Dedos de silicona, máscaras de goma que emulan los rostros de las personas, moldes de orejas confeccionados con gelatina, grabaciones que se confunden con la voz humana en vivo. Éstos son algunos de los artificios que emplean los delincuentes para burlar los sistemas de autenticación biométrica, aquéllos que reconocen a las personas a través de las huellas dactilares, las facciones, la voz, el iris o las orejas. Para detectar y prevenir los ataques que se conocen con el nombre de spoofing o suplantación de identidad, mediante los que se falsean rasgos biométricos para engañar al sistema, los científicos recurren cada vez más a la inteligencia artificial (IA).
“Es un juego de gato y ratón”, afirma el científico de la computación Rodrigo Colnago Contreras, del Instituto de Ciencia y Tecnología de la Universidad Federal de São Paulo (ICT-Unifesp), experto en detección de falsificaciones biométricas. “A medida que van surgiendo nuevas técnicas fraudulentas, debemos ir desarrollando también soluciones más sofisticadas para reconocerlas y combatirlas”. Los nuevos dispositivos, en su mayoría, según sostiene el investigador, cuentan con algoritmos de IA para detectar los intentos de burlarlos. También se emplean sensores que verifican la vivacidad de los usuarios midiendo signos fisiológicos.
El interés de Colnago Contreras con respecto a este campo se despertó cuando cursaba su carrera de grado y elaboró un proyecto destinado a reconocer huellas dactilares en escenas de crímenes. El spoofing fue el tema de su maestría, cursada en la Universidade Estadual Paulista (Unesp), y también el de su doctorado en la Universidad de São Paulo (USP). Pocas semanas después de participar en la LivDet, la más importante competencia mundial de detección de fraudes biométricos, en Italia, donde quedó en segundo lugar, Colnago Contreras conversó con Pesquisa FAPESP a través de una plataforma de video y vía correo electrónico. Pueden leerse a continuación los principales tramos de esa entrevista.
¿Los sistemas biométricos son vulnerables a los fraudes?
Así es. Si bien esas plataformas brindan soluciones altamente convenientes para el reconocimiento de los usuarios, ya que ofrecen un elevado grado de seguridad sin requerir que la persona memorice claves o lleve consigo objetos tales como tarjetas o llaves, tienen sus vulnerabilidades. Las principales son producto de ataques a los que se conoce con el nombre de spoofing o suplantación de identidad, que es cuando se falsifican características biométricas para presentárselas al sistema. La principal complicación reside en que casi todas las biometrías, ya sean las huellas dactilares, las facciones, la voz o el iris, pueden replicarse. Esto vuelve esencial la utilización de mecanismos de protección contra este tipo de fraudes.
¿Esas falsificaciones van en aumento en el mundo?
No contamos con una estimación precisa referente al crecimiento de estos ataques, pero sabemos que se han vuelto cada vez más comunes. Los fraudes biométricos son motivo de preocupación en el sector financiero y en las instituciones públicas de todo el mundo. Un caso paradigmático sucedió en el año 2013, en la localidad de Ferraz de Vasconcelos [São Paulo], cuando una médica del Samu [Servicio de Atención Móvil de Urgencia] fue sorprendida al utilizar dedos de silicona confeccionados con la colaboración de colegas para marcar en el reloj de fichar digital en lugar de ellos. Ese episodio cobró repercusión internacional y aún se lo menciona como un motivo para el desarrollo de técnicas de detección de suplantación de identidad. Más recientemente, han surgido casos de falsificación facial, que es cuando se emplean fotos de otras personas para burlar sistemas de reconocimiento y obtener la aprobación de préstamos en aplicaciones bancarias. En un caso investigado por la policía del estado de Santa Catarina, se estima que alrededor de 50 personas físicas y jurídicas se vieron perjudicadas.
La inteligencia artificial detecta patrones sutiles que diferencian a las biometrías reales de las falsas
¿Cómo combatir esos fraudes?
Es un juego de gato y ratón. A medida que van surgiendo nuevas técnicas fraudulentas, las empresas y los científicos desarrollan soluciones más sofisticadas para detectar las falsificaciones. En su mayoría utilizan algoritmos de inteligencia artificial [IA], pero también se han concretado avances en el uso de sensores especializados que verifican la vivacidad de los usuarios, al medir la temperatura, la respuesta a estímulos eléctricos y otros signos fisiológicos, por ejemplo, aunque incluso esos signos pueden simularse. Las investigaciones en este campo, en las universidades y en las empresas, son continuas y a la vez esenciales para mantener la seguridad de los sistemas biométricos frente a las amenazas que también van en constante evolución.
¿Cuáles son los fraudes más comunes?
En general, cada biometría posee sus propias formas de spoofing. Las huellas dactilares, por ejemplo, pueden reproducirse con látex, cola de carpintero o silicona; el rostro puede simularse mediante la colocación de una foto, un video o incluso una máscara de goma; la voz es vulnerable a replay attacks o ataques de reproducción: cualquier dispositivo sonoro puede reproducir el habla de un usuario. Incluso el iris y las orejas, que también se emplean como biometría, pueden falsificarse con fotos. Hay ojos artificiales o lentes de contacto impresos que pueden simular el iris, en tanto que videos o disfraces de goma constituyen otras formas de emular las orejas verdaderas.
¿Cómo crear sistemas más seguros entonces?
La inteligencia artificial cumple un rol importante. Mediante técnicas como la de aprendizaje automático, la IA logra detectar patrones sutiles que diferencian entre biometrías reales y falsificaciones, incluso en ataques sofisticados. Asimismo, estos métodos hacen posible que los sistemas aprendan continuamente con nuevos intentos de fraude, lo que dota de mayor precisión a la detección, que se va adaptando con el correr del tiempo. Un punto especialmente relevante es el que concierne al costo: es mucho más económico incorporar un módulo lógico de detección de spoofing basado en IA que invertir en hardware adicional, como es el caso de los sensores térmicos o de conducción eléctrica, que diferencian una huella dactilar real de una falsa. La ventaja es aún mayor en escenarios a gran escala, como en el caso de las empresas que poseen varias filiales o centenas de terminales de control de jornada laboral. La IA suministra una solución escalable, eficiente y factible económicamente para fortalecer la seguridad.
¿En qué se enfocan sus investigaciones?
He desarrollado y publicado varios trabajos centrados en la detección de spoofing en sistemas biométricos, cada uno con un abordaje distinto. Uno de los artículos importantes fue sobre las huellas dactilares. Propusimos un framework [marco de trabajo] con múltiples filtros de imágenes y un nuevo descriptor que apunta a representar patrones artificiales en forma de signos para identificar fraudes. Recientemente, durante una pasantía posdoctoral en la Unesp, con el apoyo de la FAPESP, concentré mis esfuerzos en la detección de spoofing vía voz. Propusimos diversos frameworks basados en el aprendizaje automático clásico. Y demostramos que, con la ingeniería de atributos correcta, es posible lograr resultados comparables con los que se obtienen con las redes profundas, pero a un menor costo computacional. También exploramos la suplantación de identidad en la biometría de las orejas aplicando estrategias de realce de imágenes, múltiples filtros y descriptores texturales. Ese trabajo expandió el alcance de nuestras soluciones más allá de las modalidades más comunes de biometría. Cada artículo tuvo por objeto demostrar que es posible crear soluciones robustas, escalables y factibles económicamente para fortalecer la seguridad de los sistemas biométricos sin tener que depender exclusivamente de un hardware específico.
MURA, V. et al. IEEE 7th International Conference on Biometrics Theory, Applications and Systems (BTAS). 2015Una huella dactilar original (a la izq.) y dos fraudulentas hechas con látex (en el medio) y colaMURA, V. et al. IEEE 7th International Conference on Biometrics Theory, Applications and Systems (BTAS). 2015
¿Cuándo surgió su interés en esta área?
Estudio los sistemas biométricos desde mi iniciación a la investigación científica, financiada por la FAPESP, cuando aún cursaba la carrera de grado en la Unesp de São José do Rio Preto. Durante esa etapa, propuse un nuevo abordaje con miras a detectar huellas dactilares tomadas en escenas de crímenes. En la maestría empecé mis investigaciones enfocadas en la detección de falsificaciones biométricas. Propuse una generalización del método al que se conoce con el nombre de local binary pattern [LBP] o patrón binario local, que es un descriptor de micropatrón de textura en imágenes que compara cada píxel con sus vecinos para generar patrones binarios convertidos en valores decimales. Estos valores conforman un histograma [un gráfico que describe la frecuencia en que diferentes estructuras aparecen en la imagen], que se utiliza en el reconocimiento y el análisis de patrones visuales. Específicamente, a la técnica propuesta se la denominó multi-scale local mapped pattern [MSLMP]. A diferencia del LBP tradicional, que describe únicamente una microrregión de la imagen, ésta representa múltiples zonas concéntricas. Las comparaciones de valores de píxeles en esas regiones se efectúan con la intención de disminuir el impacto del ruido o las imperfecciones, especialmente en las huellas dactilares. Este método se perfeccionó y participó en 2021 en la competencia internacional Liveness Detection Competition [LivDet]. Quedamos en segundo lugar.
¿En qué consiste esa competencia?
LivDet es una competencia internacional en la cual se evalúan sistemas capaces de diferenciar huellas dactilares genuinas de falsificaciones hechas en silicona, gelatina u otros materiales. Los participantes reciben un conjunto de imágenes con una mezcla de muestras vivas y falsas y deben clasificarlas como tales. Los organizadores evalúan el desempeño midiéndolo principalmente de acuerdo con el índice de aciertos. El tiempo de los procesos también se registra, pero la precisión es el criterio más importante. Es la más tradicional y prestigiosa competencia mundial en el área de detección de fraudes en sistemas biométricos. Se realiza cada dos años. Participé en las tres últimas ediciones, que se enfocaron en las huellas dactilares. Pero también hay ediciones de LivDet que se enfocan en las facciones y el iris, y aparte está ASVSpoof, que la organiza otro grupo y se centra en la voz. Los retos han venido cambiando bastante durante las últimas ediciones. En 2021, teníamos una base de datos con impresiones digitales reales y falsas para el entrenamiento de nuestros modelos. En tanto, en 2023, cuando recibimos la mención honorable, la competencia puso a disposición únicamente algunas muestras legítimas y ninguna falsificada, precisamente para forzar a los competidores a crear modelos más generalistas. Este año, cuando también quedamos en segundo lugar, fue aún más desafiante, pues no se dejó disponible ningún dato de entrenamiento. Tuvimos que recurrir a bancos de datos antiguos y testear abordajes de generación de datos con IA. Nuestro método, que combina técnicas clásicas de procesamiento de imágenes con IA para diferenciar entre huellas dactilares vivas y falsificadas, se adaptó bien a esos escenarios.
¿En dónde se encuentra más avanzada la investigación orientada a los fraudes biométricos?
LivDet se organiza en Italia desde su primera edición, que fue en 2009. El grupo del investigador Gian Luca Marcialis, de la Universidad de Cagliari, en Italia, es uno de los principales referentes mundiales en detección de spoofing. Otro equipo renombrado es el del profesor Christoph Busch, de la Universidad Noruega de Ciencia y Tecnología, que también posee una fuerte actuación. Aparte de ellos existen grupos menores, pero bastante relevantes, como el de la investigadora Önsen Toygar, de la Universidad del Mediterráneo Occidental, en Chipre, que despunta especialmente en la suplantación de identidad aplicada a la biometría de las orejas. Llevamos adelante trabajos en colaboración con ella.
¿Y acá en Brasil?
Aún no contamos con grupos consolidados formalmente cuyo foco exclusivo sea la detección de spoofing, pero existen trabajos relevantes de investigadores de la USP, de la Unicamp [Universidad de Campinas], de la Unesp y más recientemente de la Unifesp. Nos encontramos abocados al proceso de formalización de un grupo de investigación enfocado en este tema, que congrega a investigadores brasileños y colaboradores internacionales. Espero que esta articulación fortalezca la labor de Brasil en el área.
Este artículo salió publicado con el título “Rodrigo Colnago Contreras: Un juego de gato y ratón” en la edición impresa n° 356 de Octubre de 2025.
Republicar