Sentinel 如何利用 TruthScan 阻止 AI 驱动的电商欺诈
概览
在欧洲大型电商平台 Allegro 上，诈骗者利用 AI 修改真实商品图片（如添加污渍、划痕等）来发起虚假退款。Sentinel 需要识别这些微小篡改。但在测试 OpenAI 和 Hive 时，两者均未达标：OpenAI 将真实图片误判为伪造，Hive 则未提供有效支持。
Sentinel 将 TruthScan 作为检测流程的最后一环。TruthScan 在几乎所有测试图片中都给出了明确结果，占其检测能力的约 90%。没有 TruthScan，Sentinel 无法可靠识别 AI 篡改图像。
关键成果
~90%
AI 篡改检测能力由 TruthScan 提供
接近 0%误判率（远优于 OpenAI）
14 天从需求到上线，体现高响应能力
问题：一次误判就会毁掉产品
Sentinel 可以识别完全由 AI 生成的图片，但真正困难的是检测对真实图片的微小修改（如衣物上的伪造污渍）。
在欺诈检测中，每个判断都是非黑即白。一旦误判真实用户，平台信任将受损。
"误判会毁掉整个产品…一旦出现误判，你就无法做出正确决策。"
因此，Sentinel 需要一个能够识别像素级 AI 修改且不会误判的检测系统。
Sentinel 的测试过程
团队测试了多个解决方案，但都无法满足商业化要求。
- OpenAI Vision 误判真实图片，无法用于商业场景。
- Sightengine 能检测 AI 图片，但无法识别真实图片中的 AI 篡改。
- Hive 未提供有效响应，测试未能进行。
最终，TruthScan 在真实数据测试中表现最佳。
0:00 / 0:00
"团队响应速度非常快，这一点至关重要。"
Sentinel 如何使用 TruthScan
Sentinel 使用多层检测流程，TruthScan 作为最终判断。
0:00 / 0:00
"TruthScan 是最终判断者"
"其他工具只是初筛"
TruthScan 是唯一能够稳定识别 AI 篡改的工具。
成功原因
极低不确定性 几乎所有检测结果都明确。
核心检测能力来源 90% 检测能力依赖 TruthScan。
快速接入 无需复杂审批流程即可集成。
总结
0:00 / 0:00
"集成简单，风险低，是当前最适合的解决方案。"
业务影响
提供几乎 100% 明确结果
成功进入 Google Cloud for Startups
竞品对比
Sentinel 内部测试数据
| 指标 | OpenAI | Sightengine | Hive | TruthScan |
|---|---|---|---|---|
| 误判率 | 高 | 低 | 未知 | <1% |
| 篡改检测 | 不稳定 | 无效 | 未知 | 高准确率 |
| 接入速度 | 快 | 快 | 慢 | 快 |
| 角色 | 淘汰 | 初筛 | 淘汰 | 最终判断 |