> ## Documentation Index
> Fetch the complete documentation index at: https://docs.factagora.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Fingerprint

> Fingerprint Embed & Detect API 활용 베스트 프랙티스

## 사후가 아닌 게재 시점에 삽입

가능한 한 빨리, 이상적으로는 게재 또는 배포 시점에, 콘텐츠에 워터마크를 삽입하세요. 콘텐츠가 이미 유통된 뒤 삽입하면 출처 증명의 유효 구간이 줄어듭니다.

```json theme={null}
{
  "content": "...",
  "content_type": "news",
  "metadata": {
    "published_at": "2024-03-15T09:00:00Z",
    "source_id": "article_98765"
  }
}
```

## fingerprint\_id를 항상 저장

`/embed`가 반환하는 `fingerprint_id`는 조회와 탐지의 키입니다. 내부 문서 레코드와 함께 저장하세요.

```json theme={null}
{
  "internal_id": "article_98765",
  "fingerprint_id": "fp_l1p8OPCwGhvu"
}
```

## 원본이 아닌 watermarked\_content 배포

응답의 `watermarked_content`에는 보이지 않는 zero-width 유니코드 문자가 포함되어 있습니다. 원본 대신 이 버전을 배포하세요, 시각적으로는 동일하지만 탐지를 가능하게 하는 암호학적 워터마크를 담고 있습니다.

## 올바른 content\_type 선택

점수 가중치는 콘텐츠 유형별로 자동 조정됩니다. 올바른 유형을 선택하면 탐지 정확도가 향상됩니다:

| 콘텐츠 유형      | Entity 가중치 | Time 가중치 | Causal 가중치 | 적합한 용도              |
| ----------- | ---------- | -------- | ---------- | ------------------- |
| `news` (기본) | 0.5        | 0.2      | 0.3        | 뉴스 기사, 보도 자료        |
| `legal`     | 0.3        | 0.1      | 0.6        | 법률 문서, 계약, 법원 제출 자료 |
| `report`    | 0.4        | 0.3      | 0.3        | 연구 보고서, 분석, 백서      |
| `internal`  | 0.5        | 0.2      | 0.3        | 내부 메모, 커뮤니케이션       |

## 특수 케이스에는 커스텀 가중치 사용

탐지 시나리오가 일반적이지 않은 경우 기본 가중치를 재정의하세요. 예를 들어 인과 구조와 무관하게 같은 엔티티가 나타나는지만 관심이 있다면:

```json theme={null}
{
  "content": "...",
  "weights": { "entity": 0.8, "time": 0.1, "causal": 0.1 }
}
```

가중치의 합은 `1.0`이어야 합니다. 사용된 가중치는 감사 가능성을 위해 `meta.weights`에 반향됩니다.

## filters로 탐지 범위 좁히기

후보 집합을 줄이고 탐지 속도를 높이려면 `filters`를 전달하세요:

```json theme={null}
{
  "content": "...",
  "filters": {
    "author_id": "journalist_042",
    "date_from": "2024-01-01",
    "date_to": "2024-12-31",
    "content_type": "news"
  }
}
```

## 두 가지 탐지 레이어 이해

탐지는 두 가지 독립적인 검사를 실행합니다, 두 신호를 함께 사용하세요:

| 레이어             | 작동 방식                                     | 증명하는 것                            |
| --------------- | ----------------------------------------- | --------------------------------- |
| **Watermark**   | 보이지 않는 zero-width 비트를 추출해 저장된 시드와 상관관계 계산 | 거의 확실한 출처, 정확히 워터마크가 적용된 콘텐츠가 사용됨 |
| **TKG Jaccard** | 단어 수준 퍼지 매칭으로 엔티티, 타임라인, 논증 체인을 비교        | 의미론적 유사성, 완전히 재작성되어도 같은 이야기       |

각 매치의 `watermark_match`와 `watermark_correlation`을 확인하면 워터마크 레이어가 발화했는지 알 수 있습니다. `meta.watermark_detected` 필드는 입력에서 워터마크가 발견되었는지 여부를 알려줍니다.

## 신뢰도 점수의 신중한 해석

| 점수 범위     | 해석     | 권장 조치                       |
| --------- | ------ | --------------------------- |
| 0.8 – 1.0 | 강한 매치  | 높은 신뢰도, 자동화에 안전             |
| 0.5 – 0.8 | 부분적 매치 | 조치 전 `overlap` 목록 검토        |
| 0.3 – 0.5 | 약한 신호  | 우연한 중복일 가능성 큼               |
| 0.3 미만    | 필터링됨   | 반환되지 않음 (기본 `min_score` 미만) |

`watermark_match: true`일 때는 TKG 점수와 무관하게 거의 확실한 매치입니다.

## overlap 목록으로 매치 감사

모든 매치에는 `overlap.entities`, `overlap.timeseries`, `overlap.relations`, 쿼리와 후보 사이에 공유된 구체적인 항목들, 가 포함됩니다. 두 글이 *왜* 매치되었는지 설명할 때 활용하세요, *매치되었다*는 사실만 전달하지 마세요.

```json theme={null}
{
  "overlap": {
    "entities": ["bank of korea", "interest rate"],
    "timeseries": ["2024-03-15"],
    "relations": ["bank of korea|raises|interest rate"]
  }
}
```

## 재점수 산정에는 fingerprint\_id 사용

이미 삽입한 콘텐츠를 레지스트리와 다시 비교(예: 주기적으로 새 매치 확인)하려면, 콘텐츠 대신 `fingerprint_id`를 직접 전달하세요:

```json theme={null}
{
  "fingerprint_id": "fp_l1p8OPCwGhvu"
}
```

콘텐츠 추출을 건너뛰고 저장된 TKG 스냅샷을 사용하므로 더 빠르고 멱등적입니다.

## 다른 Factagora API와 결합

| 워크플로            | API                                                                       | 목적         |
| --------------- | ------------------------------------------------------------------------- | ---------- |
| 내 콘텐츠가 재사용되었나?  | Fingerprint Detect                                                        | 출처 추적      |
| 정확하게 재사용되었나?    | Fingerprint Detect + [Fact Checker](/ko/api-reference/fact-checker)       | 왜곡 탐지      |
| 이야기에서 무엇이 바뀌었나? | Fingerprint Detect + [Causality Graph](/ko/api-reference/causality-graph) | 내러티브 변화 추적 |