Según un informe del Foro Económico Mundial en 2023, los vídeos deepfake en internet aumentan a un ritmo anual del 900%. Los riesgos que enfrentan las personas y las entidades corporativas pueden ser graves, por lo que mantenerse actualizado y conciente de de la evolución agigantada de este tipo de tecnologías será clave para estar a salvo.

Las herramientas de detección de deepfake son un buen aliado para determinar la veracidad de los videos o audios que pueden encontrarse en internet. A medida que las técnicas de generación de deepfake se vuelven más sofisticadas, los métodos de detección también avanzan.

Según un informe de Sumsub, el número de deepfakes en todo el mundo se multiplicó por diez entre 2022 y 2023 y solo en la región de Latinoamérica aumentaron un 450 % en ese periodo. Los sectores más afectados, por su naturaleza propia y alcance, fueron, y seguirán siendo, el periodismo, la política, el entretenimiento, y las finanzas. El mercado de las deepfake, por otro lado, se estima que tiene un valor actual de 534 millones de dólares, y según se prevé podría llegar a los 5134 millones de dólares para 2030.

Ante esta situación, el software de detección de deepfakes se está volviendo cada vez más popular para proteger contra los efectos dañinos de videos y audios falsos, donde se estima que el mercado mundial de software de detección de deepfake exhibirá una tasa compuesta anual del 38,3% entre 2024 y 2029.

En este post, te contamos qué recursos puedes utilizar online para hacer esta comprobación,sabiendo que en los próximos años el negocio detrás de estos engaños, aumentará estrepitosamente. Pero antes, un pequeña introducción sobre qué son y cómo funcionan, pero antes un repaso sobre qué son y como se generan este tipo de engaño:

¿Qué son las deepfakes?

Los deepfakes son medios sintéticos generados mediante técnicas de aprendizaje profundo (Deep learning), que utilizan redes neuronales profundas. Pueden ser , e incluyen imágenes, vídeos y grabaciones de audio manipulados para retratar a alguien diciendo o haciendo algo que en realidad nunca dijo ni hizo. El término se originó por el nombre de un usuario de Reddit que fue quién publicó vídeos pornográficos en los que los rostros de las actrices fueron reemplazados por los de celebridades. 

Las deepfakes se crean principalmente utilizando algoritmos de aprendizaje profundo, en particular redes generativas adversarias (GAN) o redes neuronales convolucionales (CNN). Estas tecnologías identifican y aprenden de grandes cantidades de datos para generar medios falsos de apariencia realista. Las CNN son efectivas para reconocer y replicar patrones en imágenes, como rasgos faciales, mientras que las GAN son un conjunto de dos redes neuronales, una para crear la imagen y la otra para hacerla real.  

Ahora sí, a continuación, una serie de herramientas que pueden ser las aliadas perfectas para combatir la desinformación y la difusión de videos o audios falsos creados con estas técnicas de IA descritas.

Herramientas de detección de Deepfakes

Por lo general, estas herramientas emplean técnicas de inteligencia artificial (IA) y análisis de datos para desenmascarar estas falsificaciones, aunque también existen otras categorías de herramientas como las de análisis de metadatos o detección de anomalías.

1) Herramientas basadas en IA:

Estos sistemas utilizan algoritmos de aprendizaje automático para analizar patrones en videos y audios, buscando inconsistencias que podrían indicar manipulación.

Sentinel: 

Una solución basada en la nube que ofrece detección de deepfakes en tiempo real con alta precisión. Utiliza algoritmos avanzados de IA y múltiples tecnologías, como análisis de puntos de referencia faciales, comprobaciones de coherencia temporal y detección de parpadeo para identificar medios manipulados. 

Este detector de deepfake permite a los usuarios cargar medios digitales falsificados por IA a través de su sitio web o API. Luego determina vídeos, imágenes y audio manipulados. Además, este sistema proporciona un informe completo de sus descubrimientos, incluida la visualización del área de medios que sufrió modificaciones. Permite a los usuarios ver exactamente dónde y cómo se han manipulado los medios. 

Características clave de Sentinel: 

  • Detección de deepfakes basada en IA 
  • Proporciona una visualización de la manipulación. 
  • Ideal para analizar múltiples formas de medios digitales para la falsificación de IA 
  • Ofrece representación visual de manipulaciones en los medios. 
  • Facilita el proceso de carga e identificación de medios falsos. 

Limitaciones: 

  • Limitado a sectores específicos 
  • Tecnología compleja 

Sensity:

Sensity dispone una plataforma de monitoreo en tiempo real., Utilizada por gobiernos y empresas de todo el mundo, Sensity emplea avanzados modelos de aprendizaje profundo para identificar deep fakes y otros tipos de desinformación visual. Su capacidad para escanear grandes volúmenes de contenido lo convierte en una herramienta esencial para quienes buscan mantener la integridad de la información en línea.

Es una solución impulsada por IA que ofrece una detección eficiente de contenido deepfake, como intercambios de rostros, audio manipulado e imágenes generadas por IA. Aprovecha la tecnología de identificación rápida y convincente para aumentar la seguridad y minimizar la carga de trabajo para el análisis.  

Este software detector de Deepfake mejora la seguridad en los procesos KYC a través de su SDK integrado con la API de detección de manipulación facial. Ofrece una defensa invaluable contra intentos de robo de identidad mediante métodos innovadores de intercambio de rostros.  

Esta plataforma es versátil y proporciona servicios como coincidencia facial precisa, incluso en condiciones no óptimas, y comprobaciones de vida. Previene actividades de suplantación de identidad, detección de documentos engañosos y verificación de documentos de identidad. 

Características clave de la sensibilidad: 

  • Detecta a fondo las amenazas visuales, incluso los astutos deepfakes 
  • Monitores en tiempo real 
  • Brinda información y datos detallados relacionados con las amenazas del mercado. 
  • Construido con diversas necesidades de todo tipo de usuarios. 

Limitaciones: 

  • Adecuado para industrias o sectores específicos centrados en la desinformación y el fraude digital. 
  • Las funciones avanzadas pueden exigir importantes recursos computacionales

Oz Liveness 

Evita que los usuarios suplanten ataques con un gran nivel 100% de precisión. Viene con el estándar de prueba más estricto, la certificación ISO 30107.  

Características clave de Oz Liveness: 

  • Impulsar la transformación digital 
  • Combatir el fraude y reducir los riesgos 
  • Obtenga flexibilidad y ahorre tiempo con SaaS  
  • Fácil de integrar iOS/Android y WEB SDK 

WeVerify 

Este detector de Deepfake se centra en identificar y contextualizar las redes sociales y el contenido web. Incluye verificación de contenido multimodal, análisis de redes sociales, desacreditación microdirigida y una base de datos pública basada en blockchain de falsificaciones reconocidas., es ideal para comunidades, periodistas ciudadanos, redacciones, periodistas independientes y la industria del entretenimiento. 

Características clave de WeVerify: 

  • Crea herramientas inteligentes de análisis de desinformación y verificación de contenido con participación humana 
  • Identifica y contextualiza las redes sociales y el contenido web. 
  • Utiliza una base de datos pública basada en blockchain de falsificaciones conocidas 

HyperVerge 

Una solución refinada de detección de deepfakes. Con un modelo de inteligencia artificial y aprendizaje automático para una seguridad integral, este detector de falsificaciones identifica la verificación, el reconocimiento facial y controles sólidos de vida. 

Características clave de HyperVerge: 

  • Detección precisa 
  • Adecuado para una amplia gama de clientes internacionales. 
  • Seguridad avanzada para garantizar la seguridad de los datos y las aplicaciones en la nube y el cumplimiento AML. 
  • Interfaz amigable 
  • Soluciones personalizables 

Además, HyperVerge también cuenta con certificaciones globales de reconocimiento facial de iBeta y NIST. 

FakeCatcher de Intel 

Intel ha introducido un detector de falsificaciones en tiempo real conocido como FakeCatcher, que se centra en la velocidad y la eficiencia. Este software detector de Deepfake utiliza hardware y software Intel, se ejecuta en un servidor y se conecta a través de una plataforma basada en web.  

FakeCatcher busca pistas auténticas en vídeos naturales. A través del aprendizaje profundo, este software detector de AI Deepfake puede detectar instantáneamente si un video es real o falso. 

Características clave de FakeCatcher de Intel: 

  • Detecta vídeos falsos con una tasa de precisión del 96% 
  • Devuelve resultados en milisegundos 
  • Utiliza un sutil "flujo sanguíneo" en los píxeles de un vídeo para detectar deepfakes 

Microsoft Video AI Authenticator

Video Authenticator Tool de Microsoft es una herramienta gratuita diseñada por Microsoft que puede identificar videos e imágenes. Proporciona una puntuación de confianza que indica la probabilidad de manipulación. Este software de detección de AI Deepfake identifica inconsistencias en la fusión de límites y elementos sutiles en escala de grises que son indetectables para el ojo humano.  

La herramienta proporciona una puntuación de confianza en tiempo real, lo que permite a los usuarios determinar rápidamente si los medios son auténticos o no.  

Características clave de Microsoft Video AI Authenticator:

  • Identifica fotografías o vídeos 
  • Proporciona una puntuación de confianza en tiempo real. 
  • Detecta cambios sutiles en escala de grises 
  • Permite la detección inmediata de deepfakes 

Deepware 

Deepware es un software avanzado que utiliza tecnologías de inteligencia artificial y aprendizaje automático para detectar y mitigar los deepfakes. Identifica vídeos, imágenes y archivos de audio y determina si son falsos o no.

Este software de detección de deepfake con IA es fácil de usar y de fácil acceso para detectar falsificaciones profundas. Gracias a un escáner de deepfake dedicado, Deepware permite a los usuarios analizar posibles videos deepfake o evaluar aspectos específicos de la comunicación visual y de audio con solo ingresar enlaces.  

Luego, el video subido pasa por un escaneo completo utilizando el modelo Deepware AI para determinar su autenticidad y detectar cualquier signo de manipulación o contenido falso. 

Características clave del software profundo: 

  • Proporciona detección de deepfake en tiempo real para todos los usuarios. 
  • Analiza videos en múltiples plataformas. 
  • Garantiza la verificación de autenticidad antes de compartir o publicar. 

Phoneme-Viseme Mismatch

La herramienta Phoneme-Viseme Mismatch utiliza algoritmos avanzados de inteligencia artificial para analizar el video y detectar estas inconsistencias. Investigadores de la Universidad de Stanford y la Universidad de California desarrollaron esta herramienta de detección de deepfake mediante IA.  

Se centra en las inconsistencias entre el audio hablado y los movimientos de los labios en los vídeos. La falta de coincidencia entre estos elementos puede indicar una posible manipulación. 

Características clave: 

  • Aprovecha las inconsistencias entre visemas y fonemas en contenido manipulado. 
  • Utiliza algoritmos de IA avanzados para detectar discrepancias 
  • Identificar un deepfake si se detecta una discrepancia 

DuckDuckGoose 

DuckDuckGoose analiza los deepfakes de forma rápida y precisa para proteger a las empresas de posibles amenazas, ya sean cibernéticas, reputacionales o financieras.  

Este software detector de deepfake actúa como una capa de seguridad adicional que proporciona explicaciones claras de cómo detecta manipulaciones digitales. Le da la confianza para confiar en lo que ve en línea.  

Características clave de DuckDuckGoose: 

  • Detección de espectro integral 
  • Monitoreo y análisis en tiempo real 
  • Tecnología de vanguardia 
  • Plataforma fácil de usar 

2) Herramientas basadas análisis de metadatos:

Los metadatos, como la fecha de creación del archivo o la ubicación de la grabación, pueden contener pistas que revelan la manipulación. Herramientas como MediaInfo y ExifTool facilitan la extracción y el análisis de estos metadatos.

3) Herramientas basadas detección de anomalías:

Estas herramientas buscan patrones inusuales en el movimiento facial, la voz o el contenido del video que podrían indicar deepfakes. Algunos ejemplos incluyen FaceForensics y Audio Fingerprinting.

Más allá de las herramientas:

Si bien las herramientas son valiosas, la detección de deepfakes también requiere un enfoque humano crítico, en el que será fundamental verificar la fuente del contenido, buscar inconsistencias y preferentemente conocer cómo funcionan las herramientas que se utilizan para realizar deepfakes. Existen múltiples opciones para detectar deepfakes y dependiendo la necesidad del usuario, el criterio humano hará que se seleccion una u otra, en base a las características de cada una: ¿Qué tan precisa es la herramienta para identificar deepfakes? ¿Qué tan veloz es para detectar en tiempo real? ¿Qué tan fácil de usar es la interfaz de la herramienta?

Conclusión

La batalla contra los deep fakes es un desafío continuo en el campo de la ciberseguridad y, a medida que estas falsificaciones se vuelven más sofisticadas, la necesidad de herramientas avanzadas para su detección se vuelve más crítica., En un mundo donde la verdad puede ser distorsionada con facilidad, es importante acompañar los cambios tecnológicos con conciencia y herramientas que estén a las alturas.