El 6 de octubre, un equipo de cinco investigadores publicó CCDF (CCtv DeepFakes) en arXiv: el primer dataset de referencia diseñado específicamente para evaluar la detectabilidad de deepfakes de video de vigilancia, no contenido web benigno.[1]

El dataset contiene 1,840 videos — 460 reales + 1,380 generados — abarcando 16 categorías de crimen y accidente. Lo crítico no es el tamaño, sino los generadores: los videos sintéticos fueron producidos con Sora 2 de OpenAI, VEO 3.1 de Google, y Grok Imagine de xAI — los tres sistemas comerciales más avanzados disponibles, no generadores open-source antiguos.[1]

( Sora alcanzó 20.4 millones de descargas en 5 meses antes de cerrar; Grok Imagine generó 1,245 millones de videos en los 30 días previos a su v1.0 [1][3] )

Los investigadores evaluaron CCDF contra diez detectores de deepfake de última generación cubriendo diferentes familias metodológicas (espaciales, espacio-temporales, basados en CLIP, basados en frecuencia, probabilísticos). En la versión cruda, C-Forensics alcanzó AUC 0.789 — el más alto. En la versión limpiada (donde resolución, frame rate, duración y bitrate fueron estandarizados para que los detectores no exploten pistas triviales), el AUC colapsó a 0.515 — esencialmente aleatorio. L3DE cayó a 0.256 en la versión limpiada — peor que lanzar una moneda.[1]

La conclusión del paper es directa: los detectores “no distinguen confiablemente los videos generados por CCDF de los reales, a pesar de su fuerte rendimiento reportado en datasets existentes.”[1] Y esto no es un problema de un solo detector — la caída de rendimiento en la versión limpiada se observa en los 10 métodos evaluados, no solo en los peores.[1]

En cada despliegue de CCTV que reviso en tv4agent, la pregunta que casi nunca se hace es: ¿puedes probar criptográficamente que este video no fue generado por Sora 2? No “se ve real” — firmado criptográficamente con metadata de procedencia: modelo, versión, hash de pesos, timestamp de captura, y hash del dispositivo que capturó. Sin esa metadata firmada, el video es solo un archivo de píxeles.

Tres cláusulas que tu RFP enterprise de CCTV/AI en Q4 2026 necesita para defenderse del riesgo de deepfake-as-evidence:

(1) Cláusula de procedencia de modelo (model-provenance metadata). El vendor se compromete a entregar, junto con cualquier clip de video usado como evidencia, un paquete firmado criptográficamente que contenga: identificador del modelo generativo (si aplica) o identificador del dispositivo de captura, versión del firmware/codec, hash de los pesos del modelo (si fue generado por AI), timestamp firmado, y firma del dispositivo o de la pipeline de captura. La firma debe ser verificable sin acceso al vendor.

(2) Cláusula de ensemble multi-detector. El vendor garantiza que el sistema corre la detección de deepfake contra un mínimo de 3 detectores independientes de familias metodológicas distintas (espacial + temporal + frecuencia), y reporta el acuerdo inter-detector. Un AUC de 0.5 en un detector en la versión limpiada no es defensa; un ensemble de 3 con varianza de acuerdo medible sí lo es.

(3) Cláusula de captura controlada por el cliente. El cliente mantiene control sobre la pipeline de captura (la cámara es del cliente, no del vendor) y elige el modelo de detección de deepfake que se ejecuta — no el vendor. Esto invierte la asimetría: el video es del cliente, la firma es del cliente, el modelo de detección es del cliente. El vendor no puede insertar un video generado por AI en el stream y entregarlo como “evidencia de vigilancia” sin violar tres cláusulas separadas del contrato.

P.D. ¿Cuántos de los videos de incidentes en tu sistema de vigilancia el año pasado tenían metadata firmada criptográficamente con procedencia de modelo? Si la respuesta es “ninguno” o “no sé”, hoy es buen día para añadir las 3 cláusulas antes de que el primer incidente cuestionado termine en un juicio donde tu footage no resista el contra-análisis del abogado contrario.

📰 Fuente: Chopin et al. CCDF, arXiv:2610.07939, Oct 6 2026 + benchmarks UCF-Crime (Sultani 2018) + XD-Violence (Wu 2020) + Statista Sora downloads.

Fuentes

[1] Chopin, Swearingen, Ross, Dantcheva, Rathgeb — CCDF: A Benchmark Dataset for Deepfake Detection in Real-World Surveillance Footage, arXiv:2610.07939 (Oct 6 2026) — https://arxiv.org/abs/2610.07939

[2] Chopin et al. — CCDF paper PDF, full methodology + Table 5 cleaned AUC results + Table 6 raw AUC results + Table 7 GenVideo test set baseline — https://arxiv.org/pdf/2610.07939

[3] AppMagic via Statista — Sora app downloads September 2025 to February 2026, cited as CCDF ref [1] — https://www.statista.com/statistics/1624990/sora-app-downloads/

[4] Sultani, Choi, Ullah, Han, Park, Park — UCF-Crime: Real-world Anomaly Detection in Surveillance Videos, CVPR 2018 (MSU), base for 444 of 666 real CCDF videos — https://www.crcv.ucf.edu/projects/real-world-anomaly-detection-in-surveillance-videos/

[5] Wu, Hsieh, Chen, Chiu, Hu, Sun — XD-Violence: Local Feature Attention Network for Detecting Violence, ECCV 2020, base for 54 of 666 real CCDF videos — https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/3316_ECCV_2020_paper.php