Imágenes generadas por IA y alteradas: cómo funciona el análisis forense
En resumenProofVerity ejecuta dos detectores de imagen. Uno pregunta si un modelo hizo los píxeles: huellas del generador, artefactos de difusión, credenciales de contenido. El otro pregunta si alguien los cambió: clonado, montaje, relleno, recompresión, con la región exacta delimitada. Los dos devuelven evidencia, no un veredicto.
Sintética: ¿la hizo un modelo?
Las imágenes generadas arrastran rastros estadísticos del proceso que las creó. ProofVerity los lee de los píxeles y devuelve una probabilidad con las señales que la produjeron.
- Huellas en el dominio de la frecuencia dejadas por el reescalado y los pasos de difusión.
- Patrones de ruido distintos de los que produce un sensor de cámara.
- Inconsistencias físicas: dirección de la luz, reflejos, texto, manos y texturas repetidas.
- Credenciales de contenido (C2PA) y metadatos, leídos junto al análisis de píxeles, nunca en su lugar.
Alterada: ¿alguien la cambió?
Una fotografía real también puede mentir. El detector de alteraciones busca los rastros que deja la edición y delimita la región afectada, con la proporción del encuadre implicada.
- Análisis de nivel de error: regiones recomprimidas de forma distinta al resto de la imagen.
- Detección de clonado: parches copiados de otra parte del mismo encuadre.
- Bordes de montaje: límites donde se unen dos fuentes, visibles en las estadísticas de ruido y color.
- Relleno (inpainting): zonas regeneradas por un modelo dentro de una foto real.
- Doble compresión e historial de guardados.
Las credenciales de contenido se leen además, no en lugar de
Las credenciales C2PA pueden demostrar de dónde viene una imagen y qué se le hizo, cuando están presentes e intactas. Su ausencia no demuestra nada: la mayoría de las imágenes de internet no las tienen. Un EXIF eliminado es una señal débil por sí sola y así se informa.
Capturas, memes y aplicaciones de mensajería
Cada salto por una aplicación de mensajería recomprime la imagen y borra parte de la evidencia. ProofVerity sigue detectando señales fuertes en archivos recomprimidos, pero la confianza baja y el informe lo dice. Cuando importa, pide al remitente el archivo original.
Fotogramas de vídeo
Un fotograma exportado de un vídeo se puede comprobar como imagen. Los cambios de cara y las regiones rellenadas caen bajo los detectores de alteración y síntesis, con la región delimitada. El resultado se aplica al fotograma examinado, no al vídeo entero.
Cómo leer un resultado de imagen
- Comprueba qué detector se activó: sintética, alterada o ambos.
- Mira la región delimitada y su proporción del encuadre. Un parche clonado del 2% y un encuadre generado al 90% son historias distintas.
- Lee las señales y la nota de confianza; la baja resolución y la recompresión se indican.
- Comprueba la procedencia: credenciales, metadatos, primera aparición.
- Registra la decisión y exporta. El anexo de evidencias viaja con el informe.
Preguntas
- ¿ProofVerity puede decir qué generador creó una imagen?
- A menudo la familia del generador, a veces no. Cuando la huella es reconocible se informa como señal, nunca como certeza.
- ¿Importa la resolución?
- Sí. Más resolución conserva más evidencia. Por debajo de unos 500 píxeles en el lado corto, los resultados se etiquetan como de baja confianza.
- ¿Detecta caras deepfake?
- Los cambios de cara y las caras rellenadas se informan con los detectores de alteración y síntesis, con la región delimitada. El vídeo se analiza fotograma a fotograma.
- ¿Cómo se cobran las imágenes?
- Cuatro imágenes cuestan un crédito, a cualquier resolución. Un documento con figuras incrustadas es un crédito como documento, hasta 100 páginas.