Deepfakes en tiempo real: qué suponen para el KYC los cambios de cara en menos de 40 ms

Durante años, «deepfake» significaba un clip prerrenderizado que alguien había tardado horas en producir. Esa época ha terminado. Los modelos de vídeo en tiempo real ya transforman la señal en directo de una webcam (cambian caras, cambian fondos, alteran el aspecto) con una latencia inferior a 40 ms y a 100 fotogramas por segundo. La edición llega antes de que el fotograma termine de dibujarse. Para los líderes de seguridad, esto derrumba la suposición en la que se apoyan muchos controles de identidad y confianza: que una cara en una videollamada en directo es quien parece ser.

Qué ha cambiado

Un número creciente de modelos de vídeo a vídeo en tiempo real hace con el vídeo en directo lo que los filtros hacían con los selfis, solo que el resultado es fotorrealista y se controla con un prompt de texto. Apunta uno a una webcam y puede poner la cara de otra persona en la señal, en tiempo real, sin un retraso perceptible. El cálculo que antes requería una granja de renderizado y horas ahora funciona de forma continua, en directo, por un par de céntimos por segundo.

El cambio en el modelo de amenazas es sencillo: «era una videollamada en directo, así que tiene que ser real» ya no es una deducción segura. La prueba de vida, justo lo que el vídeo debía demostrar frente a una foto, ahora también se puede falsificar en directo.

Tres controles que esto rompe

1. La verificación de identidad por vídeo (KYC / alta de clientes)

Las fintech, las plataformas cripto y cada vez más procesos de alta regulados piden a los usuarios que muestren la cara a la cámara, a veces girando la cabeza o parpadeando para «demostrar que están vivos». El cambio de cara en tiempo real derrota justo eso: el atacante gira la cabeza y parpadea con sus propios movimientos mientras el modelo pinta encima la cara de una identidad robada. El movimiento es auténtico; la identidad no. Una detección de vida basada en «¿es un ser humano real que se mueve?» responde que sí, pero a la pregunta equivocada.

2. La suplantación de directivos por vídeo (el BEC evolucionado)

El compromiso del correo empresarial pasó a la voz (vishing) hace años. El siguiente paso es el vídeo. Una persona de finanzas recibe una llamada de Zoom o Teams de alguien que se parece y suena como el director financiero, autorizando con urgencia una transferencia. En 2024, un empleado de finanzas de Hong Kong fue engañado para pagar unos 25 millones de dólares tras una videollamada con compañeros falsificados con deepfake, y aquello usaba avatares pregenerados. Los cambios de cara en tiempo real lo hacen más barato, más rápido e interactivo: el falso director financiero ya puede responder en directo a tus preguntas de seguimiento.

3. «Mándame un vídeo para demostrar que eres tú»

El recurso al que todo el mundo acude cuando un canal da mala espina («hablemos un momento por vídeo») es ahora una señal más débil, no más fuerte. Cualquier comprobación fuera de banda que se base en ver una cara en lugar de en verificar un secreto tiene los días contados.

Lo que sigue funcionando

Las defensas que sobreviven a los deepfakes en tiempo real tienen algo en común: no confían en la cara. Confían en algo que el atacante no puede sintetizar.

• Verificación fuera de banda de la petición, no de la persona. Para cualquier acción de alto valor (una transferencia, un restablecimiento de credenciales, una exportación de datos), confirma por un canal separado y establecido de antemano: devolver la llamada a un número conocido o una aprobación en un sistema que quien llama no controla. Verifica la transacción, no el vídeo.
• Secretos compartidos y frases de desafío para las llamadas internas sensibles. Una palabra clave que el director financiero real conoce y un cambio de cara en directo no.
• Identidad criptográfica en lugar de identidad visual. A las passkeys, las aprobaciones firmadas y la autenticación respaldada por hardware les da igual qué aspecto tenga alguien en cámara. Lleva las decisiones críticas de identidad a vías que verifican claves, no caras.
• Fricción en el proceso justo en las acciones a las que apunta el fraude. La doble autorización y un periodo de espera obligatorio en las transferencias grandes convierten «me lo dijo el director financiero, en directo, por vídeo» en «el director financiero y un segundo aprobador lo confirmaron a través del sistema».
• Forma para ello. La pérdida de Hong Kong ocurrió porque un empleado real creyó una llamada de aspecto real. Ser consciente de que «un vídeo en directo convincente no es una prueba» es ahora un control obligatorio, no un extra.

Haz que cale en tu equipo

Leer que una cara se puede cambiar en tiempo real es una cosa; conseguir que lo interioricen las personas que aprueban dinero y accesos es otra. La lección cala más cuando se vive, igual que nuestros ejercicios Sus or Legit? y Who's the Rat? enseñan a detectar la ingeniería social poniéndote en el asiento en lugar de dar un sermón. Organiza un ejercicio de mesa en el que un directivo «conocido» pide en una videollamada una transferencia urgente, y convierte la verificación por un segundo canal en memoria muscular.

La conclusión para los CISO

Los deepfakes en tiempo real no te exigen detectar la falsificación: esa es una carrera armamentística perdida. Te exigen dejar de usar «puedo verle» como factor de autenticación y llevar las decisiones críticas de identidad a canales que verifiquen secretos y claves en lugar de caras. Actualiza ya tus playbooks de transferencias y de acciones privilegiadas para asumir que cualquier cara en cualquier llamada podría ser sintética, y asegúrate de que a las personas que aprueban dinero y accesos se les ha mostrado, no solo contado, lo bueno que ya es esto.

La cifra de Hong Kong hace referencia a la cobertura ampliamente difundida en 2024 de un fraude con videollamada mediante deepfake. Las capacidades y precios de los modelos en tiempo real citados reflejan especificaciones públicamente documentadas de los sistemas actuales de vídeo a vídeo en tiempo real.