El Instituto Nacional de Estándares y Tecnología (NIST) ha lanzado un documento que ofrece orientación sobre cómo implementar métodos efectivos para la detección de imágenes sintetizadas de rostros, conocidas como morfos. Este tipo de imágenes combina fotos de distintas personas en una sola imagen, lo cual puede permitir a cibercriminales eludir sistemas de verificación biométrica.
¿Qué son los morfos y cómo funcionan?
El morphing facial, también llamado «morphing facial», es una técnica que permite crear imágenes sintéticas de rostros. Estas imágenes pueden engañar a sistemas de reconocimiento facial al aparentar coincidir con múltiples identidades. Los cibercriminales pueden usar estas herramientas para asumir la identidad de otra persona, lo cual representa un riesgo significativo en entornos como aeropuertos, fronteras y edificios.
El documento menciona que existen distintos tipos de software de morfos, disponibles a través de aplicaciones móviles, herramientas de escritorio o plataformas basadas en inteligencia artificial. Estos programas generan imágenes que pueden engañar a los sistemas de reconocimiento al parecer coincidir con múltiples identidades.
Mejoras en la detección de morfos
Según el informe, algunos algoritmos modernos de detección de morfos son lo suficientemente buenos como para ser útiles en la detección y en situaciones operativas del mundo real. La precisión varía según el escenario.
El documento también destaca que herramientas sofisticadas pueden minimizar indicios de manipulación, como texturas de piel inconsistentes o características no naturales alrededor de los ojos, fosas nasales o labios. Sin embargo, estos artefactos aún pueden servir como señales de alerta.
Recomendaciones para la implementación
Las directrices del NIST incluyen recomendaciones sobre cómo desplegar software de detección de morfos. Se sugiere un enfoque configurable que diferencie entre escenarios de imagen única y diferencial. Las organizaciones deben considerar factores como los datos de entrenamiento para los algoritmos y el contexto operativo para optimizar la efectividad.
Procedimientos posteriores a la detección
Cuando una foto es marcada, se recomienda un enfoque híbrido que combine herramientas automatizadas, revisión por expertos humanos y procesos estructurados de investigación. Este método asegura una validación exhaustiva mientras minimiza interrupciones en entornos de alto riesgo.
¿Qué organizaciones son susceptibles a este tipo de ataques?
Las organizaciones del rubro financiero, bancario y crypto son las más afectadas. Además, cualquier organización que utilice un procedimiento de validación de identidad biométrica de sus empleados o clientes puede estar expuesta.
Un equipo de investigadores de la Universidad Noruega de Ciencia y Tecnología (NTNU) en Gjøvik, Noruega, publicó un artículo que refleja el contexto de los sistemas de reconocimiento facial (Face Recognition Systems) y su vulnerabilidad a ataques de «facial morphing», destacando el uso de imágenes manipuladas en aplicaciones como pasaportes.
El documento identifica el desafío de generalización y explicabilidad en los algoritmos de detección de Morphing Attack Detection (MAD), especialmente en escenarios reales como estaciones de enrolamiento y controles fronterizos automatizados. Se propone un enfoque de aprendizaje «Zero-shot» utilizando modelos de lenguaje grandes (LLMs) para abordar estas limitaciones.