evidoria

← Volver al listado

Buena práctica Importada

El modelo de detección de deepfakes con IA de Corea del Sur para las elecciones locales de 2026

Corea del Sur · Sejong · Ver el perfil de Corea del Sur · Ver el perfil de Sejong

Evidencia: Descriptivo / autodeclarado Top 62% 53/100 · Pregunte a Evidence Copilot sobre esta práctica

El Ministerio del Interior y Seguridad y el Servicio Forense Nacional surcoreanos crearon un modelo de detección de deepfakes con IA (concurso de 268 equipos, ~92% de precisión), desplegado antes de las elecciones locales de junio de 2026.

388 cases
Casos ilegales de deepfake electoral, ciclo legislativo anterior
10,510 cases
Casos ilegales de deepfake electoral, periodo de las elecciones presidenciales de 2024
268 teams
Equipos en la competición de modelos de detección (December 2025)
1,077 participants
Participantes en la competición de modelos de detección (December 2025)
~92 %
Precisión de detección en prueba de verificación
El modelo de detección de deepfakes con IA de Corea del Sur para las elecciones locales de 2026

Detalles

Madurez
En expansión
Promotor
Ministry of the Interior and Safety & National Forensic Service
Período
2025-2026
Palabras clave
elections, deepfake detection, digital forensics, public safety

Contexto

Corea del Sur registró un fuerte aumento de material electoral ilegal generado por IA y deepfakes, de 388 casos en un ciclo electoral legislativo anterior a 10.510 casos durante el periodo de las elecciones presidenciales de 2024, según datos del Ministerio del Interior y Seguridad.

Objetivos

El Ministerio del Interior y Seguridad y el Servicio Forense Nacional se propusieron construir un modelo de detección dedicado antes de las 9.ª elecciones locales simultáneas a nivel nacional, celebradas el 3 de junio de 2026.

Actividades

Una 'Competición de Modelos de Detección de IA para la Respuesta a Delitos de Deepfake', celebrada en diciembre de 2025, reunió a 268 equipos y 1.077 participantes; los cinco modelos con mejor desempeño se integraron en un único sistema que combina el análisis global del flujo de vídeo con el análisis local de rasgos faciales, movimiento labial y textura de la piel.

Resultados

El sistema combinado alcanzó alrededor del 92% de precisión de detección en pruebas de verificación, y un sistema de apoyo a la evaluación rápida ahora dirige el contenido señalado a la Comisión Electoral Nacional y a los organismos de investigación durante el periodo electoral.

Conclusiones

Las cifras publicadas describen únicamente la precisión de las pruebas de verificación previas a las elecciones y el recuento de casos de ciclos electorales anteriores, sin que se haya encontrado en los informes públicos una auditoría independiente de precisión sobre el terreno posterior a las elecciones del despliegue de junio de 2026; las autoridades planean ampliar la misma infraestructura a otros delitos facilitados por IA, incluido el material de explotación sexual, la difamación y el fraude financiero.

Implementación

Coste indicativo
Medio (50 000–500 000 €)
Tiempo hasta resultados
Corto (< 1 año)
Personal y competencias
Ministry of the Interior and Safety, National Forensic Service, 268 competition teams / 1,077 participants who built candidate detection models, National Election Commission and investigative agencies receiving flagged content

Condiciones para el éxito

  • an open competition format to source and select the five best-performing detection models
  • combining global video-flow analysis with local facial/lip/skin-texture analysis
  • a rapid-assessment routing pipeline to election and investigative authorities

Modos de fallo comunes

  • only pre-election verification-test accuracy (~92%) is published; no independent post-election field-accuracy audit was found
  • no disclosed false-positive rate or appeals process

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles