¿Puede la IA detectar videos deepfake analizando inconsistencias microscópicas en los patrones de parpadeo ?

Los investigadores de IA han descubierto que los videos sintéticos muestran consistentemente dinámicas de parpadeo antinaturales. Estos sistemas utilizan análisis de video de alta resolución para identificar inconsistencias invisibles para el ojo humano. La técnica funciona en la mayoría de los métodos actuales de generación de deepfakes. Sin embargo, nuevos ataques adversariales ya se están desarrollando para eludir dicha detección.

Los métodos actuales de detección de deepfakes sí analizan señales fisiológicas sutiles, y se han explorado patrones de parpadeo porque los rostros sintetizados suelen producir parpadeos antinaturalmente consistentes o infrecuentes. La investigación muestra que las redes neuronales profundas pueden aprender a detectar estas inconsistencias microscópicas examinando la frecuencia de parpadeo, la duración y las dinámicas de movimiento de los párpados, logrando a veces una alta precisión en conjuntos de datos controlados. Sin embargo, a medida que los modelos generativos mejoran, los atacantes pueden refinar el comportamiento del parpadeo para evadir tales detectores, haciendo que este enfoque sea cada vez más poco fiable como defensa independiente. El rendimiento varía ampliamente según las condiciones de iluminación, las poses de la cabeza y la compresión de video, lo que limita su aplicabilidad en el mundo real.

— Enriched 12 de mayo de 2026 · Fuente: Li, Y., et al. "Exposing AI-Generated Faces by Detecting Eye Blinking Anomalies." 2022 IEEE International Conference on Multimedia and Expo (ICME) — https://ieeexplore.ieee.org/document/9859969