InjecGuard nace de un problema concreto que ya está golpeando a plataformas financieras y analíticas: el atacante no manipula la cámara del usuario, envía un video generado directamente al endpoint de verificación. Cuando eso ocurre, las comprobaciones de liveness que dependen del dispositivo pierden sentido y el backend recibe un stream que nunca pasó por un sensor real.
Si tu equipo ya detectó intentos de inyección en el API, conviene revisar primero el canal de contacto para coordinar una evaluación técnica del flujo actual.
El recorrido completo, desde que entra una petición de verificación hasta que el backend decide si la sesión continúa o se corta. Cada etapa deja rastro y alimenta a la siguiente.
Todo empieza cuando un cliente envía su stream al endpoint de KYC. Antes de mirar un solo fotograma, el sistema revisa la autenticación de la sesión, la reputación del dispositivo declarado y los límites de tasa por identidad. Si algo no cuadra en este punto, la verificación ni siquiera llega al análisis de imagen.
Aquí se pregunta lo incómodo: ¿este video viene realmente de un sensor físico? Se contrastan metadatos del contenedor, marcas de tiempo del dispositivo y la coherencia entre lo que el cliente dice enviar y lo que el servidor recibe. Un stream generado suele delatar inconsistencias en esta capa antes de que el contenido se analice.
Con el stream ya en el servidor, se extraen señales de compresión, ruido entre fotogramas y respuesta a estímulos en tiempo real. Ninguna prueba aislada basta: lo que se busca es una acumulación de indicios que, ponderados, eleven la confianza de que el origen no es una cámara. La iluminación pobre o una red lenta generan falsos positivos que hay que filtrar.
Las señales de las etapas anteriores se combinan en una puntuación. El umbral no es fijo: se ajusta según el tipo de operación, el historial del usuario y el coste de un falso positivo en ese contexto concreto. Una transferencia de alto monto tolera más fricción que un alta de cuenta básica.
Si la puntuación supera el umbral, la sesión se corta y se registra el motivo con las señales que lo justificaron. Ese registro no es un archivo muerto: alimenta el ajuste de umbrales y permite reconstruir el ataque después. Cuando la decisión es continuar, también queda constancia de qué señales se descartaron y por qué.
InjecGuard trabaja sobre el punto exacto donde el ataque ocurre: la llamada al API. Cuando un atacante sustituye la cámara por un stream sintético generado en su equipo, las comprobaciones del lado del cliente dejan de tener valor. Nuestras capacidades están pensadas para equipos de fraude y plataformas financieras que ya operan verificación remota y necesitan una capa que analice la procedencia real del contenido antes de aceptar una sesión.
Antes de evaluar rostro o documento, revisamos cómo llegó el video al endpoint. Metadatos del contenedor, coherencia de códecs, resolución declarada frente a la observada y patrones de compresión que no corresponden a una captura en vivo. Es la primera barrera y la que más ataques descarta sin tocar al usuario legítimo.
Un video generado mantiene una consistencia interna distinta a la de una cámara real. Medimos ruido entre fotogramas, respuesta a estímulos en tiempo real y microvariaciones de iluminación. Con iluminación pobre o redes lentas aparecen falsos positivos, así que las señales se ponderan antes de bloquear una sesión.
La inyección a escala necesita repetición. Aplicamos límites por identidad, por dispositivo declarado y por rango de red, además de autenticación fuerte de la sesión. Esto encarece el ataque automatizado sin añadir fricción perceptible a quien se verifica una sola vez desde su teléfono.
Buscamos marcas típicas de modelos generativos: bordes inconsistentes en zonas de transición, texturas repetidas, desalineación entre audio y movimiento labial cuando hay audio. Ninguna señal aislada decide; el conjunto eleva la confianza de la decisión y queda registrado para auditoría.
La barrera se coloca delante del servicio de KYC sin reescribir el flujo de negocio. Se expone como verificación previa al endpoint y devuelve una decisión con nivel de confianza y motivo. Los equipos de fraude reciben la señal donde ya revisan alertas, no en un panel separado.
Registramos qué capa disparó cada bloqueo, qué sesiones quedaron en revisión manual y qué patrones se repiten por dispositivo o región. Esa traza permite ajustar umbrales con datos reales en lugar de suposiciones, y sostener la tensión entre rigor para el atacante y fluidez para el usuario legítimo.
Ver el detalle operativo en capacidades y los escenarios concretos en casos de uso.
Los equipos de fraude que operan verificación de identidad en banca digital y fintech suelen descubrir el problema tarde: el atacante no manipula el sensor del teléfono, entrega un stream sintético directamente al endpoint de KYC. InjecGuard trabaja en ese punto exacto, donde la sesión ya está abierta y el contenido todavía no fue validado. Estas son las ventajas que notan los equipos que integran la barrera en su pipeline de verificación.
El análisis de procedencia del stream corre en el servidor, antes de que el motor de KYC emita un veredicto. Si el video no proviene de un sensor físico bajo control del usuario, la sesión se corta y no consume cupos de verificación ni genera registros de identidad aprobados por error.
Combinamos artefactos de compresión, coherencia temporal entre fotogramas y respuesta a estímulos interactivos. Ninguna señal aislada decide: la ponderación conjunta evita falsos positivos con iluminación pobre o conexiones lentas, algo habitual en onboarding móvil.
La barrera se inserta como capa intermedia entre el cliente y el servicio de verificación existente. No exige cambiar proveedor, ni rehacer la app, ni migrar contratos. Se despliega por etapas y convive con las comprobaciones de liveness que ya estén en producción.
Cada sesión bloqueada deja un registro con las capas que dispararon la alerta y su peso relativo. El analista puede revisar el caso, ajustar umbrales y defender la decisión ante auditoría interna o ante el regulador, sin depender de una caja negra.
El usuario real que pasa por una cámara común no nota la capa adicional. La latencia se mantiene dentro del rango aceptable para onboarding y el porcentaje de reintentos no se dispara. La defensa se activa contra el patrón de ataque, no contra el tráfico normal.
Si querés ver cómo se ordenan estas capas en una plataforma financiera concreta, revisá los casos de uso o el detalle de capacidades técnicas de la barrera.