um pagamento estornado continua sendo, para a plataforma, um comprovante legítimo.
Os sinais de imagem rodam sobre a primeira página renderizada. Documentos de várias páginas precisam ser enviados página a página se a evidência estiver depois da primeira.
Em PDF gerado direto por sistema, o conteúdo é vetorial e não há histórico de compressão JPEG para comparar. Nesses casos, o peso da decisão migra para os metadados e para a forense visual.
Encaminhar o comprovante como foto recomprime a imagem e apaga EXIF e Content Credentials. Peça o arquivo original, enviado como documento.
Os limiares foram calibrados por análise de casos, não medidos contra um conjunto de documentos com gabarito. Não divulgamos taxa de acerto porque ela ainda não foi medida.
Cada verificação é síncrona e depende da disponibilidade dos serviços externos. Não existe submissão em massa por arquivo nem reprocessamento automático.
Ela diz qual é a probabilidade de o documento ter sido adulterado ou fabricado, e mostra as evidências. O veredito SIM significa “alto risco, não libere sem conferir”, não uma prova jurídica. A faixa INCERTO existe para o sistema admitir que não sabe.
Não. A verificação é do arquivo: se o comprovante foi editado, fabricado ou exportado de um editor. Confirmar a liquidação continua sendo trabalho da conciliação bancária. Os dois se completam: a plataforma segura o caso suspeito enquanto o extrato não chega.
Porque o mesmo comprovante circula nas duas formas. O PDF carrega um sinal a mais — quem gerou o arquivo — e a imagem carrega o histórico de compressão, que é o que o ELA lê. A plataforma escolhe o caminho pelo tipo do arquivo e usa o que cada formato oferece.
É o campo que um fraudador mais provavelmente alteraria: quase sempre o valor, às vezes a data ou o nome. A plataforma localiza esse campo na imagem e verifica se a região que os detectores marcaram como editada coincide com ele. Anomalia em cima do valor pesa muito mais do que anomalia numa margem.
Segundos. Os cálculos locais e as chamadas aos detectores externos rodam em paralelo, e o gargalo é o serviço mais lento. O ensemble multiplica as chamadas ao modelo multimodal: reduzir o número de execuções encurta o tempo em troca de estabilidade.
Sim. Um administrador altera pesos, faixas de veredito e limiares de cada detector na tela do motor de regras, com validação na gravação e retorno aos padrões de fábrica a um clique. Operações com equipe grande podem baixar o limiar; equipes enxutas podem subir.
O tipo é reconhecido e a forense roda normalmente, mas o produto foi calibrado para comprovantes e documentos financeiros. Para identidade, trate o resultado como um sinal entre outros — validação de identidade de verdade exige checagem em base oficial e prova de vida.
Para fotografia existe o produto irmão, o AlliahScanning, que compartilha a mesma forense de sinal e acrescenta a extração de placa e o cruzamento com a região do dano declarado.
Envie um comprovante ou documento — imagem ou PDF — e receba, em segundos, um score de risco forense com as evidências por trás de cada decisão.