Detectar un deepfake por la imagen y el sonido
Un rostro o una voz sintéticos pueden imitar a un directivo o a un colega. Qué está establecido y por qué verificar por otro canal.
En esta página
En 30 segundos
- Dónde ocurre
- Llamada telefónica u otra comunicación de voz[1], o mensaje enviado por un servicio de mensajería[5], con una identidad prestada de alguien de confianza.
- Qué quiere el atacante
- Obtener un acceso a los sistemas por teléfono[1].
- El reflejo
- Desconfiar de quienes llaman y verificar su identidad[1]. Para este artículo, significa confirmar la petición por un canal distinto del de la petición, sin fiarse del rostro ni de la voz.
- Si ya lo ha hecho
- Avisar sin demora al servicio de seguridad de la empresa, indicando la hora de la llamada y el canal utilizado.
De qué se trata
Un deepfake es una imagen, un vídeo o una voz fabricados por un modelo de inteligencia artificial para parecerse a una persona real. Para un empleado, el peligro está en que un rostro o una voz familiares sirvan para dar credibilidad a una petición: un «directivo» que reclama una transferencia urgente, un «colega» que pide un acceso.
Este artículo describe lo que percibe la víctima, cómo se fabrican estos contenidos y por qué la vista y el oído no bastan para decidir.
Preguntas directas
¿Se puede reconocer un deepfake a simple vista?
Las técnicas de generación producen, en determinadas condiciones, imágenes y vídeos faciales «muy realistas»[2]. Por su parte, el NIST dedica trabajos a la evaluación de sistemas de análisis frente a los deepfakes de imágenes generados por IA[3].
¿Por qué desaparecen los defectos visibles?
Los modelos generativos progresan. Un estudio de síntesis señala que las redes generativas antagónicas (GAN) dieron resultados impresionantes y que después los modelos de difusión relanzaron la investigación[2]. El mismo estudio indica que las técnicas de detección también evolucionan de forma continua[2].
¿Qué dicen las autoridades sobre la amenaza?
El 12 de septiembre de 2023, la NSA, el FBI y la CISA publicaron una ficha informativa, «Contextualizing Deepfake Threats to Organizations». Presenta las amenazas, técnicas y tendencias de los medios sintéticos, entre ellos los deepfakes, y recomienda a las organizaciones buscar en ella medidas para prepararse, identificar, defenderse y responder[4]. Las agencias escriben que estas amenazas han «exponentially increased»[4].
¿Qué hacer si la petición viene de un jefe?
Verificar por otro canal. MITRE recomienda formar a los usuarios para que desconfíen de quienes llaman y verifiquen su identidad[1]. En la práctica: colgar y volver a llamar a la persona a un número ya conocido, o contactarla por la mensajería interna.
En la piel del atacante
El atacante busca que alguien actúe. MITRE describe el «spearphishing voice» como una variante del phishing dirigido que empuja a un usuario a dar acceso a sistemas mediante una llamada telefónica u otra comunicación de voz[1]. El procedimiento suele recurrir a la ingeniería social: hacerse pasar por una fuente de confianza y crear en la persona una sensación de urgencia o de alarma[1].
Una voz o un rostro sintético añade una capa a este escenario: el interlocutor ya no es solo alguien que afirma ser el directivo, sino que tiene su apariencia o su timbre.
El atacante también puede pasar por una fase para ganarse la confianza. MITRE describe atacantes que crean cuentas falsas en redes sociales, entablan conversación con empleados y luego envían enlaces o archivos adjuntos por un servicio que la empresa no controla, como una mensajería personal consultada en el ordenador de trabajo[5]. Es más probable que estos servicios tengan una política de seguridad menos estricta que la de una empresa[5].
Lo que ve en la pantalla
La víctima ve u oye a una persona que cree conocer. La petición comparte con los demás casos de phishing una identidad de confianza y una urgencia[1].
A continuación, una ilustración neutralizada de lo que puede contener una llamada de este tipo. Está inventada para el ejemplo y no reproduce ningún caso real.
Ilustración (caso ficticio, dirección neutralizada)
Llamada de [voz que imita a un directivo]:
[petición de tramitar un pago urgente y confidencial,
petición de no avisar a nadie y luego de conectarse a
hxxps://acceso-urgente[.]ejemplo[.]invalid para validar]MITRE señala además que el phishing por voz puede combinarse con la generación de solicitudes de autenticación multifactor, para llevar a la víctima a revelar sus credenciales MFA o a aceptar solicitudes de autenticación[1].
Bajo el capóEquipos de TI
Se repiten dos familias de modelos.
Las redes generativas antagónicas, o GAN, se propusieron en un artículo enviado el 10 de junio de 2014. El principio: se entrenan juntos dos modelos, un generador que capta la distribución de los datos de entrenamiento y un discriminador que estima si una muestra procede de esos datos o del generador[6]. El entrenamiento del generador busca maximizar la probabilidad de que el discriminador se equivoque[6]. Los modelos de difusión llegaron después. Un artículo enviado el 19 de junio de 2020 presenta resultados de síntesis de imágenes de alta calidad con modelos de difusión probabilísticos, e indica sobre el conjunto LSUN en 256x256 una calidad de muestras similar a la de ProgressiveGAN[7].
El estudio de síntesis sobre los deepfakes distingue cuatro ámbitos: el intercambio de rostro, la reconstrucción de expresiones (face reenactment), la generación de rostro parlante y la edición de atributos del rostro, a los que se suma la detección de falsificación[2].
Del lado de la defensa, MITRE propone, para las llamadas fraudulentas, supervisar los registros de llamadas de los dispositivos profesionales en busca de números inusuales o no autorizados y correlacionarlos después con los eventos del sistema que siguen, como la ejecución de una herramienta de gestión remota[1].
AutopsiasCasos reales
Los dos casos siguientes son llamadas de personas que se hacen pasar por el soporte informático, sin indicio de una voz sintética. Muestran el escenario que los deepfakes pueden reforzar.
Scattered Spider: falsos informáticos por teléfono
MITRE informa de que, durante la campaña C0027, el grupo Scattered Spider se hizo pasar por personal informático legítimo en llamadas, para llevar a las víctimas a descargar una herramienta de supervisión y gestión remota (RMM) que le permitiría tomar el control de su ordenador[1].
Storm-1811: llamadas de «soporte técnico»
MITRE indica que Storm-1811 lanzó llamadas de voz haciéndose pasar por el soporte informático, para incitar a los usuarios a descargar y ejecutar scripts y herramientas que sirven de acceso inicial[1]. Microsoft Threat Intelligence publicó el 15 de mayo de 2024 un artículo sobre el uso indebido de Quick Assist en ataques de ingeniería social que desembocan en ransomware[1].
Fuentes
- MITRE ATT&CK, «Phishing: Spearphishing Voice, Sub-technique T1566.004 - Enterprise». https://attack.mitre.org/techniques/T1566/004/ (consultado el 10 de noviembre de 2026)
- arXiv, «Deepfake Generation and Detection: A Benchmark and Survey», 26 de marzo de 2024. https://arxiv.org/abs/2403.17881 (consultado el 10 de noviembre de 2026)
- NIST, «Guardians of Forensic Evidence: Evaluating Analytic Systems Against AI-Generated Deepfakes», 27 de enero de 2025. https://www.nist.gov/publications/guardians-forensic-evidence-evaluating-analytic-systems-against-ai-generated-deepfakes (consultado el 10 de noviembre de 2026)
- CISA, «NSA, FBI, and CISA Release Cybersecurity Information Sheet on Deepfake Threats», 12 de septiembre de 2023. https://www.cisa.gov/news-events/alerts/2023/09/12/nsa-fbi-and-cisa-release-cybersecurity-information-sheet-deepfake-threats (consultado el 10 de noviembre de 2026)
- MITRE ATT&CK, «Phishing: Spearphishing via Service, Sub-technique T1566.003 - Enterprise». https://attack.mitre.org/techniques/T1566/003/ (consultado el 10 de noviembre de 2026)
- arXiv, «Generative Adversarial Networks», 10 de junio de 2014. https://arxiv.org/abs/1406.2661 (consultado el 10 de noviembre de 2026)
- arXiv, «Denoising Diffusion Probabilistic Models», 19 de junio de 2020. https://arxiv.org/abs/2006.11239 (consultado el 10 de noviembre de 2026)
Citar este artículo
Brain, «Detectar un deepfake por la imagen y el sonido», Cyberpedia, 2026. https:/
BibTeX
@misc{brain_cp298_es_2026,
author = {Brain},
title = {Detectar un deepfake por la imagen y el sonido},
year = {2026},
howpublished = {Cyberpedia},
url = {https://startbrain.io/cyberpedia/es/articles/indicios-visuales-acusticos-deepfake/},
note = {CC BY 4.0}
}