Учёные создали систему обнаружения дипфейков в видеоконференциях в реальном времени

Los investigadores han creado un sistema de advertencia sobre interlocutores sintéticos para videoconferencias en tiempo real, como respuesta al hecho de que las tecnologías de deepfake han aprendido a imitar la voz y la apariencia de manera tan convincente que el control visual estándar ya no funciona.

Por qué las videollamadas se convirtieron en objetivo de los estafadores

Las videoconferencias se han convertido en una herramienta fundamental para los negocios: a través de ellas se realizan entrevistas, se firman acuerdos y se verifica la identidad de clientes y socios. La confianza en una videollamada se consideraba tradicionalmente mayor que en un correo electrónico o una llamada de voz: parecía difícil fingir ser otra persona mirando a la cámara. Esta lógica ya no funciona hoy en día.

Las modernas tecnologías de deepfake son capaces de superponer el rostro de otra persona sobre el flujo de vídeo en tiempo real, clonando simultáneamente su voz, con una latencia de síntesis que se ha vuelto prácticamente imperceptible. Como resultado, el participante en la llamada mira a los "ojos" de su interlocutor, escucha una voz familiar y, al mismo tiempo, está comunicándose con una imagen completamente sintética generada por una red neuronal.

• Los deepfakes falsifican el rostro y la voz simultáneamente, directamente durante la llamada
• La calidad de la síntesis ha alcanzado un nivel en el que el análisis visual ya no es suficiente
• Las videoconferencias son un objetivo directo: negociaciones, verificación de identidad, decisiones financieras
• La mayoría de los detectores de deepfake existentes trabajan con grabaciones, no en tiempo real

Cómo funciona el sistema de advertencia

El sistema analiza el flujo entrante de vídeo y audio directamente durante la llamada y muestra una advertencia si detecta indicios de síntesis. La tarea clave no es sustituir el juicio humano, sino proporcionar una señal oportuna antes de que el usuario tome una decisión basada en la confianza en su "interlocutor".

Los detectores de deepfake buscan rastros característicos de generación: desincronización de las expresiones faciales y el habla, artefactos en los bordes del rostro y la línea del cabello, anomalías en el movimiento de los ojos, parpadeo antinatural, patrones de iluminación no estándar. La tarea se complica por el hecho de que las redes neuronales generadoras se perfeccionan constantemente: el detector se ve obligado a operar en condiciones de una carrera tecnológica sin fin.

"Cada vez más nos vemos obligados a preguntarnos: ¿son ojos reales los que nos miran desde la pantalla?", señala un artículo de

TechXplore AI sobre la amenaza de los deepfakes en las videoconferencias.

La advertencia debe aparecer en la interfaz de la llamada en tiempo real; de lo contrario, pierde su valor práctico y se convierte en una herramienta de investigación retrospectiva, no de protección en vivo.

Por qué la solución surgió precisamente ahora

Hacia 2025–2026, la calidad de los deepfakes dio un salto brusco: las herramientas comerciales y de código abierto disponibles permiten crear falsificaciones convincentes sin conocimientos técnicos especializados. La barrera de entrada ha caído tanto que las tecnologías han llegado a manos de una amplia variedad de actores maliciosos, desde estafadores telefónicos hasta participantes en el espionaje corporativo.

Los detectores de deepfake basados en IA existen desde hace varios años, pero la mayoría de ellos operan en modo post-hoc: analizan vídeos ya grabados. Un sistema en tiempo real es una tarea fundamentalmente diferente: el algoritmo está obligado a emitir un veredicto en milisegundos, mientras la conversación todavía está en curso y mientras el usuario aún no ha tomado la decisión clave.

Qué significa esto

La aparición de herramientas prácticas de advertencia sobre deepfakes directamente en la interfaz de las videollamadas es un paso importante para la seguridad corporativa y la identificación en línea. Para las empresas que utilizan videoconferencias para la verificación de clientes, negociaciones financieras o decisiones de personal, esta herramienta cierra una vulnerabilidad real — aquella que el ojo humano en la era de la IA generativa ya no puede cerrar.