Sinistres traités, à l'écran
Tous les sinistres, les images et l'index historique sont synthétiques, construits pour la démonstration. Aucune photo de sinistre réelle, aucun assuré, assureur ou compte n'est utilisé.
La file d'intake FNOL
Quatre sinistres synthétiques de premier avis de sinistre arrivent en attente de vérification. La console cadre le travail clairement : un fraudeur peut générer par diffusion un pare-chocs enfoncé ou recycler une photo réelle d'un sinistre réglé, et un outil d'évaluation des dommages notera volontiers l'un ou l'autre. La barrière vérifie si les preuves d'un sinistre peuvent être fiables avant qu'il ne soit évalué ou indemnisé.
La photo réelle recyclée qu'un détecteur unique laisse passer
Le sinistre CLM-C-1044 est le cas pour lequel le firewall est conçu. Son image est une photo de caméra authentique, donc la provenance et la pixel-forensics passent toutes les deux, ce qui est exactement là où un détecteur de deepfakes isolé s'arrête et le laisse passer. Le Reuse Analyst fait correspondre son hachage perceptuel à un sinistre antérieur réglé et le Narrative Analyst voit que le récit et l'image sont en désaccord, donc la barrière de politique déterministe l'oriente vers SIU-REFERRAL à une confiance de 0.96, avec un marqueur Duplicate image, matches prior claim sur les preuves. La détection à signal unique laisse passer ceci ; la forensique multi-signaux l'attrape, et ce résultat ne dépend pas du signal simulé.
Pourquoi le crew bat un classifieur
L'analyse de décision rend la corroboration visible. La provenance se lit cohérente et la Pixel-Forensics se lit cohérente et est étiquetée simulée, toutes deux vertes. Reuse et Narrative-Consistency sont signalés, et le Challenger contradictoire a testé deux signalements et les deux ont survécu. La raison de l'orientation est nommée en termes clairs : le hachage perceptuel correspond au sinistre antérieur HIST-4019 (Maple Mutual, 2025-11-29) à une distance de Hamming de 0. Un détecteur de deepfakes unique parfait n'aurait pas pu attraper ceci, parce que rien dans la photo n'est faux.
L'écart de couverture, mesuré par benchmark
Exécuter chaque sinistre du jeu synthétique étiqueté de 120 sinistres fait apparaître le résultat durable. Sur les 35 fraudes qui ne portent aucun artefact d'authenticité, les 20 recycled-real et les 15 metadata-spoofed, une baseline d'authenticité à signal unique en attrape 0 et le firewall les attrape tous les 35, parce que ce sont de vraies photos qu'un détecteur isolé laisse passer et que c'est la forensique multi-signaux qui referme l'écart. Les sinistres sains passent en traitement direct à un taux de fausse accusation de 0 pour cent, chaque décision porte un enregistrement d'audit vérifiable, et le rappel d'orientation de la fraude par rapport aux étiquettes de vérité terrain se lit 1.00. Ce sont des chiffres sur un jeu synthétique fixe et étiqueté dont les classes de fraude portent des signatures détectables par construction, pas une garantie en monde ouvert, donc le chiffre à mettre en avant est l'écart de couverture par rapport à l'approche en place qu'incarne un détecteur isolé.
La spoliation, devenue une ligne rouge
Chaque décision lie l'image originale dans une chaîne en ajout seulement, infalsifiable. Modifier un original stocké, ce qu'une enhancement générative ou une fraude fait, rompt cette chaîne. Falsifiez un original laissé passer et re-vérifiez, et la ligne de CLM-A-1042 devient rouge comme Altered, spoliation, tandis que les lignes scellées restent vertes, et le vérificateur rapporte chain broken, tampering detected. Un risque contentieux habituellement abstrait devient quelque chose que l'acheteur peut voir se produire.
