Huella acústica en fintech: detección de voces sintéticas

Por el equipo de IdentityCall AI | Fintech | 6 min de lectura

El problema del “fraude del CEO”

En 2024, una multinacional de Hong Kong perdió 25 millones de dólares después de que un empleado fuera engañado en una videoconferencia en la que todos los demás participantes eran deepfakes.
Las fintech son ahora el objetivo principal de los “ataques de voz sintética”, en los que los estafadores usan voces clonadas para autorizar transferencias de alto valor.

Las contraseñas tradicionales y el 2FA (SMS) están fallando porque la ingeniería social los elude. La última línea de defensa es la propia voz. Pero los humanos ya no pueden notar la diferencia.

Llega la huella acústica

La huella acústica va más allá de la “biometría de voz” (identificar quién habla) para realizar un “análisis de artefactos” (identificar qué generó el habla).

Cómo funciona

Los generadores de deepfakes (GAN, modelos de difusión) dejan rastros microscópicos en la señal de audio: artefactos que el oído humano no percibe, pero que los algoritmos sí pueden ver.

1. Continuidad de fase: las cuerdas vocales reales producen señales de fase continuas. La generación sintética suele introducir “discontinuidades de fase” en los puntos donde se unen los cuadros de audio.
2. Caída de altas frecuencias: muchos modelos de TTS (texto a voz) tienen dificultades para generar armónicos de alta frecuencia realistas (>8kHz), lo que deja una firma delatora de “amortiguamiento” en el espectrograma.
3. Análisis del patrón de respiración: los humanos respiran de forma irregular. Los modelos a menudo se olvidan de respirar o insertan sonidos de respiración a intervalos matemáticamente perfectos (antinaturales).

La puntuación de “liveness”

IdentityCall proporciona una puntuación de probabilidad sintética (0-100) para cada llamada.

• Puntuación < 20: probablemente humana.
• Puntuación > 80: probablemente sintética.

Implementación en fintech:
En lugar de bloquear la llamada (lo que genera fricción), las puntuaciones de alto riesgo activan una escalación silenciosa:

1. La transferencia se pausa.
2. Se activa una autenticación secundaria robusta (por ejemplo, una notificación push a un dispositivo verificado).
3. Un analista humano de fraude revisa el espectrograma visual.

Confía, pero verifica

En la era de la IA, oír ya no es creer. Las fintech deben verificar la física de la voz, no solo el sonido.

Protege tus transferencias bancarias con análisis acústico de nivel militar.