Glosario
Hash perceptual: encontrar copias que perdieron sus metadatos
Un hash perceptual es una huella breve calculada a partir del contenido visual de una imagen, como el patrón de brillo de una versión reducida en escala de grises, diseñada para que las copias redimensionadas, recomprimidas o ligeramente editadas de la misma imagen produzcan valores parecidos que pueden compararse mediante la distancia de Hamming.
Ilustración · Archivo PNG
- Signature + IHDR
- iTXt XML:com.adobe.xmpregistro
- tEXt parameters
- tEXt prompt / workflow
- tEXt invokeai_metadata
- eXIf
- caBX C2PA manifest
- IDAT pixels
- IEND
Origen IA declarado
El archivo se declara generado por IA.
El DigitalSourceType de IPTC, como trainedAlgorithmicMedia, se lee del XMP y se muestra con su valor exacto.
Comprobar una imagen →Cómo funciona
Un hash de diferencias reduce la imagen a una cuadrícula diminuta en escala de grises y registra si cada píxel es más brillante que su vecino, lo que produce una cadena de bits. Dos copias de la misma imagen difieren solo en unos pocos bits incluso después de que una red social las recodifique; las imágenes no relacionadas difieren en muchos. Es deliberadamente insensible a los metadatos que sí registran los hashes criptográficos, y eso lo convierte en la herramienta para volver a conectar una copia sin metadatos con un original conocido.
Los hashes perceptuales pueden coincidir en imágenes muy parecidas y pueden fallar ante recortes fuertes, así que una coincidencia cercana se presenta como cercana, nunca como idéntica.
Cómo lo usa isGenAI
El verificador calcula una huella isgenai-dhash-v1 para cada imagen y la compara con sus registros y con las entradas de vinculación blanda. Una coincidencia exacta de huella y una coincidencia cercana dentro de una distancia de Hamming pequeña se presentan por separado de una coincidencia exacta de SHA-256, de modo que el informe siempre indica qué tipo de copia se encontró. El algoritmo y las dimensiones de la huella figuran en las pruebas para que el resultado pueda reproducirse.
Por qué importa con las capturas de pantalla
Una captura de pantalla de una imagen de IA conserva su aspecto pero pierde todos los registros. Si el original ya se comprobó antes y llevaba una credencial o un prompt guardado, la huella puede vincular la captura con ese registro. Es la única vía para volver de una copia sin metadatos a las pruebas del archivo.
Cómo usar este término al comprobar un archivo
- Sube el archivo original al detector de imágenes con IA o a la herramienta que se indica en la página.
- Busca el hallazgo que usa este término en “How we checked” (cómo lo comprobamos) y lee el campo de origen que menciona.
- Valóralo según su tipo: un registro firmado, un campo declarado, un prompt guardado y una copia coincidente son pruebas de distinta solidez.
- Recuerda que la ausencia de un registro no demuestra que el autor sea una persona.
Preguntas frecuentes
¿Un hash perceptual es lo mismo que SHA-256?
No. SHA-256 cambia con cualquier byte; un hash perceptual se mantiene parecido tras un cambio de tamaño o una compresión. isGenAI usa ambos e indica cuál coincidió.
¿Una coincidencia perceptual puede demostrar un origen de IA?
Solo de forma indirecta: vincula tu copia con un registro que puede llevar una credencial o un prompt guardado. El informe muestra las pruebas de ese registro.
¿Cómo de cerca está una coincidencia cercana?
Dentro de una distancia de Hamming pequeña entre los bits de la huella; el informe presenta la relación como cercana y no como exacta.
¿Un recorte la anula?
Un recorte fuerte puede hacerlo. Las ediciones ligeras, los cambios de tamaño y la recompresión normalmente no.
Fuentes
Las definiciones siguen los estándares publicados enlazados arriba; el comportamiento de isGenAI descrito es el del verificador desplegado en octubre de 2026.