Pipeline forense de duas camadas detecta adulteração de PDFs combinando metadados e OCR dupla
O artigo apresenta uma pipeline forense para detectar adulteração de documentos PDF que raramente deixam rastro visual perceptível a olho nu. Uma primeira camada valida conformidade de formato e sinaliza payloads maliciosos embutidos; uma segunda camada inspeciona metadados, overlays visuais e a consistência entre duas fontes independentes de OCR, consolidando tudo em um score de risco interpretável. A abordagem foi validada em certificados médicos reais de afastamento do trabalho.
Com a disseminação de editores de PDF gratuitos, alterar valores, datas ou assinaturas em um documento se tornou trivial e, na maioria dos casos, não deixa nenhuma marca visível na renderização final — o que torna a inspeção visual manual, hoje o método mais comum em triagem documental, insuficiente para detectar fraude.
A pipeline proposta funciona em dois estágios. O primeiro é uma camada de "gating" de segurança que valida a conformidade do arquivo com a especificação do formato PDF e sinaliza a presença de payloads potencialmente maliciosos embutidos no documento. O segundo é o motor forense propriamente dito, que inspeciona os objetos internos do arquivo em múltiplas dimensões: metadados (informações de criação/edição que podem revelar manipulação posterior ao timestamp alegado), camadas de overlay visual (elementos sobrepostos ao conteúdo original para mascarar uma alteração) e a consistência entre duas fontes independentes de OCR (divergências entre o texto reconhecido por diferentes motores podem indicar que uma camada de texto foi reescrita ou substituída). Um mecanismo de pontuação ponderada agrega esses indicadores em um score de risco interpretável, em vez de um veredito binário opaco.
A validação em certificados médicos de afastamento do trabalho reais é relevante porque esse é exatamente o tipo de documento de baixo valor aparente, mas alto volume e alto impacto, que raramente recebe perícia documental dedicada — fraudes em atestados médicos, comprovantes de pagamento e laudos administrativos costumam passar batidas por triagem manual simples.
Para quem trabalha com e-discovery e perícia documental, uma ferramenta que automatiza esse tipo de triagem com um score explicável (em vez de uma caixa-preta) facilita tanto a escala do processo quanto a defensibilidade do resultado em um contexto judicial, já que cada indicador que compõe o score pode ser auditado individualmente.