A la caza del vídeo «deepfake».

Hace pocos meses tratamos el tema de los vídeos «deepfake», una nueva tendencia relacionada con las fake news, entre otras cosas, y que consiste en vídeos modificados mediante algoritmos Deep learning, de manera que se sustituye la cara de alguna persona que salga en las imágenes por la de otra persona. Los algoritmos son capaces de imitar los movimientos faciales de la primera persona y emularlos en la «segunda cara».

En otras palabras, los vídeos deepfake (y otros medios como imágenes o grabaciones de voz) son material multimedia falsificado mediante complejos algoritmos Deep learning. Si bien las primeras «generaciones» de algoritmos eran reconocibles prácticamente a simple vista, los actuales están tan refinados que apenas nos es posible distinguir el engaño. Se hace necesario recurrir a la IA para combatir a la IA.

Esta tecnología de suplantación tiene tan solo dos años de vida, pero lo cierto es que el ritmo de evolución técnica de quien genera este tipo de multimedia falsificado es superior al ritmo con el que se desarrollan las soluciones de detección. Esto, ciertamente, es un problema.

Como ya discutimos, el problema no es la tecnología, sino el uso que se haga de ella. Desde la simple suplantación de identidad para poner en boca de un personaje influyente palabras que no se corresponden con sus ideales (es famoso el falso vídeo del expresidente de los Estados Unidos Barack Obama) hasta la «ingeniería de fake news», pasando por el fraude y otras muchas acciones malintencionadas.

¿Cómo se puede luchar contra los deepfakes?

La pregunta es, entonces, cómo podríamos detectar no solo los vídeos falsificados actuales, sino los próximos. La respuesta está en la inteligencia artificial, en el desarrollo de algoritmos de Deep learning capaces de detectar las irregularidades que nuestros limitados sentidos humanos no pueden detectar.

Esto debe hacerse mediante el adecuado entrenamiento de los algoritmos, alimentándolos con los vídeos falsos ya conocidos, e incorporando los nuevos a medida que salgan, de manera que los algoritmos aprendan continuamente las novedades introducidas en cada nueva generación «maliciosa».

La clave puede estar en utilizar métodos de detección forense, buscando rastros inequívocos del proceso de síntesis de los vídeos o de inconsistencias fisiológicas. Utilizar redes neuronales para que aprendan a detectar los patrones característicos de los deepfakes es otra vía que se va a seguir en este camino a contrarreloj.

Lo que podemos saber con certeza es que los desarrolladores encargados de crear nuevas maneras de refinar los vídeos deepfake siempre irán un paso por delante de los «detectores». La clave de todo esto será, como sucede en cualquier ámbito de la seguridad informática, en ser capaces de detectar las novedades a tiempo, y reaccionar en consecuencia.