¿Qué es la detección de presencia? Cómo evitar ser engañado

Para adelantarse al fraude de identidad, cada vez más organizaciones están adoptando la tecnología de detección de vida, un método que se utiliza para determinar si un rasgo biométrico (como un rostro o una huella dactilar) lo presenta un ser humano vivo y no una falsificación. A diferencia del escaneo biométrico tradicional por sí solo, la detección de vida añade una capa adicional de defensa al analizar en tiempo real signos de vida, como el movimiento de los ojos, el parpadeo o los cambios sutiles en la textura facial. Esto ayuda a garantizar que la persona que intenta acceder a un sistema no esté utilizando una foto, un vídeo, una máscara o datos biométricos sintéticos para suplantar a otra persona.

Aunque la detección de la vitalidad facial es cada vez más habitual en los procesos digitales de registro y acceso, no está exenta de riesgos. Los estafadores están cada vez más sofisticados a la hora de utilizar «ataques de presentación» (que analizaremos con más detalle a continuación) que imitan la vitalidad para engañar a los sistemas biométricos. A medida que los ataques se vuelven más avanzados, la detección de vitalidad debe evolucionar constantemente, lo que convierte la verificación de identidad y la prevención del fraude en una batalla continua entre la innovación y el engaño.

¿Qué es la detección de presencia? 

La detección de vida es una técnica de seguridad que se utiliza para determinar si una muestra biométrica —como un rostro o una huella dactilar— procede de una persona viva que se encuentra físicamente presente durante el proceso de autenticación. Más allá del simple uso del reconocimiento facial, retiniano o dactilar como medio para la verificación de la identidad, la detección de vida va un paso más allá al determinar si el origen de la muestra es un ser humano vivo o un «ataque de presentación», también conocido como «suplantación del sistema». 

La tecnología de detección de vida real puede aplicarse incluso al reconocimiento de voz, ya que no hay límite en el número de vectores que un pirata informático puede infiltrar al intentar cometer un fraude de identidad.

Básicamente, el reconocimiento de vida utiliza algoritmos basados en inteligencia artificial para descartar los ataques de presentación, ya sea durante un proceso inicial de verificación de identidad (por ejemplo, cuando alguien abre una cuenta bancaria) o en cualquier intento de autenticación (por ejemplo, cuando alguien inicia sesión en su cuenta). Con la detección de vitalidad facial, por ejemplo, la verificación de vitalidad aprovecha la tecnología de visión artificial para detectar con mayor precisión si la muestra (ya sea una selfie o un vídeo) corresponde a un rostro humano real que, además, coincide con el documento de identidad presentado.

Tipos de métodos de detección de vida

Aunque las soluciones varían en función del tipo de muestra biométrica que se considere, existen dos métodos principales para la detección de vida: el activo y el pasivo. 

Detección activa de presencia

La detección activa de vida, como su nombre indica, requiere la participación activa del usuario. En el caso del reconocimiento facial, esto puede consistir en girar la cabeza de lado a lado o de arriba abajo, lo que permite que el escáner cree un mapa 3D del rostro del sujeto mediante la percepción de profundidad. Esta versión de la detección activa de vida es ideal para combatir los intentos de suplantación en 2D, en los que un estafador puede intentar eludir la solicitud de una selfie con una foto de la persona a la que pretende suplantar.

Las comprobaciones activas de vitalidad también pueden incluir parpadear o seguir puntos en una pantalla, tareas que resultan difíciles de simular de forma convincente.

Detección pasiva de actividad

La tecnología de detección pasiva de vida se lleva a cabo con poca o ninguna interacción por parte del usuario. El usuario puede hacerse un selfi sin necesidad de mover la cabeza. El sistema utiliza algoritmos avanzados para analizar la imagen en busca de signos de vida, como la textura de la piel, las sombras naturales y la uniformidad de la iluminación. Este método de verificación de vida es más rápido y menos intrusivo, lo que ayuda a reducir las dificultades y el abandono durante el proceso de registro.

También existe un método híbrido conocido como «comprobación de vitalidad semipasiva», que puede solicitar una acción sencilla, como sonreír.

Ventajas de la detección de presencia

La detección de vida real refuerza significativamente la prevención del fraude al garantizar que, durante la verificación de identidad, haya una persona real y viva presente, y no se trate de una suplantación, una máscara o un «deepfake». Esta capa adicional de seguridad biométrica ayuda a reducir el fraude de identidad sintética, la apropiación de cuentas y los ataques de presentación. Para los sectores sujetos a supervisión regulatoria —como el financiero, el sanitario y el comercio electrónico—, la detección de vida puede desempeñar un papel fundamental a la hora de mantener el cumplimiento normativo y evitar costosas infracciones.

Más allá de la prevención del fraude, la detección de vida real mejora la fiabilidad general de los sistemas de verificación de identidad, creando un ecosistema más seguro tanto para los usuarios como para las empresas.

Cómo implementar la detección de actividad

Existen varios métodos para implementar la detección de vida, cada uno con distintos niveles de sofisticación y seguridad:

• La detección de profundidad en 3D utiliza infrarrojos o luz estructurada para medir la profundidad y los contornos faciales, lo que dificulta su falsificación con imágenes planas o máscaras.
  
• El análisis de movimiento invita a los usuarios a realizar acciones como parpadear, girar la cabeza o sonreír, y detecta en tiempo real si el rasgo biométrico responde.
  
• La evaluación pasiva de la vitalidad basada en la inteligencia artificial analiza indicadores sutiles, como la textura de la piel, la uniformidad de la iluminación y los micromovimientos, sin necesidad de que el usuario intervenga, lo que resulta ideal para reducir las dificultades.
  

A la hora de elegir un método, es fundamental tener en cuenta el entorno en el que se llevará a cabo la verificación, incluidas las condiciones de iluminación, las prestaciones de los dispositivos y las posibles necesidades de accesibilidad.

Tipos de ataques de presentación 

Como se ha señalado anteriormente, existen varios métodos distintos que utilizan los piratas informáticos y los estafadores para burlar los sistemas de detección, y estos métodos evolucionan casi al mismo ritmo que los desarrollados para frustrar los ataques de fraude basados en la identidad. 

Dependiendo del nivel de sofisticación del escáner biométrico que se quiera burlar, los ataques de suplantación pueden implicar la suplantación en 2D o 3D (es decir, mediante una fotografía o un vídeo), así como mecanismos de modificación o réplica (cambiarse el vello facial frente a llevar una máscara sintética). Los ataques menos sofisticados suelen consistir en que el estafador intente burlar un escáner de reconocimiento facial con una foto o un vídeo de la persona en cuestión.

Sin embargo, existen otros métodos más sofisticados que utilizan diversos tipos de máscaras (ya sean de papel, látex o silicona) y que intentan crear una representación en 3D que aproveche una determinada vulnerabilidad en un escáner biométrico. Los estafadores utilizan las mismas técnicas de falsificación para los escáneres de retina y de huellas dactilares, y el nivel de sofisticación suele corresponder al nivel de acceso o a la cantidad de dinero que persigue el estafador, ya que los métodos más avanzados de suplantación suelen ser más costosos. 

Para los estafadores que buscan eludir los escáneres faciales por vídeo, la aparición de la tecnología «deepfake» ha desempeñado un papel destacado. Mediante los «deepfakes», se puede replicar y superponer la imagen digital de una persona (incluidos sus movimientos faciales), lo que permite a los piratas informáticos hacerse pasar por sus víctimas. A medida que la calidad de los deepfakes sigue mejorando, incluso las soluciones de detección de vida más avanzadas tendrán que seguir innovando para distinguir mejor lo que es falso de lo que no lo es. 

La detección de vida es más eficaz cuando se combina con sistemas de verificación de identidad más amplios, lo que mejora tanto los procedimientos de verificación «KYC» como la autenticación multifactorial (MFA). La integración de comprobaciones de vida en los procesos de registro no solo mejora la seguridad, sino que también contribuye a mantener una experiencia de usuario fluida.

Esta integración también contribuye al cumplimiento normativo en sectores altamente regulados, al añadir una barrera más contra la suplantación de identidad.

Detección de vida frente al reconocimiento facial básico

Aunque son similares, la detección de vida facial y el reconocimiento facial cumplen funciones distintas. El reconocimiento facial compara una muestra en vivo con una imagen almacenada, mientras que la detección de vida facial garantiza que la muestra en vivo provenga de una persona real y no sea falsa.

Sin la verificación de vida, incluso el sistema de reconocimiento facial más avanzado puede engañarse fácilmente con una foto o un «deepfake».

Repercusión de la detección de actividad en la experiencia de usuario

Si no se implementan correctamente, las comprobaciones de actividad pueden aumentar las dificultades, lo que provoca frustración, abandono y menores tasas de éxito en la verificación. Los usuarios de edad avanzada o con dificultades de accesibilidad pueden tener problemas con las comprobaciones basadas en el movimiento.

Por eso, la tecnología de detección pasiva de presencia se ha convertido en el estándar de referencia. Funciona de forma discreta en segundo plano, mejorando las tasas de finalización sin comprometer la seguridad.

Consideraciones sobre la escalabilidad para aplicaciones de gran volumen

Para las empresas que verifican a miles o millones de usuarios —como las fintech o los mercados online—, la detección de la presencia humana debe ser escalable. Los mejores sistemas están basados en inteligencia artificial, se alojan en la nube y están optimizados para ofrecer velocidad y baja latencia en todos los dispositivos.

El uso del procesamiento por lotes, los flujos asíncronos y los SDK móviles ligeros garantiza que las comprobaciones de actividad no supongan un cuello de botella para las operaciones ni perjudiquen la conversión.

El enfoque de Microblink para la detección de vida

Además de la verificación biométrica de la autenticidad, Microblink ofrece dos servicios adicionales que resultan esenciales para combatir el fraude avanzado en la actualidad: la verificación de la autenticidad de documentos y la verificación de la autenticidad de tarjetas de pago.

Detección
de autenticidad de documentos de identidad: Las soluciones de verificación de identidad de Microblink incluyen una avanzada detección de autenticidad de documentos de identidad para ayudar a las organizaciones a verificar no solo lo que aparece en pantalla, sino también si el documento es auténtico y está físicamente presente. Mediante la visión artificial y la inteligencia artificial, nuestra tecnología detecta indicios de manipulación, reproducción o falsificación —como inconsistencias en los reflejos, discrepancias en los bordes y artefactos de textura poco naturales— antes de aprobar un documento. Tanto si se integran en los procesos de alta como si se utilizan para la autenticación continua, nuestras funciones de verificación de la autenticidad de los documentos de identidad reducen drásticamente el riesgo de deepfakes y de fraude basado en documentos, al tiempo que mantienen una experiencia de usuario rápida y fluida.

Detección de la autenticidad de las tarjetas de pago con BlinkCard
. Con BlinkCard, hemos reinventado el escaneo de tarjetas no solo como una herramienta para mejorar la velocidad, sino como una potente capa de prevención del fraude gracias a una sólida detección de la autenticidad de las tarjetas de pago que evalúa en tiempo real si una tarjeta de crédito, débito o prepago está físicamente presente. Al aprovechar la inteligencia artificial para detectar fotocopias, capturas de pantalla y otros elementos no reales, BlinkCard reduce las tasas de aceptación y rechazo erróneos en aproximadamente un 50 %, al tiempo que mantiene una tasa de precisión del 97 %. Esto se traduce en transacciones más seguras, menos devoluciones y una mayor confianza, sin sacrificar la experiencia de usuario.