Artwork for podcast La Red Privada
Episodio 071 - La doble cara de tus redes y la verdad oculta en los videos de vigilancia
Episode 7111th July 2026 • La Red Privada • Hector Fuentes
00:00:00 01:11:07

Share Episode

Shownotes

En este episodio de La Red Privada, Héctor Fuentes analiza cómo tu huella digital es un arma de doble filo: puede ser tu mejor coartada o la prueba que te condene, explorando el impacto penal de la Ley Olimpia en México. Además, nos adentramos en la física óptica y la informática forense para desmentir un mito moderno: ¿Es realmente fácil alterar un video de seguridad? Héctor nos comparte apuntes de su investigación doctoral sobre la integridad del video, la luz y los sensores.

Informacion de Contacto:

Whatsapp: chat.whatsapp.com/CyCMw8juKot7P07xfVfUaz

Telegram: t.me/laredprivada

Web: hectorfe.com

Para agendar una cita presencial o por videoconferencia, ingresa a la página y haz clic en el botón “Registra una cita” o simplemente hazlo desde aquí.







Transcripts

Speaker:

Un simple inicio de sesión, una historia con la ubicación activada, o un mensaje borrado.

Speaker:

Creemos que controlamos nuestra vía digital, pero en un juzgado,

Speaker:

en un tribunal, esa información se convierte en un testigo frío y exacto.

Speaker:

Tus redes sociales pueden ser la prueba irrefutable que demuestra tu inocencia,

Speaker:

o el clavo en el ataúd que termine por condenarte.

Speaker:

Bienvenidos al episodio 71 de la red privada.

Speaker:

Soy su anfitrión Héctor Fuentes. Hoy tenemos un episodio denso y fundamental.

Speaker:

Vamos a diseccionar cómo la tecnología opera en diferentes frentes críticos legales.

Speaker:

El rastreo bajo la ley Olimpia, el muro burocrático,

Speaker:

de las redes sociales que puede llevarte a prisión y la verdadera dificultad

Speaker:

física de alterar un video de videovigilancia. Empezamos.

Speaker:

Bueno, vamos a empezar el día de hoy con el tema de las redes sociales.

Speaker:

Que ya hemos hablado en los programas anteriores pero hoy vamos a verlo desde

Speaker:

el punto de vista de la ley Olimpia,

Speaker:

y pues ¿qué es la ley Olimpia?

Speaker:

La ley Olimpia no es una sola ley independiente sino un conjunto de reformas,

Speaker:

a legislaciones ya existentes para reconocer, prevenir y sancionar la violencia digital,

Speaker:

y mediática.

Speaker:

A nivel federal. Con las reformas,

Speaker:

aplicadas o publicadas en el Diario Oficial de la Federación el 1 de junio de

Speaker:

2021 y la Ley Olimpia modificó específicamente dos ordenamientos principales.

Speaker:

Entonces, primero,

Speaker:

se adicionó el capítulo segundo denominado Violación a la Intimidad Sexual,

Speaker:

incorporando tres artículos claves para sancionar el delito. 1.

Speaker:

Artículo 199. Octis.

Speaker:

Tipifica el delito central. Sanciona con 3 a 6 años de prisión multas económicas

Speaker:

a quien videograve, fotografíe, divulgue,

Speaker:

comparta, distribuya o publique imágenes o audios de contenido íntimo sexual,

Speaker:

de una persona sin su consentimiento.

Speaker:

El artículo 199 no níes,

Speaker:

sanciona la falsedad o suplantación de identidad,

Speaker:

establece las mismas penas cuando el contenido difundido sea alterado o simulado,

Speaker:

como en el caso de fotomontajes o deepfakes,

Speaker:

para aparentar que corresponde a la persona afectada.

Speaker:

Y el artículo 199.

Speaker:

De CIES establece las agravantes, la pena de prisión aumenta hasta en una mitad,

Speaker:

si el delito lo comete el cónyuge,

Speaker:

el concubinario o alguien con quien la víctima haya tenido una relación afectiva o de confianza.

Speaker:

También si existe un fin lucrativo o si la víctima pertenece a un sector vulnerable.

Speaker:

Eso es lo que cambió principalmente en la ley Olimpia.

Speaker:

Y el artículo 24.

Speaker:

Define qué es la violencia digital y establece como,

Speaker:

toda acción dolosa realizada mediante el uso de tecnologías que exponga,

Speaker:

distribuya o comparta contenido íntimo sexual sin consentimiento causado.

Speaker:

Causando daño psicológico emocional o a la reputación.

Speaker:

También el artículo 20,

Speaker:

kinky es, define la violencia mediática, señalando los actos a través de los

Speaker:

medios de comunicación que promueven estereotipos sexistas, discriminación o hagan,

Speaker:

apología de la violencia contra las mujeres.

Speaker:

Y el artículo 20 se exige.

Speaker:

Establece las facultades de protección permite al Ministerio Público o a los

Speaker:

jueces ordenar de manera inmediata a las empresas de tecnología, redes sociales,

Speaker:

o plataformas digitales la interrupción, bloqueo,

Speaker:

destrucción o eliminación del contenido para frenar la violencia.

Speaker:

La revictimización y el daño continuo.

Speaker:

De este tema de las redes sociales, pero vamos a hacer una definición o una

Speaker:

separación para que quede más claro todo desde el principio.

Speaker:

Primero vamos a hablar de las redes sociales, que son las redes sociales centralizadas.

Speaker:

¿Y por qué centralizadas? Pues todas dependen de los servidores que le pertenecen

Speaker:

a una sola empresa, en este caso, Meta.

Speaker:

Estas redes, pues son las que todo el mundo conoce.

Speaker:

Facebook, Instagram, Whatsapp, Messenger, ¿no? O sea, son las principales Instagram

Speaker:

y Facebook son las principales, ¿no? El Whatsapp, pues no se diga.

Speaker:

Entonces, esas son las principales, más no las únicas.

Speaker:

También el threads de mismo meta pues es otro otra red social,

Speaker:

y después de meta pues hay otras redes sociales como X que pues somos pocos

Speaker:

los que la que lo usamos pero,

Speaker:

pero ahí está y también se puede considerar como red social,

Speaker:

YouTube también no sé no no es así como que algo separado porque puede ser comentario

Speaker:

y subir contenido y todo entonces es una red social,

Speaker:

y como youtube pues también hay otros no,

Speaker:

pero bueno vamos a enfocar todo lo de meta que es lo principal y todas esas

Speaker:

son redes centralizadas después están las redes descentralizadas.

Speaker:

Y las redes descentralizadas, a diferencia de las centralizadas,

Speaker:

es de que éstas no ocupan tus datos reales.

Speaker:

O sea, no hay nada que vincule tus datos reales, tu nombre, fecha de nacimiento, correo, teléfono, etc.

Speaker:

A una cuenta que tú creas en una red descentralizada. Y una de estas redes descentralizadas,

Speaker:

es, por ejemplo, Mastodon.

Speaker:

Otra red es el pixel fed que es como un instagram o un intento de instagram,

Speaker:

pero todos estos los puedes usar,

Speaker:

siendo anónimo.

Speaker:

Cosa que no pasa en nuestras redes.

Speaker:

Porque en Facebook se descubren que no tienes tus datos reales,

Speaker:

o te los piden, o te cancelan la cuenta, ¿no?

Speaker:

Entonces siempre tienen todos tus datos. Te están rastreando por todos lados y saben todo de ti.

Speaker:

Es más, saben más de ti que tú mismo.

Speaker:

Entonces, esas son las dos redes de las que vamos a hablar De los dos tipos

Speaker:

de redes que vamos a hablar el día de hoy ¿Y por qué?

Speaker:

Porque, pues, está difícil la situación con esto de las publicaciones, ¿no?

Speaker:

Porque ahora ya puede ser una publicación a nombre de otra persona con una suplantación

Speaker:

de identidad y mientras que es que sí, que no pues ya ya,

Speaker:

tienes que pagar abogado y todo lo demás ¿no?

Speaker:

Así que está está medio difícil ¿no?

Speaker:

Pero bueno entonces vamos a ver entrar en el tema entonces.

Speaker:

Como ya dijimos, ya definimos que la ley Olimpia, como se tipifica ni castiga la violencia digital.

Speaker:

Y cuando un caso de estos llega,

Speaker:

a mí, el agresor suele creer que escudarse en un perfil falso de Instagram o

Speaker:

borrar la evidencia lo hace invisible.

Speaker:

Pero eso es falso. Las direcciones IP, las sesiones iniciadas,

Speaker:

de dispositivos móviles específicos, los metadatos de las imágenes, todo deja rastro.

Speaker:

Entonces las plataformas proban evidencia técnica exacta. ¿Quién,

Speaker:

cuándo y desde dónde operó?

Speaker:

Entonces la red social es un testigo que te condena Claro, también te puede salvar.

Speaker:

Pero, giremos la moneda. Esta misma capacidad de rastreo intrusivo puede ser

Speaker:

la mejor defensa contra una acusación falsa.

Speaker:

Imagínate una situación de una escena de un crimen, de un delito,

Speaker:

pero los orquestos de tu dispositivo indican que en esa misma hora estabas conectado,

Speaker:

en otro wifi, en otro lado de la ciudad.

Speaker:

Navegando activamente en tus cuentas.

Speaker:

La red social, en su recolección de datos crudos o al mayoreo,

Speaker:

constituye una coartada técnica,

Speaker:

impecable y pues la misma máquina que te vigila, pues te puede salvar.

Speaker:

Entonces, como vemos, son dos caras de la misma moneda.

Speaker:

Te puede salvar o te puede condenar.

Speaker:

Y una, pues es porque tienen todos sus datos, las otras redes sociales no,

Speaker:

las descentralizadas son anónimas.

Speaker:

Entonces...

Speaker:

Aquí hay otra cosa muy, muy, se puede decir, difícil, ¿no?

Speaker:

No, más bien incomprensible, porque,

Speaker:

se dan cuenta de que vamos a suponer,

Speaker:

que pues una autoridad judicial te ordena de que tienes que cancelar la cuenta,

Speaker:

X, vamos a decir Facebook o de Instagram o de.

Speaker:

X o de Whatsapp lo que sea, ¿no?

Speaker:

O todas puede ser que te diga tienes que cancelar tus cuentas,

Speaker:

tienes cuenta en 8 horas no sé, 3 días un día,

Speaker:

y si no lo haces pues es un requisito para tu libertad si no lo haces pues directo al bote entonces.

Speaker:

Me ha tocado, y no una vez, sino un montón de veces, que la gente que usa redes

Speaker:

sociales no tiene sus datos actualizados.

Speaker:

No tiene su contraseña y no se la sabe, no usa el manejador de contraseñas,

Speaker:

no tiene la verificación dos pasos, no tiene un teléfono para recuperar su cuenta,

Speaker:

un correo electrónico para recuperar su cuenta,

Speaker:

y si tienen el correo electrónico no tienen acceso a ese correo ya o a ese teléfono.

Speaker:

Entonces no tienen actualizados los datos de recuperación, no tienen la clave

Speaker:

de recuperación de emergencia.

Speaker:

O sea, no hay ni una forma de recuperar su cuenta. Si pierden la contraseña

Speaker:

que está grabada directamente en el teléfono, ya no pueden entrar a su cuenta.

Speaker:

Y si no pueden entrar a su cuenta, pues entonces no van a poder hacer nada,

Speaker:

nada, o sea, sí, de plano.

Speaker:

O sea, a Facebook no le importa nada. No hay Facebook en México.

Speaker:

Facebook no tiene una línea de teléfono para que puedas hablar.

Speaker:

No tiene un correo electrónico para que puedas enviar información,

Speaker:

no tiene atención a sus usuarios.

Speaker:

Tienes que ir en un formato, tienes que tener tu cuenta activa y tienes que

Speaker:

estar dentro de tu cuenta para poder darla de baja.

Speaker:

Entonces, si no puedes cumplir con eso, entonces puedes ir hasta el bote directamente.

Speaker:

Entonces por qué no se ponen las pilas y.

Speaker:

Revisan que el correo que esté registrado en Facebook, en Instagram,

Speaker:

en Messenger, en todos los servicios que usen,

Speaker:

tengan acceso a ese correo, tengan acceso a ese teléfono y tengan un correo

Speaker:

y un teléfono adicionales por si el de ustedes pasa algo.

Speaker:

Aparte de la verificación dos pasos.

Speaker:

Porque ya les dije que a Meta no le importa nada nada de nada a él le interesa

Speaker:

este negocio contigo pero no le importa tu vida,

Speaker:

así que te va a hacer otra pues ni modo a ver si sigue escribiendo desde ahí,

Speaker:

pero si no pues ya que salga que se pueda reconectar a ellos no les importa,

Speaker:

no tienen soporte al México o sea y todavía siguen usando esas plataformas,

Speaker:

está de pensarse y con esta ley Olimpia que protege a las mujeres o sea,

Speaker:

los hombres aquí en este caso tenemos el 90% de probabilidad de perder si no es que el 99%.

Speaker:

Aunque sean mentiras, ¿eh? Y aquí es donde siempre pienso, ¿por qué?

Speaker:

Si va a demandar, a poner una demanda ante una autoridad judicial,

Speaker:

una mujer contra X, su novio, esposo, lo que sea.

Speaker:

Y es mentira porque no se aplica la misma ley que dice que si te quedas confaseada

Speaker:

ante una autoridad judicial pues se te puede,

Speaker:

poner una multa o años de prisión y no se aplica se debería aplicar para que

Speaker:

no haya tantas demandas falsas,

Speaker:

porque sea lo que sea a las,

Speaker:

personas que demanden hombres por lo menos aunque no tengan nada que ver con que sea una vil mentira,

Speaker:

y que la otra persona ya ni se presente a nada entonces de todas maneras,

Speaker:

ese tipo de delitos se persigue por oficio entonces aunque la otra diga ahora

Speaker:

era una broma este era mentira y siempre no y,

Speaker:

ya ya mejor ya no no pues ya no se puede detener,

Speaker:

el otro tiene que hacer abogados peritos todo lo demás.

Speaker:

Y todo, nomás porque, o sea, ¿qué es eso?

Speaker:

O sea, nada que ver, pues. Pero, como yo siempre digo, no hay nada bueno, nada es malo.

Speaker:

Todo tiene características, precios y consecuencias, ¿no?

Speaker:

Entonces, las redes sociales, no decir que son buenas o malas.

Speaker:

Son dos tipos diferentes, descentralizadas, que son anónimas y eres libre de

Speaker:

escribir lo que tú quieras y ahí no hay censura.

Speaker:

Si te censuran por algo, pues como son descentralizadas, tu publicación está

Speaker:

en otro servidor y ya está publicada en otro servidor diferente.

Speaker:

Entonces, no se puede censurar, a diferencia de las redes sociales centralizadas,

Speaker:

donde en un solo lugar está toda tu información y si quieren,

Speaker:

dañarte, liberarte de tu cuenta, lo que sea,

Speaker:

porque no les conviene, pues lo van a hacer y no pasa nada.

Speaker:

En un solo clic, deja de existir esa red,

Speaker:

entonces son dos cosas diferentes,

Speaker:

completamente diferentes y una, pues vale la pena, por ejemplo,

Speaker:

la red social centralizada, pues te puede ayudar o te puede perjudicar.

Speaker:

Y las otras, pues, no se puede vincular a ti.

Speaker:

Entonces, básicamente, es neutro.

Speaker:

O sea, claro, si hablamos más técnicamente y hablamos de que te conectas sin un VPN y sin nada de,

Speaker:

se puede decir, protección, pues se puede detectar de dónde estás conectando

Speaker:

y todo ese tipo de cosas, ¿no?

Speaker:

Pero es mucho más difícil, se ocuparía mucho más trabajo para poder determinar,

Speaker:

que esa red, que esa publicación pertenece a ti,

Speaker:

no a alguien, porque básicamente es anónimo.

Speaker:

Entonces, eso es el asunto de estos dos tipos de redes.

Speaker:

Y...

Speaker:

Es difícil, pero lo mejor, lo mejor así, es dejar de usarlas.

Speaker:

Como ya dije en el programa anterior, pues es un vicio.

Speaker:

O sea, hay gente que se la pasa publicando casi cada acción que hace en el día,

Speaker:

¿no? Como que no tiene nada más que hacer.

Speaker:

Tal vez es su psicólogo es su forma de sacar el fuga entonces de ahí sale,

Speaker:

publicación tras publicación publicación tras publicación que voy al baño que

Speaker:

ya salí del baño que voy por el café ahora voy a la oficina,

Speaker:

pues que estoy aburrido tengo que trabajar pero tengo ganas.

Speaker:

Y pobres cosas de esas entonces Entonces,

Speaker:

no tiene caso estar publicando. Sí te puede salvar, ¿eh?

Speaker:

Porque, de hecho, estar publicando tanto así, te puede decir,

Speaker:

mira, mi perfil cómo es. Todos los días hago lo mismo, mira.

Speaker:

Aquí hay todas las publicaciones de todos los días. Y todo lo que hago todos

Speaker:

los días. Y esas son mis rutinas, se puede decir.

Speaker:

Puedes deducir mi rutina con todas mis publicaciones.

Speaker:

Entonces, si un día, ah, pasó algo, dices, no, pues esa persona es poco probable

Speaker:

porque en esta hora estaba en este lugar, mira, aquí está su publicación.

Speaker:

Y a menos que sea un doble, ¿verdad?

Speaker:

Pero, un cuate, un gemelo, no sé, pero es muy difícil, ¿no?

Speaker:

A diferencia de que si no publicas nada, en mi caso yo no publico nada, nada personal.

Speaker:

Entonces, ni me gusta, pero sí te puede ayudar.

Speaker:

Pero a la vez, también te puede condenar, se puede decir.

Speaker:

Entonces si vas a publicar pues las publicaciones,

Speaker:

que no sean públicas que sea nomás al grupo de personas que tú quieras porque,

Speaker:

si así alguien quiere usar tus publicaciones en tu contra pues no pueden entrar a tu cuenta,

Speaker:

o sea van a haber las publicaciones que son abiertas al público en general a todo el mundo,

Speaker:

pero si no eres parte de los amigos o de la familia o lo que sea entonces no

Speaker:

van a poder ver las publicaciones y eso está bien o sea, tienes un poco más de control porque,

Speaker:

a veces pensamos que tenemos control sobre las redes pero como dije ahorita,

Speaker:

hay veces que ni siquiera te sabes tu contraseña,

Speaker:

o sea,

Speaker:

no tienes actualizado los datos de recuperación en tu cuenta eso todos lo deben

Speaker:

de hacer todos tener al día sus cuentas,

Speaker:

todos los métodos de recuperación.

Speaker:

Entonces, pues, eso es el asunto del día de hoy.

Speaker:

¿Por qué? Porque la verdad, hay muchos casos que me han llegado.

Speaker:

En lo que va del año, un montón de casos que tienen que ver con esto.

Speaker:

Y les puedo decir que un 80% son mentiras.

Speaker:

El otro 20% es media verdad. Media. O sea,

Speaker:

porque las cosas pasan de forma diferente a como están hechas declaraciones.

Speaker:

Entonces, si me preguntan, ¿esta ley Olimpia sirve? Para nada.

Speaker:

O sea, nomás le saca dinero a la gente, porque la verdad,

Speaker:

la mayor parte de las denuncias son falsas, Falsas Hasta que la misma autoridad,

Speaker:

Diga Declararse en falso Y te lo voy a hacer válido Porque tú siempre protestas

Speaker:

Que vas a decir la verdad Y no protestas que vas a decir la verdad Entonces te la voy a aplicar,

Speaker:

Pero a las mujeres no se las aplican Y se las debería de aplicar tal cual No

Speaker:

sé si no Pues o sea A que estamos jugando.

Speaker:

O sea, ahí está el... A mí no me importa que la presidenta sea Sheamus y sea mujer.

Speaker:

O sea, debe ser igual. O sea, dices mentiras, declaración falsa de tu autoridad, pues órale.

Speaker:

Y así ya la que sigue, que va a declarar, que va a hacer una declaración,

Speaker:

que la piense si la va a hacer en falso.

Speaker:

Después se queda en el bote ella por andar diciendo mentiras.

Speaker:

Y eso está bien o sea yo estoy de acuerdo que se proteja a las mujeres y todo lo demás pero,

Speaker:

si dicen mentiras no está bien no está bien así que,

Speaker:

bueno eso es el primer tema del día de hoy,

Speaker:

y vamos a resumir así de tres minutos así rapidito de lo que hablamos que es,

Speaker:

dos tipos de redes sociales, descentralizadas y centralizadas.

Speaker:

Descentralizadas, Mastodon, el Pixel Fed, como el Instagram.

Speaker:

Luego dijimos que las redes descentralizadas son anónimas y son más libres y

Speaker:

pues nada se puede vincular a ti.

Speaker:

Luego dijimos que las redes sociales centralizadas como Facebook, Instagram,

Speaker:

Meta, todo eso, son redes centralizadas que tienen control absoluto sobre ti,

Speaker:

y si dices algo que no, pues te cancelan y se acaban, ¿no?

Speaker:

O sea, porque tu perfil es verdadero y todo está vinculado a ti.

Speaker:

Entonces, la red social descentralizada te puede servir o te puede perjudicar.

Speaker:

Luego dijimos también que es importante que actualices tus datos de recuperación de tu cuenta.

Speaker:

Que sea tu correo, tu teléfono, el de alguien que confíes, teléfono y correo,

Speaker:

por si el tuyo le pasa algo, ¿no?

Speaker:

Y aparte las clases de recuperación de cada servicio y que usen un administrador

Speaker:

de contraseñas y que no sea el Keychain de Apple,

Speaker:

o el navegador, pues eso no está bien. Bitwarden está bien, ProtonPass está bien.

Speaker:

Entonces, ese es en resumen de lo que hablamos acerca de esta ley olimpia y pues todo lo que,

Speaker:

consecuencias por las mentiras que se dicen.

Speaker:

Entonces, continuamos con el segundo tema del día de hoy, que es la alteración,

Speaker:

de videos y la física óptica.

Speaker:

¿Y por qué este tema?

Speaker:

Bueno, primero es el tema de mi investigación para el grado de doctorado.

Speaker:

Y segundo porque en mi campo de trabajo los videos es casi cosa del diario Es.

Speaker:

Una prueba pericial que sucede un montón Y siempre hay muchas dudas que si un

Speaker:

video es válido, si es alterado,

Speaker:

y cómo se puede mostrar si es válido o no.

Speaker:

Entonces, por eso y porque siento que hay muchos pretextos para... O sea.

Speaker:

Las autoridades lo tratan de desacreditar los videos por cualquier cosa.

Speaker:

No saben lo difícil que es alterar un video.

Speaker:

O sea, no importa que haya IA. La IA no puede alterar un video fácilmente.

Speaker:

Puede crear uno, nuevo, desde cero.

Speaker:

Pero no lo va a crear en el ambiente, en donde sucedieron los hechos, los eventos.

Speaker:

Entonces, de esto vamos a hablar el día de hoy. porque es muy importante para,

Speaker:

poder, por ejemplo, hacer la promoción de una prueba pericial ante una autoridad.

Speaker:

O sea, qué argumentos, qué hacer y en qué fijarse para que un video no sea alterado.

Speaker:

Y no se puede, les digo que un video es muy difícil,

Speaker:

o sea, se puede cortar un pedazo y se puede hacer como un,

Speaker:

subvideo o un segmento del video y dejar todo lo demás afuera pero eso no lo

Speaker:

altera, o sea, le cortas un pedazo.

Speaker:

Y ese paso ya no existe se puede decir o puede ser un vídeo separado pero el vídeo original pues,

Speaker:

si es con,

Speaker:

unas cámaras de videovigilancia la fecha y la hora se va a ver alterada luego

Speaker:

luego entonces no se puede cortar nomás un pedazo ya o sea,

Speaker:

entonces puedes presentar pedazos donde,

Speaker:

donde no pasó nada se puede decir,

Speaker:

pero como los extremos que sobraron de donde se cortó pero pues te vas a dar

Speaker:

cuenta oye porque no me muestras el pedazo este es que lo corté,

Speaker:

está muy difícil pues no,

Speaker:

es muy probable es 99% probable que un video esté alterado así desde el principio,

Speaker:

y lo digo porque tengo 10 años de experiencia en esto,

Speaker:

así que bueno vamos a ver.

Speaker:

Vamos primero,

Speaker:

pues hablando de las máquinas que nos vigilan, pasamos al segundo tema de hoy

Speaker:

que conectan directamente con esto, y que son las cámaras de videovigilancia, o CCTV,

Speaker:

y esos son closed circuit TV, o sea televisión.

Speaker:

Con la exposición de la inteligencia artificial y los deepfakes existe la percepción

Speaker:

de que cualquier video puede ser alterado para incriminar a alguien o borrar un delito.

Speaker:

La realidad forense es muy distinta.

Speaker:

De hecho, en el desarrollo de mi investigación doctoral sobre la inteligencia

Speaker:

artificial y la verificación de autenticidad de video, este es el núcleo del problema.

Speaker:

El problema. Alterar un video de seguridad para engañar a un perito es una tarea titánica.

Speaker:

Por dos razones. La estructura de los datos y la ley de la física óptica.

Speaker:

Entonces, primero, el archivo.

Speaker:

Los videos no son fotos apiladas, son flujos comprimidos con E-frames,

Speaker:

completos y cuadros predictivos que solo guardan movimiento.

Speaker:

Si alguien usa un software de edición para borrar a una persona de una escena,

Speaker:

rompe esa cadena predictiva.

Speaker:

Al procesar el video, las herramientas forenses como FFPROB o otros analizadores de estructuras,

Speaker:

el archivo grita, dice, que ha sido recodificado.

Speaker:

Y ahí te das cuenta rápido que un video fue alterado.

Speaker:

Pero la verdadera barrera.

Speaker:

Impenetrable era la luz. Cuando evaluamos un video mediante modelos avanzados,

Speaker:

analizamos la coherencia lumínica, la difracción de la luz sobre los objetos,

Speaker:

las sombras matemáticamente exactas,

Speaker:

los vectores de movimiento y el ruido térmico del sensor de la cámara.

Speaker:

Todo esto forma el ADN de esa grabación.

Speaker:

Una IA puede engañar al ojo, puede engañar al ojo humano en TikTok, por ejemplo,

Speaker:

pero es estadísticamente incapaz de replicar de forma perfecta la física óptica del mundo real.

Speaker:

En todos y cada uno de los fotogramas.

Speaker:

De un circuito cerrado ok aquí estamos hablando de cámaras,

Speaker:

digitales en general tanto de teléfonos como de cámaras circuitos cerrados de video vigilancia,

Speaker:

aquí en este caso aunque si aplica pero ya que mi investigación se basa en todo

Speaker:

lo digital o sea deja afuera cualquier,

Speaker:

cámara óptica,

Speaker:

cámaras digitales está bien pero las ópticas ya quedan afuera de mi rango de investigación ok este,

Speaker:

entonces dejando eso claro,

Speaker:

Vamos a explicar un poco cómo y por qué es imposible que un video esté alterado.

Speaker:

Primero, hay una cosa que siempre pasa y tratan de.

Speaker:

Alterar o de despreciar la evidencia de un video, ¿no?

Speaker:

Y eso lo hacen mediante tratar de decir, el video tiene la hora incorrecta.

Speaker:

Entonces, generalmente, y lo digo

Speaker:

por experiencia, pues la gente que tiene deberes en sus casas para grabar,

Speaker:

lo que está pasando en el exterior y en el interior de su casa.

Speaker:

Porque hay gente que pone cámaras en los cuartos En el cuarto de la televisión

Speaker:

En la sala En la cocina Espero que no en los cuartos En las recámaras, ¿no?

Speaker:

Pero bueno, a última hora, ¿no?

Speaker:

Y también afuera en la calle Ponen cámaras Entonces...

Speaker:

Los DBRs graban como que quemas en una hoja, ¿no?

Speaker:

Vamos a poner, que agarras un fierro caliente, ¿no?

Speaker:

Y tiene tu firma. Y ese lo pones en una hoja.

Speaker:

Entonces esa hoja es como si uno es un E-frame en un video.

Speaker:

Porque un vídeo pues es un conjunto de frames o de nosotros decimos group of pictures,

Speaker:

y son diferentes tipos de frames no como frames y los los los ve los los y los penos los los los,

Speaker:

y pedazos que los bidireccionales.

Speaker:

Los principales y el interlazado, ¿no?

Speaker:

Entonces, y hay otros, pero esos son los principales, porque si no,

Speaker:

los voy a hacer bola, así de por sí, ¿verdad? Entonces...

Speaker:

¿Qué pasa con los videos? Entonces, si tú tienes ese fierro caliente y a cada

Speaker:

hoja, que vamos a decir que cada hoja es un segundo de un video, de una foto.

Speaker:

Y le pones el sello, ¡fum! con caliente, ¡fum!

Speaker:

Otro nuevo video, otra nueva foto del video, y le pones la fecha, la hora, ¿no?

Speaker:

Entonces, esa forma parte de los pixeles del video en sí, que es un sistema del CMOS,

Speaker:

del DVR,

Speaker:

y es el sistema operativo del DVR que lo incrusta en cada frame del video.

Speaker:

Entonces es imposible que tú puedas alterar el video, ni menos la fecha y la hora.

Speaker:

Claro, tú puedes cambiar la fecha y la hora, que muchas veces pasa que.

Speaker:

El DVR no está conectado al internet y no se actualiza automáticamente.

Speaker:

Entonces muchas veces la fecha, bueno, la fecha, más bien la hora,

Speaker:

está adelantada o atrasada una hora, ¿no?

Speaker:

Este, eso sí puede pasar, pero eso no le quita, o sea.

Speaker:

Se puede decir validez al video.

Speaker:

El video está grabado en el lugar de la escena,

Speaker:

donde ocurrieron los hechos. Entonces, aunque se haya recorrido 10 horas,

Speaker:

están las cámaras, los ángulos de las cámaras, apuntando hacia el lugar de la escena de los hechos.

Speaker:

O sea, no puedes demeritar eso.

Speaker:

O sea, puedes ir visa, pero si lo demeritas, decir básicamente que eres cómplice.

Speaker:

O sea o sea, así o sea.

Speaker:

También puede ser que vamos a decir oh, es que tengo la duda ¿cómo tienes dudas?

Speaker:

Mira si quieres mañana ve al lugar a esa hora y si estás 10 horas atrasado,

Speaker:

adelantado te vas a dar cuenta pero a lo mejor va a estar ahí,

Speaker:

apuntando la cámara exactamente donde estaba apuntando en el momento y el escenario es idéntico entonces,

Speaker:

¿quién pudo inventar ese escenario?

Speaker:

No, no se puede o sea,

Speaker:

Aunque las horas sean incorrectas, el video no se puede alterar.

Speaker:

El contenido del video no se puede alterar.

Speaker:

Y eso es que ni siquiera estoy hablando todavía de la física de la luz y la física óptica.

Speaker:

O sea, ahorita nomás estoy hablando de encimita, así superficial,

Speaker:

porque si me pongo a explicar todo lo demás, pues no sé qué,

Speaker:

no van a entender.

Speaker:

Los frames, voy a decir, voy a poner un ejemplo, un video de 30 segundos, que algo pasó,

Speaker:

X cosas un delito un robo y se grabaron los 30 segundos donde alguien le robó

Speaker:

a alguien la cartera, la bolsa lo que sea,

Speaker:

y ahí está y tiene la fecha, la hora y y grabó el evento,

Speaker:

Ese video puede ser que dure 10,

Speaker:

horas. ¿Por qué? Porque hay unos DVRs que graban continuo.

Speaker:

Otros DVRs que graban de acuerdo al movimiento. Si hay movimiento,

Speaker:

graban. Si no hay movimiento, no graban.

Speaker:

Hay DVRs que cuando extraen los videos, los extraen,

Speaker:

en segmentos de 8 horas, otros de una hora, y otros tú puedes escoger que de

Speaker:

cada 10 minutos, cada 15, o sea, hay diferentes sistemas, ¿no?

Speaker:

Entonces supongamos que si puedes extraer los 30 segundos.

Speaker:

En un video de en un segmento de 10 minutos de esos 10 minutos nos interesan

Speaker:

30, entonces cuando lo extraes,

Speaker:

el mismo DVR es como que tiene toda la secuencia vamos a suponer que ese DVR

Speaker:

graba continuamente Entonces, si tú haces toda la secuencia,

Speaker:

de un video que en este caso dure 8 horas y tú ocupas 10 segundos, ¿para qué?

Speaker:

Y entonces, si tú le dices al DVR, oye, ocupo nomás de esta hora a esta hora.

Speaker:

Entonces, ah, bueno, pero yo nomás bajo de 10 minutos y 10 minutos.

Speaker:

Ah, bueno, entonces, los otros 30 segundos o ese minuto está dentro de este

Speaker:

rango, entonces bájame estos 10 minutos.

Speaker:

Y entonces, toda la demás secuencia,

Speaker:

Ya se perdió. Pero eso no hace que el video sea inválido. O sea, se generó,

Speaker:

una secuencia o una subsecuencia del original.

Speaker:

Y si tú lo vuelves a poner todo completo, vas a ver ese pedazo idéntico.

Speaker:

Entonces, no está alterado. Simplemente extrajiste la parte importante.

Speaker:

Entonces, no se puede hacer que por eso un video valga menos.

Speaker:

Luego.

Speaker:

Está los frames por segundo. Cuando tú haces los frames por segundo.

Speaker:

Tú sabes que unas cámaras de seguridad. Lo máximo son unos 30.

Speaker:

Generalmente funcionan en 30. Hasta 12 bajan. 15 y así.

Speaker:

Y eso que se debe. A que por ejemplo vamos a decir.

Speaker:

Que ahorita está grabado continuamente. pero si tú no bueno,

Speaker:

si no hay movimiento entonces deja de grabar entonces empieza como un contador vamos a decir,

Speaker:

te dejo de grabar ahorita y empieza a contar,

Speaker:

no hay movimiento no hay movimiento uno, dos, tres y empieza a contar todos

Speaker:

los segundos segundos, segundos un segundo, dos, diez, veinte,

Speaker:

treinta y no hay nada de movimiento,

Speaker:

entonces ¿para qué saco como foto tras

Speaker:

foto tras foto de algo que no hay movimiento? Es que es la misma foto.

Speaker:

Entonces, saco una foto que es un frame I y después dice, ah,

Speaker:

este frame lo voy a duplicar por 30 segundos o un minuto que no hubo nada de

Speaker:

movimiento. Entonces por 60.

Speaker:

Entonces cuando lee ese archivo del video,

Speaker:

empieza a decir, a ver, aquí no hubo movimiento, entonces uno este frame multiplicado

Speaker:

por 60 lo voy a reproducir,

Speaker:

y ya hubo movimiento entonces graba el nuevo frame y empieza y para no gastar.

Speaker:

Tantos frames pues como no hay movimiento entonces en el lugar de usar 30 frames,

Speaker:

usa 12 frames o 15, etc. Depende.

Speaker:

Del programa como esté hecho el deber.

Speaker:

Entonces, así funciona esto.

Speaker:

Y tú puedes ver en un archivo de un video cómo está hecho los frames interlazados,

Speaker:

los principales y los bidireccionales.

Speaker:

Entonces, no hay forma de que un video sea alterado,

Speaker:

de ninguna forma. O sea, todos los videos,

Speaker:

por default son válidos, aunque estén cortados.

Speaker:

O sea, porque nomás es un pedazo de...

Speaker:

Si el pedazo que te interesa es un segmento de la totalidad,

Speaker:

se puede decir, es válido.

Speaker:

O sea, aunque no puede haber la totalidad, pero si se documentó de dónde salió y cómo salió, es válido.

Speaker:

Y si tú vas y verificas las cámaras y los ángulos entonces puedes saber con

Speaker:

certeza que existió y dónde estaba ubicado y todo lo demás,

Speaker:

entonces no hay forma,

Speaker:

de que un video de cámaras de videovigilancia,

Speaker:

sean alterados.

Speaker:

Y se podría aplicar similar para las cámaras de los celulares.

Speaker:

Pero pues ahí no tenemos, se puede decir, la fecha y la hora continua como una cámara de vigilancia.

Speaker:

Pero de todas maneras, se aplica el mismo principio de que si se corta y se

Speaker:

altera, pues en los frames no vamos a dar cuenta.

Speaker:

Entonces, si es una cámara de videovigilancia con fechas y horas aunque esté

Speaker:

atrasado, adelantado, lo que sea el video es válido,

Speaker:

si es de teléfono o de una cámara digital, lo que sea ya es otro asunto ahí

Speaker:

sí hay que tener un poco más de se puede decir,

Speaker:

cautela pero mientras sea cámara de vigilancia es imposible alterar un vídeo

Speaker:

sin que se pueda detectar básicamente a simple vista,

Speaker:

porque vas a ver que las fechas y la hora se va a brincar cuando está alterado.

Speaker:

Entonces, todavía ni siquiera hemos hablado de la física o de la óptica,

Speaker:

pero creo que mejor no, porque los voy a asustar.

Speaker:

Pero vamos a nomás así como una una introducción ¿no?

Speaker:

Entonces vamos a suponer que en una escena pues de un crimen este pues hay una persona,

Speaker:

entonces ¿qué es lo primero que tienes que hacer?

Speaker:

Vamos a suponer así que sea una cámara de videovigilancia y la persona está

Speaker:

bien perrona para falsificar, es imposible la verdad,

Speaker:

pero una cosa hipotética que,

Speaker:

tendría que ser una persona que para un video de un minuto le dedicará todo el año,

Speaker:

y para dedicarle todo el año para falsificar un video pues le tiene que dar

Speaker:

para un billetón Y para eso Debe ser algo muy cañón.

Speaker:

Y de todas maneras Lo iba a detectar Yo lo iba a detectar de todas maneras que

Speaker:

está falsificado Aunque Dedique un año Dos años para un video De 10 minutos de 5,

Speaker:

Así que No vale la pena Básicamente Alterar un video O sea, no se puede es muy fácil de detectar.

Speaker:

Los que creen que es fácil y se puede alterar muy rápido y nadie se da cuenta,

Speaker:

pues no conocen la física de la luz.

Speaker:

Entonces, vamos a suponer que en ese video hay dos personas,

Speaker:

que alguien le robó la cartera, la bolsa a otra.

Speaker:

Entonces, ¿qué es lo primero que te fijas?

Speaker:

Primero vas a desmenuzar el video lo vas a separar en,

Speaker:

en frames puros frames tipo I o sea, principales o sea, no me interesan las

Speaker:

copias nomás donde hay movimiento,

Speaker:

entonces, cada uno de esos vas a ver, ¿cuántas personas hay?

Speaker:

Dos personas vamos a un algoritmo y vamos a Para detectar el esqueleto de las personas.

Speaker:

¿Cómo está el esqueleto de las personas?

Speaker:

O sea, ¿cómo se está moviendo con el tiempo?

Speaker:

¿Y dónde está la luz? ¿Es de noche? ¿Es de día?

Speaker:

Entonces, supongamos que es el escenario más difícil. ¿Es de noche?

Speaker:

Bueno, pero debe haber luz por lo menos de las estrellas.

Speaker:

Bueno, supongamos que que una ciudad súper mega avanzada como Tijuana que hay

Speaker:

luz en todos lados bueno,

Speaker:

ahí nos quedó mal el presidente municipal que no ha hecho nada pero bueno, eso no me interesa.

Speaker:

Y entonces, ¿dónde está la luz?

Speaker:

Encima, atrás, enfrente de la persona o de las personas.

Speaker:

¿Qué color de luz es? ¿Amarilla, blanca?

Speaker:

Porque tienen que saber que si pone la luz amarilla los colores de los objetos en la noche cambian,

Speaker:

o sea tan sencillo como una lámpara

Speaker:

LED de esas amarillas y ponen algo abajo de otro color y a lo mejor,

Speaker:

es azul, pero es verde o al revés no sé porque la luz cambia la percepción a la vista humana,

Speaker:

y

Speaker:

si es blanca pues le vas a ver el color que es entonces te fijas en esos detalles,

Speaker:

ya les estoy dando mis secretos y eso es que todavía apenas está,

Speaker:

iniciando el pre-proyecto del doctorado No siquiera,

Speaker:

les he dicho de las matemáticas atrás de esto.

Speaker:

Porque esto nomás es así por encima. O sea, atrás de esto hay matemáticas, muchas matemáticas.

Speaker:

O sea, entonces...

Speaker:

Si se fijan,

Speaker:

es muy, se puede decir,

Speaker:

entre comillas, sencillo. Si miras,

Speaker:

supongamos, como el sol, ¿no? Desde la mañana, como avanzando el sol, ¿no?

Speaker:

Desde el oriente hasta el poniente, cuando está mediodía,

Speaker:

está exactamente encima de uno entonces no hay sombra y si es que hay sombra

Speaker:

hasta abajo de ti no más así como que pues ni se alcanza a ver hasta,

Speaker:

unos minutos después que el sol empieza a cambiar del ángulo empieza a ver más

Speaker:

sombra y más sombra y más sombra,

Speaker:

entonces lo mismo pasa en la

Speaker:

noche con una lámpara si está encima de ti pues no vas a ver sombra O sea,

Speaker:

si está enfrente, si está a cuantos grados de inclinación sobre ti y sobre la otra persona.

Speaker:

Entonces, todo esto se toma en cuenta.

Speaker:

Y se puede determinar fehacientemente que los videos son o no alterados.

Speaker:

Y 99.9% de los videos es imposible alterados.

Speaker:

Los únicos que podrías alterarlos, se puede decir, serían los memes.

Speaker:

Y los creados por la IA pero pues los que creados por la IA,

Speaker:

luego no te das cuenta que son creados por IA eso a la simple vista y de hecho

Speaker:

cuando creas un video por IA te pone un iconito de la misma IA que lo creó para

Speaker:

que sepas que es creado por la IA,

Speaker:

entonces no hay forma de que un video en la cámara,

Speaker:

de seguridad pueda ser alterado.

Speaker:

Y si se aplica estos temas de la,

Speaker:

se puede decir de la física,

Speaker:

de la luz y de la óptica.

Speaker:

Los videos y también las fotos porque las fotos pues se puede decir un frame

Speaker:

de un video entonces se puede aplicar también a una foto,

Speaker:

el este,

Speaker:

el vivo la misma forma de evaluar,

Speaker:

que para las fotos existe otro otras técnicas como error level análisis y todo

Speaker:

esto no pero se puede aplicar también esta nueva técnica que que es mi investigación,

Speaker:

y no se puede alterar los vídeos punto CC por Antarctica Films Argentina.

Speaker:

Punto. No voy a decir más. Y sí me da ganas de explicarles cómo funciona todo esto,

Speaker:

pero es mucho rollo, por ejemplo, lo que dije, porque hay algoritmos para todo.

Speaker:

Por ejemplo, el esqueleto, cómo se mueve la persona, y en lugar de ver a la

Speaker:

persona, ves el esqueleto, cómo se está moviendo.

Speaker:

Entonces le pones la fuente de luz y hacia donde se proyecta y después revisas la proyección,

Speaker:

que debe de ser de acuerdo a tus cálculos con la proyección que está en el video,

Speaker:

y si concuerda entonces debe decir que no hay problema si no concuerda entonces está alterado un video,

Speaker:

y eso se aplica en los videos de videovigilancia en los videos generados por

Speaker:

cualquier teléfono celular,

Speaker:

o cámara digital,

Speaker:

y pues hasta por las webcams cualquiera pero esto no aplica a cámaras.

Speaker:

Con lentes análogos,

Speaker:

se puede aplicar a las sombras pero como también hay otros aspectos que se tienen

Speaker:

que tomar en cuenta como cuántos frames por segundo de este,

Speaker:

qué tamaño de la foto, de la imagen entonces todos esos datos y todos los metadatos

Speaker:

que van incluidos y las cámaras.

Speaker:

Ópticas pues no tienen metadatos entonces por eso todo eso queda descartado,

Speaker:

así que espero no haberlos confundido y,

Speaker:

aburrido con tanto relajo esto de los videos pero es que,

Speaker:

Me han llegado tantos, tantos casos de esto que tiene que quedar claro que los

Speaker:

videos, 99% son originales.

Speaker:

El 1% hechos con IA.

Speaker:

Pero cualquiera se da cuenta que están hechos con IA y listo.

Speaker:

Entonces no creo que pueda haber uno que esté,

Speaker:

bien alterado y que no sea visible a la vista, así de fácil.

Speaker:

Así o sea cualquier vídeo que está alterado hasta el que sea experto lo puede

Speaker:

detectar a simple vista porque será dar cuenta de los brincos que hay.

Speaker:

O sea dar cuenta de que la fecha Y que la hora Más bien los minutos y los segundos Este Como,

Speaker:

van subiendo Rápidamente Se van moviendo rápidamente los segundos Entonces va

Speaker:

a estar mal hecho El reloj Y en esos detalles te puedes dar cuenta ¿Verdad?

Speaker:

Entonces son un montón de De pequeños detalles Pero Está muy bien,

Speaker:

y eso es el principio después les iré

Speaker:

platicando como vaya avanzando la investigación y hacia donde vamos pero,

Speaker:

quiero que quede claro eso los videos no se pueden alterar fácilmente y me pueden

Speaker:

alegar también de que los videos pues cuando los sacas,

Speaker:

por ejemplo en tu celular,

Speaker:

y lo mandas por,

Speaker:

por whatsapp a otra persona pues ya se alteró y si es cierto o sea ya perdió

Speaker:

calidad ya perdió metadatos hasta el nombre del mismo video ya cabió el nombre el archivo.

Speaker:

Y si en este caso ese video ya no es el mismo pero el contenido aunque sea de menos calidad,

Speaker:

si es el mismo entonces en este caso pues el video se tiene que.

Speaker:

Extra original y si el original no existe porque no existe verdad,

Speaker:

de que se envió pues no o sea el que se envió tal vez sería la última opción si,

Speaker:

este a la persona que se lo envió en la que está demandando, ¿no?

Speaker:

Y pues no le puedes decir al otro o a la otra persona oye, dame el original, ¿no?

Speaker:

Pues no, ¿verdad? Entonces, en ese caso, pues ya no hay más que hacer más que ver pues cómo llegó,

Speaker:

cuándo llegó y si concuerda con la fecha que se lo envió la otra persona y cosas así, ¿no?

Speaker:

Entonces, pues si hay formas de validar eso y por eso digo que la mayor parte

Speaker:

de los videos aunque se hayan enviado por whatsapp y lo que sea,

Speaker:

son válidos o sea claro que si te das cuenta que le falta un frame o algo cuando se pasa por el,

Speaker:

algoritmo pues entonces decir que la persona que lo recibió lo alteró y ahí sí verdad pues pero.

Speaker:

Para que te hablan si sabes que vas a llegar a la verdad y si es una mentira,

Speaker:

pues van a pagar porque se sale en contra de ellos entonces pues no creo que les convenga verdad,

Speaker:

entonces pues hasta ahí le dejamos el día de hoy llegamos al final del análisis

Speaker:

de hoy y la conclusión es clara.

Speaker:

Vivimos en una era donde la coartada perfecta y el crimen perfecto están desapareciendo

Speaker:

frente a la recolección masiva de datos.

Speaker:

La ley Olimpia nos demuestra que el anonimato online es una ilusión cuando hay

Speaker:

voluntad legal y técnica para investigar.

Speaker:

Y por otro lado, la física óptica nos asegura que, a pesar de que los avances

Speaker:

de la inteligencia artificial, la verdad grabada en un sistema de vigilancia

Speaker:

sigue siendo extraordinariamente resiliente,

Speaker:

ante la manipulación.

Speaker:

Y pues, nos vemos. Los datos no mienten, pero hay que saber interpretarlos.

Speaker:

Gracias por acompañarme en el episodio 71. Como siempre, si encontraron valor en este análisis,

Speaker:

suscríbanse a la red privada en la plataforma favorita y dejen su resella y

Speaker:

compartan este episodio.

Speaker:

Soy Héctor Fuentes Cuiden su rastro Protejan sus datos Porque la red no olvida,

Speaker:

Nos escuchamos en la próxima semana Hasta entonces, gracias.

Chapters

Video

More from YouTube