CAPIT SCAM
Detecte los anuncios falsos y las estafas antes que sus visitantes
SCAM lee los perfiles, anuncios, textos y fotos publicados en su sitio e indica a su moderador cuáles debe revisar primero, con los motivos. Ha aprendido de las decisiones de moderación del sitio de citas Affection.org desde 2017.
Lanzamiento privado: el acceso se concede bajo petición, sitio por sitio, tras un intercambio con nosotros.
Los primeros 50 análisis de cada mes son gratuitos. A partir de ahí, le comunicamos las tarifas antes de cualquier facturación.
- Una opinión, nunca una sanción: SCAM ordena su cola de moderación y explica; su moderador decide.
- Motivos legibles: foto ya vista en un fraude, correo o red ya sancionados en su sitio, petición de dinero en el texto, señales de red que usted transmite.
- Aprendido de decisiones reales: 16.321 fraudes y 11.730 anuncios legítimos confirmados por moderadores.
- Un sitio, una clave, una cola: sus datos y sus respuestas se mantienen separados de los de otros clientes.
- Ningún criterio de apariencia: el sexo, la edad o el físico nunca son un motivo.
- Una API HTTPS sencilla, con análisis asíncronos y seguimiento de su consumo.
Cómo funciona
- Su sitio envía a SCAM el texto, la foto o el perfil que se debe examinar, con la clave de su sitio.
- SCAM acusa recibo y después analiza en segundo plano. Usted consulta el resultado con el identificador recibido: su página no espera.
- El resultado indica un riesgo estimado, los motivos y una recomendación: revisión habitual, examinar con atención o examinar con prioridad.
- Su moderador decide. Su decisión puede reenviarse a SCAM, que la guarda por separado para su sitio.
Cómo aprendió SCAM a reconocer los fraudes
Un modelo aprende a partir de ejemplos cuya respuesta se conoce. SCAM utilizó los que ya existían: las decisiones de moderación de Affection.org, desde 2017.
- 160.615 anuncios examinados, entre ellos 16.321 fraudes confirmados por un moderador y 11.730 anuncios legítimos confirmados.
- Las 48.335 eliminaciones automáticas del sistema anterior sirven de memoria («este correo ya ha sido sancionado»), pero no de ejemplos, porque ningún humano las juzgó: SCAM no imita los errores de un robot.
- De cada anuncio, SCAM solo ve lo que se conocía antes de su creación: mismo correo, misma dirección IP, misma red, mismo seudónimo o misma foto que un anuncio ya sancionado, reputación de la dirección IP, país de la IP distinto del país declarado, indicios en el texto.
- Las fotos se comparan por huella, lo que reconoce una misma imagen recomprimida o volteada como en un espejo. La imagen en sí no se conserva en el conjunto de aprendizaje.
- El modelo se evalúa únicamente sobre un período que nunca ha visto (de marzo a noviembre de 2026): nunca se evalúa sobre lo que ya ha aprendido.
Qué resultado da
Prueba con 690 anuncios de Affection.org de marzo a noviembre de 2026, entre ellos 39 fraudes, nunca vistos durante el aprendizaje. Pregunta: si se leen solo el 10 % de anuncios de la parte alta de la clasificación (69 anuncios), ¿cuántos fraudes se encuentran?
| Forma de elegir los 69 anuncios que se leen | Fraudes encontrados de 39 |
|---|---|
| Al azar | unas 4 |
| Clasificación de un modelo simple | 8 |
| Clasificación SCAM | 25 |
Evaluación retrospectiva en un solo sitio y con pocos fraudes: las cifras deben confirmarse en su propio sitio. Mediciones del 18 de noviembre de 2026.
Qué cruza SCAM
- El historial de su sitio: anuncios ya sancionados, mismo correo, misma red, misma foto.
- Las señales de red que su sitio transmite: VPN, proxy, proveedor de alojamiento, discrepancia entre el país declarado y el país de la conexión.
- El texto: petición de dinero, datos bancarios, invitación a pasar a una mensajería externa, insulto o amenaza dirigida.
- Podrán añadirse otras bases de reputación y de denuncias de estafadores, según sus condiciones de uso.
Qué no hace SCAM
- No elimina nada y no valida nada: da una opinión.
- En esta etapa sirve para ordenar la cola de moderación, no para eliminar automáticamente: sus puntuaciones aún no son lo bastante fiables para decidir por sí solas.
- Los resultados anteriores proceden de un solo sitio y de una prueba con 39 fraudes. Su sitio tendrá su propia medición.
Una API para su desarrollador
Usted envía, SCAM responde con un identificador, usted consulta el resultado. La documentación OpenAPI y ejemplos en JavaScript, Python y PHP se entregan con su acceso, junto con la dirección base de la API.
POST /v1/check/text | Analizar un texto o la descripción de un anuncio. |
|---|---|
POST /v1/check/image | Analizar una foto (huella, reutilización, contenido). |
POST /v1/check/profile | Analizar un perfil: texto, señales de la red y mediciones de su sitio. |
GET /v1/analysis/{id} | Consultar el resultado de un análisis. |
POST /v1/feedback | Reenviar la decisión de su moderador. |
GET /v1/usage | Seguir su consumo del mes. |
Sus datos
Cada sitio tiene su clave y sus datos separados. Los correos, las direcciones IP y los seudónimos se transforman en huellas que permiten reconocer «lo mismo» sin mostrarlo. Las respuestas de su moderador solo sirven para entrenar un modelo si usted lo autoriza. Las condiciones precisas de tratamiento se acuerdan al abrirse su acceso.
Participar en el lanzamiento
SCAM aún no está abierto al público. Describa su sitio y el tipo de anuncios o perfiles que proteger: le respondemos con un acceso de prueba.
