• 2 min de lectura
Nuevo detector de deepfakes supera el 95% al leer el movimiento facial
Investigadores de la University of Tokyo y del Max Planck afirman que su sistema auto-supervisado detecta videos deepfake con más del 95% de precisión.
Imagen: TechXplore
Un nuevo método de detección de deepfakes de la University of Tokyo y del Max Planck Institute for Informatics reporta más del 95% de precisión media al centrarse en si los movimientos faciales de una persona coinciden con el audio, en lugar de buscar fallos visuales.
El trabajo, de Kaede Shiohara, Toshihiko Yamasaki y Vladislav Golyanik, se presentó en CVPR 2026 en un artículo titulado “ExposeAnyone: Personalized Audio-to-Expression Diffusion Models Are Robust Zero-Shot Face Forgery Detectors.” El equipo dice que el enfoque manejó manipulaciones que hicieron fallar a muchos detectores existentes.
Cómo funciona ExposeAnyone
La mayoría de los detectores de alto rendimiento se basan en aprendizaje supervisado con grandes conjuntos etiquetados de videos reales y falsos. Eso puede hacerlos eficaces con métodos de falsificación ya conocidos, pero también propensos al sobreajuste. Los sistemas auto-supervisados, entrenados únicamente con material auténtico, suelen considerarse más robustos frente a nuevas técnicas de deepfake, aunque normalmente han ido por detrás en precisión.
Recomendado
Hombre de Florida acusado por malware en juegos de Steam que robó criptomonedas
Este sistema intenta cerrar esa brecha. Utiliza el modelo facial FLAME, que representa expresiones con 53 parámetros. Los investigadores preentrenaron su modelo con más de 450 horas de vídeo público para predecir los parámetros FLAME esperados a partir del audio del habla. Luego lo ajustaron para una persona específica usando solo alrededor de 60 segundos de vídeo de referencia.
Al analizar un clip sospechoso, el detector compara los movimientos faciales visibles en el vídeo con los movimientos que el audio implicaría de forma natural. Grandes discrepancias sugieren manipulación.
La combinación de aprendizaje auto-supervisado y análisis facial basado en FLAME hace que nuestro enfoque sea particularmente robusto frente a nuevos métodos de generación de deepfakes, así como a distorsiones como la compresión de imagen o el ruido.
Resultados del benchmark Sora 2 y sus límites
En conjuntos de referencia establecidos, el equipo informa más del 95% de precisión media en la detección, superando a métodos previos. En un conjunto adicional que los investigadores construyeron usando vídeos generados con Sora 2 de OpenAI, dicen que los detectores anteriores funcionaron apenas mejor que lanzar una moneda, mientras que el nuevo método todavía señaló correctamente casi el 95% de los vídeos manipulados.
La contrapartida es el coste computacional. El sistema requiere un preentrenamiento extensivo en hardware potente y, por ahora, no es apto para su uso en tiempo real.
El artículo está disponible en arXiv con DOI 10.48550/arxiv.2601.02359.
Security Editor
Sophia unpacks the invisible wars happening on our networks. Covering cybersecurity, privacy legislation, and cryptography, she exposes how our data is weaponized and defended. Before joining for(geeks), she spent years as a penetration tester. She's the reason the rest of the team uses physical security keys.
vía TechXplore
