Stworzyć narzędzie do określania autentyczności/fałszywości pliku PDF

Budżet: 5000 UAH Termin: 30 dni

Aby rozwiązać problem detekcji fałszywych dokumentów w plikach PDF tekstowych, nie wystarczy po prostu porównywać tekst. Potrzebne jest narzędzie, które analizuje wewnętrzną strukturę obiektów PDF, ponieważ każde ingerencja przez edytor pozostawia „cyfrowe ślady”, niewidoczne dla oka, ale oczywiste dla kodu.

Strategia techniczna realizacji (Python):

Analiza metadanych i sygnatur (Metadata & Producer check): Każda instytucja używa specyficznego oprogramowania do generowania wyciągów (na przykład IText, Quartz, ReportLab). Jeśli w pliku pojawiają się tagi Adobe Acrobat, NitroPDF lub Preview, lub jeśli ModDate znacznie różni się od CreationDate — to natychmiastowy sygnał o ingerencji.

Sprawdzenie struktury obiektów (Incremental Updates): Edytory PDF często zapisują zmiany poprzez dodawanie nowych obiektów na końcu pliku (incremental updates). Narzędzie będzie sprawdzać obecność kilku tabel XREF oraz znaczników %%EOF. To pozwala wykryć nawet te zmiany, gdzie tekst został zmieniony na identyczny pod względem długości.

Kontrola czcionek i kodowania (Font & Encoding Consistency): Oryginalne systemy zazwyczaj używają podzbiorów czcionek (Subsets). Przy ręcznym edytowaniu edytor często podstawia czcionkę systemową lub zmienia kodowanie znaków. Będziemy porównywać sumy kontrolne wbudowanych czcionek z „wzorcowymi” dla tej instytucji.

Analiza współrzędnych (Layout X/Y Verification): Systemy generowania wyciągów wyrównują tekst z dokładnością do tysięcznych części piksela. Ręczne edytowanie prawie zawsze prowadzi do mikro-przesunięć w osiach X lub Y, które narzędzie zarejestruje za pomocą biblioteki pdfminer.six.

Ekonomia i skalowanie:

Koszt: Weryfikacja w Pythonie (biblioteki PyMuPDF, pdfminer) odbywa się lokalnie bez angażowania zewnętrznych API czy AI, dlatego koszt jednej weryfikacji w rzeczywistości odpowiada kosztowi kilku sekund pracy twojego serwera.

Uniwersalność: System budowany jest na zasadzie modułowości. Dla każdej nowej instytucji tworzony jest osobny „profil-maska” z wzorcowymi cechami struktury.

Pytanie uzupełniające:
Czy masz dostęp do 10-20 gwarantowanie oryginalnych wyciągów od tej instytucji w celu stworzenia początkowego „cyfrowego odcisku” (wzorca) struktury? Rozwiń

Budżet: 5001 UAH Termin: 3 dni

Witam. Będę mógł napisać skrypt w Pythonie, który w 90%+ określi, czy były zmiany, czy nie. Koszt sprawdzenia będzie wynosił 0 cały czas. Skrypt będzie można skalować na inne instytucje. Szczegóły możemy omówić w wiadomości prywatnej.

Budżet: 700 UAH Termin: 1 dzień

Cześć! Zainteresował mnie Twój projekt. Mam duże doświadczenie w:

📄 Przetwarzaniu danych PDF i tekstowych: Python, pdfplumber, PyPDF2, wyrażenia regularne
🔍 Wykrywaniu zmian i analizie treści: haszowanie, porównania semantyczne, podejścia NLP
🤖 Automatyzacji przetwarzania dokumentów: parsowanie, wydobywanie danych strukturalnych
⚡️ Optymalizacji i tanim przetwarzaniu: rozwiązania bez ciężkich serwerów, lokalne narzędzia
🛠 Skalowaniu pod różne formaty wyciągów: dostosowanie do specyfiki instytucji

Mam podobny projekt, który realizowałem na potrzeby pracy dyplomowej, możemy dostosować go do Twoich wymagań. Skontaktuj się ze mną, aby omówić szczegóły i terminy realizacji projektu!

Budżet: 26990 UAH Termin: 29 dni

Dzień dobry!
Nazywam się Walenty, i reprezentuję Arctic Web Agency. Jesteśmy zespołem, który specjalizuje się w tworzeniu nowoczesnych i efektywnych rozwiązań dla biznesu. W wiadomościach prywatnych mogę przesłać przykłady naszych podobnych prac. Jesteśmy gotowi zająć się Twoim projektem!

Z poważaniem
Zespół Arctic Web
Freelancehunt

Budżet: 10000 UAH Termin: 7 dni

Mogę zrealizować narzędzie automatycznej weryfikacji zewnętrznych plików PDF (detektor anomalii PDF) pod kątem możliwej edycji bez dostępu do procesu ich tworzenia.
Ponieważ podpis cyfrowy jest nieobecny, weryfikacja będzie przeprowadzana poprzez kompleksową analizę struktury dokumentu PDF: metadanych, historii inkrementalnych aktualizacji, zmian pola Producer, tabeli XREF, wewnętrznych obiektów oraz innych technicznych cech możliwej edycji.
Narzędzie będzie:
napisane w Pythonie
działać lokalnie lub w formacie CLI / API
wydawać poziom ryzyka fałszerstwa (w procentach lub w formie statusu)
skalowalne pod kątem formatów wypisów kilku instytucji
Dla jednego typu wypisów po utworzeniu profilu technicznego (na podstawie oryginalnych przykładów) dokładność określenia może osiągać 85–90%.
Koszt weryfikacji będzie minimalny, bez korzystania z zewnętrznych płatnych usług.
Jestem gotów omówić format realizacji, mam jeszcze kilka pytań, niektóre wymagania techniczne oraz otrzymać przykłady plików do testowania i dostosowania profilu weryfikacji.

Budżet: 4000 UAH Termin: 1 dzień

Dzień dobry. Jestem gotów wykonać ten projekt, mam duże doświadczenie w tworzeniu aplikacji.

Budżet: 1000 UAH Termin: 1 dzień

Wchodzę do top-10 deweloperów w kategorii „Sztuczna inteligencja i uczenie maszynowe” wśród ~2100 specjalistów na platformie. Gwarantuję: - Szybkie i jakościowe wykonanie zadania - Ścisłe przestrzeganie terminów - Regularny kontakt przez cały proces Będę zadowolony, aby omówić szczegóły twojego projektu w prywatnych wiadomościach.

Budżet: 5000 UAH Termin: 3 dni

Dzień dobry.
Tak, jeśli wyciąg jest oficjalny — powinien zawierać podpis cyfrowy. Wtedy zadanie jest rozwiązywane w 100% poprawnie poprzez weryfikację podpisu elektronicznego i integralności dokumentu.

Mogę zrealizować narzędzie w Pythonie, które:
sprawdza obecność podpisu cyfrowego
ważność certyfikatu
czy PDF był zmieniany po podpisaniu
automatycznie określa fakt fałszerstwa
W przypadku zmiany tekstu po podpisie — weryfikacja od razu to pokaże.
Rozwiązanie jest szybkie, niedrogie w eksploatacji i skalowalne pod kątem formatów innych instytucji.

Jestem gotowy do realizacji. Rozwiń

Budżet: 3200 UAH Termin: 2 dni

Witam! Mam doświadczenie w opracowywaniu narzędzi do analizy struktury PDF w Pythonie. Zadanie jest realizowane metodami cyfrowej kryminalistyki (analiza tabel XREF, metadanych i nakładania tekstu).

Dlaczego to jest opłacalne:

- Dokładność 90%+: wykrywanie technicznych śladów edytowania, niewidocznych gołym okiem.

- Niska cena: wykorzystanie bibliotek open-source pozwoli na przeprowadzanie weryfikacji lokalnie z zerowym kosztem (bez płatnych API).

Wstępna wycena: 3200 zł, termin: 2 dni.
Cena obejmuje stworzenie rdzenia systemu, który następnie łatwo dostosować do nowych typów wyciągów.

Aby mogłem potwierdzić terminy, proszę o przesłanie próbek oryginału i fałszywki (z ukrytymi danymi).

Gotowy do rozpoczęcia! Pisz! Rozwiń

Budżet: 2000 UAH Termin: 3 dni

Cześć! Tworzę narzędzie Python do analizy metadanych PDF. Zapewni to >90% dokładności wykrywania zmian przy minimalnych kosztach. Zaczniemy od MVP. Czekam na wiadomości prywatne!

Budżet: 5000 UAH Termin: 1 dzień

Witaj, Konstantynie

Jest bardzo proste rozwiązanie przez checksum, aby przeprowadzić weryfikację pliku, jeśli nie zgadza się z oryginałem, to zmiana została zarejestrowana.

Trudność zadania: łatwe

Budżet: 2200 UAH Termin: 2 dni

Cześć, Kostiantynie!

Zapoznałem się z zadaniem. Mam jasny algorytm, jak zrealizować to narzędzie w Pythonie i zapewnić dokładność wykrywania fałszywek powyżej 90%.

Jak to będzie działać:
Zamiast po prostu "czytać tekst", mój skrypt analizuje ukryte cyfrowe znaczniki dokumentu. Jakiekolwiek ingerencje przez edytor PDF (nawet zmiana jednej cyfry) nieuchronnie łamią początkową strukturę pliku, wygenerowanego przez bank lub instytucję. Wizualnie wyciąg wygląda tak samo, ale dla mojego kodu fałszywka będzie od razu zauważalna.

Jeśli chodzi o wasze kryteria:

Koszt: 0 USD za weryfikację. Skrypt będzie działał autonomicznie bez drogich płatnych API.

Skalowalność: Architektura od razu będzie modułowa. Kiedy zajdzie potrzeba dodania nowych instytucji, będzie to robione szybko i bez przepisywania podstawy programu.

Będę zadowolony ze współpracy! Rozwiń

Budżet: 4500 UAH Termin: 5 dni

Dzień dobry. Możliwe jest opracowanie takiego narzędzia. Ale są niuanse, trzeba przetwarzać PDF. Zmiana tekstu nie jest obowiązkowa. Każda firma podaje swoją markę, a znaki potwierdzające można weryfikować na ich podstawie. Opracuję to w node.js.

Budżet: 2000 UAH Termin: 3 dni

Witaj! Z zainteresowaniem zapoznałem się z twoim projektem i jestem gotów przystąpić do jego realizacji. Porozmawiajmy o szczegółach, aby osiągnąć optymalny rezultat.

Budżet: 4000 UAH Termin: 2 dni

Dzień dobry. Mogę napisać w języku Go. Jest w 80% napisany skrypt, trzeba go trochę dopracować pod wasze potrzeby. Będzie działał bardzo szybko. Proszę o kontakt.

Budżet: 700 UAH Termin: 1 dzień

Dobry wieczór, Konstantyn!
Ogólnie zadanie jest zrozumiałe, aby uzyskać dokładną odpowiedź na temat terminów i ceny, chciałbym wyjaśnić kilka kwestii, które pojawiły się po analizie twojego zadania.
Pisz w prywatnych wiadomościach – omówimy szczegóły i twoje życzenia.