Somos un laboratorio especializado en liveness detection y análisis de anomalías biométricas. Trabajamos con equipos de fraude, desarrolladores de onboarding digital y auditores que necesitan distinguir, en milisegundos, entre un rostro vivo y una réplica sintética.
Un video real contiene imperfecciones físicas que ningún generador replica bien: el parpadeo natural, la textura de la piel bajo luz variable, la respuesta de la pupila. Nos especializamos en medir esas señales débiles y convertirlas en decisiones de confianza.
No hacemos detección genérica de fraude. Hacemos una sola cosa, con profundidad: verificar que la biometría presentada proviene de un cuerpo presente, no de una pantalla, una máscara o un modelo generativo.
Nuestros algoritmos de detección de vida se prueban contra ataques reales, no solo en laboratorio. Por eso, equipos de seguridad de banca, gobierno y verificación de identidad remota confían en los resultados que publicamos y en los datos que compartimos para auditar sus propios sistemas.
Bancos y fintechs integran nuestras pruebas de liveness para reducir el fraude por suplantación en onboarding digital. El intercambio de casos de ataque es parte del acuerdo.
Agencias de identidad y registro civil usan nuestros reportes de anomalías para calibrar umbrales de tolerancia en documentos electrónicos y trámites remotos.
Compartimos conjuntos de datos anonimizados y metodologías de análisis de ruido. El objetivo es que terceros puedan reproducir nuestros hallazgos sin depender de nuestra infraestructura.
Cada fase del proyecto se documenta con sus resultados medibles. Esto permite auditar el progreso y entender qué decisiones técnicas se tomaron en cada momento.
Se creó un corpus propio con más de 40.000 muestras de ataques por impresión, video y máscaras 3D. Este dataset sigue siendo la base para entrenar los clasificadores de liveness.
Se implementó el primer prototipo que distingue textura real de piel de una reproducción en pantalla, analizando el patrón de ruido propio de cada cámara.
El sistema se desplegó en un entorno controlado con una entidad financiera local. La tasa de falsos rechazos se mantuvo por debajo del umbral exigido durante tres meses de operación continua.
Se incorporó un módulo que evalúa la coherencia temporal del video en videollamadas. La latencia de análisis es inferior a 300 ms por frame, lo que permite intervenir antes de que termine la autenticación.