Reliability

Un video sintético suele fallar en la microdinámica: parpadeo irregular, ausencia de microexpresiones, iluminación demasiado estable. Los motores de detección combinan análisis de textura de piel, respuesta pupilar a estímulos de color y coherencia temporal entre frames. Cuando el resultado es ambiguo, se solicita una segunda captura con instrucciones aleatorias, como girar la cabeza hacia un lado concreto o pronunciar una frase corta. Ese paso adicional rompe la mayoría de los deepfakes en tiempo real.

Una foto impresa falla en reflejos especulares y profundidad de campo: el sensor detecta planitud. Una máscara 3D sí genera paralaje, pero deja huellas en los bordes de la silueta, en la temperatura del material y en la falta de respuesta vascular. Los sistemas modernos cruzan la señal de cámara RGB con infrarrojo cercano o con estimación de flujo sanguíneo. Si el rostro no muestra variación de pulso en un rango razonable, la prueba se marca para revisión manual.

No de forma automática. Cada entidad regulada mantiene su propio registro de identidad y sus propios umbrales de tolerancia. Lo que sí ocurre es que algunos proveedores comparten señales de fraude anonimizadas: un dispositivo ya vinculado a un intento fallido puede activar una alerta en el siguiente proceso. Eso no reemplaza la verificación, pero acelera la decisión cuando el patrón coincide con casos previos documentados.

Conexión inestable, cámara sucia o luz frontal deficiente producen rechazos que no son atribuibles al usuario. Los flujos bien diseñados separan el error técnico del error de identidad: el primero permite reintentar con instrucciones claras, el segundo escala a revisión. La clave está en no tratar ambos casos con el mismo criterio, porque forzar reintentos sobre un rechazo de identidad abre la puerta a ataques por ensayo y error.

Se conserva el resultado del modelo, la marca temporal, el tipo de dispositivo y una referencia al clip original bajo cifrado. No se guarda el video completo de forma indefinida salvo que la normativa local lo exija. Lo relevante para una auditoría es poder reconstruir la decisión: qué señal activó la alerta, qué umbral se aplicó y quién revisó el caso. Sin esa trazabilidad, cualquier reclamo posterior queda sin sustento verificable.

El modelo filtra volumen; el revisor resuelve ambigüedad. En la práctica, la mayoría de los casos se resuelven en segundos por el motor automático, y solo un porcentaje pequeño llega a una persona. Ese porcentaje concentra los intentos más elaborados: máscaras de silicona de alta calidad, inyección de video en la fuente o ataques de presentación con pantallas curvas. La revisión humana no reemplaza al modelo, lo complementa donde el modelo no tiene suficiente certeza.