Siniestros trabajados, en pantalla
Todos los siniestros, las imágenes y el índice histórico son sintéticos, construidos para la demo. No se usa ninguna foto real de siniestro, asegurado, aseguradora ni cuenta.
La cola de ingesta FNOL
Cuatro siniestros sintéticos de primer aviso de siniestro llegan a la espera de verificación. La consola formula el trabajo con claridad: un defraudador puede generar por difusión un parachoques destrozado o reciclar una foto real de un siniestro liquidado, y una herramienta de evaluación de daños puntuará cualquiera de los dos con gusto. La compuerta verifica si las pruebas de un siniestro son de fiar antes de evaluarlas o pagarlas.
La foto real reciclada que un detector único deja pasar
El siniestro CLM-C-1044 es el caso para el que está construido el firewall. Su imagen es una foto genuina de cámara, así que tanto Provenance como Pixel-Forensics pasan, que es exactamente donde un detector de deepfakes aislado se detiene y lo deja pasar. El Reuse Analyst hace coincidir su hash perceptual con un siniestro anterior liquidado y el Narrative Analyst ve que el relato y la imagen no coinciden, así que la compuerta de política determinista lo enruta a SIU-REFERRAL con una confianza de 0.96, con un marcador Duplicate image, matches prior claim en la evidencia. La detección de señal única lo deja pasar; la forense de señales cruzadas lo captura, y este resultado no depende de la señal simulada.
Por qué el equipo supera a un clasificador
El análisis de la decisión hace visible la corroboración. Provenance lee consistente y Pixel-Forensics lee consistente y está etiquetado como simulated, ambos en verde. Reuse y Narrative-Consistency están marcados, y el Adversarial Challenger puso a prueba dos marcas y ambas sobrevivieron. El motivo de la ruta se nombra en términos claros: el hash perceptual coincide con el siniestro anterior HIST-4019 (Maple Mutual, 2025-11-29) a hamming distance 0. Un detector de deepfakes de señal única, aunque fuera perfecto, no podría haber capturado esto, porque nada en la foto es falso.
La brecha de cobertura, medida en un benchmark
Ejecutar cada siniestro del conjunto sintético etiquetado de 120 siniestros saca a la luz el resultado duradero. De los 35 fraudes que no llevan ningún artefacto de autenticidad, los 20 recycled-real y los 15 metadata-spoofed, una línea base de autenticidad de señal única captura 0 y el firewall captura los 35, porque esas son fotos reales que un detector aislado deja pasar y la forense de señales cruzadas es lo que cierra la brecha. Los siniestros limpios pasan en directo con una tasa de acusaciones falsas del 0 por ciento, cada decisión lleva un registro de auditoría verificable, y el recall de enrutamiento de fraude frente a las etiquetas de verdad de terreno lee 1.00. Estas son cifras sobre un conjunto sintético fijo y etiquetado cuyas clases de fraude llevan firmas detectables por construcción, no una garantía de mundo abierto, así que el número que hay que poner al frente es la brecha de cobertura frente al enfoque establecido que representa un detector aislado.
La destrucción de pruebas (spoliation), convertida en una fila roja
Cada decisión vincula la imagen original a una cadena de solo adición, a prueba de manipulación. Editar un original almacenado, que es lo que hace una mejora generativa o un fraude, rompe esa cadena. Manipule un original ya despejado y vuelva a verificar, y la fila de CLM-A-1042 se pone roja como Altered, spoliation, mientras las filas selladas siguen verdes, y el verificador informa chain broken, tampering detected. Un riesgo litigioso que suele ser abstracto se convierte en algo que el comprador puede ver suceder.
