title	PaperGuard 论文体检
emoji	🛡️
colorFrom	blue
colorTo	indigo
sdk	docker
app_port	7860
pinned	false
license	mit
short_description	开源论文体检 — 统计自洽 / 数字一致 / 图片完整性的疑点扫描

PaperGuard 论文体检 · 开源学术稳健性自检工具

给一份 PDF/TXT,自动扫描统计自洽性、数字一致性、图片完整性的潜在问题。

灵感来自 PubPeer、Elisabeth Bik、"耿同学讲故事"的工作方法。

定位: 辅助人工复核的疑点清单,不替代同行评审,不作为指控依据。所有报告附置信度,仅供参考。

⚠️ 重要免责声明

1. 本工具输出 "疑似" 而非 "定罪"。命中即可疑,不等于造假;未命中也不等于无问题。
2. 任何争议必须以原始数据复核为准。作者可能在论文里做了正当的舍入/简化/数据加工。
3. 请勿将本工具的输出作为公开指控他人学术不端的依据。如需举报,请走期刊、机构、PubPeer 等正规渠道。
4. 上传他人论文请确认不侵犯版权。本服务不存储用户上传的 PDF,跑完即弃。
5. 本工具按"现状"提供,不对检测结果的准确性、完整性作任何保证。使用者自行承担一切责任。

现阶段能做什么(v0.3)

文本统计层

• ✅ StatCheck: t/F/χ²/r 与 p 值自洽,标决策反转
• ✅ GRIM Test: 均值 vs 样本量整数自洽
• ✅ dup_numbers: 段内 + 跨段数字雷同(完全相同序列、Jaccard)

图像层

• ✅ image_dup: pHash + ORB 二级验证,含水平/垂直翻转/180° 旋转复用
• ✅ wb_clone: 32×32 分块自相关,捕获 WB 条带 copy-move

通用

• ✅ CLI / Markdown / HTML / JSON 多格式报告(带图片缩略图和克隆块标注)
• ✅ Streamlit Web UI

路线图

• v0.1 — 文本统计校验 ✅
• v0.2 — 图片同图复用 / WB copy-move ✅
• v0.3 — Retraction Watch 数据集 + 回测框架 ✅
• v0.4 — 图表数值反向提取(WebPlotDigitizer 思路) + 相关性异常
• v0.5 — 引文/作者关联(论文工厂识别)

回测(v0.3)

# 1. 从 Crossref Retraction Watch 拉退稿元数据(自动分类期望检测器)
python -m cases.fetch_retraction_watch --email [email protected] \
  --keyword "Manipulation of Images" "Falsification" --limit 50

# 2. 把对应 PDF 通过合法渠道下到 cases/pdfs/<id>.pdf

# 3. 运行回测,输出 precision/recall/F1
python -m cases.benchmark

当前指标:

子集	案例数	precision	recall	F1
合成样本(假 vs 干净)	5	100%	100%	100%
真实 Frontiers(4 退稿 + 2 控制组)	6	100%	50%	67%
合计	11 (+5 PDF 待补)	100%	67%	80%

真实数据 0 个 false positive(对照组 risk 都是 0)— 当前 wb_clone 的"非显微图前置过滤" 把统计图 / 流程图 / 通路示意图都跳过,代价是 4 篇退稿里有 2 篇被一并跳过(risk=0)。 这是个精确度优先的取舍:宁可漏报也不要在普通图表上误报。

下一步:引入更专门的图像类型识别(先定位 WB / 凝胶 / 显微图区域,再做 copy-move), 目标是在不损失 P 的前提下把 R 提回 90%+。详见 v0.4 roadmap。

样本报告参见 cases/reports/frontiers_batch/。

本地运行

# 1. 安装依赖
pip install -r requirements.txt

# 2. 命令行体检
python -m paperguard check samples/demo_fraud.pdf

# 3. Web 体检
streamlit run paperguard/web/app.py

项目结构

paperguard/
  core/         # PDF 文本抽取、数字清洗、共用类型
  detectors/    # 各类检测器 (statcheck / grim / dup_numbers / ...)
  report/       # JSON / Markdown / HTML 报告渲染
  web/          # Streamlit 上传界面
  tests/        # pytest 用例
cases/          # 真实退稿论文回测框架
samples/        # 论文样本(测试用)

在线体验

• 🤗 Hugging Face Spaces: https://huggingface.co/spaces/hefs/paperguard
• 📦 GitHub: https://github.com/dongsheng123132/paperguard

Contributing

欢迎 PR 和 issue。开始之前请:

1. pip install -r requirements.txt && pip install pytest
2. python -m pytest paperguard/tests/ -q 必须全绿
3. 加新检测器请同时提供至少一个 positive + 一个 negative 测试,详见 ARCHITECTURE.md
4. 不要把任何真实他人论文 PDF 提交到仓库(版权 + 隐私)

License

MIT — 见 LICENSE。