AI編修貸款文件檢視：132次判定中14次出現疑慮

一項由具貸款審核與處理經驗者檢視134份AI編修貸款文件的實驗中，研究團隊在132次判定裡，於14次（10.6%）發現支持對文件編修提出疑慮的線索。線索來自文件內部或不同文件間的識別資訊不一致。

研究團隊在2026年10月公開的預印本中表示，他們取得47份經同意提供的真實金融文件，並據此製作偽造PDF。3名具貸款審核與處理經驗的檢視者檢查文件，共提交132次判定。

研究團隊將檢視者的說明與原始文件比對後發現，14次判定包括12次認為文件可疑，以及2次認為資訊不足。兩種判定都以識別資訊不符為依據。

研究未報告任何僅憑視覺線索就找出實際編修處的案例。研究團隊指出，檢視者只有3人，且沒有混入真實文件作為對照組，因此不能將結果推論為整個金融業的偽造文件偵測率。

另一項評估研究AIForge-Doc於2026年2月公開。研究團隊製作4061張文件圖像，利用AI修改收據與表單圖像中的數字欄位，再評估偵測表現。

研究公布的AUC數值分別為TruFor 0.751、DocTamper 0.563、GPT-4o 0.509。AUC是特定測試條件下的辨別能力指標，不代表金融業實際偵測到偽造文件的比率。

文件驗證涉及不同問題。偵測工具尋找圖像中的編修痕跡；數位簽章用來確認簽署後檔案是否遭到變更，以及由哪個金鑰簽署；向文件核發機構查詢，則是比對提交內容是否與機構實際紀錄一致。

美國國家標準暨技術研究院（National Institute of Standards and Technology，NIST）的數位簽章標準FIPS 186-5指出，簽章可用來偵測資料遭未授權變更，並驗證簽署者身分。但簽章有效，不代表文件內容本身就是真實的。

NIST數位身分指南SP 800-63A依證據等級設定不同驗證要求。對最高等級（SUPERIOR）證據，必須驗證核發機構的數位簽章，以及一路連結至信任錨的憑證鏈；關鍵屬性則須與權威或可信來源比對。若屬性由核發機構簽署，則應使用該機構的公開金鑰驗證其正確性。

向核發機構查詢，是確認提交文件內容是否符合該機構實際紀錄的程序。僅檢查圖像編修痕跡或簽章狀態，無法取代這項比對。

內容來源標準C2PA的內容憑證（Content Credentials），會對與檔案連結、包含來源資訊的資料結構加入加密簽章，協助確認紀錄資訊或檔案是否曾被變更。

不過，可確認的來源歷程僅限於已提供且經驗證的資訊範圍。C2PA表示，來源資訊本身無法保證內容真實、正確，也無法保證完整的來源歷程。

若不把文件原文放上區塊鏈，而是記錄文件雜湊值，之後便可將取得的檔案與登錄時的雜湊值比對，確認檔案是否相同。這種方式可用來檢查登錄後文件是否遭到變更。

但雜湊值無法證明文件在登錄前就是真實的，也無法確認登錄者是否具有核發權限。以太坊（Ethereum）預言機文件也指出，將外部資訊輸入區塊鏈時，須確認資料來源與正確性。

歐洲資料保護委員會（European Data Protection Board，EDPB）指出，區塊鏈上的個人資料可能難以刪除或更正，並建議盡可能將額外個人資料留在鏈外。雜湊值在某些情況下也可能被視為個人資料。

在韓國，科學技術資訊通信部將《人工智慧基本法》第31條的透明義務說明為事先告知AI服務，以及標示AI生成內容。告知AI使用情形，與確認金融文件是否符合核發機構的實際紀錄，是不同的程序。