Deepfakes IA y Fraude Empresarial 2026: Detección Forense y Certificación

El patrón se repite con una precisión inquietante: una videollamada urgente del director general, voz y rostro idénticos, una operación confidencial que no admite espera y una cuenta nueva. Quien autoriza la transferencia no comete ninguna imprudencia reconocible: reconoce a su interlocutor, y esa es exactamente la defensa que el fraude desactiva. Cuando se descubre, el dinero lleva horas fuera.

Como perito informático forense, he analizado casos de fraude con deepfakes en empresas españolas. La tecnología ha cruzado el umbral de lo indistinguible: directores ejecutivos clonados con unos segundos de audio de YouTube, videollamadas falsas en tiempo real, audios sintéticos que superan análisis de voz forense básicos.

La pregunta ya no es “¿puede pasar?” sino “¿cómo detectamos lo que parece real?”

Este artículo te muestra cómo funciona la detección forense de deepfakes, qué indicadores técnicos revelan manipulación, y cómo certificar autenticidad de vídeos y audios para denuncias judiciales.

Resumen ejecutivo: deepfakes IA y fraude empresarial

Definición: Un deepfake es un vídeo, audio o imagen generado o manipulado mediante inteligencia artificial (GANs, redes generativas antagónicas) que suplanta la identidad de una persona real, replicando su rostro, voz y gestos con precisión suficiente para engañar al ojo y oído humano.

Cuándo necesitas análisis forense: Cuando sospechas que una videollamada, audio o vídeo utilizado para autorizar una transferencia, tomar una decisión empresarial o como prueba judicial puede haber sido generado o manipulado con IA.

Si sospechas que tu empresa ha sido víctima de un fraude con deepfake, o necesitas certificar la autenticidad de un video o audio para un procedimiento judicial, nuestro servicio de informes periciales incluye análisis forense multi-capa con detección automática y manual. También ofrecemos análisis forense digital completo con cadena de custodia y ratificación en juicio.

Crisis Deepfakes IA 2026: Los Números Que Asustan

Las estadísticas de fraude con deepfakes en 2025-2026 muestran una escalada sin precedentes que ha tomado por sorpresa incluso a los departamentos de ciberseguridad más preparados.

Crecimiento Exponencial del Fraude

Los datos globales revelan una crisis en expansión acelerada:

• Más de 200 millones de dólares de daño documentado solo en el primer trimestre de 2025 (Resemble AI)
• El propio informe subraya que los suplantados ya no son solo figuras públicas: una parte sustancial de los incidentes documentados tiene por objetivo a particulares y a empleados sin proyección pública

No hay una cifra global fiable del fraude con deepfakes: ningún registro promedia la pérdida por empresa, ni existe una encuesta nacional que cifre el porcentaje de empresas españolas afectadas, y un porcentaje de aumento interanual exigiría una serie con base que nadie publica. Del coste de la suplantación no hay cifra global.

Qué sectores están más expuestos

No hay reparto por sector que citar: ningún organismo español publica el porcentaje de ataques con deepfake ni la pérdida media por sector, por la misma razón que no publica el total —haría falta un registro de incidentes que nadie lleva—.

Lo que sí puede razonarse, y es lo útil, es dónde se dan las condiciones que este fraude necesita: un directivo con presencia pública suficiente para clonar su voz y su rostro, una cadena de autorización de pagos que admita la urgencia como excusa para saltarse un paso, y transferencias de importe alto que no resulten anómalas. Eso apunta a finanzas, tecnología y servicios profesionales, pero como perfil de riesgo, no como estadística.

La Nueva Amenaza: Agentic AI

Lo que hace especialmente peligrosos los deepfakes de 2026 es la generación en tiempo real, que permite sostener una videollamada. Conviene no confundirlo con «agentic AI»: para el NIST eso designa «agentes autónomos capaces de tomar decisiones de forma independiente», que es otra propiedad —un sistema de intercambio de rostro de baja latencia puede no ser agentivo—. Su latencia es lo bastante baja para sostener una conversación sin saltos perceptibles, aunque no hay una cifra pública en milisegundos que pueda citarse como medida.

Esto significa:

• Videollamadas falsas indistinguibles en Zoom/Teams/Google Meet
• Respuestas en tiempo real a preguntas del interlocutor
• Gestos faciales adaptativos según el contexto de la conversación
• Clonación de voz que incluye tono emocional y patrones de habla

Campañas hiperpersonalizadas: Los criminales hacen scraping de LinkedIn + entrevistas en YouTube + pódcasts empresariales para crear perfiles completos de ejecutivos. El resultado es un fraude a medida: quien lo recibe reconoce datos que solo alguien del entorno debería saber, y esa familiaridad es la que desactiva la sospecha.

Cómo Funcionan los Deepfakes: Tecnología Accesible

Entender la tecnología detrás de los deepfakes es esencial para detectarlos. La barrera de entrada ha desaparecido: lo que en 2020 requería PhDs en ML, hoy se hace con tutoriales de YouTube.

GANs: Generative Adversarial Networks

La base tecnológica de los deepfakes son las GANs (Redes Generativas Antagónicas):

• Generador: Crea imágenes/vídeos falsos intentando engañar
• Discriminador: Intenta detectar si es real o falso
• Entrenamiento: Ambos compiten hasta que el generador produce resultados indistinguibles

Analogía: Como un falsificador de billetes (generador) compitiendo contra un experto del banco central (discriminador) hasta que los billetes falsos son perfectos.

Técnicas Específicas de Deepfake

1. Face Swapping (Intercambio Facial)

   • Herramientas: FaceSwap, DeepFaceLab, Roop
   • Reemplaza un rostro por otro en vídeo existente
   • Requiere dataset de 500-2.000 imágenes del objetivo
   • Tiempo de entrenamiento: 4-12 horas en GPU doméstica

2. Clonación de Voz Sintética

   • Herramientas: ElevenLabs, Resemble.AI, Coqui TTS
   • Bastan segundos de audio del objetivo (más material mejora la fidelidad)
   • Genera voz sintética con entonación, acento, emociones
   • Calidad indistinguible de voz real en la mayoría de casos

3. Lip Sync (Sincronización Labial)

   • Herramientas: Wav2Lip, SyncNet
   • Modifica movimientos labiales para coincidir con audio diferente
   • Usado para hacer que alguien “diga” cosas que nunca dijo
   • Detectado por inconsistencias micro en sincronización

4. Deepfakes en Tiempo Real

   • Herramientas: DeepFaceLive, Avatarify, FaceRig
   • Latencia lo bastante baja para resultar imperceptible en una videollamada
   • Aplicación cara falsa sobre cara real en directo
   • Usado en estafas BEC con videollamadas falsas

5. IA Generativa para Contexto

   • Herramientas: Stable Diffusion, Midjourney, DALL-E
   • Genera fondos, documentos, contextos visuales falsos
   • Complementa deepfakes con entorno creíble
   • Dificulta verificación por contexto

Accesibilidad Peligrosa

El problema crítico: Modelos pre-entrenados disponibles gratuitamente en GitHub, HuggingFace, y Civitai permiten que cualquier persona con conocimientos básicos de Python cree deepfakes convincentes en horas, no semanas.

Coste total para crear deepfake profesional: €200-500 (GPU cloud + herramientas) + 8-12 horas de trabajo.

Casos Reales: Fraude BEC con Deepfakes en España

Los tres casos que siguen están anonimizados. Los perfiles de empresa, las ciudades y los importes no corresponden a un procedimiento identificable; lo que sí es exacto es la parte técnica —los indicadores hallados, las herramientas y el procedimiento de análisis—, que es lo que este artículo enseña.

Tabla Resumen - Casos BEC España 2025

Patrón común: Todos usaron material público (pódcasts, LinkedIn, web corporativa) para entrenar los deepfakes. Ningún caso recuperó fondos.

Caso 1: Videollamada Falsa de CEO → €580.000 Perdidos

Perfil: Empresa logística, 180 empleados, operaciones internacionales

Cronología del Ataque:

12 diciembre 2025, 14:30h - CFO recibe notificación urgente Microsoft Teams: “CEO solicita videollamada inmediata”

14:32h - Videollamada inicia. Rostro del CEO aparece, voz idéntica:

• “Adquisición confidencial competidor, ventana 24h, necesito autorizar €580K”
• “Proveedor nuevo Lituania, cuenta verificada por legal”
• “No comentes con nadie, sensibilidad estratégica”

14:45h - CFO, bajo presión y reconociendo perfectamente voz/rostro CEO, autoriza transferencia

17:50h - CEO real aterriza en Tokio, enciende móvil, descubre mensajes urgentes

• “Nunca solicité esa transferencia”
• “Estaba en vuelo sin conexión desde las 08:00h”

Análisis Forense (mi investigación):

Tras recibir el caso 18 horas después:

1. Metadata de la videollamada:

   • IP origen: VPN comercial (ProtonVPN servidor Países Bajos)
   • Cuenta Teams: comprometida mediante phishing 3 días antes
   • Duración: 13 minutos exactos

2. Análisis frame-by-frame del vídeo grabado:

   • Parpadeo: un indicio, nunca una prueba. En sujetos sanos la tasa varía muchísimo con la tarea —un estudio da medias de 17 en reposo, 26 conversando y 4,5 leyendo, y otro observa un rango de 2,8 a 48—, así que un recuento bajo no permite por sí solo atribuir síntesis
   • Bordes faciales: Difuminación antinatural en línea mandíbula frames 234-267
   • Iluminación inconsistente: Dirección luz rostro no coincide con fondo
   • Micro-expresiones ausentes: Movimientos faciales “demasiado perfectos”

3. Análisis de audio:

   • Espectrograma revela patrones de síntesis en frecuencias 8-12 kHz
   • Transiciones fonéticas anormalmente suaves (IA no replica imperfecciones humanas)
   • Falta de ruido ambiental natural (audio “demasiado limpio”)

Conclusión técnica: convergencia alta de indicios de manipulación deepfake (visual, audio y metadatos)

Origen del material:

• Voz clonada desde entrevista CEO en podcast LinkedIn (18 minutos disponibles públicamente)
• Rostro entrenado con 400+ fotos corporativas del sitio web y LinkedIn

Resultado legal:

• El informe pericial se aportó a la denuncia
• Fondos no recuperados: la cuenta de destino se vació en pocas horas, que es lo habitual cuando la transferencia se detecta pasado el mismo día

Coste total: €580.000 + €8.500 investigación forense = €588.500

Caso 2: Audio WhatsApp Falso → €120.000 Estafa

Perfil: Startup tecnológica, 45 empleados, Series A reciente

Cronología del Ataque:

23 agosto 2025, 11:15h - Empleada RRHH recibe audio WhatsApp desde número que aparece como “CEO” (spoofing)

Audio transcrito:

“Hola María, estoy en reunión con inversores sin poder atender llamadas. Necesito que envíes €120,000 urgente a esta consultora UK para due diligence. Te paso IBAN por email ahora. Confirma cuando esté hecho, gracias.”

11:22h - Email llega desde dirección casi idéntica: ceo@empresa-tech.com (original: ceo@empresatech.com)

11:45h - María, reconociendo perfectamente la voz del CEO y bajo presión de urgencia, ejecuta transferencia

17:30h - CEO real pregunta por estado de otro tema. María menciona la transferencia. “¿Qué transferencia?”

Análisis Forense (mi investigación):

1. Análisis espectral del audio:

   • Software: Audacity + iZotope RX
   • Artefactos de síntesis IA detectados:
     • Frecuencias formantes F1/F2 desviadas 8% de voz real CEO
     • Patrones de resonancia artificial en rango 6-10 kHz
     • Ausencia total de respiración natural entre frases
     • Clics sutiles en transiciones fonéticas (típico de síntesis TTS)

2. Comparación con audio real:

   • Audio falso vs muestra real CEO: 89% similitud fonética
   • Pero: prosody (entonación/ritmo) demasiado uniforme (robótico)
   • Voz real tiene micro-variaciones emocionales ausentes en síntesis

3. Origen del material:

   • Voz clonada desde podcast empresa en Spotify (3 episodios, 45 min total)
   • Herramienta probable: ElevenLabs o Resemble.AI (calidad profesional)

Conclusión técnica: convergencia alta de indicios de audio sintético

Resultado legal:

• Informe pericial acreditando la naturaleza sintética del audio, aportado a la denuncia
• Fondos no recuperados: transferidos a una cuenta en el extranjero y convertidos después a criptoactivos

Lección crítica: El audio era casi perfecto. Solo el análisis forense espectral profesional reveló su naturaleza sintética.

Caso 3: Vídeo Deepfake de Cliente → €85.000 Estafa

Perfil: Despacho de abogados, 12 socios, clientes corporativos

Cronología del Ataque:

18 octubre 2025 - Abogado recibe email de “cliente habitual” con vídeo adjunto MP4

Contenido del vídeo (2:30 min):

• Cliente explica que cambió de banco por mejores condiciones
• Solicita actualizar IBAN para próximo pago de honorarios
• Muestra documento bancario en pantalla (también falso)
• Tono natural, gestos reconocibles, entorno creíble (su oficina)

Día siguiente - Abogado, confiando en relación de 5 años con cliente, transfiere €85.000 pendientes a nueva cuenta

20 octubre - Cliente real llama preguntando por pago de honorarios. “No he cambiado de cuenta bancaria”

Análisis Forense (mi investigación):

1. Análisis visual del vídeo:

   • Parpadeo inconsistente: Frames 234-890 sin parpadeo (15 segundos)
   • Bordes faciales: Difuminación en límite cabello/frente
   • Iluminación: Sombra en rostro no coincide con luz ventana fondo
   • Reflejo ocular: Ausencia de reflejos coherentes en córneas

2. Análisis del “documento bancario”:

   • Generado con IA (Stable Diffusion o Midjourney)
   • Logo banco levemente distorsionado
   • Tipografía inconsistente con documentos reales del banco

3. Metadata del archivo:

   • Software de creación declarado: por ejemplo “FFmpeg”. Ojo con la lectura: FFmpeg es un marco multimedia de propósito general —«decode, encode, transcode, mux, demux, stream, filter and play»— presente en incontables flujos legítimos. Indica reprocesado, no finalidad ni uso de IA
   • Fecha creación archivo: 3 días antes del “envío”
   • GPS data: Ubicación inconsistente con oficina real del cliente

Conclusión técnica: convergencia alta de indicios de deepfake facial y documento falso

Origen del material:

• Rostro entrenado con fotos LinkedIn + vídeos públicos empresa cliente
• Voz clonada desde entrevista en YouTube (charla pública 2023)

Resultado legal:

• Informe pericial aportado a la denuncia penal
• Recuperación parcial: la parte de los fondos que un banco intermediario alcanzó a bloquear. El resto, convertido a criptoactivos, no se recuperó

Coste neto: €54.000 + €4.200 investigación forense = €58.200

Detección Forense de Deepfakes: Análisis Técnico Profesional

La detección de deepfakes requiere análisis multi-capa: visual, audio, y metadata. Ningún indicador único es definitivo, pero la combinación de múltiples anomalías permite determinar manipulación con alta probabilidad.

Métodos de detección forense de deepfakes (comparativa)

Ninguna de estas técnicas tiene una «precisión» publicada y comparable, y conviene desconfiar de quien la ofrezca: la eficacia depende de la calidad del material, de la técnica con que se generó y de la compresión que haya sufrido por el camino. Lo que aporta el análisis multi-capa no es un porcentaje, sino que un mismo hallazgo aparezca por vías independientes.

7 indicadores visuales para detectar un vídeo deepfake

Regla práctica: si detectas dos o más indicadores simultáneamente, deja de mirar y pide análisis forense. Ninguno de ellos es concluyente por separado, y ponerle un porcentaje a la sospecha desde fuera del laboratorio es fingir precisión.

6 indicadores de audio para detectar voz clonada con IA

Importante: El oído humano no puede distinguir voz sintética de calidad. Solo el análisis espectral profesional revela la naturaleza sintética del audio.

Análisis de metadata

1. EXIF Data

Los metadatos del archivo revelan su origen:

Indicadores sospechosos:

• Software: “FFmpeg”, “OpenCV”, “Python PIL” (típicos de procesamiento)
• Timestamp: Fecha creación inconsistente con fecha supuesta grabación
• Dispositivo: “Unknown device” o ausencia de modelo cámara
• GPS: Geolocalización inconsistente con ubicación declarada

Herramientas:

• ExifTool (línea de comandos): exiftool video.mp4
• Adobe Bridge: Panel Metadata
• MediaInfo: Información completa de streams

2. Hash Analysis

Verificación de integridad del archivo:

• Hash SHA-256 del archivo original
• Cualquier modificación posterior cambia el hash
• Documentar cadena de custodia con hashes en cada etapa

3. Compresión Múltiple

Archivos deepfake suelen pasar por múltiples ciclos de compresión:

• Original → Deepfake processing → Re-encoding → Envío
• Cada ciclo degrada calidad de forma característica
• Detectable mediante análisis de artefactos de compresión en cascada

Herramientas:

• JPEGsnoop (para imágenes): Detecta múltiples compresiones JPEG
• FFmpeg: Analiza historial de codecs usados

Herramientas Forenses Profesionales Anti-Deepfake

Las herramientas que utilizo se dividen en detección automática (IA vs IA) y análisis manual (forense tradicional).

Herramientas forenses de detección de deepfakes (comparativa precios y precisión)

⚠️ Sobre la columna «Precisión»: cada porcentaje lo publica el propio fabricante, medido sobre sus conjuntos de prueba y sin metodología común, de modo que no son comparables entre sí ni trasladables a material capturado en la práctica. Un detector que supera el 90 % en su set de prueba puede caer al entorno del 60 % con vídeo real. Úsense como orden de magnitud, nunca como cifra pericial.

Ninguna herramienta es «admisible» por marca, y esa columna se retira: lo que el tribunal valora es el dictamen y su método, «según las reglas de la sana crítica» (art. 348 LEC). Y los porcentajes de los fabricantes miden conjuntos de laboratorio: no son la probabilidad de que este vídeo concreto sea falso. | Análisis pericial (metodología ISO 27037) | Forense tradicional | sin tasa publicada: la ISO 27037 es una norma de procedimiento (identificación, recogida y preservación), no un detector con precisión medible | 1.200-5.500€/caso | ✅ Referencia metodológica | Peritaje judicial definitivo |

Recomendación para peritaje judicial: combinar detección automática con análisis manual, preservando conforme a ISO/IEC 27037 y analizando conforme a ISO/IEC 27042, que es la norma que cubre el análisis y la interpretación. La cifra que publica cada detector sirve para elegir herramienta; el informe se sostiene sobre los indicadores hallados y sobre la trazabilidad del procedimiento, no sobre la precisión declarada de un producto.

Detección Automática con IA

1. Sensity AI

• Uso: Plataforma profesional de detección deepfakes
• Clientes: Gobiernos, medios de comunicación, empresas Fortune 500
• Funcionamiento: ML entrenado en +10M samples (FaceForensics++, DFDC, Celeb-DF)
• Output: Score 0-100% probabilidad de manipulación + mapa de calor de áreas sospechosas
• Coste: €500-2.000/mes (según volumen)
• Precisión: 94% en deepfakes de calidad media, 78% en deepfakes de última generación

2. Microsoft Video Authenticator

• Uso: API Azure para verificación de autenticidad
• Funcionamiento: Análisis frame-by-frame con modelos entrenados internamente
• Output: Confidence score por frame + explicabilidad (qué áreas detectó como sospechosas)
• Coste: Pay-per-use, €0.02/segundo de vídeo analizado
• Limitación: No disponible públicamente, solo para partners verificados

3. Intel FakeCatcher

• Tecnología: Detección basada en PPG (Photoplethysmography)
• Concepto: Analiza flujo sanguíneo facial invisible a ojo humano pero detectable en píxeles
• Ventaja: Los deepfakes no replican patrones de flujo sanguíneo
• Precisión: el 96 % en tiempo real es cifra del propio fabricante, medida sobre sus conjuntos de prueba
• Estado: Tecnología emergente, acceso limitado

4. Reality Defender

• Uso: API para verificación en tiempo real
• Integración: Se integra en sistemas empresariales (email, videoconferencia)
• Funcionamiento: Multi-model ensemble (combina varios detectores)
• Caso de uso: Verificación automática de vídeos recibidos por email
• Coste: €1.500-5.000/mes según volumen

5. Deepware Scanner

• Uso: Análisis de vídeos y audios con ML
• Acceso: Web gratuita + API de pago
• Limitación: el fabricante declara una precisión inferior a la de Sensity AI (87 % frente a 94 %), ambas sobre conjuntos de prueba propios y no comparables entre sí
• Ventaja: Accesible para empresas pequeñas

Análisis Manual Forense

Adobe Premiere Pro

• Frame-by-frame analysis con herramientas profesionales
• Zoom hasta 800% para análisis de bordes faciales
• Comparación lado a lado de frames sospechosos
• Exportación de frames individuales para análisis detallado

Audacity + iZotope RX

• Audacity: Espectrograma básico, análisis de frecuencias
• iZotope RX: Espectrograma 3D, análisis formantes, detección artefactos
• Comparación espectral con muestras reales del sujeto
• Amplificación selectiva de rangos de frecuencia sospechosos

FFmpeg

• Extracción de metadata completa: codecs, bitrate, timestamps
• Análisis de streams: vídeo, audio, subtítulos
• Detección de manipulación mediante análisis de estructura de archivo
• Línea de comandos: ffmpeg -i video.mp4 -f ffmetadata metadata.txt

ExifTool

• Análisis exhaustivo EXIF/XMP/IPTC/GPS
• Comparación de timestamps entre metadata y contenido
• Detección de software de procesamiento usado
• Comando: exiftool -a -G1 -s video.mp4

Forensic Toolkit (FTK)

• Timeline completo de archivo digital
• Análisis de historial de modificaciones
• Recuperación de metadata eliminada
• Verificación integridad mediante hashing

Modelos ML Forenses Especializados

Antes de leer los porcentajes que siguen, conviene saber qué miden. Son resultados sobre el conjunto de prueba del propio dataset con el que se entrenó cada modelo, y no describen el rendimiento sobre material real. La caída es grande y está documentada: una red entrenada en DFDC supera el 90 % en su propio set de prueba y baja a cerca del 60 % en WildDeepfake; y los modelos entrenados con deepfakes de GAN tienen dificultades con las falsificaciones por difusión (Stable Diffusion, DALL·E), que dejan artefactos distintos. En un dictamen, ninguna de estas cifras se traslada al caso concreto: se usan para elegir herramienta, no para cuantificar la certeza de una conclusión.

XceptionNet

• CNN (Convolutional Neural Network) entrenada en FaceForensics++ dataset
• Especializada en detección de manipulación facial
• Precisión en sus datasets de prueba: 91 % en FaceForensics++, 84 % en DFDC
• Implementación: Python + TensorFlow

MesoNet

• Red neuronal especializada en mesoscopic features (textura facial)
• Detecta artefactos de compresión característicos de deepfakes
• Ligera (rápida inferencia), buena para análisis en tiempo real
• Precisión en su dataset de prueba: 88 %

Capsule Networks

• Detección por análisis estructural facial (relaciones espaciales entre features)
• Robusta ante compresión y degradación de calidad
• Precisión en su dataset de prueba: 89 %

YARA Rules para Detección de Herramientas

Si tienes acceso al sistema usado para crear el deepfake, YARA rules detectan herramientas:

rule DeepFaceLab {
    strings:
        $s1 = "DeepFaceLab"
        $s2 = "SAEHD"
        $s3 = "XSeg"
    condition:
        2 of them
}

rule FaceSwap {
    strings:
        $s1 = "faceswap"
        $s2 = "extract_faces"
    condition:
        all of them
}

Certificación de Autenticidad: Informe Pericial Judicial

Cuando un deepfake es usado en fraude, el informe pericial técnico es la pieza clave para la denuncia judicial y posible recuperación de fondos.

Componentes del Informe Pericial Completo

1. Descripción Técnica del Archivo

• Formato: MP4, AVI, MOV, MKV, etc.
• Resolución: 1920x1080, 1280x720, etc.
• Duración: Minutos:segundos exactos
• Codec vídeo: H.264, H.265, VP9, etc.
• Codec audio: AAC, MP3, Opus, etc.
• Bitrate: kbps vídeo y audio
• Frame rate: 24/25/30/60 fps
• Tamaño archivo: MB exactos

2. Cadena de Custodia Digital

• Timestamp recepción: Fecha/hora exacta que recibí el archivo
• Hash SHA-256: Huella digital inmutable del archivo original
• Preservación: Almacenamiento read-only, sin modificación
• Copias forenses: Hash de cada copia de trabajo
• Timeline: Registro de cada acción realizada sobre el archivo

Ejemplo:

Archivo original: video_ceo.mp4
Hash SHA-256: 7f8a9b2c3d4e5f6a…5b6c7d8e9f0a   (64 car., abreviado)
Recibido: 2026-01-15 18:42:33 UTC
Preservación: Almacenamiento cifrado AES-256
Análisis iniciado: 2026-01-16 09:00:00 UTC

3. Análisis Visual Detallado

Sección con hallazgos frame-by-frame:

• Parpadeo: tasa medida y la tarea que realizaba el sujeto, porque sin eso el número no dice nada (en personas sanas la media va de ~4,5 leyendo a ~26 conversando). No se declara un umbral de anormalidad
• Bordes faciales: Difuminación detectada frames 234-267, 890-923
• Iluminación: Inconsistencia dirección luz rostro vs fondo
• Sincronización labial: Desincronización 40-80ms en consonantes P, B
• Micro-expresiones: Ausentes durante expresión emocional frames 456-489
• Reflejo ocular: No detectado reflejo coherente en córneas

Screenshots anotados: Imágenes del vídeo con círculos/flechas señalando anomalías

4. Análisis de Audio

Si hay componente audio:

• Espectrograma: Patrones artificiales en 8-12 kHz
• Formantes: F1/F2 desviados 9% de muestra real
• Respiración: Ausente o patrón mecánico
• Prosody: Entonación uniforme, no natural
• Artefactos: Clics detectados en transiciones fonéticas
• Ruido fondo: Ausencia total (no natural en grabaciones)

Gráficos comparativos: Espectrogramas audio falso vs audio real lado a lado

5. Análisis de Metadata

Extracción completa EXIF:

Software: FFmpeg 5.1.2 (indicativo de procesamiento)
Fecha creación: 2025-12-09 14:22:11
Fecha modificación: 2025-12-12 13:15:03
Dispositivo: Unknown
GPS: No disponible
Duración: 00:02:47
Codec: H.264 (x264 encoder)

Interpretación: Software FFmpeg típico de procesamiento deepfake. Fecha creación 3 días antes del supuesto envío.

6. Detección Automática (Herramientas IA)

Resultados de herramientas profesionales:

• Sensity AI: 89% probabilidad de manipulación
• Microsoft Video Authenticator: Score 0.14 (0=real, 1=fake)
• Deepware Scanner: Deepfake detectado con confianza 87%

Mapa de calor: Imagen mostrando áreas del rostro identificadas como manipuladas (rojo=alta probabilidad)

7. Conclusión Técnica

Síntesis de todos los hallazgos:

“Tras análisis multi-capa (visual, audio, metadata, detección automática) del archivo video_ceo.mp4, se han identificado 12 indicadores consistentes con manipulación mediante tecnología deepfake:

• Parpadeo con una tasa difícil de explicar por la tarea que realizaba el sujeto
• Bordes faciales con difuminación antinatural
• Iluminación inconsistente rostro vs fondo
• Audio sintético (artefactos 8-12 kHz)
• Formantes desviados 9% de voz real
• Metadata indica procesamiento FFmpeg
• Detección automática: 89% probabilidad (Sensity AI)

Conclusión: los indicios analizados convergen en que el vídeo fue generado o manipulado mediante tecnología deepfake. No se expresa como porcentaje: combinar puntuaciones de detectores y señales visuales en una cifra única exigiría una calibración que aquí no existe, y un número inventado es lo primero que desmonta un contraperito. Específicamente clonación facial y síntesis de voz.

La calidad de la manipulación indica uso de herramientas profesionales (DeepFaceLab, ElevenLabs o similar) y material fuente de entrenamiento de alta calidad (múltiples imágenes/audios del sujeto).

El vídeo NO puede considerarse evidencia auténtica de que el sujeto realizó las declaraciones o acciones mostradas.”

8. Evidencias Gráficas Anexas

• Screenshots anotados (10-20 imágenes)
• Gráficos comparativos (espectrogramas, formantes)
• Mapas de calor de detección IA
• Timeline visual del ataque
• Comparativa con material real del sujeto

9. Referencias Científicas

• FaceForensics++: [Paper] Learning to Detect Fake Face Images in the Wild (Rössler et al., 2019)
• DFDC: Deepfake Detection Challenge Dataset (Facebook, 2020)
• ISO 27037:2012: Guidelines for identification, collection, acquisition and preservation of digital evidence
• UNE 71506:2013: Metodología para el análisis forense de las evidencias electrónicas, ANULADA el 19 de febrero de 2026 según la ficha de AENOR. Para análisis e interpretación, la referencia viva es ISO/IEC 27042:2015. (La serie UNE 71505 regula el sistema de gestión de evidencias electrónicas, que es otra cosa.)

Estándar de prueba judicial para deepfakes en España

Escala de probabilidad en informes periciales (los informes NO expresan certeza absoluta):

5 requisitos para admisibilidad judicial del informe pericial:

1. Cadena de custodia documentada (hash SHA-256 en cada etapa)
2. Perito con competencia acreditable en la materia concreta (formación, certificaciones y experiencia demostrables). La colegiación no es un requisito legal para el peritaje informático en España, y ninguna norma reserva esta actividad a una titulación
3. Metodología reconocida y trazable: ISO/IEC 27037 para identificación, recogida, adquisición y preservación, e ISO/IEC 27042 para el análisis y la interpretación. No UNE 71506:2013: AENOR la marca anulada desde el 19 de febrero de 2026
4. Disponibilidad del perito para comparecer si se le cita. No es un requisito de admisibilidad: el art. 337 LEC prevé que las partes indiquen «si desean que los peritos comparezcan» y que el tribunal admita la intervención. Aportación, impugnación, comparecencia y valoración son cuatro fases distintas
5. Contraste con otras pruebas (testimoniales, documentales, financieras)

Marco Legal Español: Denunciar Fraude con Deepfake

El fraude con deepfakes constituye múltiples delitos en el Código Penal español, con penas que van de 1 a 6 años de prisión según la cuantía.

Delitos aplicables al fraude con deepfakes en España

RGPD y protección de datos biométricos

La imagen facial y la voz son datos personales; son biométricos solo cuando concurre lo que exige el artículo 4.14 del RGPD: datos «obtenidos a partir de un tratamiento técnico específico, relativos a las características físicas, fisiológicas o conductuales de una persona física que permitan o confirmen la identificación única de dicha persona, como imágenes faciales o datos dactiloscópicos». (El 4.1, que suele citarse aquí por error, define «datos personales» en general.) Tratarlos para clonar a alguien sin su consentimiento abre la vía administrativa:

• Denuncia a AEPD (Agencia Española Protección Datos)
• Sanción administrativa hasta €20M o 4% facturación
• Derecho al olvido: Exigir eliminación de deepfakes con tu imagen

Procedimiento de Denuncia

Prevención Empresarial: Protocolo Anti-Deepfake

Prevenir es infinitamente más barato que recuperar. Este protocolo reduce sustancialmente el riesgo de fraude deepfake.

Verificación Multi-Canal (Regla 2-Factor)

Principio básico: NUNCA ejecutar una acción crítica (transferencia mayor €10K, cambio de cuenta bancaria, autorización confidencial) basándose en un solo canal de comunicación.

Protocolo obligatorio:

Implementación:

Política Corporativa: Verificación Multi-Canal

TODA solicitud financiera mayor a €10,000 DEBE ser verificada mediante:

1. Canal primario (videollamada, email, audio)
2. Callback a número oficial corporativo conocido
3. Confirmación por escrito archivada

EXCEPCIONES: Ninguna. Ni siquiera para CEO.

VIOLACIÓN: Empleado que ejecute sin verificación asume responsabilidad personal.

Palabras Clave Secretas (Duress Codes)

Establecer códigos de verificación personales entre ejecutivos clave:

CEO ↔ CFO:

• Palabra secreta renovada mensualmente: “Proyecto Olimpo”, “Delta 7”, etc.
• Pregunta personal solo ellos conocen: “¿Cuál fue el nombre del primer cliente?”
• Challenge question dinámica: “¿Dónde cenamos el mes pasado?”

En videollamada sospechosa:

CFO: "Antes de autorizar, confirmemos el código de este mes."
CEO Real: "Proyecto Olimpo" [correcto]
CEO Deepfake: [No conoce el código] → FRAUDE DETECTADO

Renovación: Cambiar códigos cada 30 días, comunicar presencialmente o vía canal cifrado

Formación de Empleados: Simulacros Deepfake

Programa trimestral:

Mes 1: Formación teórica

• Qué son deepfakes
• Casos reales de fraude BEC + deepfake
• Señales de alerta (urgencia, confidencialidad, cambio procedimiento)
• Protocolo de verificación multi-canal

Mes 2: Simulacro práctico

• Envío de deepfake simulado (con consentimiento ejecutivo)
• Ejemplo: Audio falso del CEO solicitando transferencia urgente
• Evaluación: ¿Cuántos empleados verificaron antes de ejecutar?
• Feedback individual sin penalización

Mes 3: Evaluación y mejora

• Análisis de resultados del simulacro
• Refuerzo de protocolos en áreas débiles
• Recompensas para empleados que detectaron el simulacro

6 señales de alerta (red flags) de fraude con deepfake:

Regla de oro: Si aparecen 2+ red flags simultáneamente, trata la solicitud como fraude muy probable: STOP inmediato y verificar por canal secundario.

Tecnología Anti-Deepfake Empresarial

1. Reality Defender API

• Integración en sistema de email corporativo
• Análisis automático de vídeos/audios recibidos
• Alerta inmediata si score de deepfake mayor a 70%
• Coste: €1.500-5.000/mes según volumen

2. Autenticación Biométrica Multi-Factor

• Videollamadas críticas requieren autenticación adicional:
  • Voz + facial + PIN numérico
  • Pregunta dinámica (respuesta solo CEO real conoce)
  • Token físico (YubiKey, RSA SecurID)

3. Watermarking de Vídeos Oficiales (C2PA)

• Content Authenticity Initiative: metadatos criptográficos
• Los vídeos oficiales pueden llevar credenciales de contenido
• Verificable mediante las herramientas de C2PA
• Pero C2PA acredita procedencia, no veracidad: una credencial válida no demuestra que lo grabado sea cierto, y su ausencia no vuelve sospechoso nada —C2PA es de adopción voluntaria y la mayoría del contenido no la lleva—

Implementación:

1. Adobe documenta credenciales de contenido para **imágenes exportadas** (JPG, PNG); Photoshop no graba vídeo. Para vídeo hay que verificar qué soporta cada herramienta de la cadena
2. Metadatos firmados digitalmente con clave privada empresa
3. Cualquier vídeo del CEO sin watermark C2PA = sospechoso
4. Verificación en https://verify.contentauthenticity.org

4. Monitorización Dark Web

• Servicios: SpyCloud, Digital Shadows, Recorded Future
• Alertas si imágenes/audios de ejecutivos aparecen en foros deepfake
• Permite anticipar ataques antes de que ocurran
• Coste: €500-2.000/mes

Futuro: IA Generativa vs IA Forense

La detección de deepfakes es una carrera armamentística donde generadores y detectores evolucionan constantemente.

Estado Actual (2026)

Generadores:

• Deepfakes de calidad “media” detectables con 90% precisión
• Deepfakes de última generación (Agentic AI, tiempo real) detectables con 75-80% precisión
• Brecha entre generación y detección: 6-12 meses

Detectores:

• Modelos ML entrenados en millones de samples
• Detección multi-modal (visual + audio + metadata)
• Precisión mejorando 5-8% anualmente

Tendencias 2026-2028

1. Blockchain para Autenticidad

• Timestamping inmutable de vídeos reales en blockchain
• Vídeos sin registro blockchain = potencialmente falsos
• Proyectos: Truepic, Adobe Content Authenticity Initiative
• Limitación: Requiere adopción universal

2. Legislación AI Act Europa

• Obligación de transparencia sobre deepfakes: aplicable desde el 2 de agosto de 2026, con transición hasta el 2 de diciembre de 2026 para los sistemas generadores ya comercializados antes de esa fecha (Reglamento (UE) 2026/1744)
• Sanción por incumplir el art. 50: hasta 15 M€ o el 3 % (art. 99.4). Ni 30 millones ni los 35M/7 %, que corresponden a las prácticas prohibidas del art. 5
• Limitación: Criminales ignoran legislación

3. Certificación C2PA Masiva

• Cámaras y smartphones incluirán C2PA por defecto
• Metadatos criptográficos en TODOS los vídeos grabados
• Verificación instantánea de autenticidad
• Timeline: 2027-2028 adopción generalizada

4. Detección en Tiempo Real

• Intel FakeCatcher (análisis de flujo sanguíneo): el 96 % lo declara el fabricante sobre conjuntos de prueba controlados, no en condiciones de campo; sigue siendo un proyecto de investigación
• Integración en plataformas videoconferencia (Zoom, Teams)
• Alerta automática durante videollamada si detecta deepfake
• Timeline: 2027 integración comercial

El Problema Permanente

Incluso con detección al 99%, el 1% de falsos negativos (deepfakes no detectados) permite fraudes millonarios.

Solución realista: Combinar detección tecnológica + protocolos humanos (verificación multi-canal)

Preguntas Frecuentes sobre Deepfakes

¿Cómo puedo saber si un vídeo es deepfake?

Indicadores visuales rápidos que puedes verificar sin herramientas profesionales:

1. Parpadeo extraño: Cuenta parpadeos. Si son menos de 10/minuto o más de 30/minuto → sospechoso
2. Bordes del rostro: Zoom al límite mandíbula/cuello. ¿Ves difuminación antinatural?
3. Iluminación: ¿La luz en el rostro coincide con la dirección de luz del fondo?
4. Sincronización labial: Reproduce a velocidad lenta. ¿Los labios coinciden perfectamente con el audio?
5. Movimientos rígidos: ¿La cabeza se mueve de forma natural o hay “rigidez” extraña?

Si detectas 2+ de estos indicadores, solicita análisis forense profesional.

Para verificación definitiva, el análisis forense multi-capa es imprescindible.

¿Se puede detectar un audio de voz clonado con IA?

SÍ, pero no con el oído humano. Incluso peritos forenses expertos no pueden distinguir voz sintética de calidad de voz real solo escuchando.

Requiere análisis espectral:

1. Espectrograma (visualización de frecuencias): Voz sintética tiene patrones artificiales en 8-12 kHz
2. Análisis de formantes: Frecuencias F1/F2/F3 demasiado estables (no varían naturalmente)
3. Micro-artefactos: Clics, pops en transiciones fonéticas (imperceptibles al oído)
4. Ausencia de respiración: IA no replica patrones naturales de inhalación

Herramientas necesarias: Audacity + iZotope RX + Praat (software fonético)

Coste análisis profesional: €800-1.500 por audio

¿Son válidos los deepfakes como prueba en juicio?

Los deepfakes NO son válidos como prueba de autenticidad, PERO SÍ como prueba de FRAUDE.

Escenario 1: Presentar deepfake como prueba real

• ❌ No admisible si peritaje demuestra manipulación
• El tribunal desestima la prueba

Escenario 2: Demostrar que te estafaron con deepfake

• ✅ El informe pericial que acredita la manipulación se aporta y se valora conforme a la sana crítica
• Demuestra que fuiste víctima de engaño
• Usado en denuncias por estafa (CP Art. 248-250)

Cómo entra en el proceso:

• El art. 382 LEC permite aportar la grabación junto con los dictámenes y medios de prueba instrumentales que la acrediten; impugnada su autenticidad, el art. 326.2 traslada a quien la aportó la carga de pedir el cotejo pericial
• El tribunal valora el informe pericial junto con el resto de la prueba (testifical, documental) conforme a la sana crítica

Requisitos:

• Cadena de custodia documentada
• Perito con competencia acreditable en la materia (la colegiación no es requisito legal)
• Metodología científica reconocida
• Ratificación en juicio

¿Cuánto cuesta un análisis forense de deepfake?

Precios profesionales (2026):

Qué incluye el análisis completo:

• Análisis visual frame-by-frame
• Análisis espectral de audio
• Análisis de metadata completo
• Detección automática con IA (Sensity AI, etc.)
• Informe técnico 40-60 páginas
• Screenshots y gráficos anotados
• Conclusión razonada sobre la convergencia de indicios, sin porcentaje inventado
• Cadena de custodia documentada

El análisis forense cuesta una fracción de lo que se juega en una sola transferencia autorizada por videollamada.

¿Qué hago si creo que mi empresa sufrió fraude con deepfake?

Protocolo urgente (primeras 48 horas CRÍTICAS):

NO esperes a tener el informe completo para denunciar. Denuncia con informe preliminar y completa después.

¿Pueden clonar mi voz con vídeos públicos de YouTube?

SÍ. Absolutamente. Les bastan unos segundos de audio limpio de tu voz; más material mejora la fidelidad.

Fuentes de donde extraen tu voz:

• ✅ Entrevistas en YouTube
• ✅ Pódcasts corporativos
• ✅ Webinars grabados
• ✅ Conferencias públicas
• ✅ Vídeos institucionales de tu empresa
• ✅ Audios enviados por WhatsApp (si hackean tu cuenta)

Calidad necesaria:

• Audio relativamente limpio (sin mucho ruido de fondo)
• Desde unos segundos para una coincidencia básica; más material continuo mejora la fidelidad y el rango emocional
• Preferiblemente discurso natural, no lectura monótona

Prevención:

• ❌ NO puedes evitar que lo hagan (contenido público)
• ✅ SÍ puedes prevenir fraude: protocolo verificación multi-canal
• ✅ Monitorización dark web para detectar si tu voz circula en foros deepfake

Ejecutivos de alto perfil:

• Limitar contenido de audio/vídeo público al mínimo necesario
• Considerar “voice watermarking” (emergente, no perfecto aún)
• Protocolo estricto de verificación para todas las peticiones financieras

¿Los deepfakes en tiempo real son detectables?

Detectables: SÍ. Fácilmente: NO.

Deepfakes en tiempo real (Agentic AI):

• Latencia lo bastante baja para resultar imperceptible en una videollamada
• Calidad inferior a deepfakes pre-renderizados (menos tiempo de procesamiento)
• Detectables con 75-80% precisión (vs 90-94% en deepfakes pre-renderizados)

Indicadores específicos tiempo real:

1. Micro-glitches ocasionales

   • Frames que “saltan” brevemente
   • Rostro que “warps” (distorsiona) por milisegundos
   • Requiere atención extrema para detectar

2. Latencia en respuestas gestuales

   • Si dices algo y esperas reacción facial, puede haber 100-300ms de delay extra
   • Humano real: reacción 80-150ms
   • Deepfake tiempo real: 200-400ms

3. Movimientos predecibles

   • IA en tiempo real usa predicciones para reducir latencia
   • Movimientos de cabeza pueden parecer “anticipados”

4. Degradación con conexión inestable

   • Deepfake tiempo real requiere ancho de banda alto
   • Si la conexión falla, el deepfake se degrada visiblemente

Detección profesional:

• Intel FakeCatcher (flujo sanguíneo facial): el 96 % es una cifra del propio fabricante medida en conjuntos controlados. Conviene no trasladarla a una videollamada real: un detector que supera el 90 % en su set de prueba puede caer al entorno del 60 % con material capturado en la práctica
• Requiere hardware especializado (cámaras específicas)
• Comercialización esperada 2027

Prevención práctica:

• Challenge questions impredecibles (solo el real puede responder correctamente)
• Verificación por canal secundario (callback telefónico)

¿Cómo proteger a mi empresa de fraude con deepfakes?

Plan completo de protección (4 capas):

Capa 1: Protocolos Humanos (más efectivo)

• Verificación multi-canal obligatoria para transacciones mayores a €10K
• Palabras clave secretas renovadas mensualmente entre ejecutivos
• Formación trimestral + simulacros deepfake

Capa 2: Tecnología de Detección

• Reality Defender API en sistema de email (€1.500-5.000/mes)
• Autenticación biométrica multi-factor en videollamadas críticas
• Monitorización dark web para alertas tempranas (€500-2.000/mes)

Capa 3: Watermarking y Certificación

• Vídeos oficiales de ejecutivos con C2PA watermarking
• Cualquier vídeo sin watermark = sospechoso
• Verificación en https://verify.contentauthenticity.org

Capa 4: Respuesta a Incidentes

• Plan documentado de respuesta a fraude deepfake
• Contactos de perito forense 24h (tener número guardado)
• Protocolo de notificación bancaria urgente
• Simulacros anuales de respuesta

Inversión total PYME 50 empleados:

• Protocolos humanos: €3.000/año (formación)
• Tecnología detección: €18.000/año (Reality Defender + monitorización)
• Watermarking: €2.000 setup inicial
• Total: €23.000/año

La protección cuesta una fracción de lo que se pierde en una sola operación fraudulenta.

ROI: Prevenir 1 fraude deepfake en 12 años para que la inversión sea rentable.

Conclusión: La Nueva Realidad del Fraude con IA

Los deepfakes han cruzado el umbral de lo indistinguible para el ojo y oído humano sin entrenamiento especializado. El fraude BEC (Business Email Compromise) + deepfake de CEO es la estafa empresarial más sofisticada y lucrativa de 2026.

Las cifras son contundentes:

• Más de 200 millones de dólares de daño documentado en un solo trimestre
• 34 % de los suplantados son ciudadanos particulares, no famosos
• Quien lo mide vende detección: es un recuento de incidentes graves, no un censo del fraude

La pregunta ya no es “¿puede pasarme?” sino “¿cuándo intentarán atacarme?”

Tres Pilares de Defensa

1. Verificación multi-canal: NUNCA ejecutar acciones críticas basándose en un solo canal
2. Detección forense profesional: Análisis técnico cuando hay sospecha
3. Respuesta ultra-rápida: Primeras 48h determinan recuperación de fondos

Si sospechas fraude con deepfake:

• Preserva el archivo original sin modificar
• Contacta perito forense INMEDIATAMENTE (cada hora cuenta)
• Notifica banco urgente (ventana 24-48h para bloqueo)
• Denuncia con informe preliminar (no esperes análisis completo)

La tecnología deepfake seguirá mejorando. Los detectores también. Pero la defensa más efectiva siempre será el factor humano: formación, protocolos, verificación multi-canal, y escepticismo saludable ante urgencias sospechosas.

Preguntas relacionadas

¿Qué relación hay entre ransomware y deepfakes en ataques a PYMEs?

Los grupos criminales combinan ambas técnicas: usan deepfakes para obtener acceso inicial (BEC con vídeo falso del CEO) y luego despliegan ransomware para cifrar sistemas. No hay encuesta representativa que cifre cuántas pymes españolas lo sufren: INCIBE publica incidentes gestionados —122.223 en total en 2025, de los que 392 fueron de ransomware y 45.445 de fraude online—, que es otra magnitud y no desglosa los deepfakes empresariales. Muchos de esos ataques empiezan con ingeniería social avanzada. Ver análisis completo de ransomware en PYMEs españolas.

¿Cuánto cuesta un informe pericial informático en España?

El precio de un informe pericial varía entre 800€ y 5.500€ según la complejidad del caso, incluyendo análisis técnico, cadena de custodia y ratificación judicial. Para casos de deepfake, el rango suele estar entre 1.200€ y 5.500€ por el análisis multi-capa necesario. Ver desglose completo de precios de peritaje informático.

¿Cómo afectan los 122.000 ciberincidentes registrados por INCIBE a las empresas españolas?

INCIBE gestionó 122.223 ciberincidentes en España en 2025, un 26 % más que el año anterior. Entre ellos, los fraudes con suplantación de identidad (incluidos deepfakes) y el phishing representan los vectores de ataque más frecuentes contra empresas. Ver balance completo de INCIBE 2025.

¿Pueden usarse deepfakes junto con estafas de criptomonedas?

Sí, es una combinación cada vez más frecuente. Los estafadores crean deepfakes de ejecutivos o influencers para promocionar inversiones fraudulentas en criptomonedas, con pérdidas cuantiosas. Cuidado con la cifra que suele citarse: Chainalysis estimó para 2024 unos 9,9 mil millones on-chain y después lo recalculó en 12 mil millones; los 17.000 millones corresponden a una proyección de 2025, no a 2024. El análisis forense blockchain permite rastrear los fondos en muchos casos. Ver análisis de estafas cripto con IA.

¿Qué errores comunes se cometen al recopilar pruebas digitales de un fraude con deepfake?

El error más grave es modificar o reenviar el archivo original del deepfake, lo que rompe la cadena de custodia y puede invalidar la prueba en juicio. También es habitual no calcular el hash SHA-256 del archivo inmediatamente o no documentar el timestamp de recepción. Ver los 5 errores más comunes al recopilar pruebas digitales.

¿Qué diferencia hay entre un perito informático judicial y uno privado?

El perito judicial es designado por el juzgado y actúa como auxiliar del tribunal, mientras que el perito privado es contratado directamente por una de las partes. En casos de deepfake, ambos pueden emitir informes periciales válidos, pero el perito de parte tiene mayor flexibilidad para investigar en profundidad. Ver diferencias completas entre perito judicial y privado.

Servicios relacionados:

• Informes periciales — Certificación de autenticidad de vídeos y audios con validez judicial
• Análisis forense digital — Investigación profesional de fraude con IA y deepfakes
• Calculadora de precio — Calcula el coste estimado de tu peritaje en 2 minutos
• Consulta gratuita — Primera valoración sin compromiso en menos de 24 horas

Sobre el autor: Jonathan Izquierdo es perito informático forense especializado en detección de deepfakes y análisis de fraude con IA. Ex-CTO y arquitecto cloud con más de 20 años en el sector tecnológico y 5 certificaciones AWS, ejerce como perito judicial desde 2025 y aplica metodología ISO 27037 en todas sus investigaciones.

Última actualización: agosto de 2026

Referencias y fuentes

• FaceForensics++ Dataset (Technical University of Munich) — Dataset de referencia para entrenamiento y evaluación de detectores de deepfakes
• DFDC: Deepfake Detection Challenge (Facebook AI Research) — Competición y dataset de detección de deepfakes de Meta
• Código Penal, arts. 248 a 250 — estafa; el 249.1.a tipifica la estafa informática y el 250.1 las modalidades cualificadas (por cuantía superior a 50.000 € y por abuso de la credibilidad empresarial o profesional)
• Código Penal español, artículo 392 — falsedad documental cometida por particular (el 401 es la usurpación del estado civil, que es otra cosa)
• RGPD, artículo 4.14 — definición de datos biométricos (el 4.1 define «datos personales»)
• Reglamento (UE) 2024/1689 (AI Act) — obligaciones de transparencia del art. 50, aplicables desde el 2 de agosto de 2026, con multas de hasta 15 M€ o el 3 % de facturación (art. 99.4)
• LEC, artículos 299, 326 y 384 — medios de prueba, valor probatorio de los documentos e instrumentos que permiten archivar o conocer datos relevantes para el proceso
• Art. 382 LEC — reproducción de imagen y sonido, con los dictámenes e instrumentos de prueba que la acompañen
• Art. 326.2 LEC — carga de acreditar la autenticidad del documento impugnado; y art. 9.3 de la LO 1/1982 para el daño derivado de un deepfake
• ISO 27037:2012 — Directrices para la identificación, recopilación, adquisición y preservación de evidencia digital
• UNE 71506:2013 — anulada el 19 de febrero de 2026 (ficha de AENOR); su lugar lo ocupa ISO/IEC 27042:2015. (La serie 71505 regula el sistema de gestión de evidencias, no el análisis)