Claims Evidence Firewall

Authenticeer het bewijs voordat u de schade beoordeelt

Een forensische authenticatiepoort voor autoverzekeringsclaims. Het neemt het claimpakket in, laat een forensisch team met meerdere agents draaien, en een deterministische beleidspoort beslist de route: AUTO-PROCEED, SIU-REFERRAL, HUMAN-REVIEW of ABSTAIN. De casus waarvoor het is gebouwd, is precies die casus die uw deepfake-detector doorlaat: een echte foto, hergebruikt uit een afgehandelde claim. Agents adviseren, code beslist, en elke beslissing wordt weggeschreven naar een knoeibestendig grootboek.

35 / 35

Hergebruikte en metadata-vervalste fraudes onderschept die een detector met één signaal mist (0 / 35)

Gelabelde synthetische benchmark van 120 claims

0.0%

Percentage valse beschuldigingen: schone claims die ten onrechte naar SIU worden gerouteerd

0 van 47 schone claims, dezelfde synthetische benchmark

100%

Beslissingen met een verifieerbaar hash-gekoppeld dossier

Auditintegriteitsdekking, live getoond door de ketenbreuk

Een uitvoerbare demo van het mechanisme op synthetische claims en een synthetische historische index. De volledige pijplijn en de run op het scherm werken offline zonder API-sleutel; de live narratieve analisten zijn het optionele deel.

De fraude die uw detector verslaat is niet nep. Het is hergebruik.

Volume zonder verificatie, en een bewaarketen die u in de rechtbank niet kunt verdedigen.

Verzekeraars worden overspoeld met gemanipuleerd en hergebruikt claimbewijs, en de meeste detectie is gefragmenteerd en achteraf: een externe deepfake-detector die na indiening draait, geen poort in de pijplijn. Een alleenstaande authenticiteitsdetector heeft tegelijk twee structurele zwaktes. Hij veroudert zodra generatoren verbeteren, en hij is blind voor de oudste fraude in het boek: een echte camerafoto die van een eerdere afgehandelde claim is gehaald, omdat die foto elke authenticiteitstest doorstaat door echt te zijn. Afzonderlijk, als een generatieve "verbetering" of upscale-stap de originele claimafbeelding overschrijft, loopt de verzekeraar spoliatieblootstelling op in een rechtszaak.

De marktsignalen zijn moeilijk te negeren. In de 2026 State of Insurance Fraud (Verisk, 2026) meldt 98 procent van de verzekeraars een golf in gemanipuleerde media, 36 procent van de consumenten zegt een claimafbeelding te zullen aanpassen, en slechts 32 procent van de verzekeraars voelt zich zeer zeker in het detecteren van deepfakes, terwijl 65 procent leunt op een externe AI-detector en 44 procent nog steeds op handmatige beoordeling vertrouwt. Deepfake-fraudepogingen zijn in drie jaar met 2,137 procent gestegen (Facia.ai), en één Britse motorrijtuigverzekeraar zag in één jaar een stijging van 300 procent in AI-gemanipuleerde voertuigafbeeldingen (The Guardian and Milliman). Eén betwiste claim die tot een rechtszaak leidt, kost 30,000 tot 75,000 dollar.

De regelgevende muur kwam tegelijk. Een NAIC Model Bulletin over AI-gebruik is door 24 staten aangenomen, de Colorado AI Act treedt in werking op 30 juni 2026, en de hoog-risico-deadline van de EU AI Act valt in augustus 2026, met boetes tot 35 miljoen euro of 7 procent van de wereldwijde omzet. Het uitbesteden van de AI besteedt de aansprakelijkheid niet uit. Daardoor is het audittrail achter een geautomatiseerde beslissing wat de beslissing verdedigbaar houdt, geen extraatje.

Een forensisch team adviseert, een deterministische beleidspoort beslist

Authenticatie is een poort, geen rapport. De vertrouwensgrens is gewone code, nooit een LLM-zelfrapport.

De pijplijn is rechttoe rechtaan: een claimpakket gaat door deterministische signaalextractie, een forensisch team adviseert, een beleidspoort geeft de route terug, en een hash-gekoppeld bewijsgrootboek legt het vast. Het ontwerpprincipe is dat onafhankelijke bewijsstromen elkaar bevestigen, en geen analist wordt vertrouwd om de beslissing te beoordelen waarover hij zelf adviseerde.

Deterministische signaalextractie

Gewone code, echte signalen. Een SHA-256 van het origineel wordt bij inname genomen en aan het hash-gekoppelde grootboek toegevoegd. EXIF- en opnamemetadata worden geparseerd, en een 256-bits perceptuele hash (een 16 bij 16 average hash, in de code pHash genoemd) voert een nearest-neighbour-zoekactie uit over een historische-claimsindex van ongeveer 200 records. Metadata worden gecontroleerd tegen de claim op consistentie van apparaat, GPS en datum. Het origineel wordt nooit gemuteerd; er worden alleen sidecar-artefacten weggeschreven.

Hash-gekoppeld bewijsgrootboek

Elke beslissing wordt weggeschreven naar een alleen-toevoegen, hash-gekoppeld dossier per claim: de originele SHA-256, elke analistbevinding en betrouwbaarheid, de regel die afging, model, versie en tijdstempels, en een NAIC AIS-Program- en EU AI Act-compliancemapping. Het exporteert als JSON en gerenderde HTML. De verify-chain-routine herberekent elke schakel en herhasht elk origineel op schijf, zodat knoeien als een verbroken keten zichtbaar wordt.

Het forensische team: vier analisten en een adversariële Challenger

Analist Waarover het redeneert Basis
Provenance Analyst Consistentie van opnamemetadata, EXIF en apparaatattestatie tegen het claimdossier (apparaat, GPS binnen bereik van de schadelocatie, opnamedatum). deterministisch, echte signalen
Pixel-Forensics Analyst Een artefactscore in het sensorruis- en frequentiedomein. Dit signaal is gesimuleerd, een plaatsvervanger voor een toekomstig geleerd generatief-artefactmodel, en is overal waar het op het scherm verschijnt als gesimuleerd gelabeld. gesimuleerd signaal
Reuse Analyst Overeenkomsten van perceptuele hashes met de historische-claimsindex, het signaal dat een hergebruikte echte foto vangt die van een eerdere claim is gehaald. deterministisch, echte pHash
Narrative-Consistency Analyst Of de FNOL-tekst, metadata en zichtbare schade samenhangen, bijvoorbeeld een narratief dat één soort impact beschrijft terwijl de afbeelding een andere toont. Een echte cross-modale redeneertaak. LLM-redenering
Adversarial Challenger Een skepticus die is gevraagd elk vlag te weerleggen en de claimant vrij te pleiten, zodat alleen overlevende vlaggen blijven staan en een legitieme polishouder niet valselijk wordt beschuldigd. LLM-redenering

De beleidspoort: code beslist

Buiten de agents aggregeert gewone code de getypte analistverdicten en de ruwe signalen tegen de geconfigureerde drempels van de verzekeraar tot één reproduceerbare routeringsbeslissing: AUTO-PROCEED, SIU-REFERRAL, HUMAN-REVIEW of ABSTAIN, waarbij ABSTAIN naar HUMAN-REVIEW routeert. De poort is de vertrouwensgrens. Hij is deterministisch, dus dezelfde claim levert bij elke run dezelfde beslissing op, wat hem verdedigbaar maakt tegenover een toezichthouder op een manier die een LLM-zelfrapport niet is. De narratieve en challenger-rollen lopen via een van provider verwisselbare adapter (Anthropic, OpenAI of Gemini, standaard claude-opus-4-8); zonder ingestelde sleutel vallen ze terug op een deterministische offline stub, en de poort wisselt nooit van handen.

Uitgewerkte claims, op het scherm

Alle claims, afbeeldingen en de historische index zijn synthetisch, gebouwd voor de demo. Er wordt geen echte claimfoto, polishouder, verzekeraar of account gebruikt.

De FNOL-intakewachtrij

Vier synthetische first-notice-of-loss-claims komen binnen in afwachting van verificatie. De console formuleert de opdracht helder: een fraudeur kan een verbrijzelde bumper met diffusie genereren of een echte foto uit een afgehandelde claim hergebruiken, en een schadebeoordelingstool zal beide graag scoren. De poort verifieert of het bewijs van een claim te vertrouwen is voordat het wordt beoordeeld of uitbetaald.

De FNOL-intakewachtrij van de Claims Evidence Firewall met vier synthetische autoclaims, CLM-A-1042 tot en met CLM-D-1045, elk met claimant, schadetype, ernstscore en een status Wacht op verificatie.
De intakewachtrij: vier claims gaan de forensische pijplijn in vóór enige schadebeoordeling.

De hergebruikte echte foto die een enkele detector doorlaat

Claim CLM-C-1044 is de casus waarvoor de firewall is gebouwd. De afbeelding is een echte camerafoto, dus provenance en pixel-forensics slagen beide, precies waar een alleenstaande deepfake-detector stopt en hem doorlaat. De Reuse Analyst matcht de perceptuele hash met een afgehandelde eerdere claim en de Narrative Analyst ziet dat het verslag en de afbeelding het oneens zijn, dus de deterministische beleidspoort routeert hem naar SIU-REFERRAL met 0.96 betrouwbaarheid, met een markering Dubbele afbeelding, komt overeen met eerdere claim op het bewijs. Detectie met één signaal laat dit door; cross-signaalforensiek vangt het, en dit resultaat hangt niet af van het gesimuleerde signaal.

Claim CLM-C-1044 uitgevouwen om de bewijsafbeelding te tonen, gestempeld Gemarkeerd SIU met een markering Dubbele afbeelding, komt overeen met eerdere claim, de first-notice-of-loss-gegevens, de forensische pijplijn in negen stadia, en een vonnis Doorverwezen naar Special Investigations met 0.96 betrouwbaarheid, beslist door de deterministische beleidspoort.
CLM-C-1044: een echte foto, hergebruikt. De beleidspoort verwijst hem naar SIU op de hergebruik- en narratieve signalen.

Waarom het team een classifier verslaat

De beslissingsanalyse maakt de bevestiging zichtbaar. Provenance leest consistent en Pixel-Forensics leest consistent en is gelabeld als gesimuleerd, beide groen. Reuse en Narrative-Consistency zijn gemarkeerd, en de adversariële Challenger testte twee vlaggen en beide overleefden. De reden voor de route is in gewone taal benoemd: de perceptuele hash komt overeen met eerdere claim HIST-4019 (Maple Mutual, 2025-11-29) op hammingafstand 0. Een perfecte enkele deepfake-detector had dit niet kunnen vangen, omdat er niets aan de foto nep is.

Het paneel Beslissingsanalyse voor CLM-C-1044 met vier analistverdicten: Provenance Analyst consistent, Pixel-Forensics Analyst consistent en gesimuleerd met artefactscore 0.06, Reuse Analyst gemarkeerd, en Narrative-Consistency Analyst gemarkeerd omdat het narratief en de foto het oneens zijn, met een noot dat de adversariële challenger twee vlaggen testte en twee overleefden, en een waarom-deze-route-regel die een perceptuele-hashmatch met eerdere claim HIST-4019 citeert.
Vier analistverdicten, een adversariële controle, en een benoemde reden. Het bewijs achter de SIU-doorverwijzing.

Het dekkingshiaat, gebenchmarkt

Het draaien van elke claim in de gelabelde synthetische set van 120 claims toont het duurzame resultaat. Van de 35 fraudes zonder authenticiteitsartefact, de 20 hergebruikt-echte en 15 metadata-vervalste claims, vangt een authenticiteitsbaseline met één signaal 0 en de firewall vangt alle 35, omdat dat echte foto's zijn die een alleenstaande detector doorlaat en cross-signaalforensiek het hiaat sluit. Schone claims lopen rechtstreeks door met een percentage valse beschuldigingen van 0 procent, elke beslissing draagt een verifieerbaar auditdossier, en de recall van frauderouting tegen de ground-truth-labels leest 1.00. Dit zijn cijfers op een vaste, gelabelde synthetische set waarvan de fraudeklassen detecteerbare signaturen dragen per constructie, geen open-wereldgarantie, dus het cijfer om mee te openen is het dekkingshiaat tegenover de gevestigde aanpak die een alleenstaande detector vertegenwoordigt.

Het benchmarkpaneel over 120 gelabelde claims met metric-kaarten voor 100 procent schone straight-through, 100 procent beslissingen met een verifieerbaar auditdossier, 0 procent valse-beschuldigingspercentage, en 1.00 recall van frauderouting, boven een dekkingshiaat-rij die 0 van 35 gevangen door een detector met één signaal versus 35 van 35 gevangen door de firewall leest, met een noot dat dat echte foto's zijn die een alleenstaande authenticiteitsdetector doorlaat.
0 van 35 versus 35 van 35: het dekkingshiaat dat een baseline met één signaal openlaat, gesloten door het team.

Spoliatie, omgezet in een rode rij

Elke beslissing bindt de originele afbeelding in een alleen-toevoegen, knoeibestendige keten. Het bewerken van een opgeslagen origineel, wat een generatieve verbetering of een fraude doet, verbreekt die keten. Knoei met een doorgelaten origineel en verifieer opnieuw, en de rij voor CLM-A-1042 wordt rood als Gewijzigd, spoliatie, terwijl de verzegelde rijen groen blijven, en de verifier meldt de keten verbroken, manipulatie gedetecteerd. Een procesrisico dat meestal abstract is, wordt iets dat de koper kan zien gebeuren.

De Evidence Certificate-weergave van de bewaarketen na knoeien met het origineel van CLM-A-1042: de rij is rood en leest Gewijzigd en spoliatie, met het origineel op schijf gemarkeerd als Gewijzigd, spoliatie, terwijl de rijen van CLM-B, CLM-C en CLM-D Verzegeld en Ongewijzigd lezen, en een statusregel leest keten verbroken, manipulatie gedetecteerd.
De ketenbreuk: verify-chain herhasht elk origineel op schijf en markeert het gewijzigde als spoliatie.

Waar de firewall zit, en waar niet

Hij draait vóór de schadebeoordeling en staat vóór tools zoals Tractable en CCC. Hij authenticeert wat zij beoordelen; hij concurreert niet met hen.

Zorgpunt Een deepfake-detector met één signaal Claims Evidence Firewall
Hergebruikte echte foto Doorgelaten, omdat de foto echt is Gevangen op de perceptuele-hash-hergebruik- en narratieve signalen
Wie beslist de route Een drempel op één modelscore Een deterministische beleidspoort buiten het model
Dun of tegenstrijdig bewijs Gedwongen tot slagen of falen Onthoudt zich tot HUMAN-REVIEW in plaats van te bluffen
Een claimant valselijk beschuldigen Geen ingebouwde controle Een adversariële Challenger laat alleen overlevende vlaggen staan
Bewaarketen Niet behandeld Hash-gekoppeld grootboek, knoeien toont zich als een verbroken keten
Audittrail Een score, geen dossier Een JSON- en HTML-bewijsdossier met een NAIC- en EU AI Act-mapping

Wat deze demo niet doet

  • Hij koppelt niet aan live verzekeraarssystemen. De Guidewire ClaimCenter- en Duck Creek-connectors, een mobiele SDK voor begeleide opname, een echte C2PA-verifier en een echte PRNU-cameravingerafdrukdatabase zijn als stub uitgevoerd of uitgesteld.
  • Het pixel-forensics-signaal is gesimuleerd en als zodanig op het scherm gelabeld, een plaatsvervanger voor een toekomstig geleerd generatief-artefactmodel. De differentiator voor hergebruikte foto's steunt er niet op.
  • Hij beoordeelt geen schade, raamt geen reparatiekosten en vervangt Tractable of CCC niet. De ernstscore van de verzekeraar wordt als invoerveld geaccepteerd, niet hier berekend.
  • Elke claim, afbeelding, polishouder, verzekeraar en de historische index is synthetisch. Er wordt geen echte claimfoto, live verzekeraarssysteem of extern account gebruikt.
  • De benchmarkcijfers zijn op een vaste, gelabelde synthetische set van 120 claims waarvan de fraudeklassen detecteerbare signaturen dragen per constructie. De eerlijke beweringen zijn het dekkingshiaat ten opzichte van een baseline met één signaal, 0 procent valse beschuldiging, en 100 procent auditintegriteit op die set, niet nul fraude of perfecte detectie in de open wereld.
  • De NAIC- en EU AI Act-mapping is een compliancedossier dat het systeem produceert, geen certificering, geen auditgoedkeuring en geen juridische garantie.

Vragen die kopers stellen

Hoe verschilt dit van de deepfake-detector die we al draaien?

Een authenticiteitsdetector met één signaal stelt één vraag: is deze afbeelding gegenereerd of gewijzigd. Hij veroudert naarmate generatoren verbeteren, en hij is structureel blind voor een echte foto die is hergebruikt uit een eerdere claim, omdat die foto elke authenticiteitstest doorstaat door echt te zijn. De firewall bevestigt in plaats daarvan vier onafhankelijke signalen: provenance, historisch hergebruik via perceptuele hash, narratieve samenhang, en een gesimuleerd pixel-forensics-signaal, zodat de hergebruikte echte foto die een alleenstaande detector doorlaat, alsnog wordt gevangen op de hergebruik- en narratieve signalen. Op de gelabelde synthetische benchmark van 120 claims ving een baseline met één signaal 0 van de 35 fraudes zonder signaal en de firewall ving alle 35.

Vervangt dit Tractable of CCC voor schadebeoordeling?

Nee. Het authenticeert het bewijs vóór de schadebeoordeling, het raamt geen reparatiekosten en vervangt geen beoordelaar. De bestaande ernstscore van de verzekeraar wordt als invoerveld geaccepteerd, niet hier herberekend. Zie het als een poort die beslist of het bewijs van een claim te vertrouwen is, die vóór de tools zit die beoordelen wat het bewijs toont.

De AI doet een fraude-uitspraak. Hoe verdedigen we dat tegenover een toezichthouder?

De agents adviseren alleen. De routeringsbeslissing wordt genomen door een deterministische beleidspoort, geschreven in gewone code, buiten het taalmodel, die de getypte analistverdicten en ruwe signalen aggregeert tegen uw geconfigureerde drempels tot één reproduceerbare uitkomst. Dezelfde claim levert bij elke run dezelfde beslissing op, en elke beslissing wordt weggeschreven naar een alleen-toevoegen, hash-gekoppeld bewijsgrootboek met model, versie en tijdstempels en een NAIC- en EU AI Act-compliancemapping. Die mapping is een dossier dat het systeem produceert, geen certificering of juridische goedkeuring.

Wat doet het wanneer het bewijs te dun is om te beslissen?

Het onthoudt zich tot een mens in plaats van een slagen of een beschuldiging te bluffen. Een lage-resolutieafbeelding met gedeeltelijke metadata routeert naar ABSTAIN, daarna HUMAN-REVIEW, gemarkeerd als bewijs nodig. Een adversariële Challenger draait ook op elke claim, gevraagd om elk vlag te weerleggen en de claimant vrij te pleiten, zodat alleen vlaggen die de toetsing overleven blijven staan en een legitieme polishouder niet valselijk wordt beschuldigd. Over de benchmark werden 0 van de 47 schone claims naar SIU gerouteerd.

Kan het vandaag koppelen aan Guidewire ClaimCenter of Duck Creek?

Niet in deze demo. De Guidewire ClaimCenter- en Duck Creek-connectors, een mobiele SDK voor begeleide opname, een echte C2PA-verifier en een echte PRNU-cameravingerafdrukdatabase zijn als stub uitgevoerd of uitgesteld. Het pixel-forensics-signaal is gesimuleerd en als zodanig op het scherm gelabeld, een plaatsvervanger voor een toekomstig geleerd generatief-artefactmodel. Wat vandaag draait is de echte forensische logica: de SHA-256-keten, de EXIF-parse, de perceptuele-hash-hergebruikzoekactie, de narratieve redenering, de beleidspoort en het grootboek, allemaal op synthetische claims en een synthetische historische index.

Zijn die benchmarkcijfers nauwkeurigheid in de echte wereld?

Nee, en dat zeggen we bewust. De cijfers van 35 van 35 dekking, 0 procent valse beschuldiging en 100 procent auditintegriteit staan op een vaste, gelabelde synthetische benchmark van 120 claims waarvan de fraudeklassen detecteerbare signaturen dragen per constructie, dus de perfecte routing op die set is een eigenschap van die geconstrueerde set, geen open-wereldgarantie. Het cijfer dat de moeite waard is om mee te openen is het dekkingshiaat tegenover een echte gevestigde aanpak: een baseline met één signaal vangt 0 van de 35 hergebruikt-echte en metadata-vervalste fraudes, en de cross-signaal-firewall vangt alle 35. De duurzame beweringen zijn de 0 procent valse beschuldiging en de 100 procent auditintegriteit, die beide gelden bij elke modelkwaliteit.

Technisch onderzoek

Het onderzoek achter deze demo — de architectuur, het verificatieontwerp en de enterprise-blauwdruk.

Authenticeer het bewijs voordat u de schade beoordeelt

Een forensische poort voor claimbewijs, met een audittrail dat overeind blijft.

Als uw claims- en SIU-teams afwegen hoe ze claimbewijs kunnen authenticeren zonder legitieme polishouders valselijk te beschuldigen, en hoe ze de geautomatiseerde beslissing verdedigbaar houden onder de NAIC-bulletins en de EU AI Act, horen we oprecht graag hoe u daarover nadenkt. Het probleem is sectorbreed en de antwoorden zullen dat ook zijn.

Beoordeling van bewijsintegriteit

  • ✓ Breng in kaart waar hergebruikt en gemanipuleerd bewijs uw intake binnenkomt
  • ✓ Definieer de routeringsdrempels voor AUTO-PROCEED, SIU en abstain
  • ✓ Beoordeel spoliatie- en bewaarketenblootstelling in rechtszaken
  • ✓ Een reproduceerbare beleidspoort waar uw compliance counsel mee kan instemmen

Bouw met ons

  • ✓ Een forensisch team over meerdere signalen en een deterministische beleidspoort
  • ✓ Een hash-gekoppeld bewijsgrootboek met verify-chain-knoeidetectie
  • ✓ Een rechtszaalklaar bewijsdossier met een NAIC- en EU AI Act-mapping
  • ✓ Connectors en een geleerd artefactmodel op de roadmap, niet gefingeerd