CH-CIB-03 · Apoyo 2

Detecta el Deepfake

Guía de señales de alerta · Video · Audio · IA generativa

Tu misión, clara. Observa. Desconfía. Verifica.
Contexto: Ley 1273 Delitos informáticos · AGE-GIR-DIN-005 · Deepfakes como vector de fraude corporativo
🧠 Sección 1 — ¿Cómo funcionan los Deepfakes?

La tecnología (simplificado)

Los deepfakes usan redes neuronales llamadas GANs (Generative Adversarial Networks) o modelos de difusión. Un modelo "generador" crea el video/audio falso, y un "discriminador" evalúa si parece real. El proceso itera miles de veces hasta que el resultado es convincente.

3–5 seg de audio = voz clonada

El vector de ataque

Un atacante con acceso a videos o fotos públicas de un directivo (LinkedIn, YouTube, entrevistas) puede crear un deepfake convincente en menos de 1 hora usando herramientas accesibles. El costo para el atacante puede ser cercano a $0 con herramientas open source disponibles públicamente.

Costo atacante: ~$0

Impacto real documentado

2024 — Hong Kong: CFO transfirió USD $25 millones tras videollamada con deepfake del CEO. 2023 — Europa: fraudes del CEO por voz clonada, pérdidas >€500.000 cada uno. 2024 — Latinoamérica: primer caso documentado en sector financiero.

USD $25M — Un solo caso
🎥 Sección 2 — Señales de Alerta en VIDEO

Haz clic en cada señal para expandir su descripción y marcarla como revisada.

0 / 10 revisadas
0%
👁️
Parpadeo anormal
Los modelos de deepfake tempranos no parpadeaban. Los actuales parpadean pero de forma antinatural: frecuencia incorrecta o movimiento del párpado demasiado uniforme y mecánico comparado con el parpadeo humano espontáneo.
🔲
Bordes borrosos en cabello y cuello
La transición entre la cara generada y el cabello o cuello real suele tener artefactos: bordes difuminados, píxeles que "vibran", o un halo sutil alrededor del rostro. Mira los contornos con atención en la primera inspección.
👄
Desincronización labial
En deepfakes de video, los movimientos de labios no siempre coinciden perfectamente con el audio, especialmente en fonemas como "p", "b", "m" que requieren cierre de labios visible. Observa mientras el interlocutor habla en frases largas.
💡
Iluminación inconsistente
La iluminación en el rostro no concuerda con la del fondo. El rostro puede parecer "pegado" sobre el entorno, con fuentes de luz que no corresponden a las sombras visibles en el ambiente. Especialmente visible en los costados del cuello.
😐
Expresiones faciales rígidas
Las emociones y microexpresiones faciales (movimientos de cejas, arrugas al sonreír, tensión muscular) son difíciles de replicar. Un deepfake puede parecer ligeramente "robótico" o tener expresiones que no corresponden al contenido emocional del mensaje.
👓
Artefactos en gafas y joyas
Los accesorios metálicos (gafas, aretes, collares) son difíciles de renderizar correctamente. Pueden aparecer distorsionados, duplicados, con reflejos incorrectos, o desalineados respecto al movimiento de la cabeza del interlocutor.
🖐️
Manos y cuerpo fuera de cuadro
Los modelos de deepfake suelen degradarse fuera del área del rostro. Si las manos aparecen en cuadro, busca inconsistencias en la piel, dedos con geometría extraña o movimientos que no corresponden a los gestos de la cabeza.
📐
Geometría facial inestable
En movimientos bruscos (girar la cabeza, gesticular fuertemente, agacharse) la geometría del rostro puede "romperse" momentáneamente, mostrando artefactos o deformaciones que desaparecen en el siguiente fotograma.
🕐
Degradación en conversaciones largas
La calidad de los deepfakes actuales tiende a degradarse en secuencias largas (más de 5 minutos). Los primeros 30 segundos suelen ser los más convincentes. Si puedes, extiende la conversación antes de tomar decisiones críticas.
🎭
"Uncanny valley" intuitivo
El efecto "uncanny valley": algo parece perfectamente humano pero genera una sensación de incomodidad difícil de describir — como si algo no encajara. Confía en ese instinto de incomodidad y aplica el protocolo de verificación.
🎙️ Sección 3 — Señales de Alerta en AUDIO / Voz Clonada

Haz clic en cada señal para expandir su descripción y marcarla como revisada.

0 / 8 revisadas
0%
🎵
Timbre ligeramente metálico
La voz clonada suele tener un timbre levemente diferente al original, con matices metálicos o digitales que se perciben especialmente en las frecuencias altas. Se nota más comparando fragmentos cortos contra grabaciones previas de la persona.
💨
Respiración artificial o ausente
Los modelos de voz a menudo omiten o generan de forma incorrecta los patrones de respiración naturales entre frases. Una persona real respira audiblemente al hablar; una voz clonada puede sonar como si las frases estuvieran "pegadas" sin transición.
⏸️
Micro-pausas homogéneas
El habla humana tiene variabilidad natural en las pausas — se pausa más antes de ideas importantes, menos en palabras relacionadas. La voz clonada puede tener pausas demasiado uniformes o en posiciones léxicas no naturales para ese hablante.
🔇
Ausencia de ruido de fondo
Una llamada real desde una oficina, hogar o cualquier entorno tiene ruido ambiente: teclas, aire acondicionado, tráfico, otros. Una llamada de voz clonada puede sonar en un silencio antinatural o con un ruido de fondo artificialmente uniforme.
📢
Entonación limitada o monótona
La voz clonada puede tener un rango de entonación más limitado que la voz real, sonando más monótona o con inflexiones incorrectas que no corresponden al estilo de comunicación habitual de esa persona. Compara con cómo habla esa persona normalmente.
🗣️
Pronunciación de nombres propios
Los modelos de clonación tienen dificultad específica con nombres propios colombianos, tecnicismos de Colpensiones, siglas y palabras poco frecuentes en el dataset de entrenamiento. Pueden pronunciarlas de forma ligeramente incorrecta o robotizada.
↕️
Velocidad de habla constante
El habla humana varía la velocidad según la emoción, el énfasis y el contexto — se acelera en ideas conocidas y se lentifica en conceptos importantes. La voz clonada puede sonar a una velocidad más constante y uniforme de lo natural.
📵
Latencia en respuestas
En deepfakes de audio en tiempo real, puede haber una latencia notable (0.5–2 segundos) antes de que el interlocutor "responda" — diferente a la latencia de red normal que es más corta y constante. Haz preguntas cortas y directas para evaluar los tiempos de respuesta.
🛡️ Sección 4 — Protocolo Anti-Deepfake de Colpensiones
1
PAUSA
Ante cualquier solicitud inusual en videollamada: no respondas de inmediato. Busca señales de deepfake usando el checklist de esta guía.
2
VERIFICA
Cuelga o pide un momento. Llama al número corporativo oficial del supuesto interlocutor — no al número del que te llamaron.
3
CÓDIGO
Colpensiones implementará una palabra clave acordada previamente para videollamadas de alta criticidad. Úsala si tienes dudas.
4
NO ACTÚES
NUNCA proceses transferencias, compartas credenciales o firmes documentos basándote solo en una videollamada, aunque parezca completamente real.
5
REPORTA
Informa al área de Seguridad Informática aunque no estés seguro. Mejor reportar un falso positivo que no reportar un fraude real.
🧩 Sección 5 — Quiz de Reconocimiento

Responde cada escenario para ver la retroalimentación educativa. No hay puntuación — solo aprendizaje.

Escenario 1 de 4

Recibes una videollamada de tu Vicepresidente pidiendo que autorices un pago urgente. La calidad de video es buena, pero sus gafas parecen ligeramente distorsionadas y no parpadea durante 30 segundos. ¿Qué haces?

A. Autorizo el pago — es urgente y reconozco al VP
B. Pido un momento, cuelgo y llamo al VP por Teams directamente usando su número del directorio corporativo
C. Le pido que se mueva para ver si el video se ve natural — si sí, autorizo
Escenario 2 de 4

Tu jefe te llama por teléfono. La voz suena exactamente igual, pero no hay ruido de fondo y hay micro-pausas muy uniformes. Pide tu contraseña de ISOTOOLS para una "emergencia".

A. Le doy la contraseña — reconozco perfectamente su voz
B. Le pido que use el canal interno de Teams para formalizar la solicitud, y consulto con Seguridad
Escenario 3 de 4

Detectas en una videollamada que los labios del interlocutor no sincronizan perfectamente con las palabras en los fonemas "p" y "b". ¿Es necesariamente un deepfake?

A. Sí, definitivamente es un deepfake — hay que reportar de inmediato
B. Es una señal sospechosa pero no conclusiva — aplico el protocolo de verificación por canal alternativo
Escenario 4 de 4

Tu empresa recibe una videollamada de un proveedor de confianza que conoces de años. Pide acceso temporal a la red de Colpensiones para un trabajo de mantenimiento. La imagen es perfecta, sin ningún artefacto visible.

A. Concedo el acceso — lo conozco bien y la imagen es perfecta, sin señales de deepfake
B. Informo que debe seguir el proceso formal de solicitud de acceso de terceros por los canales internos