Detección de leaks con reconocimiento facial: lo que la búsqueda por nombre de archivo no ve

Un contenido filtrado rara vez conserva su nombre de archivo por mucho tiempo: lo renombran, lo recortan, lo recodifican y lo vuelven a subir a decenas de sitios en cuestión de días. Los sistemas basados en palabra clave o en nombre de archivo solo encuentran las copias que aún llevan un nombre coincidente, y esa es una fracción cada vez menor de lo que hay publicado. Los datos de escala de las pruebas de reconocimiento facial, de los programas de comparación de hashes y de los informes de transparencia sobre retiradas muestran lo grande que es esa brecha.

Cómo funciona realmente la coincidencia basada en la identidad

El reconocimiento facial no se fija en cómo se llama el archivo, sino en quién aparece en él. El proceso empieza con una referencia: una o varias fotos de tu cara real, que envías con tu consentimiento al configurar la monitorización. A partir de ellas, el sistema genera una huella facial, una representación matemática de la geometría de tu rostro (distancias relativas entre rasgos, estructura, proporciones) y no una copia literal de la foto. Después, el escaneo continuo recorre una amplia gama de sitios (foros de leaks, sitios de vídeos, plataformas de intercambio de archivos, redes sociales y más), examina los rostros de las imágenes y los fotogramas de vídeo recién descubiertos y compara cada uno con tu huella de referencia. Toda coincidencia lo bastante cercana se marca como posible hallazgo para su revisión.

Las huellas resisten justo las tácticas de quien resube contenido. Cambiar el nombre o el título de un archivo no sirve de nada, porque el sistema no lee texto. Quitar la marca de agua tampoco, porque lo que siempre identificó el contenido fue la cara y no la marca. El recorte o la recodificación se superan dentro de ciertos límites, mientras se vea una parte suficiente del rostro y esté intacta. Pero el método tiene límites: la oclusión fuerte, los ángulos extremos, la resolución muy baja y la presencia de varias personas en un mismo fotograma dejan al sistema menos geometría útil con la que comparar. Por eso el escaneo continuo, que puede captar un ángulo mejor en una resubida o en una imagen complementaria, importa más que cualquier comprobación puntual.

La pregunta de la detección de leaks, «¿eres de verdad tú en esta grabación real?», es muy distinta de la que plantea la detección de deepfakes, «¿es auténtica esta grabación?», aunque ambas suelan apoyarse en la misma infraestructura de coincidencia de identidad. Para esa segunda pregunta, consulta cómo funciona realmente la tecnología de detección de deepfakes.

1. En qué se diferencian de verdad el reconocimiento facial y la comparación de hashes

Es habitual meter en el mismo saco, como «detección con IA», el reconocimiento facial y la comparación de hashes perceptuales, pero resuelven problemas distintos y ninguno depende del nombre de archivo.

La diferencia importa para la detección de leaks: el reconocimiento facial identifica quién aparece en una imagen sin importar el archivo que la rodea, mientras que la comparación de hashes identifica si esta imagen exacta (o casi idéntica) ya se había visto antes. Ambos trabajan sobre el contenido de los píxeles y no sobre el texto del nombre del archivo, que es justo lo que derrota el truco de renombrar y resubir.

2. El volumen frente al que tiene que operar la comparación de hashes

Los programas de comparación de hashes existen porque el volumen de subidas diarias hace imposible seguir el ritmo con cualquier búsqueda por nombre o manual.

El salto de 4 veces interanual en las imágenes neutralizadas^[5] frente a un volumen diario de subidas de unos 2 mil millones de imágenes^[6] ilustra el desajuste: incluso una operación de comparación de hashes con muchos recursos trabaja contra archivos que la superan en varios órdenes de magnitud, y un enfoque basado solo en el nombre de archivo no tiene forma de detectar un duplicado una vez renombrado. Las cifras del propio NCMEC hacen concreto el problema de la duplicación: 21,3 millones de denuncias a la CyberTipline con 61,8 millones de archivos en 2025, de los cuales solo el 48 % de las imágenes y el 28 % de los vídeos eran únicos. Además, 12,1 millones de hashes de contenido conocido ya se comparten con 78 proveedores de servicios electrónicos para que los archivos identificados antes puedan reconocerse de nuevo de forma automática, incluida la imagen de una víctima que reaparece 1,4 millones de veces en 20 años de envíos.^[28]

3. Dónde se quedan cortas la búsqueda inversa de imágenes y la búsqueda por nombre de archivo

La búsqueda inversa de imágenes es la herramienta de acceso público más cercana a la comparación de hashes, pero las pruebas independientes muestran que su recall es irregular y depende de la categoría, muy lejos de la fiabilidad de un índice de hashes diseñado para ese fin.

La alianza de Google con StopNCII de septiembre de 2025^[10] y la lista propia de StopNCII con 16 plataformas participantes^[12] (entre ellas Meta, TikTok, Reddit y Bumble a diciembre de 2025) se basan explícitamente en el mismo principio: comparar la propia imagen, porque quien está lo bastante motivado para resubir contenido filtrado también lo está para cambiar el nombre del archivo. Si mientras tanto estás comprobando a mano, el kit de búsqueda inversa de imágenes te guía por las herramientas que merece la pena usar.

4. Cómo es en realidad el volumen de retiradas basado en la búsqueda por nombre de archivo

Las solicitudes de retirada DMCA que envían los titulares de derechos no distinguen por nombre de archivo y son enormes en volumen, pero poco precisas: cada solicitud apunta a una URL concreta y no al contenido subyacente allí donde reaparezca.

Un sistema de retirada URL por URL solo escala a la velocidad a la que alguien encuentra cada URL nueva. Los 68 millones de solicitudes contra un solo dominio^[14] muestran cuánto esfuerzo repetido se dedica a un contenido que reaparece una y otra vez con enlaces y nombres de archivo distintos en el mismo sitio.

5. Dónde reaparece realmente el contenido, según los datos de apoyo a víctimas

Los datos de las líneas de ayuda muestran que el contenido no consentido se concentra justo donde menos llega una búsqueda por nombre de archivo: sitios para adultos con sus propias convenciones de nombres y canales de mensajería privada sin ningún índice público.

La tasa de retirada de más del 94 % que logró la línea de ayuda en las imágenes que llegó a denunciar^[18] demuestra que la retirada funciona una vez encontrada la coincidencia. El cuello de botella está en encontrarla en canales a los que un rastreo por nombre no llega.

6. Escala de la detección y límites que siguen teniendo ambos enfoques

Las bases de datos de reconocimiento facial han crecido enormemente, pero tanto el reconocimiento facial como la comparación de hashes tienen fallos documentados que un sistema basado en nombres ni siquiera intenta resolver.

Que el índice de Clearview pasara de 40 a 50 mil millones de imágenes en unos siete meses^[22][23] muestra que la escala del reconocimiento facial no es el cuello de botella. Los problemas abiertos son la evasión (ediciones geométricas que derrotan a los hashes perceptuales)^[27] y la fiabilidad de la revisión humana ante los deepfakes^[25], y una búsqueda por nombre de archivo o palabra clave no resuelve ninguno de los dos.

Resumen de las cifras clave

Fuentes