An efficient method to detect series of fraudulent identity documents based on digitised forensic data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Document fraud is a transnational form of crime, and its serial character has already been highlighted. To combat this phenomenon, the Interstate Database of Fraudulent Identity Documents (BIDIF) has been created and implemented in Switzerland. It supports the comparison of documents and the detection of series, i.e., documents that share a common source. To efficiently use such a system, forensic document examiners would benefit from a harmonised and proven profiling method. Thus, the aim of this study is to develop a method for comparing documents and establishing series. The method is meant to improve the detection capabilities of forensic document examiners operating BIDIF or engaged in the profiling of fraudulent documents. First, a method based on the visual characteristics of digitised images of fraudulent identity documents has been developed. Subsequently, the method was qualitatively and quantitatively evaluated using four tests. The first test verified the ability of the method to detect pre-existing series. The second test checked the capability of the method to detect links amongst isolated documents. Finally, two further tests were carried out to compare the method impact on the successful detection of series. These tests were carried out by professional forensic document examiners and Master students in forensic science, respectively. This allowed a comparison of the method influence on series detection. The method allowed a significant increase in the number of series and links detected, while also decreasing the occurrence of false negatives and false positives. Furthermore, links were more rapidly detected.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle