Cómo funciona el detector de imágenes IA

🔄Visión general del análisis

Cuando seleccionas una imagen (JPG, PNG o WEBP, de hasta 10 MB) ocurre lo siguiente, siempre en tu dispositivo:

1. El navegador lee el archivo y extrae sus metadatos y su procedencia.
2. La imagen se decodifica y se calculan varias señales forenses sobre muestras uniformes de píxeles.
3. Se comprueba si el archivo parece haber pasado por una red social o una aplicación de mensajería.
4. Se combinan todos los datos en una probabilidad, un nivel de fiabilidad y un veredicto.

La imagen no se envía a ningún servidor ni se almacena. Lo detallamos en la política de privacidad.

🏷️Paso 1: procedencia en los metadatos

La herramienta lee los bloques de metadatos de cada formato: EXIF, XMP e IPTC y comentarios en JPEG; los campos de texto en PNG; EXIF y XMP en WebP; y los manifiestos C2PA cuando existen. Busca tres tipos de pruebas:

• Parámetros de generación: campos como parameters, prompt o workflow y valores como Steps, Sampler, CFG scale, Seed o Model hash, típicos de Stable Diffusion y ComfyUI.
• Etiquetas estándar: DigitalSourceType con los valores trainedAlgorithmicMedia o compositeWithTrainedAlgorithmicMedia.
• Nombres de generadores y editores con IA en campos como Software o CreatorTool: Midjourney, DALL·E, Firefly, Flux, Ideogram y muchos más.

Para evitar falsos positivos, las palabras comunes (por ejemplo «Flux» o «Dream») solo cuentan cuando son el valor de un campo de herramienta, no cuando aparecen dentro de una descripción. Si el archivo declara IA, el resultado lo indica directamente. En cambio, un EXIF de cámara nunca reduce la sospecha, porque es fácil de copiar. Más información en la guía de metadatos.

📡Paso 2: señales forenses sobre los píxeles

Si el archivo no declara su origen, se calculan doce señales sobre una rejilla uniforme de muestras (la imagen se reduce a un máximo de 1024 píxeles para las señales de estructura, y el ruido se mide en parches de 64×64 a resolución nativa):

• Ruido de sensor: el ruido residual de la imagen; una ausencia casi total es sospechosa.
• Uniformidad de textura y micro-detalle: zonas demasiado lisas o planas.
• Densidad de bordes y suavidad de gradientes.
• Uniformidad de color y textura de piel (solo si hay zonas de tono piel suficientes).
• Simetría especular y fondo lateral excesivamente liso.
• Bloques repetidos: texturas copiadas o en mosaico.
• Rejilla JPEG de 8×8: huella de compresión de captura.
• Dimensiones: tamaños múltiplos de 64, habituales en generadores, como señal débil.

Las señales que no se pueden aplicar a una imagen concreta, por ejemplo la textura de piel en un paisaje o el color en una foto en blanco y negro, se excluyen del cálculo en lugar de contar como neutras.

🗜️Detección de recompresión

Las redes sociales y aplicaciones como WhatsApp eliminan metadatos y recomprimen las imágenes, lo que destruye buena parte de la evidencia. La herramienta lo detecta en JPEG sin EXIF, XMP ni C2PA cuando se cumplen al menos dos de estas condiciones: formato progresivo, cabecera JFIF mínima, un tamaño típico de plataforma o una calidad de compresión intermedia.

En ese caso añade un aviso y, si el resultado apuntaba a «real», lo cambia a No concluyente: no se puede afirmar que una imagen es auténtica cuando la evidencia original se ha perdido.

📊Cómo se calcula el resultado

Las señales aplicables se combinan en una probabilidad de IA con pesos distintos (el ruido pesa más que las dimensiones, por ejemplo). Según su valor, el veredicto es:

• 70 % o más: probablemente IA.
• Entre 50 % y 70 %: posiblemente IA.
• Entre 30 % y 50 %: posiblemente real.
• 30 % o menos: probablemente real.

Además se calcula la fiabilidad de la evidencia, que depende de la resolución de la imagen y de cuántas señales se han podido aplicar, con un máximo del 75 % porque las heurísticas no están calibradas. Si la fiabilidad es baja, «probablemente» se rebaja a «posiblemente». Una declaración de IA en los metadatos prevalece sobre todo lo anterior.

⚖️Qué no hace esta herramienta

• No usa aprendizaje profundo: no hay un modelo entrenado, solo reglas y mediciones.
• No está calibrada: no se ha evaluado con un conjunto de referencia público, así que no puede dar una cifra de acierto.
• No verifica firmas C2PA: detecta el manifiesto y sus declaraciones, pero no valida la firma.
• No analiza vídeo ni audio, solo imágenes fijas.

Es una ayuda para orientar la verificación, no una prueba. Lee las limitaciones de los detectores antes de sacar conclusiones, sobre todo si la imagen afecta a personas reales.