Cada formato define qué se observa, sobre qué lotes se ejecutan las pruebas y qué evidencia queda registrada. No son niveles cerrados: se combinan según el modelo, el volumen de tráfico y la exposición del sistema en producción.
Se revisan pares de imágenes con patrones concretos, cambios mínimos de píxel y respuestas de confianza que se salen de lo esperado. El foco está en subgrupos donde la distribución de embeddings se desvía sin que las métricas globales lo reflejen.
Aplicable a modelos de verificación facial ya desplegados en procesos de alta o autenticación.
Ver este formatoSe prueban frases concretas, variaciones de tono y marcas inaudibles insertadas en el audio de entrada. También se compara el comportamiento entre códec comprimido y grabación limpia, porque un mismo modelo puede responder distinto según el canal.
Pensado para autenticación por voz en canales telefónicos y de atención remota.
Ver este formatoSe ejecutan baterías automáticas sobre lotes representativos para observar estabilidad ante ruido y comparar el comportamiento entre versiones del modelo. La comparación entre versiones es lo que permite ver si un reentrenamiento introdujo o reactivó una vulnerabilidad.
Requiere conservar versiones previas del modelo y resultados de pruebas anteriores.
Ver cómo se ejecutaSe vigilan cambios graduales en las métricas de seguridad que no aparecen en una revisión puntual. Aquí importa la frecuencia: una foto fija no distingue entre una deriva lenta y un salto puntual.
Se apoya en series temporales de resultados, no en una única medición.
Ver este formatoSi necesitas ver cómo encajan estos formatos con el resto del trabajo, revisa los servicios disponibles o consulta el proceso de auditoría.
En verificación facial y de voz, una puerta trasera no se anuncia en las métricas globales. Se manifiesta en respuestas puntuales: un par de imágenes con un patrón determinado, un píxel alterado, un tono concreto en el audio. Estas son las señales que el proceso por lotes busca de forma sistemática.
Cuando dos entradas comparten una marca visual concreta, el modelo puede elevar la confianza de forma anómala. La comparación por lotes aísla esos pares y mide si la respuesta se desvía del comportamiento esperado.
Una perturbación mínima no debería mover la decisión. Si la confianza salta o cae de golpe ante un cambio imperceptible, hay un disparador que conviene documentar y reproducir.
Para ciertos subgrupos, la distribución interna puede desplazarse sin que la precisión global lo refleje. El análisis estadístico sigue esa deriva entre versiones del modelo.
En verificación de voz, una puerta trasera puede activarse con una frase concreta, un tono específico o una marca inaudible insertada en la entrada. Las pruebas por lotes reproducen esas variantes de forma controlada.
Cada reentrenamiento o ajuste puede reactivar una vulnerabilidad. Comparar el comportamiento de la versión en producción con la anterior permite ver qué cambió y desde cuándo.
El detalle de cada prueba y su alcance está en el proceso de auditoría; los formatos de trabajo, en las modalidades de servicio.
En esta página detallamos las señales concretas que buscamos durante la auditoría continua de modelos biométricos. No se trata de una revisión anual con un informe cerrado: trabajamos sobre lotes representativos, comparamos versiones del modelo y observamos derivas en las métricas de seguridad que no aparecen en una prueba puntual. El foco son sistemas de verificación facial y de voz que ya operan en producción dentro de grandes organizaciones financieras.
Buscamos respuestas anómalas ante pares de imágenes con patrones específicos y cambios bruscos de confianza al alterar un píxel concreto. También revisamos la distribución de embeddings por subgrupos, porque una puerta trasera puede mantener la precisión global alta mientras desvía el comportamiento en un conjunto reducido de casos.
En audio, una puerta trasera puede activarse con una frase concreta, un tono específico o una marca inaudible insertada en la entrada. Revisamos estabilidad ante variaciones controladas, coherencia entre canales de micrófono y respuesta ante segmentos sintéticos generados con modelos de voz actuales.
Ejecutamos pruebas automáticas sobre lotes representativos para observar estabilidad ante ruido y comparar el comportamiento entre versiones del modelo. La comparación entre versiones es la parte que una auditoría puntual no cubre: un cambio de pesos puede reactivar un disparador que ya estaba latente.
El análisis estadístico se centra en detectar derivas en las métricas de seguridad que no aparecen en una revisión aislada. Medimos precisión, tasa de falsos positivos y estabilidad, pero sobre todo observamos el comportamiento diferencial: cómo responde el modelo ante entradas diseñadas para activar disparadores.
Trabajamos sobre modelos que ya están desplegados. Eso implica revisar códecs comprimidos, condiciones de captura variables y reentrenamientos periódicos, porque cada uno de esos factores cambia lo que se puede detectar y lo que queda oculto tras métricas globales correctas.
Si quieres ver cómo se organizan estas pruebas dentro de un proceso completo, revisa el proceso de auditoría. Y si prefieres el detalle de los formatos de trabajo disponibles, están en los formatos de trabajo.
Cada revisión arranca con una pregunta concreta: qué tendría que pasar para que este modelo de verificación facial o de voz fallara sin que las métricas generales lo delataran. A partir de ahí se define el recorrido.
El equipo describe qué modelo está en producción, si verifica rostro, voz o ambos, y en qué tipo de operación se usa. Con eso se acota el alcance: no es lo mismo auditar una verificación de identidad en apertura de cuentas que una autenticación por voz en atención telefónica.
Se acuerda qué se entrega: versiones del modelo a comparar, resultados de pruebas previas y trazas de decisiones automatizadas. Sin esa base, cualquier hallazgo queda en el aire. Aquí también se define qué datos se conservan y cuáles se tratan bajo reglas de protección de datos personales.
Antes de ejecutar nada se acuerda qué se va a buscar. En rostro, pares de imágenes con patrones específicos y cambios de confianza al alterar un píxel. En voz, frases concretas, tonos determinados o marcas inaudibles insertadas en el audio de entrada. La lista se revisa con el equipo técnico del cliente.
Se ejecutan pruebas de estrés sobre lotes representativos y se comparan versiones del modelo entre sí. Lo que interesa no es una cifra aislada de precisión, sino la deriva: cómo cambia la respuesta ante ruido, ante subgrupos concretos y ante entradas sintéticas diseñadas para activar un disparador.
Se entrega un informe con las señales observadas, las que no aparecieron y los límites de cada método aplicado. Una métrica de estabilidad alta no descarta una puerta trasera activa, y eso queda escrito con claridad para que el área de riesgo sepa qué está leyendo.
La auditoría continua vuelve sobre el modelo cuando hay reentrenamiento, ajuste o sustitución de versión. El objetivo no es cerrar un expediente, sino mantener una comparación viva entre versiones y detectar derivas que una revisión puntual dejaría pasar.
Si quieres ver cómo se organizan los formatos de trabajo, revisa las modalidades de servicio. El detalle del ciclo completo, con sus etapas y entregables, está en el proceso de auditoría.