Fraud Detection

SvelteKit tabanlı doküman inceleme aracı. Uygulama JPG/PNG doküman görselleri üzerinde OCR çalıştırır, kelime güven skorlarını ve işaretlenmiş bölgeleri görsel katman olarak gösterir, ardından kullanıcıya manuel bir forged/genuine kararı vermek için odaklı bir çalışma alanı sunar.

Ne yapar?

• Doküman görsellerini pan/zoom destekli bir canvas üzerinde gösterir.
• Tesseract.js ile OCR çıktısı üretir ve kelime bounding box verilerini saklar.
• OCR confidence değerine göre kelimeleri safe/suspicious/critical gruplarına ayırır.
• Fixture metadata içindeki işaretli bölgeleri doküman üstünde overlay olarak gösterir.
• İnceleme sonunda dokümanı forged veya genuine olarak işaretlemeye izin verir.
• Hazır fixture dokümanları ve yeni yüklenen görsellerle aynı analiz arayüzünü kullanır.

Bu proje otomatik hukuki/finansal karar motoru değildir. Üretilen skorlar ve etiketler inceleme sinyali olarak düşünülmelidir; nihai karar kullanıcı incelemesine bırakılır.

Tech Stack

• Svelte 5
• SvelteKit
• TypeScript
• apple-svelte
• Tesseract.js
• Sharp
• Material Symbols Rounded

Proje Yapısı

src/
  routes/
    +page.svelte              # Project overview
    analyze/+page.svelte      # Document review workspace
    api/documents/+server.ts  # Fixture document loader
    api/ocr/+server.ts        # Upload + OCR endpoint
  lib/
    components/               # Viewer, overlays, lists, controls
    stores/document.svelte.ts # Document/OCR/review state
    types/anomaly.ts          # Shared document and anomaly types
    assets/documents/         # Tracked fixture images and OCR JSON
static/assets/documents/      # Uploaded images and generated OCR JSON in dev

OCR ve Sinyal Akışı

1. src/lib/assets/documents içindeki fixture görselleri /api/documents tarafından listelenir.
2. Yanındaki *.ocr.json dosyaları varsa OCR cache olarak okunur.
3. Yeni yüklenen JPG/PNG dosyaları /api/ocr endpoint'i üzerinden Tesseract.js ile işlenir.
4. OCR kelime confidence değeri deterministik olarak severity değerine çevrilir:
   • < 50: critical
   • < 80: suspicious
   • >= 80: safe
5. Fixture metadata içindeki anomaly bölgeleri overlay olarak çizilir.
6. Review score, OCR severity ve anomaly metadata üzerinden hesaplanır.

Kurulum

bun install

Node kullanıyorsanız:

npm install

Geliştirme

bun run dev

Tarayıcıda:

http://127.0.0.1:5173/

Kontrol

bun run check
bun run build

Yeni Fixture Ekleme

1. Görseli src/lib/assets/documents/ altına ekleyin.
2. Varsa OCR çıktısını aynı isimle *.ocr.json olarak ekleyin.
3. JSON yapısında fullText, words, ve isteğe bağlı anomalies alanlarını kullanın.

Örnek:

{
  "fullText": "Invoice ...",
  "words": [
    {
      "text": "Invoice",
      "confidence": 91.2,
      "bbox": { "x0": 100, "y0": 120, "x1": 180, "y1": 150 }
    }
  ],
  "anomalies": [
    {
      "id": 1,
      "text": "Amount",
      "x": 120,
      "y": 240,
      "width": 220,
      "height": 48,
      "type": "forged"
    }
  ]
}

Notlar

• OCR kalitesi görsel çözünürlüğüne, dil verisine ve doküman düzenine bağlıdır.
• Upload endpoint'i geliştirme ortamında dosyaları static/assets/documents altına yazar.
• Mevcut anomaly detection katmanı fixture metadata ve OCR confidence sinyallerine dayanır; model tabanlı sahtecilik tespiti eklenmek istenirse bu katman ayrı bir servis olarak tasarlanmalıdır.