Market Guide for Identity Verification
Combatiendo el fraude de identidad en crédito en América Latina
Obtén informe
X
GUÍA ESENCIAL

Detección avanzada de deepfakes

Qué son, porqué son importantes y estrategias esenciales para protegerse contra tácticas sofisticadas de fraude de identidad que pueden disminuir la confianza y las ganancias.
Capítulo 1

Una nueva era del fraude: El crecimiento de la IA y los deepfakes

¿Qué es un deepfake?

Los deepfakes son videos o imágenes altamente realistas, manipulados digitalmente, donde la apariencia, voz o acciones de una persona son creadas o alteradas artificialmente utilizando técnicas de aprendizaje profundo, especialmente redes neuronales. Estas herramientas pueden generar contenido multimedia muy convincente que parece real, pero, en realidad, es sintético. Los deepfakes suelen emplear técnicas como las redes generativas adversarias (GANs) para combinar y mapear las expresiones faciales o la voz de una persona en otra, creando la ilusión de que el sujeto está diciendo o haciendo cosas que nunca hizo.

GIF of faces interchanging showing a deepfake swap.

El alarmante aumento de los deepfakes

60%

El 60% de los consumidores cree que podría detectar un deepfake, un aumento del 52% respecto a 2023. (Jumio)

53%

El 53% de las empresas de criptomonedas se han enfrentado a fraudes con deepfakes en video. (Regula)

200%

Los ataques de presentación son los más comunes, pero los ataques por inyección aumentaron un 200% en 2023. (Gartner)

deepfake icons

"El número de deepfakes detectados a nivel mundial en 2023 fue diez veces mayor que en 2022. Gartner estima que se tardará entre uno y tres años en alcanzar una adopción más amplia (es decir, que más del 16% del mercado objetivo adopte esta tecnología) para los deepfakes, ya que están estrechamente relacionados con los avances de la inteligencia artificial generativa que permiten su creación. Esto requiere que los proveedores de verificación de identidad adopten un enfoque integral para protegerse contra el aumento de estos ataques con deepfakes."

2024 Gartner® tecnologías emergentes: El impacto de la IA y los deepfakes en la verificación de identidad, Swati Bakhejha, Akif Khan, 8 de febrero de 2024
Volver al inicio
Capítulo 2

Tácticas emergentes de deepfakes y las herramientas que utilizan los estafadores

Los videos deepfake se crean de dos maneras principales. Los estafadores pueden utilizar un video original de la víctima, haciendo que la persona diga o haga cosas que nunca hizo, o pueden intercambiar el rostro de la persona con el de otra en un video, también conocido como un intercambio de rostros.

image of two women photos. Woman on the left has short to mid brown hair. Woman on the right has same hair but different face.

Tipos de deepfakes usados para engañar en procesos KYC (conoce a tu cliente)

black and white image of two faces being morphed.

Morfos faciales

Esta técnica combina dos (o más) rostros diferentes en uno nuevo, conservando características biométricas de ambos.

black and white image of person holding piece of paper infront of their face with a headshot of a different person.

Rostro sintético

La tecnología de síntesis facial es capaz de modelar un rostro falso e inexistente desde cero utilizando GANs (que aprovechan dos redes neuronales en competencia) y otras herramientas digitales especializadas.

black and white image of split screening showing one half of face and another.

Manipulación facial

Este método implica la manipulación de atributos faciales (por ejemplo, cabello, color de ojos, textura de la piel). Esta técnica se utiliza para manipular tanto fotos como videos y a menudo se usa con el intercambio de rostros.

black and white image for voice cloning

Clonación de voz

Los ciberdelincuentes clonan el audio de la voz de una persona, crean un modelo basado en los patrones vocales y utilizan ese modelo de IA para hacer que la voz diga cualquier cosa que el creador desee.

Documento de identidad sintético

La tecnología deepfake también se utiliza para crear documentos de identidad falsos convincentes, como licencias de conducir o pasaportes. Aunque estos documentos no son necesariamente deepfakes en sí mismos, los estafadores utilizan las mismas tecnologías de deepfake para modificar la imagen facial en el documento.

Aumento del 60% en herramientas deepfake

En 2023, hubo un aumento significativo en la creación de herramientas de deepfake que utilizan IA, con más del 60% siendo de nuevo desarrollo.

Las empresas no están preparadas

El 80% de las empresas carecen de herramientas para detectar deepfakes en la actualidad.

Herramientas utilizadas para crear deepfakes

Redes neuronales generativas adversarias (GAN):

Esta tecnología utiliza algoritmos generadores y discriminadores para desarrollar todo tipo de contenido deepfake.

Procesamiento del lenguaje natural (NLP):

Se utiliza para crear audio deepfake. Los algoritmos de NLP analizan los atributos del habla de un objetivo y luego generan texto original utilizando esos atributos.

Redes neuronales convolucionales (CNN):

Analizan patrones en datos visuales. Las CNN se utilizan para el reconocimiento facial y el seguimiento de movimientos.

Computación de alto rendimiento:

La computación de alto rendimiento es un tipo de computación que proporciona la potencia de cálculo significativa necesaria para crear deepfakes.

Autocodificadores:

Identifican los atributos relevantes de un objetivo, como expresiones faciales y movimientos corporales, y luego imponen estos atributos en el video fuente.

video editing icon

Software de edición de video:

Aunque no siempre es basado en IA, a menudo integra tecnologías de IA para refinar los resultados y mejorar el realismo.

Volver al inicio
Capítulo 3

Cómo funciona la inyección de video

¿Qué es la inyección de video?

La inyección de video es un tipo de ataque digital donde se introducen datos falsos, como documentos generados por IA, fotos o imágenes biométricas, en la transmisión de datos de una plataforma de verificación de identidad. Esta técnica evita el uso de una cámara física al utilizar emuladores para simular una cámara de hardware. Como resultado, puede eludir la capacidad de la plataforma para verificar la presencia de un usuario real frente a la cámara.

GIF of video injection

Cómo los ataques de inyección afectan la verificación de identidad

Los ataques de inyección pueden ser problemáticos para los sistemas de verificación de identidad, especialmente aquellos que utilizan autenticación basada en video. Esto es por las siguientes razones:
video injection icon graphic
  • Pueden eludir el reconocimiento facial o la detección de vitalidad al imitar a un usuario legítimo.

  • Pueden engañar a sistemas menos sofisticados que no pueden distinguir entre una entrada en vivo real y un video inyectado.

  • Los atacantes pueden suplantar la identidad de usuarios legítimos para abrir cuentas o autorizar transacciones financieras.

  • Los ataques exitosos erosionan la confianza en el sistema, lo que lleva a la insatisfacción del cliente e incluso a posibles multas regulatorias.
Volver al inicio
Capítulo 4

El impacto de los deepfakes en la verificación de identidad

Gartner estima que para 2026, casi un tercio de las empresas considerará a las soluciones de verificación y autenticación de identidad como poco confiables, producto de los deepfakes generados por IA.

Los deepfakes pueden permitir a los criminales eludir con éxito los procedimientos de verificación de identidad del cliente utilizados por las instituciones financieras, eliminando así la necesidad de cómplices humanos.

Estas cuentas se utilizan posteriormente para diversas actividades criminales, principalmente para el fraude financiero directo, así como para el lavado de dinero procedente de operaciones ilegales. Los reguladores probablemente endurecerán los requisitos para las operaciones financieras totalmente remotas. Es posible que la simplicidad y conveniencia de los servicios financieros en línea, a los que ya nos hemos acostumbrado, se vean amenazadas por la IA.

Desafortunadamente, el problema no termina ahí. Como han señalado los expertos, la disponibilidad generalizada de herramientas de IA para generar contenido de fotos, videos y audio socava fundamentalmente la confianza en las interacciones digitales entre personas. Cuanto mayor sea la calidad de las creaciones de IA, más difícil será creer lo que vemos en nuestros teléfonos inteligentes y computadoras.

Volver al inicio
Capítulo 5

El antídoto: La prueba de vida

¿Qué es la prueba de vida?

La prueba de vida es una técnica que utilizan los proveedores de soluciones de verificación de identidad para asegurarse de que la muestra biométrica (como una huella digital, rostro o voz) que se presenta pertenece a una persona viva y no a una imagen estática, un video u otro método de falsificación (por ejemplo, un deepfake). Es una característica de seguridad crucial en las soluciones de verificación y autenticación en línea para prevenir ataques de suplantación, donde alguien podría intentar crear una cuenta en línea u obtener acceso no autorizado presentando una foto, una máscara u otra representación falsa del rasgo biométrico de una persona.

Estrategias de detección

Prueba de vida activa:

El usuario es incitado a realizar una acción específica, como parpadear, asentir o sonreír. Este método hace que replicar a una persona viva con una imagen estática o máscara sea difícil. Sin embargo, este proceso puede introducir fricciones innecesarias y disminuir las conversiones generales.

Prueba de vida pasiva:

Este método analiza características sutiles de biometrías vivas, como patrones de flujo sanguíneo en huellas dactilares, información de profundidad en escaneos faciales o movimientos musculares durante el reconocimiento de voz. Los métodos pasivos son a menudo más fluidos para el usuario, pero pueden requerir algoritmos más sofisticados.

Prueba de vida semi-pasiva:

Este método puede no solicitar un movimiento específico del usuario. Aun así, puede proyectar luces parpadeantes o colores aleatorios en el rostro de un usuario o hacer un acercamiento con una cámara para detectar información de profundidad.

Análisis de textura:

Este método es ampliamente utilizado en sistemas de prueba de vida facial porque puede diferenciar entre muestras faciales vivas y falsificadas.

Análisis de movimiento:

Este método evalúa los movimientos del sujeto para determinar si es una persona viva. Busca movimientos naturales y patrones de comportamiento que produciría un humano.

Biometría multimodal:

Este método combina biometría de voz y facial, así como prueba de vida de voz y facial. Descubre más aquí.

image of tradeoff icon

El equilibrio entre una fuerte prueba de vida y una buena experiencia de usuario

La prueba de vida ahora es esencial para la verificación de identidad remota. Prácticamente todas las soluciones de verificación de identidad reputadas han incorporado la orueba de vida en el proceso de apertura de nuevas cuentas. Sin embargo, la verdadera diferencia radica en cuán efectivamente estas soluciones pueden detectar deepfakes avanzados mientras mantienen una experiencia de usuario sin problemas.

Unas comprobaciones de vida demasiado estrictas o intrusivas, como solicitudes excesivas o intentos repetidos de escaneo, pueden frustrar a los usuarios y llevar al abandono del proceso de incorporación. Por otro lado, las comprobaciones demasiado permisivas o simplistas pueden no detectar intentos de suplantación sofisticados, comprometiendo la seguridad.

Encontrar el equilibrio adecuado requiere aprovechar la inteligencia artificial (IA) y la tecnología biométrica avanzadas para ofrecer una detección de fraudes robusta sin añadir fricción innecesaria. El sistema de prueba de vida ideal es rápido, preciso e intuitivo, proporcionando instrucciones claras a los usuarios mientras trabaja en segundo plano para identificar intentos de suplantación, como ataques de inyección de video o imágenes generadas por IA.

En última instancia, la confianza del usuario depende de la capacidad de una solución para proporcionar tanto seguridad como una experiencia fluida y sin problemas, asegurando que los clientes se sientan protegidos sin sentirse incómodos.

Volver al inicio
Capítulo 6

Casos de uso de la prueba de vida

Servicios financieros

  • Prevención de la apertura de cuentas forzadas
  • Prevención de la toma de control de cuentas
  • Transacciones no autorizadas de alto riesgo
financial services graphic
gaming graphic

Gaming

  • Prevención de la creación de cuentas falsas o duplicadas
  • Restricciones de edad
  • Prevención del abuso de bonus

Tecnología compartida

  • Protección de pasajeros y huéspedes
  • Protección de conductores y anfitriones
  • Prevención de la toma de control de cuentas
Shared technology graphic
Volver al inicio
Capítulo 7

Estándares de seguridad y prueba de vida

security icon
Debido a la rápida evolución de los deepfakes, no existen muchas formas de certificar la eficacia de una solución de verificación de identidad a la hora de detectar este tipo de ataques. A continuación, se presenta una breve descripción de lo que está disponible actualmente en cuanto a organismos de certificación.

ISO/IEC 30107-3

Es un estándar internacional que proporciona pautas para probar e informar sobre la prueba de vida en sistemas biométricos. Este estándar está diseñado para ayudar a garantizar que los sistemas biométricos puedan prevenir y detectar actividades fraudulentas, como cuando alguien intenta eludir el sistema utilizando muestras biométricas falsas. Sin embargo, es importante destacar que este estándar se centra principalmente en ataques de presentación en lugar de la detección específica de deepfakes.

iBeta

iBeta es una compañía de pruebas de seguridad biométrica que ofrece servicios de detección de ataques de presentación (PAD) de acuerdo con el estándar ISO/IEC 30107-3 y en línea con el marco ISO/IEC 30107-1.

Este estándar es reconocido a nivel mundial, especialmente por su aplicación en soluciones de autenticación biométrica y verificación de identidad. Garantiza que la tecnología sea resistente a la suplantación, esté alineada con los requisitos de privacidad de datos y sea capaz de proporcionar una verificación de identidad segura y en tiempo real. NOTA: iBeta no evalúa si una solución de verificación de identidad puede detectar deepfakes; solo cuenta con estándares de prueba para la detección de ataques de presentación.

El programa nacional de acreditación voluntaria de laboratorios (NVLAP)

Proporciona acreditación de terceros a laboratorios de pruebas y calibración en respuesta a acciones legislativas o solicitudes de agencias gubernamentales u organizaciones del sector privado. Los laboratorios acreditados por NVLAP son evaluados en función de los requisitos de gestión y técnicos publicados en la Norma Internacional ISO/IEC 17025:2017.

Volver al inicio
Capítulo 8

Por qué el canal de captura importa

Para minimizar el riesgo y al mismo tiempo maximizar la comodidad de los usuarios, es crucial elegir el canal de captura adecuado para la prueba de vida. Diferentes canales ofrecen capacidades variables para garantizar una verificación precisa al tiempo que mantienen una experiencia de usuario amigable.

Canales como los dispositivos móviles son particularmente adecuados para la prueba de vida debido a su combinación de hardware avanzado, configuraciones consistentes e integración perfecta con funciones biométricas. En contraste, los canales web y API, aunque flexibles, pueden presentar desafíos como una calidad de cámara inconsistente y vulnerabilidades al fraude. Seleccionar el canal adecuado implica equilibrar una sólida prevención del fraude con la accesibilidad del usuario, y los dispositivos móviles a menudo proporcionan la solución ideal para escenarios de verificación de identidad de alto riesgo.

Descubre más cuál canal de verificación de identidad es el adecuado para ti.
Volver al inicio
Capítulo 9

Cómo Jumio puede ayudar

Accede a esta explicación rápida de la prueba de vida de Jumio

Proporcionando la confiabilidad, adaptabilidad y seguridad en las que las empresas confían para mantenerse protegidas.
Ver ahora

Prueba de vida de última generación

Tecnología impulsada por IA:
Que analiza el comportamiento del usuario en tiempo real para prevenir deepfakes, máscaras e intentos de suplantación.
Cumple con la norma ISO/IEC 30107-3:
Cumpliendo con los rigurosos estándares de la industria para la seguridad biométrica y la prevención del fraude.
Conforme a los estándares de prueba NIST/NVLAP:
Garantizando la máxima precisión y fiabilidad.
Detecta fraudes sofisticados:
Manteniendo el cumplimiento normativo y ofreciendo una experiencia de cliente segura y sin fricciones.

Cumpliendo con las comprobaciones estándar de la industria

Construida sobre estándares de cumplimiento ISO, asegurando que nuestras verificaciones cumplan con los rigurosos requisitos de la industria en materia de seguridad, precisión y confiabilidad.

Imagen de documento de identidad usada como selfie
Impresiones
en papel
Copia
digital
Máscaras
faciales

Más allá del estándar

Comprobaciones de calidad de imagen

Comprobaciones avanzadas de calidad de imagen para ayudar a asegurar una verificación precisa, detectando fraude con precisión incluso en entornos desafiantes.

Cara no visible completamente
¿Hay algo cubriendo la cara?
Múltiples personas
¿Hay más de una persona en la imagen?
No hay cara presente
¿Hay una nariz, boca y ojos?
Imagen en blanco y negro
¿La imagen está en color o en blanco y negro?

Detección de deepfakes

Tecnología de detección de deepfakes de vanguardia para identificar incluso los intentos de fraude sintético más sofisticados, salvaguardando la integridad de tu proceso de verificación de identidad.

Imágenes sintéticas
Intercambios de cara/cabeza

Detección de inyección y repetición

Una robusta detección de inyección de cámara y video, bloqueando intentos fraudulentos de eludir la verificación usando contenido pregrabado o manipulado.

Comprobaciones adicionales contra el fraude

Funciones avanzadas de prevención de fraudes, incluyendo la detección de individuos dormidos y selfies manipuladas. Identificamos usuarios inactivos e imágenes alteradas para asegurar que solo personas genuinas y atentas superen la verificación.

svg
"Las plataformas en línea tienen la responsabilidad crítica de aprovechar medidas de detección de vanguardia, como sistemas de verificación biométrica multimodal, para fortalecer nuestras defensas contra los deepfakes."
Daryl Huff, Vicepresidente de Biometría, Jumio
Volver al inicio

Empezar

Deja que un experto de Jumio te muestre lo fácil que puede ser integrar nuestras soluciones automatizadas en tus procesos existentes.
Más información
image of man with facial hair smiling wearing a suit.