La IA generativa ha erosionado nuestra capacidad de creer en lo que vemos. La falsificación de imágenes en editores de fotos ya ocurría antes, pero ahora ha alcanzado otro nivel: quizás la primera falsificación famosa fue la foto del Papa con un abrigo de plumas blanco que se volvió viral, y desde entonces el número de imágenes falsas de alta calidad se cuenta por miles, con una avalancha de videos falsos convincentes ya en camino.
Esto complica aún más rastrear las “noticias falsas” y su material ilustrativo, cuando fotos de un evento se hacen pasar por imágenes de otro.
La falsificación de imágenes y videos tiene una relación directa con la ciberseguridad. Se usa en toda clase de esquemas fraudulentos —colectas benéficas inventadas, celebridades que supuestamente instan a invertir en la enésima estafa piramidal, perfiles falsos en sitios de citas— y, en los montajes más elaborados, en deepfakes de video y audio que suplantan a los jefes o familiares de la víctima.
Un empleado de una organización financiera fue convencido de transferir 25 millones de dólares a unos estafadores: los delincuentes organizaron una videollamada en la que estaban presentes el “director financiero” y otros “colegas” de la víctima, todos ellos deepfakes.
¿Cómo luchar contra los deepfakes y las simples falsificaciones? El problema es complejo, pero su gravedad se puede reducir gradualmente, especialmente si aprendemos a rastrear el origen de una imagen. Y esa es, precisamente, la promesa de C2PA.
¿Se puede detectar una imagen falsa?
Durante años, la única defensa fue analizar la imagen a posteriori, un terreno que cualquiera que haga OSINT conoce bien. La primera parada es la búsqueda inversa: subir la imagen a Google Reverse Image Search, TinEye o servicios equivalentes para ver dónde apareció antes.
Funciona sorprendentemente bien contra el fraude más burdo, el que reutiliza fotos reales fuera de contexto: así se descubre que la familia víctima de un incendio o los diez perros de un refugio llevan “de gira” por sitios web y redes sociales desde hace años, reciclados en una recaudación falsa tras otra.
Cuando la imagen sí fue manipulada, entran otras técnicas. El análisis de metadatos EXIF puede revelar con qué se tomó y qué software la tocó; el análisis de nivel de error (ELA) resalta las zonas recomprimidas que suelen delatar un montaje sobre el JPEG original.
Sobre estas ideas se construyeron herramientas como Fake Image Detector. Y con la llegada de la IA generativa aparecieron detectores del propio contenido generado, algunos capaces incluso de aventurar qué modelo lo creó.
El problema es que ninguno de estos métodos cierra el caso. La búsqueda inversa no ve una imagen nueva generada desde cero; los metadatos se borran con un clic; el ELA se pierde entre recompresiones sucesivas; y los detectores de IA están lejos del cien por cien de acierto. Ninguno da certeza sobre el origen de la imagen ni permite verificar qué se le hizo y quién lo hizo. C2PA intenta cerrar exactamente esa brecha.
Qué es C2PA: certificar el origen
C2PA es un estándar abierto que adjunta a una imagen, video o audio un historial firmado criptográficamente —quién lo creó, con qué y qué ediciones sufrió—, de modo que cualquier manipulación posterior que no quede registrada rompe la verificación y queda a la vista.
En la práctica, eso significa que la propia imagen puede llevar consigo su historial —”Iván tomó esta foto el 20 de marzo”, “Anna recortó los bordes el 22”, “sin más cambios”—, de modo que cualquier manipulación quede en evidencia al verificarla. Es la tarea que se propuso la Coalición para la Procedencia y Autenticidad del Contenido (C2PA), que reúne a los grandes de la informática, la fotografía y los medios: Canon, Nikon, Sony, Adobe, Microsoft, Google, Intel, la BBC o Associated Press, entre un centenar de participantes presentes en el ciclo de vida de casi cualquier imagen.
Detrás de la sigla confluyen dos iniciativas previas —la Content Authenticity Initiative y el Project Origin—, hoy coordinadas para un mismo fin: estándares abiertos que acompañen a la imagen desde su creación hasta su publicación.
C2PA funciona como una etiqueta —parecida a la información nutricional de un alimento— que certifica la procedencia de imágenes, videos y audios, y cualquier alteración que no quede registrada y firmada como una nueva etapa de la cadena hace que esa versión deje de poder verificarse como auténtica. El estándar, respaldado ya por miles de empresas, ha seguido evolucionando en sucesivas versiones, con trabajo continuo en nuevos formatos, alineación con la IA generativa e integración con video y audio en vivo.
C2PA en las cámaras
Y aquí es donde entra el hardware. El certificado que firma una imagen puede venir de fábrica dentro del propio cuerpo de la cámara, de modo que la foto queda firmada desde el instante mismo de la captura, antes de llegar a cualquier computadora o red.
Por eso los grandes fabricantes de cámaras —Canon, Sony y Nikon entre ellos— son parte de la Coalición: son el primer eslabón de la cadena de procedencia. La firma en captura ya está llegando a los cuerpos de producción, incluidas las cámaras Nikon.
Nikon ilustra bien lo difícil que es el problema. Cuando habilitó la firma en captura en la Z6 III, se detectó una vulnerabilidad que permitía firmar como auténticas imágenes manipuladas o de otras fuentes, lo que obligó a revocar los certificados emitidos y a suspender temporalmente el servicio mientras se corregía. No es un fracaso de la idea, sino la clase de lección de seguridad que todo el ecosistema —cámaras, software y plataformas— está absorbiendo a medida que la firma en captura madura.
La consecuencia es directa, siempre que esas etiquetas firmadas se conserven: una foto o un video reales, con su fecha, hora y ubicación firmadas, serán prácticamente imposibles de hacer pasar por imágenes de otro evento, mientras que lo generado por IA se podrá reconocer con mucha más facilidad. Para la fotografía profesional y de prensa, esa firma en el momento del disparo marca la diferencia entre poder demostrar que una imagen es auténtica y quedar a merced de la duda.
Cómo funciona: criptografía y cadena de custodia
La verificación se apoya en la criptografía de clave pública, igual que los certificados que usan los servidores web para establecer una conexión segura HTTPS. Cada manifiesto se firma con la clave privada del hardware o el software que realizó la operación, mediante credenciales basadas en el estándar X.509 —un certificado que, en la práctica, puede venir integrado en la cámara desde la fábrica o emitirse al activar el software—.
Cada nueva versión del archivo puede incorporar fecha, hora y lugar de la edición, además de miniaturas de la imagen original y de la nueva versión, todo firmado por el productor responsable de esa versión. Así, un archivo verificado guarda una cadena completa de sus versiones intermedias, cada una firmada por quien la modificó y protegida por hashes vinculados mediante criptografía. Además, las implementaciones pueden acreditarse ante la C2PA, un sello que ayuda al usuario a decidir en qué firmante confiar.
La especificación también contempla la privacidad: cuando un periodista no puede revelar su fuente, la función de redacción elimina o sustituye parte de la información del creador y firma esa modificación con su certificado.
Para quien mira la foto, basta una pequeña etiqueta de “imagen verificada”: al abrirla se ve qué imágenes sirvieron de fuente, qué ediciones se hicieron en cada etapa, y quién las hizo y cuándo; incluso las versiones intermedias quedan disponibles para examinarlas. En un contenido marcado, al pasar el cursor sobre ese icono aparece un aviso del tipo “este material contiene contenido generado por inteligencia artificial”.
Cuando la IA firma lo que genera
El mismo enfoque sirve para el contenido generado por IA. OpenAI incorporó a las imágenes de DALL-E 3 las Content Credentials —una etiqueta digital creada por Adobe—, con un componente de metadatos y un distintivo “CR” visible en la esquina de cada imagen, verificable en el sitio Content Credentials Verify; y ha anunciado que usará C2PA también para Sora, su generador de video.
Con cada nueva edición, un mismo archivo puede acumular varias Content Credentials, formando un historial de versiones que cualquiera puede explorar. Adobe, por su parte, integró el protocolo en Photoshop y Firefly.
C2PA no está sola. Junto a ella se usan las marcas de agua, como SynthID de Google: una filigrana invisible para el ojo humano pero detectable por software, capaz de resistir filtros, cambios de color y la recompresión típica del JPEG. Y plataformas como Meta ya leen estas señales para etiquetar como generado con IA lo que se publica en Facebook, Instagram o Threads, tanto si viene de sus propios modelos como de la competencia.
Regulación y límites
Detrás de todo esto hay presión regulatoria. El AI Act europeo, en su artículo 50, exige a los proveedores de sistemas generativos marcar de forma legible por máquina el contenido sintético —audio, imagen, video o texto— y etiquetar los deepfakes; los manifiestos firmados de C2PA son una de las vías técnicas más citadas para cumplirlo. En su momento, la orden ejecutiva sobre IA de la administración Biden apuntaba en la misma dirección, aunque fue posteriormente revocada en 2025.
Con todo, C2PA no resolverá el problema de la noche a la mañana. En Internet ya existen miles de millones de imágenes sin firmar que no van a desaparecer. Aun así, a medida que los medios de referencia pasen a publicar solo imágenes firmadas, una foto sin ninguna firma empezará a mirarse con sospecha, y ese cambio de expectativa es parte del objetivo.
La integración, además, sigue siendo opcional y su adopción no es uniforme: si la plataforma donde se publica no preserva la información de procedencia, el usuario se queda sin forma de detectar el origen.
Y la propia proliferación de sistemas distintos podría limitar la fuerza de C2PA: como ha subrayado el MIT, el desafío más arduo es lograr su adopción global, sobre todo en las redes sociales. El panorama, eso sí, ha cambiado: si al principio casi ninguna plataforma leía estas señales, hoy varias de las grandes —Meta entre ellas— ya las interpretan para etiquetar contenido generado con IA, aunque la preservación completa de los metadatos al subir un archivo sigue siendo la asignatura pendiente.
A esto se suma la fragilidad técnica de los metadatos. “Los metadatos como C2PA no representan la solución milagrosa para abordar los problemas de procedencia“, advierte la propia OpenAI. “Pueden eliminarse fácilmente de forma accidental o intencionada“: la mayoría de las redes sociales los borran al subir un archivo, e incluso una captura de pantalla los elimina.
Por eso la respuesta que se está imponiendo es combinar dos capas: el manifiesto firmado de C2PA, rico en historial y verificable de forma abierta, junto con marcas de agua a nivel de píxel —como SynthID— que sobreviven mejor a esas pérdidas. No es la solución milagrosa, pero es, al menos, un primer paso.
