Analisis Forense Multimedia

929 millones de euros en fraudes con deepfake: por que el análisis forense multimedia es crítico

En 2025, las estafas con deepfake costaron 929 millones de euros en España según la Guardia Civil. Un CEO de una empresa de Zaragoza transfirio 340.000 euros tras recibir una videollamada deepfake que suplantaba a su socio. El video era convincente: movimientos faciales naturales, fondo de oficina conocido, voz reconocible. Solo el análisis forense posterior revelo que la videollamada era sintética: el parpadeo era demasiado regular (exactamente 4.2 segundos entre parpadeos, patrón imposible en un humano), los bordes del rostro presentaban artefactos de difusion visibles a 400% de zoom, y los metadatos del archivo de grabación mostraban que habia sido procesado con un software de síntesis de video.

Cómo perito informático forense, recibo cada vez más encargos de análisis de autenticidad multimedia. En 2025, un 18% de mis peritajes involucraron verificación de imagenes, audio o video, frente al 5% de 2023. La razón es doble: por un lado, los deepfakes son cada vez más accesibles (aplicaciones gratuitas cómo DeepFaceLab o FaceSwap); por otro, los tribunales españoles empiezan a exigir verificación pericial de contenido multimedia presentado cómo prueba, especialmente tras la STS 629/2025.

Los 3 tipos de análisis forense multimedia

1. Análisis forense de imagenes

El análisis de imagenes busca detectar manipulaciones cómo recorte, clonado, composicion (montaje), alteración de metadatos y generación por IA.

Técnicas principales:

Ejemplo de hallazgo con ELA: En un caso de competencia desleal que analice, el demandante presento una captura de pantalla de una web que supuestamente mostraba contenido difamatorio. El análisis ELA revelo que una seccion del texto habia sido insertada post-captura: el nivel de compresion de esa zona era significativamente diferente al resto de la imagen. Los metadatos EXIF confirmaron que la imagen habia sido editada con Photoshop 3 horas después de la supuesta captura.

2. Análisis forense de audio

El análisis de audio verifica la autenticidad de grabaciones, detecta ediciones y puede identificar o descartar hablantes.

Técnicas principales:

Ejemplo de hallazgo con ENF: En un caso laboral donde un empleado presento una grabación de su jefe realizando comentarios discriminatorios, el análisis ENF revelo que la grabación contenia dos segmentos con frecuencias ENF de días diferentes. El audio habia sido editado: se habian unido fragmentos de dos conversaciones distintas para crear un discurso continuo que nunca ocurrio.

3. Análisis forense de video

El análisis de video combina técnicas de imagen y audio aplicadas a cada fotograma y la pista de audio.

Técnicas principales:

Detección de deepfakes: el reto forense de la decada

Generaciones de deepfakes y tasa de detección

8 senales que busco al analizar un posible deepfake

Herramientas forenses multimedia: 10 herramientas que utilizo

Precios del peritaje forense multimedia

Caso práctico: peritaje de video deepfake en caso de estafa (Zaragoza, 2025)

Contexto: El CEO de una empresa de importacion recibio una videollamada por WhatsApp de alguien que parecia ser su socio (residente en China) pidiendole que realizara una transferencia urgente de 340.000 euros a un nuevo proveedor. El CEO realizo la transferencia. Cuando contacto a su socio real, descubrio que este nunca habia hecho la llamada.

Análisis forense que realice:

La videollamada habia sido grabada automaticamente por una app de backup. Mi análisis incluyo:

1. Análisis de metadatos: El archivo MP4 contenia metadatos de FFmpeg (software de procesamiento), no de WhatsApp nativo. Esto indicaba que el video habia sido generado/procesado externamente antes de transmitirse

2. Análisis de parpadeo: El supuesto socio parpadeaba cada 4.2 segundos con precisión milimetrica. El parpadeo humaño normal es irregular (2.5-6.5 segundos con desviacion estandar de 1.2). La regularidad del parpadeo era estadisticamente incompatible con un humaño real (p menor que 0.001)

3. Artefactos faciales: A 400% zoom, los bordes del rostro mostraban difusion inconsistente con el resto de la imagen, especialmente en la linea del cabello y las orejas. Los dientes cambiaban ligeramente de geometria entre frames

4. Análisis de audio: Los formantes de la voz eran consistentes con el socio real (tenian un modelo de voz de referencia de reuniones anteriores), pero el patrón de respiracion era anormalmente regular y no habia micro-pausas naturales en las transiciones entre frases. Esto sugeria clonacion de voz

5. Sincronización labial: Usando análisis frame-by-frame, detecte 7 instancias de desincronizacion entre los movimientos labiales y el audio, especificamente en consonantes bilabiales

Conclusiones del informe: El video era un deepfake de segunda generación, probablemente generado con un modelo de face-swap entrenado con fotos del socio (disponibles en LinkedIn y web corporativa) y voz clonada a partir de grabaciones de reuniones anteriores (probablemente obtenidas mediante phishing o acceso no autorizado).

Resultado: El informe pericial fue clave para la denuncia penal (estafa agravada art. 248-250 CP) y para la reclamación de seguro. La aseguradora acepto la cobertura al verificarse que se trataba de suplantación de identidad mediante tecnología avanzada, no de negligencia del CEO.

Marco legal del análisis forense multimedia en España

Preguntas relacionadas

Se puede detectar si una imagen fue generada con inteligencia artificial?

Si. Las imagenes generadas con GANs (Generative Adversarial Networks) o modelos de difusion (Stable Diffusion, DALL-E, Midjourney) tienen artefactos detectables: texturas repetitivas en fondos, asimetrias faciales sutiles, dedos anomalos, texto ilegible, y patrones de ruido distintos a los de una cámara real. Herramientas cómo Hive Moderation, Sensity AI y AI or Not pueden detectar imagenes generadas por IA con una precisión superior al 90%. En mis peritajes, combino herramientas automatizadas con análisis manual de metadatos y artefactos visuales.

Una grabación de audio manipulada puede usarse cómo prueba en juicio?

Si se presenta una grabación manipulada cómo auténtica, constituye un riesgo procesal grave. El análisis forense de audio puede detectar ediciones mediante espectrograma, análisis ENF y consistencia de ruido de fondo. Si la manipulación se demuestra, la grabación pierde todo valor probatorio y la parte que la aporto puede enfrentarse a consecuencias procesales (temeridad procesal) e incluso penales (presentación de prueba falsa). Por eso, cada vez más abogados solicitan peritaje preventivo de grabaciones antes de aportarlas.

Cuanto tarda un análisis forense de video deepfake?

Depende de la duracion y complejidad del video. Un análisis completo (metadatos + frames + parpadeo + bordes + audio + sincronización) de un video de 2-5 minutos requiere tipicamente 16-40 horas de trabajo. Videos más largos o con multiples personas requieren más tiempo. El informe pericial completo, incluyendo la documentación gráfica de los hallazgos, se entrega en 10-15 días laborables.

Los metadatos EXIF de una foto pueden falsificarse?

Si. Los metadatos EXIF pueden editarse facilmente con herramientas gratuitas cómo ExifTool. Por eso, el análisis forense no se basa exclusivamente en metadatos: combina metadatos con ELA, análisis de ruido de sensor, coherencia de iluminacion y otros indicadores. Un perito que basa su conclusión unicamente en metadatos EXIF esta haciendo un trabajo incompleto, ya que esos metadatos podrian haber sido alterados.

La STS 629/2025 afecta a la prueba multimedia?

Si, por extensión. La doctrina de la STS 629/2025 sobre carga impugnatoria se aplica también a prueba multimedia: si una parte presenta un video o audio cómo prueba y la otra no impugna su autenticidad, el tribunal puede valorarlo directamente. Esto hace más importante que nunca la impugnación cuando hay sospecha de manipulación, y refuerza el rol del perito multimedia para detectar deepfakes y ediciones.

Que diferencia hay entre un perito informático y un perito de imagen/sonido?

En España no existe una titulacion específica de “perito multimedia forense”. El análisis forense multimedia lo realizan peritos informáticos con formacion complementaria en procesamiento de senal, análisis de imagen y acustica forense. Lo relevante para el juez no es el título sino la competencia demostrable: formacion, herramientas, experiencia y calidad del informe bajo las reglas de sana crítica.

Conceptos relacionados

• Evidencia Digital: Marco general de la prueba electrónica
• Cadena de Custodia: Protocolo de preservación de archivos multimedia
• Espectrograma Audio: Técnica clave de análisis de audio
• Formante Audio: Análisis de resonancias vocales
• Informe Pericial: Estructura del dictamen de autenticidad
• STS 629/2025: Doctrina sobre prueba digital sin pericial

Referencias y fuentes

1. Guardia Civil. (2025). “Memoria Anual 2025: ciberdelincuencia”. 929 millones EUR en fraudes deepfake. guardiacivil.es
2. Europol. (2025). “Facing Reality: Law Enforcement and the Challenge of Deepfakes”. europol.europa.eu
3. SWGDE (Scientific Working Group on Digital Evidence). (2024). “Best Practices for Image Authentication”. swgde.org
4. ENFSI (European Network of Forensic Science Institutes). (2024). “Best Practice Manual for Digital Image Forensics”. enfsi.eu
5. ISO/IEC 27037:2012. “Guidelines for digital evidence”. iso.org
6. Farid, H.. (2022). “Photo Forensics”. MIT Press. ISBN 978-0-262-04482-0
7. LEC. Art. 382 (instrumentos de reproducción), art. 348 (sana crítica). boe.es
8. Código Penal (LO 10/1995). Arts. 197 (secreto comunicaciones), 393 (falsedad documental). boe.es
9. STS 116/2017 (Sala Segunda). Licitud de grabación de conversacion propia. CENDOJ
10. INCIBE. (2025). “Guia de detección de deepfakes para empresas”. incibe.es
11. AEPD. (2024). “Nota técnica sobre tratamiento de datos biometricos”. aepd.es
12. Rossler, A. et al.. (2019). “FaceForensics++: Learning to Detect Manipulated Facial Images”. IEEE/CVF ICCV 2019

Aviso legal: Este artículo analiza el análisis forense multimedia con finalidad informativa y educativa. No constituye asesoramiento jurídico. Los casos estan anonimizados para proteger la identidad de los implicados.

Sobre el autor: Jonathan Izquierdo, perito informático forense, ex-CTO y 5x AWS Certified, con formacion complementaria en procesamiento de senal digital y análisis de imagen. Especializado en detección de deepfakes y verificación de autenticidad multimedia para procedimientos judiciales.

Última actualización: 16 de marzo de 2026 Categoria: Análisis Forense Código: FOR-025