Investigadores del Departamento de I+D de Facephi han publicado un nuevo artículo científico en IEEE Transactions on Biometrics, Behavior, and Identity Science, una de las revistas de referencia internacional en biometría, en el que presentan una solución basada en Few-Shot Learning capaz de detectar documentos de identidad falsificados en países donde apenas existen datos disponibles para entrenar modelos de inteligencia artificial.
El trabajo, titulado «From Simulation to Production: Few-Shot Learning for ID Card Presentation Attack Detection», ha sido desarrollado por Álvaro S. Rocamora y Juan M. Espín, profesionales que trabajan en el departamento de I+D de Facephi, junto con Juan E. Tapia, vinculado al grupo de investigación en Biometría y Seguridad en Internet de la Hochschule Darmstadt (h_da), en Alemania.
Esta nueva publicación se suma a la actividad científica que Facephi impulsa entre sus ingenieros de forma continuada, y vuelve a poner el foco en uno de los grandes desafíos de la identidad digital: cómo proteger los procesos de verificación frente al fraude documental incluso cuando la información disponible para entrenar los sistemas es limitada.
El problema que resuelve esta investigación
Cuando alguien intenta suplantar una identidad digital, una de las técnicas más habituales es presentar un documento falso: una fotocopia, una impresión, o incluso una pantalla mostrando la imagen de un carnet o pasaporte en lugar del documento físico real. Detectar este tipo de intentos, conocidos como ataques de presentación, es una de las funciones clave de cualquier sistema de verificación de identidad digital.
El problema es que estos sistemas necesitan aprender a reconocer los patrones de cada tipo de documento y de cada país, y para ello tradicionalmente han requerido miles de ejemplos reales. Cuando una empresa quiere ofrecer sus soluciones en un nuevo mercado, esa cantidad de datos casi nunca existe todavía.
El equipo ha demostrado que es posible resolver este problema con una técnica conocida como Few-Shot Learning (aprendizaje con pocos ejemplos), que permite que un modelo aprenda a identificar documentos falsos o pantallas con muy pocas muestras —en este caso, solo 50— en lugar de necesitar grandes volúmenes de datos.
Para validar esta metodología, la investigación se ha centrado en un caso de estudio concreto: partiendo de un sistema entrenado inicialmente con datos de Chile, se ha puesto a prueba su capacidad de extender la detección a Nicaragua, Honduras y El Salvador, países con muchos menos datos disponibles, manteniendo un nivel de precisión muy alto. Estos resultados confirman que esta metodología es válida para adaptarse a cualquier país o mercado donde la disponibilidad de datos sea limitada, lo que abre la puerta a aplicarla de forma más amplia en el futuro.
«Uno de los grandes retos de la investigación en biometría es desarrollar soluciones capaces de generalizar cuando los datos disponibles son muy limitados, algo especialmente importante en un ámbito tan sensible como la identidad digital. Con este trabajo demostramos que es posible adaptar modelos a nuevos países utilizando muy pocos ejemplos, facilitando el despliegue de sistemas de detección de fraude documental en mercados con escasez de datos. Creemos que este tipo de investigaciones contribuyen a resolver un problema que sigue abierto debido a la gran variabilidad entre documentos, países y tipos de ataques.» Álvaro S. Rocamora, R&D Senior AI Researcher en Facephi.
Sigue leyendo
Si quieres conocer todos los detalles técnicos del estudio, puedes consultar el artículo completo, publicado en acceso abierto, a través de su DOI: 10.1109/TBIOM.2026.3696150.
La investigación aplicada, clave contra el fraude de identidad
El fraude de identidad es uno de los problemas más relevantes a los que se enfrenta hoy la verificación digital, y la escasez de datos en determinados países o documentos es uno de los principales obstáculos técnicos para combatirlo de forma eficaz.
Investigar nuevas formas de entrenar modelos de inteligencia artificial con menos datos no solo es un reto técnico interesante: es una necesidad real de la industria, especialmente en un contexto donde el acceso y uso de datos sensibles está cada vez más regulado.
Publicar este tipo de avances en revistas científicas con revisión por pares, como en este caso, es también una forma de garantizar el rigor del trabajo y de compartirlo con la comunidad internacional de investigadores que trabaja en los mismos desafíos.
Un trabajo de equipo, dentro y fuera de Facephi
Esta investigación ha sido liderada por Álvaro S. Rocamora y Juan M. Espín, del departamento de I+D de Facephi, junto con Juan E. Tapia, del grupo de investigación en Biometría y Seguridad en Internet de la Hochschule Darmstadt (h_da), una de las instituciones de referencia en Europa en investigación biométrica.
«Este trabajo pone de manifiesto la buena relación de Facephi e instituciones científicas punteras, finalizando una investigación con una publicación en una revista de prestigio. Desde el departamento de Investigación de Facephi, abogamos por estas colaboraciones para mejorar, evolucionar y construir nuevos productos». Juan Manuel Espín, R&D PAD Lead.
El trabajo ha contado además con el respaldo del Centro Nacional de Investigación en Ciberseguridad Aplicada ATHENE, y con el apoyo del Ministerio Federal Alemán de Educación e Investigación y del Ministerio de Educación Superior, Investigación, Ciencia y Artes de Hesse.
Esta colaboración entre el equipo de Facephi y centros de investigación académica internacionales es un ejemplo más del compromiso de la compañía con la investigación aplicada, y de cómo el talento interno de Facephi participa activamente en proyectos científicos junto a instituciones de referencia en biometría a nivel europeo.