Forense de mutimedia

Rompiendo el mito, es igual originalidad, autenticidad e integridad de un video en una Pericia informática son sinonimos o no?

1. Introducción 

En el contexto judicial contemporáneo, los archivos de video representan una de las pruebas digitales más contundentes y persuasivas. Sin embargo, la era de la inteligencia artificial generativa ha alterado drásticamente la presunción de veracidad de la evidencia multimedia. Herramientas capaces de generar rostros, clonar voces y alterar entornos físicos de manera hiperrealista obligan a la ciencia forense a replantear sus protocolos de validación. En la práctica pericial, es común que juristas, abogados e incluso analistas confundan términos como "autenticidad", "originalidad" e "integridad", tratándolos como sinónimos cuando, metodológica y técnicamente, evalúan dimensiones completamente distintas de la prueba. El objetivo de este artículo es establecer una demarcación conceptual precisa entre estos tres pilares fundamentales, delineando las técnicas específicas para su verificación empírica. Ante la abundancia de videos creados o manipulados por IA, comprender estas diferencias no es un mero academicismo, sino una necesidad imperativa para garantizar el debido proceso legal y la correcta apreciación de la evidencia digital. 

2. Bases Conceptuales y Normativas 

La peritación de evidencia digital se rige por estándares internacionales como la ISO/IEC 27037, la cual dicta las directrices para la identificación, recolección, adquisición y preservación de evidencia digital. Dentro de este marco, el análisis de un archivo de video debe desglosarse en tres vertientes de estudio: 

3. Metodología de Verificación Pericial 

El abordaje metodológico para evaluar la admisibilidad y peso probatorio de un video requiere técnicas diferenciadas para cada pilar. El perito informático debe aplicar un enfoque sistemático y reproducible.

3.1. Verificación de la Autenticidad 

Se enfoca en descartar la generación sintética o manipulación contextual. Se verifica a través de dos dimensiones: 

• Análisis contextual: Evaluación de la física de la luz, las sombras y el sonido. Se contrasta que sean coherentes con el lugar geográfico y la hora declarados. Además, se analizan anacronismos: objetos o personas en la escena deben coincidir con la época (por ejemplo, detectar un modelo de vehículo que aún no se fabricaba en la fecha de la supuesta grabación). 
• Detección de manipulaciones algorítmicas: Ante la amenaza de la IA, el análisis manual es insuficiente. Se requiere el uso de software especializado (como Deepware Scanner, Microsoft Video Authenticator o herramientas de análisis de ruido de sensor) para identificar artefactos de compresión atípicos, rostros inyectados algorítmicamente (face-swapping) o voces clonadas artificialmente. 

3.2. Verificación de la Originalidad 

Se concentra en probar que el archivo digital analizado es la "evidencia primaria". Su comprobación es estrictamente técnica e informática: 

• Hash criptográfico (SHA-256, MD5): El valor de resumen del archivo debe coincidir bit a bit con el archivo extraído directamente del medio de almacenamiento de la cámara o dispositivo de grabación. 
• Análisis profundo de Metadatos (Exif/XMP): Se evalúa la fecha y hora de creación (Create Date) comprobando que sea anterior a cualquier fecha de modificación. Asimismo, el contenedor, códec y la tasa de bits (bitrate) deben ser consistentes con el hardware que lo generó (p. ej., un Samsung Galaxy moderno grabará de forma nativa en H.265/HEVC, y hallar un MPEG-2 levantaría alertas sobre su originalidad). 

3.3. Verificación de la Integridad 

Asumiendo que un archivo no sea el original (como ocurre frecuentemente con videos recuperados), es necesario determinar si la secuencia de eventos fue manipulada: 

• Análisis forense de frames: Búsqueda sistemática de saltos en timestamps (marcas de tiempo de los fotogramas) que puedan indicar, por ejemplo, que falta un minuto de grabación. Se examinan inconsistencias en los niveles de cuantización y compresión (macrobloques con diferente calidad a sus adyacentes) o la inserción/eliminación de fotogramas (frames).
• Espectrograma de audio: El canal de audio es altamente sensible a las ediciones. El perito visualiza el espectrograma en busca de cortes abruptos, silencios artificiales no coherentes con el ruido de fondo, o la inserción de frecuencias vocales no naturales

4. Comparativa Técnica 

A fin de deslindar responsabilidades procesales, la siguiente tabla resume los puntos clave de inflexión entre los tres conceptos en la práctica forense. 

5. Tres Ejemplos Reales Aplicados a la Casuística 

Ejemplo 1: Vulneración de la Autenticidad (El Deepfake Político) 

Se viraliza un video de un político admitiendo un delito de corrupción. Al someterlo a peritaje, el análisis de metadatos revela que el archivo es íntegro estructuralmente y el hash corresponde al dispositivo que lo descargó. Sin embargo, al analizar la autenticidad, los algoritmos de detección de IA muestran que los labios no coinciden perfectamente con las oclusivas y fricativas del audio (micromilisegundos de desincronización o falta de tensión muscular facial - dubbing). Además, se detecta que el fondo fue alterado digitalmente. El video es íntegro en su archivo actual, pero no es auténtico porque los hechos que muestra jamás ocurrieron. 

Ejemplo 2: Pérdida de Originalidad (El Video de Seguridad en WhatsApp) 

Un crimen es captado por una cámara de seguridad en un establecimiento. El propietario reproduce el video en el monitor del DVR, lo graba con su celular y se lo envía al fiscal por WhatsApp. Metodológicamente, este archivo pierde su originalidad. WhatsApp aplica algoritmos de compresión severos que modifican la estructura del archivo, alteran la resolución, cambian el códec original y modifican el valor Hash de la evidencia. Aunque el evento grabado sea auténtico, para que el video tenga fuerza probatoria plena y sea auditable forensemente, el perito debe extraer el video original directamente del disco duro del DVR. 

Ejemplo 3: Vulneración de la Integridad (El Robo con "Salto" Temporal) 

Se presenta un video de seguridad donde se observa a un trabajador salir de un almacén y luego el inventario desaparece. El video es original (extraído del DVR con su Hash correcto) y auténtico (sin deepfakes). Sin embargo, al realizar el análisis forense de frames, el perito descubre saltos abruptos en los timestamps incrustados en la imagen: el reloj salta de las 14:02:15 a las 14:03:10. Además, el espectrograma de audio muestra un corte tajante en el ruido estático de fondo. Faltan 55 segundos de grabación que fueron eliminados deliberadamente. El archivo carece de integridad.

6. Discusión 

La delimitación de estos conceptos es crucial en la etapa de admisibilidad de pruebas. Una confusión frecuente en los tribunales es desechar un video auténtico e íntegro bajo el pretexto de que "no es el original" (como en el caso de los videos enviados por redes sociales). Si bien la falta de originalidad debilita la prueba y dificulta el análisis forense profundo (al perderse los metadatos fuente y degradarse la imagen por compresión), no siempre implica que el video sea falso o manipulado en su narrativa. El reto del perito informático moderno consiste en poder dictaminar sobre la autenticidad e integridad, apoyándose en el análisis de ruido PRNU (Photo Response Non-Uniformity) y detección de redes neuronales convolucionales (CNN), incluso cuando la originalidad de la fuente se ha perdido irreparablemente. 

7. Conclusiones 

A lo largo de este análisis, se ha demostrado que autenticidad, originalidad e integridad representan ejes forenses metodológicamente independientes pero complementarios dentro de la pericia informática: La Autenticidad responde a la pregunta de la realidad del hecho capturado, defendiendo la prueba contra la simulación y las tecnologías deepfake de la IA generativa. La Originalidad responde a la procedencia primigenia de la evidencia, exigiendo validación criptográfica (Hash) y coherencia técnica (metadatos/códecs) para garantizar que el archivo proviene de la fuente original sin derivaciones. La Integridad responde a la alteración post-captura, asegurando a través del análisis de fotogramas y espectrogramas que la narrativa temporal del archivo no ha sido cercenada o añadida artificiosamente. El rigor científico en la identificación y escrutinio separado de estos pilares es la única garantía metodológica válida para combatir la creciente desinformación visual y certificar la verdad material en los estrados judiciales. 

8. Referencias Bibliográficas 

• ISO/IEC 27037:2012. (2012). Information technology — Security techniques — Guidelines for identification, collection, acquisition and preservation of digital evidence. International Organization for Standardization. 
• Scientific Working Group on Digital Evidence (SWGDE). (2021). SWGDE Best Practices for Video Analysis. SWGDE. 
• Roessler, A., Cozzolino, D., Verdoliva, L., Riess, C., Thies, J., & Nießner, M. (2019). FaceForensics++: Learning to Detect Manipulated Facial Images. IEEE/CVF International Conference on Computer Vision (ICCV). 
• Verdoliva, L. (2020). Media Forensics and DeepFakes: An Overview. IEEE Journal of Selected Topics in Signal Processing, 14(5), 910-932. 
• Farid, H. (2016). Photo Forensics. MIT Press.