Base de conocimientos forenses de IA

Sumérgete en la ciencia de la verificación digital. Conozca cómo SUS IT detecta manipulación en audio, video, imágenes y documentos utilizando tecnología forense de última generación.

Análisis forense de música y audio

Análisis forense de música y audio

Los modelos de clonación de voz y música de IA funcionan prediciendo formas de onda de audio basadas en vastos conjuntos de datos. Si bien se están volviendo increíblemente convincentes para el oído humano, a menudo dejan "huellas digitales" microscópicas en el espectro de frecuencia que SUS IT está diseñado para detectar.

Cómo lo detectamos:

  • Cortes de alta frecuencia: Muchos modelos de IA tienen dificultades para generar datos consistentes por encima de 16 kHz-20 kHz, lo que crea un estante rígido antinatural o un "vacío" en el espectrograma que rara vez existe en las grabaciones naturales.
  • Incoherencia de fase: El sonido natural tiene una relación física entre frecuencias. La generación de IA a menudo trata las frecuencias matemáticamente pero ignora su alineación de fase, lo que lleva a una sutil calidad "metálica" o "manchada" conocida como artefactos de vocodificador de fase.
  • Manchas transitorias: El ataque inicial de un sonido (como un tambor o una consonante 't') es agudo y definido en audio real. En la generación de IA, estos transitorios suelen ser más suaves o "más blandos" debido al proceso de difusión.
Detección de vídeo y deepfake

Detección de vídeo y deepfake

Los deepfakes utilizan redes neuronales para mapear una cara en otra. SUS IT mira más allá de la imagen superficial hacia la física del vídeo mismo. Analizamos la coherencia cuadro por cuadro para detectar los fallos que ocurren cuando la IA pierde el seguimiento.

Indicadores clave:

  • Parpadeo temporal: La IA a menudo regenera la cara de forma ligeramente diferente en cada fotograma, lo que hace que la textura de la piel "brille" o parpadee imperceptiblemente (inestabilidad temporal).
  • Señales Biológicas (rPPG): Los rostros reales tienen cambios de color sutiles debido a los latidos del corazón (fotopletismografía remota). Actualmente, los deepfakes luchan por replicar esta señal biológica invisible con precisión en una línea de tiempo.
  • Discrepancias en la sincronización de labios: Comparamos los fonemas (sonidos) en la pista de audio con los visemas (formas de la boca) en el video para detectar la desalineación que ocurre en el contenido doblado por IA.
Análisis de imágenes

Análisis de imágenes

Las redes generativas adversarias (GANs) y los modelos de difusión crean imágenes a partir del ruido. Este proceso deja un patrón de ruido regular en forma de cuadrícula que es distinto del ruido aleatorio que se encuentra en los sensores de la cámara (grano ISO).

Visual dice:

  • Lógica Anatómica: Si bien los modelos están mejorando, la IA todavía tiene problemas con la geometría conectada compleja: manos que se fusionan con objetos, joyas sin sentido o pupilas que no son perfectamente circulares (reflejo del iris no circular).
  • Física de la iluminación: La IA a menudo se aproxima a la iluminación en lugar de simularla. Buscamos sombras que no se alinean con las fuentes de luz o reflejos en los ojos que no coinciden con el entorno.
  • Artefactos mejorados: Muchas imágenes de IA se generan en baja resolución y se amplían. Esto a menudo deja un patrón distintivo de "tablero de ajedrez" visible a niveles de aumento altos.
Verificación de documentos y textos

Verificación de documentos y textos

Los modelos de lenguaje grande de IA (LLMs) son motores de predicción estadística. Suelen elegir la siguiente palabra más "probable", lo que da como resultado un texto gramaticalmente perfecto pero estadísticamente "plano" en comparación con la escritura humana.

Nuestras Métricas:

  • Perplejidad: Una medida de cuán "sorprendida" está una modelo por el texto. La baja perplejidad sugiere que el texto sigue patrones estándar de IA; una gran perplejidad sugiere idiosincrasia humana.
  • Estallido: Los humanos varían dinámicamente la estructura y la longitud de sus oraciones (alta explosión). Escribimos frases cortas. Y luego escribimos oraciones largas y complejas que serpentean a través de procesos de pensamiento. La IA tiende a ser más monótona y uniforme en su ritmo.

⚡Optimización de su análisis

Cómo obtener los resultados forenses más precisos y una mirada a lo que sucede bajo el capó.

Cargar mejores prácticas

1

Evite MP3s y compresión

La compresión MP3 corta las frecuencias altas (>16 kHz) de una manera que parece idéntica a los primeros modelos de IA. Para obtener una precisión del 100%, cargue siempre archivos WAV o FLAC.

2

Archivos originales > Grabaciones de pantalla

La grabación de pantalla de un vídeo introduce "mezcla de fotogramas" y artefactos de recodificación que pueden enmascarar los fallos originales de la IA o crear falsos positivos. Cargue siempre el archivo fuente cuando sea posible.

3

Crudo versus procesado

Los medios muy editados (filtros, ajuste automático, gradación de color) son más difíciles de analizar. Si eres un creador que demuestra autenticidad, sube los tallos sin procesar o las imágenes de la cámara sin procesar.

Análisis técnico profundo: el motor del "pensamiento"

SUS IT no es sólo un simple clasificador. Utilizamos modelos de razonamiento de próxima generación configurados con un presupuesto de pensamiento forense ampliado.

Por qué es importante "pensar"

Los detectores de IA estándar adivinan instantáneamente basándose en patrones. Nuestro sistema participa en un proceso forense Chain-of-Thought. Debate explícitamente la evidencia: "¿Es este artefacto un error de compresión o un defecto generativo?" o "¿Este problema visual es un error de renderizado o simplemente un efecto de persiana enrollable?" antes de emitir un veredicto final.

  • ●Análisis multimodal: Analizamos espectrogramas de audio (frecuencia), vectores de cuadros de video (movimiento) y cuadrículas de píxeles (textura) simultáneamente.
  • ●Filtrado de falsos positivos: Solicitamos explícitamente al modelo que identifique e ignore técnicas de edición humana comunes como Warp Stabilizer, reducción de ruido o Auto-Tune.

Precisión en constante evolución

Los modelos de IA evolucionan a diario, al igual que SUS IT. Nuestros algoritmos de detección se actualizan continuamente para reconocer las técnicas de última generación, desde generadores de imágenes basados ​​en Flux hasta los modelos más nuevos de clonación de voz como ElevenLabs y Suno.

No sólo buscamos artefactos conocidos; Analizamos las propiedades estadísticas fundamentales de los medios para mantenernos a la vanguardia. Nuestro equipo perfecciona constantemente nuestras herramientas para brindarle resultados más precisos, confiables y granulares con cada actualización.