El término «deepfake» combina las palabras «deep learning» (aprendizaje profundo) y «fake» (falso). Se refiere a la creación de videos, audios o imágenes falsificados que replican de forma convincente la apariencia y voz de una persona. Utilizando inteligencia artificial (IA) y técnicas de machine learning, los deepfakes imitan gestos, expresiones faciales y tonos de voz, generando una apariencia extremadamente realista.
Aunque inicialmente se usaron para fines de entretenimiento, como la popular aplicación Reface y filtros de realidad aumentada, los deepfakes han evolucionado hacia usos malintencionados. Desde campañas de desinformación hasta fraudes financieros, esta tecnología plantea graves desafíos para la seguridad digital.
Casos famosos de deepfakes: Desde Obama a fraudes millonarios
Uno de los primeros casos que demostró el peligro de los deepfakes fue un video manipulado de Barack Obama publicado por BuzzFeed en 2018. En este clip, el rostro del expresidente es alterado para hacer parecer que habla, mientras el actor Jordan Peele pone la voz. Este video se convirtió en un referente, acumulando más de 8.7 millones de vistas y evidenciando el potencial de esta tecnología para engañar a audiencias masivas.
Otro caso reciente se produjo en Hong Kong, donde estafadores utilizaron un deepfake del director financiero de una empresa multinacional para engañar a un empleado y convencerlo de transferir 25 millones de dólares. Este tipo de fraude, conocido como fraude del CEO, muestra lo peligrosos que pueden ser los deepfakes en un contexto empresarial.
Cómo funcionan los deepfakes: La tecnología detrás de la manipulación
Los deepfakes se crean mediante redes adversariales generativas (GAN). En este proceso, dos redes neuronales compiten entre sí:
- Generador (G): Intenta crear una imagen o video que parezca real.
- Discriminador (D): Evalúa si los resultados son falsos o auténticos.
Esta técnica permite desarrollar imágenes y videos hiperrealistas, complicando su detección. A medida que los deepfakes se perfeccionan, es cada vez más fácil crear videos falsos con poco material de referencia, incluso a partir de breves grabaciones de audio o imágenes individuales.
Deepfakes vs. shallowfakes: La evolución del fraude digital
Además de los deepfakes, los shallowfakes son otra forma de manipulación. A diferencia de los deepfakes, los shallowfakes no usan algoritmos avanzados de IA; en cambio, recurren a técnicas más simples, como ralentizar, acelerar o modificar videos para dar una impresión engañosa.
Un ejemplo relevante ocurrió en 2018, cuando se aceleró un video del periodista Jim Acosta de CNN para que pareciera agresivo con una becaria de la Casa Blanca. Aunque el video fue desmentido más tarde, el daño a la reputación de Acosta ya estaba hecho.
Deepfakes y ciberseguridad: Impacto en empresas y usuarios
Amenazas a la seguridad empresarial
Los fraudes empresariales mediante deepfakes se están convirtiendo en una preocupación creciente. Los atacantes utilizan voces sintéticas para hacerse pasar por altos ejecutivos y convencer a empleados de realizar transferencias de dinero a cuentas fraudulentas. Además, las verificaciones biométricas, como el reconocimiento facial y de voz, están siendo superadas con estas técnicas.
Este tipo de fraude representa un riesgo significativo para las empresas que dependen de sistemas KYC (Know Your Customer) para verificar identidades. A medida que los deepfakes se vuelven más sofisticados, es probable que los estafadores encuentren nuevas formas de robar datos y cometer fraudes.
Impacto social de los deepfakes: Pornografía, desinformación y chantaje
Según el Deepfake Report, el 96% de los deepfakes detectados en línea se utilizan para crear videos pornográficos falsos. Estos videos suelen usarse para extorsionar o chantajear a las víctimas, representando un grave riesgo para la privacidad y seguridad personal.
Además del chantaje, los deepfakes se han convertido en herramientas poderosas para desinformación política. En 2021, un grupo de estafadores contactó al Parlamento holandés mediante un deepfake de voz que imitaba a un político ruso. Este incidente mostró cómo los deepfakes pueden utilizarse para generar confusión y escándalos falsos, afectando la toma de decisiones y dañando la confianza pública.
Cómo detectar un deepfake: Señales para tener en cuenta
Aunque los deepfakes son cada vez más realistas, todavía es posible identificarlos si se presta atención a ciertos detalles inconsistentes:
- Textura de piel anormal: Demasiado lisa o con arrugas fuera de contexto.
- Sombras incorrectas: Especialmente alrededor de los ojos y la boca.
- Errores en el brillo de las gafas o en el cabello.
- Parpadeo irregular: Muy frecuente o inexistente.
- Movimientos de labios y boca desincronizados.
Estos signos pueden alertar sobre la falsificación de un video o imagen. Sin embargo, a medida que la tecnología avanza, el ojo humano por sí solo podría no ser suficiente, lo que subraya la importancia de desarrollar herramientas automáticas para la detección de deepfakes.
Cómo protegerse del fraude con deepfakes: Recomendaciones para empresas y usuarios
- Verifica las comunicaciones sospechosas:
Si recibes un video o llamada pidiendo dinero, confirma la identidad de la persona mediante una llamada directa o en persona. - Usa software de seguridad especializado:
Existen soluciones diseñadas para detectar fraudes mediante deepfakes, especialmente en el entorno empresarial. - Reduce tu exposición en redes sociales:
Limita la cantidad de información personal que compartes públicamente, ya que los deepfakes suelen nutrirse de este material. - Capacita a los empleados sobre ciberseguridad:
Las empresas deben educar a sus trabajadores sobre los riesgos del fraude digital y reforzar sus políticas de seguridad.
El futuro de los deepfakes: Entre riesgos y oportunidades
Aunque la tecnología deepfake representa un riesgo creciente para la seguridad, también ofrece oportunidades en áreas como el entretenimiento y la educación. Sin embargo, es crucial que tanto usuarios como empresas desarrollen estrategias para identificar y mitigar las amenazas asociadas a esta tecnología emergente.
