ScanTrue AI
Scanner API Docs
5/5
PREVENTION VECTOR

LIVENESS DETECTION

La Detección de Vida (Liveness Detection) es un protocolo de seguridad biométrica forense diseñado para verificar que el usuario frente a la cámara es un ser humano real y físicamente presente. Esta tecnología previene ataques de suplantación (spoofing) diferenciando la piel humana de réplicas sintéticas, máscaras 3D, fotografías impresas o deepfakes inyectados.

Tu rostro ya no es tu contraseña; es una cerradura que los atacantes saben cómo ganzuar. Los sistemas bancarios tradicionales confían ciegamente en cualquier píxel que entra por la cámara de tu móvil. Si tu sistema KYC solo pide un "selfie" estático o hacer un giro de cabeza para validar una cuenta, estás a un Face Swap de distancia de la bancarrota.

01. Evolución Biométrica: Activa vs. Pasiva

Los sistemas de detección de vida de primera generación (Liveness Activo) pedían al usuario interactuar: "parpadea", "sonríe", "mira a la derecha". Estos sistemas están hoy obsoletos. Un atacante puede utilizar un modelo de IA en tiempo real que mapea sus propios parpadeos en la máscara digital de la víctima, engañando al sistema de seguridad al instante.

El nuevo estándar forense es el Liveness Pasivo. El usuario no tiene que hacer absolutamente nada; el sistema hace el trabajo sucio. En lugar de buscar movimientos burdos, la IA analiza la termodinámica de la imagen: micro-fluctuaciones capilares bajo la piel por los latidos del corazón, cómo la luz rebota en la superficie tridimensional de la retina, y la absorción de luz espectral (las pantallas de los móviles no reflejan la luz como la hemoglobina humana).

pad_liveness_engine.py
# Motor de Detección de Ataques de Presentación (PAD)
def evaluate_liveness(video_stream_frames):
    # 1. Análisis de micro-fluctuaciones capilares (rPPG)
    heart_rate_signal = extract_rppg_pulse(video_stream_frames)
    
    # 2. Reconstrucción de topología 3D a partir de 2D
    depth_map = infer_3d_depth_from_texture(video_stream_frames[0])
    
    # 3. Detección de Inyección de Cámara Virtual (OBS/ManyCam)
    is_injected = detect_virtual_driver_hook(video_stream_frames)
    
    if is_injected or calculate_flatness(depth_map) > 0.85:
        print("[!] ATAQUE SPOOFING DETECTADO: Superficie plana o inyectada.")
        return False
        
    return validate_biological_signals(heart_rate_signal)
                    
Ver Bypass de Liveness Activo (3:20)

02. Los Ataques de Presentación (PAD)

Los motores de Liveness Detection de grado forense se construyen específicamente para mitigar los **Presentation Attacks** (ataques físicos frente a la cámara), clasificándolos en cuatro vectores:

  • Print Attacks (Ataques de Impresión): El más rudimentario. El atacante pone una fotografía impresa de la víctima frente a la cámara. Un buen Liveness detecta la planitud 2D y la ausencia de micro-texturas orgánicas.
  • Replay Attacks (Repetición en Pantalla): Mostrar un vídeo real de la víctima reproduciéndose en un iPad frente a la cámara web. El Liveness detecta el patrón Moiré de los píxeles de la pantalla emisora y la distorsión del bisel del dispositivo.
  • Ataques de Máscara 3D: El atacante imprime una réplica topográfica en silicona de la cara de la víctima (alta inversión). El sistema pasivo responde analizando la reflectancia térmica y la ausencia de flujo sanguíneo (rPPG).
  • Inyección de Cámara Virtual: El ataque de nivel corporativo. El criminal no usa una cámara física, sino que intercepta el flujo de datos del navegador e inyecta un Deepfake fotorrealista directamente al servidor.

03. El Compliance Legal KYC/AML

La implementación de un Liveness Detection certificado no es opcional para Fintechs o plataformas Crypto; es un requisito normativo para cumplir con los estándares AML (Anti-Money Laundering). Si tu sistema aprueba una identidad sintética, tu plataforma es legalmente responsable. Es imperativo actualizar las infraestructuras de onboarding utilizando algoritmos especializados en Análisis PAD (Presentation Attack Detection) y contramedidas Anti-Spoofing AI.

Whitepaper B2B

Vulnerabilidades Críticas en Sistemas KYC

Análisis detallado de cómo mafias organizadas eluden procesos de verificación de identidad de Nivel 1 utilizando cámaras virtuales e IA en tiempo real.

Leer Reporte

LA VERDAD ES ESCANEABLE

Asegura los procesos de onboarding de tu empresa. Integra nuestra API de biometría y detecta fraude sintético e inyección de cámaras en milisegundos.

Probar Escáner Antifraude
ScanTrue AI Certified

ScanTrue AI © 2026

Forensic Grade Identity Verification