Cuando un hijo recibe una videollamada de un número desconocido, o un familiar mayor intenta verificar un trámite bancario, la diferencia entre un sistema seguro y uno vulnerable se nota en segundos. DeepGuard no promete una solución mágica: construye una barrera técnica que analiza señales que el ojo humano no percibe.
Nuestro laboratorio se especializa en liveness detection, la verificación de que detrás de la cámara hay una persona real y no una réplica digital. Mientras otras soluciones se conforman con pedir un gesto, nosotros examinamos el ruido del sensor, la textura de la piel y las micro-fluctuaciones de luz que un deepfake no puede replicar. Es un enfoque más lento, más exigente, pero es el que resiste cuando alguien intenta suplantar a tu abuelo o a tu hija en una videollamada.
Los ataques no avisan. Por eso cada verificación que hacemos pasa por un análisis de anomalías que descarta máscaras, pantallas y reconstrucciones faciales generadas por inteligencia artificial. Si querés entender cómo se aplica esto en situaciones cotidianas, podés leer sobre los riesgos en videollamadas o conocer más sobre nuestro enfoque en la página principal.
Si querés profundizar en los mecanismos que protegen la identidad de tu familia, estos artículos técnicos explican los detalles detrás de cada verificación.
Desglosamos los métodos más comunes, como la solicitud de gestos aleatorios y el análisis de microexpresiones, y las contramedidas que se implementan frente a los intentos de evasión.
Leer el análisis técnicoLas videollamadas se convirtieron en un vector de ataque para la suplantación. Presentamos técnicas de detección basadas en parpadeo, textura de piel y consistencia de iluminación.
Ver estrategias de defensaEl ruido inherente en las señales biométricas puede ser una firma de autenticidad. Exploramos cómo el machine learning lo usa para identificar deepfakes con sensores de profundidad.
Explorar la investigación