Kallelse till årsstämma 19 maj 2026, Stockholm Läs kallelsen →
Dokument- og billedforensik

Sentinel

Automatiseret forensisk analyse af billeder og dokumenter indsendt med forsikringssager. Opdager manipulation, forfalskning og fabrikation — fra ændrede kvitteringsbeløb til AI-genererede skadebilleder.

Omfanget af dokumentbedrageri

Dokumentbedrageri i forsikringsbranchen koster milliarder årligt. Manipulerede kvitteringer, ændrede datoer og fabrikerede fotos er stadig sværere at opdage manuelt — især efterhånden som AI-redigeringsværktøjer bliver bredt tilgængelige.

Beløbsforhøjelse

At ændre en kvitteringssum fra 1.849 til 18.499 for at øge en udbetaling. En enkelt cifferændring, der er usynlig for det menneskelige øje.

Datoændring

At ændre en dokumentdato så den falder inden for en dæknings- eller garantiperiode. Ofte udført med PDF-redigerere på scannede dokumenter.

Dokumentfabrikation

At tilføje, fjerne eller erstatte tekst i scannede dokumenter med PDF-redigerere. Hvide rektangler dækker det oprindelige indhold, mens ny tekst lægges ovenpå.

Fotomanipulation

At iscenesætte eller digitalt forstærke skadefotografier i ejendoms- og køretøjssager. Klone skader, fjerne reparationer eller sammensætte scener.

AI-genereret indhold

At bruge generativ AI til at skabe troværdige men fuldstændig fabrikerede dokumenter eller skadebilleder. Moderne AI-værktøjer gør dette stadig mere tilgængeligt.

Kopier-indsæt-forfalskning

At kopiere og indsætte regioner i et foto for at duplikere eller skjule skader. Bruges til at overdrive omfanget af ejendoms- eller køretøjsskader.

44+ Forensiske analyseværktøjer
<2min Fuld analyse
8 Filformater
16+ Rapportsprog

Pixelniveau-analyse

40+ automatiserede kontroller undersøger hver pixel for tegn på manipulation

AI-vision-gennemgang

To-trins AI læser og verificerer dokumentindhold, aritmetik og konsistens

Deep learning-modeller

Specialbyggede neurale netværk opdager både traditionelle og AI-genererede forfalskninger

Risikoscoring

Vægtet evidens fra alle lag producerer en enkelt handlingsorienteret risikoscore på 0–100 med tre bånd: grøn (0–60) lav risiko, orange (60–80) høj risiko, rød (80–100) kritisk risiko.

Forensisk arkitektur i tre lag

Sentinel anvender en lagdelt tilgang i overensstemmelse med branchens bedste praksis for dokumentbedrageri-detektion. Hver indsendt fil passerer automatisk gennem alle tre lag, og resultaterne krydskorreleres til en samlet risikovurdering med specifikke og handlingsorienterede fund.

1

Signalanalyse

Over 40 automatiserede analyseværktøjer undersøger filen på pixelniveau. Hver analyse er baseret på publiceret forensisk forskning og leder efter en specifik type manipulation — fra kompressionsartefakter og støjinkonsistenser til kopier-indsæt-spor og kamerasensorfingeraftryk. Disse kører parallelt og afsluttes typisk på 1-2 sekunder.

2

Metadataanalyse

Filens indlejrede metadata udtrækkes og krydsvalideres. Dette omfatter kameraoplysninger, tidsstempler, redigeringssoftwarens spor, GPS-koordinater og dokumentstruktur. For PDF'er opdager Sentinel inkrementelle ændringer, indlejrede skrifttyper i scannede dokumenter og indhold lagt ovenpå efter scanning.

3

AI-semantisk analyse

To AI-vision-modeller gennemgår dokumentet i sekvens. Den første læser hvert tal og verificerer aritmetikken — bliver enhedspris gange antal lig med linjens total? Stemmer summen? Den anden krydskorrelerer al evidens fra hvert lag og leverer den endelige vurdering.

Forskningsbaseret signalanalyse

Hver automatiseret analyse i Sentinel bygger på peer-reviewet forensisk forskning. Systemet er ikke afhængigt af én enkelt detektionsmetode — det kører snesevis af uafhængige kontroller samtidig, hver med fokus på et andet manipulationsspor.

  • Kompressionsartefakter afslører regioner gemt på forskellige kvalitetsniveauer
  • Sensorstøjmønstre identificerer indhold fra forskellige kameraer
  • Kopier-indsæt-detektion finder klonede regioner i et billede
  • Frekvensanalyse opdager AI-genererede eller GAN-producerede billeder
  • Skrifttype- og tekstjusteringskontroller fanger indsat tekst i dokumenter
  • Kamerasensorfingeraftryk verificerer at alle regioner er optaget af samme enhed

PDF-dokumentforensik

PDF-dokumenter kræver specialiseret analyse ud over pixelniveau-forensik, da manipulation ofte sker på strukturelt niveau. Sentinel renderer hver side og sammenligner resultatet med den indlejrede scanning — enhver forskel afslører indhold tilføjet efter scanning.

  • Scanning-mod-rendering-sammenligning opdager overlagret tekst og hvide overstregninger
  • Skrifttypeinventar flagger indlejrede skrifttyper i dokumenter, der bør være rene scanninger
  • Strukturanalyse opdager inkrementelle gemninger, der indikerer redigering efter scanning
  • Indlejrede billeder udtrækkes individuelt og analyseres for manipulation
  • Krydskontrol over flere sider sammenligner datoer, navne og beløb på alle sider

AI-visions-verifikation

Signalanalyser giver objektive, reproducerbare målinger. Men visse bedragerier kræver forståelse: stemmer aritmetikken? Giver datoen mening? Er dokumentet internt konsistent? Sentinels to-trins AI-visions-pipeline håndterer dette.

  • Læser hvert tal på kvitteringer og fakturaer og verificerer al aritmetik
  • Kontrollerer momssatser, valutaformater og forhandleroplysninger for konsistens
  • Sammenligner datoer, referencenumre og beløb på tværs af flere sider
  • Anvender Benfords lov til at kontrollere, om finansielle beløb følger naturlige fordelinger
  • Krydskorrelerer alle signalfund med visuel evidens til en endelig vurdering
  • Identificerer falske positive og forklarer sin ræsonnement

Deep learning-baseret forfalskningsdetektion

Ud over traditionel signalanalyse bruger Sentinel specialbyggede neurale netværk til at opdage manipulationer, der ikke efterlader synlige spor for det menneskelige øje.

  • Mesorch (AAAI 2025) kombinerer CNN- og Transformer-arkitekturer til at producere forfalskningskort på pixelniveau for splejsede, klonede og inpaintede regioner
  • DINOv3, en skræddersyet forensisk model bygget på en vision-backbone med 6,7 milliarder parametre, er trænet specifikt til at opdage AI-genereret inpainting — den type manipulation, der besejrer de fleste kommercielle detektionsværktøjer
  • Trænet på specialiserede datasæt, der forhindrer modellen i at lære behandlingsgenveje og tvinger den til at identificere reelt manipuleret indhold frem for billedbehandlingsartefakter
  • Producerer visuelle varmekort, der fremhæver præcis hvilke regioner der flagges, med konfidensscorer for hver

Bevist detektionspræcision

Sentinel er testet mod virkelige bedrageriscenarier. Ægte dokumenter får lave risikoscorer; manipulerede dokumenter flagges med specifik evidens.

Testtilfælde Risikoscore Nøglefund
Rent kvitteringsfoto 6.8 / 100 Aritmetikken stemmer
Forfalsket kvittering (beløb ændret) 100 / 100 Linjetotalen stemmer ikke med enhedspris og antal
Ren PDF-scanning (3 sider) 6.8 / 100 Ingen manipulation opdaget
Forfalsket PDF (dato ændret i editor) 100 / 100 Datouoverensstemmelse mellem sider, 8 skrifttyper fundet i scanning

To måder at integrere på

Sentinel passer ind i dit eksisterende sagsflow. Vælg den integrationsmetode, der fungerer bedst for din organisation.

REST API

Integrer Sentinel direkte i dit sagsbehandlingssystem. Indsend dokumenter via API og modtag strukturerede forensiske rapporter — pushet til dit endpoint via HMAC-signeret webhook ved afslutning, eller hentet on demand.

  • Indsend jobs med valgfri webhookUrl og webhookSecret — modtag resultater via HMAC-SHA256-signerede webhook-callbacks
  • Administrer levering med retry- og annulleringsendpoints (POST /sentinel/jobs/{guid}/webhook/retry, DELETE /sentinel/jobs/{guid}/webhook)
  • Polling-fallback via GET /sentinel/jobs/{guid} til synkrone arbejdsgange
  • WebSocket-understøttelse for live-statusopdateringer
  • Rapporter tilgængelige på 16+ sprog
  • Visuelle varmekort og annoterede billeder returneres som URL'er
  • Understøtter JPEG, PNG, HEIC, TIFF, WebP, GIF, BMP og PDF

Integreret i LENS

Brug Sentinel gennem LENS, vores webbaserede undersøgelsesplatform. Sagsbehandlere kan uploade dokumenter direkte i browseren og gennemgå forensiske resultater med interaktive varmekort og fremhævede fund — ingen teknisk integration kræves.

  • Upload og analysér direkte i browseren
  • Interaktive forensiske varmekort og annotationer
  • Forensiske forklaringer i klart sprog for sagsbehandlere
  • Kombineret med kreditrapporter, ejendomsdata og virksomhedsoplysninger
  • Ingen udviklerressourcer nødvendige — klar til brug med det samme

Omfattende formatunderstøttelse

Sentinel analyserer alle almindelige billed- og dokumentformater indsendt med forsikringssager. JPEG-filer får den dybeste analyse inklusive kompressionsspecifik forensik. PDF-dokumenter renderes, sammenlignes med indlejrede scanninger og gennemgås på alle sider for tværsides-inkonsistenser. HEIC-filer fra iPhones understøttes fuldt ud.

  • JPEG — fuld pixelforensik inklusive kompressionsanalyse, kvalitetstabel-fingeraftryk og ghost-detektion
  • PNG, TIFF, WebP, GIF, BMP — pixelforensik, støjanalyse og AI-detektion
  • HEIC — indbygget understøttelse af iPhone-fotos med fuld forensisk analyse
  • PDF — siderendering, overlay-detektion, strukturanalyse, skrifttypeinventar, AI-gennemgang over flere sider

Klar til at opdage dokumentbedrageri?

Reducer bedrageriudbetalinger med automatiseret forensisk analyse. Tilgængelig som API eller integreret i LENS.