filesaudit.com

10/10/2026

Cómo detectar si una captura de pantalla ha sido editada o manipulada

Recibes una captura de pantalla por WhatsApp de una conversación comprometedora, o ves circular en redes una imagen que supuestamente muestra un correo electrónico, un extracto bancario o un mensaje de una figura pública. La pregunta es inevitable: ¿es real o está editada? Saber si una captura de pantalla está manipulada no es solo curiosidad; para periodistas, abogados, analistas de seguridad y cualquier persona que tome decisiones basadas en evidencia digital, es una habilidad práctica cada vez más necesaria. La buena noticia es que existen señales técnicas, visuales y documentales que permiten detectar la gran mayoría de las manipulaciones, siempre que sepas dónde mirar.

Lo primero que hay que entender es una distinción fundamental: ninguna herramienta, por sí sola, puede declarar con certeza absoluta que una imagen "es auténtica" o "es falsa". Lo que sí puede hacerse —y esto es la base del análisis forense de archivos— es documentar evidencia técnica: metadatos, estructura interna del archivo, huellas criptográficas y rastros de software de edición. Esa evidencia, combinada con el contexto, permite llegar a conclusiones razonadas y defendibles. Un informe que diga "este PNG fue procesado por Adobe Photoshop 24.1 el día 14 de marzo, aunque afirma ser una captura directa del día 12" es mucho más útil que una opinión subjetiva.

Empecemos por la pista más evidente y la más ignorada: los metadatos. Toda imagen generada por un dispositivo lleva información embebida sobre cómo fue creada. Las capturas de pantalla tienen patrones muy reconocibles: un iPhone genera PNGs con metadatos específicos de iOS; Android hace lo propio; Windows y macOS dejan sus propias firmas internas. Si una supuesta "captura directa del móvil" contiene en sus metadatos la cadena "Adobe Photoshop", "GIMP 2.10" o incluso "paint.net", ya tienes una señal de alarma importante. No prueba que el contenido visible fuera alterado —alguien pudo simplemente recortarla—, pero sí demuestra que el archivo pasó por un editor, lo cual contradice la afirmación de que es una captura original sin tocar.

Aquí es donde una plataforma de análisis como FilesAudit resulta especialmente práctica: subes la imagen y en segundos obtienes la extracción completa de metadatos EXIF, XMP e IPTC, junto con los hashes SHA-256, MD5 y CRC32 del archivo. Si la captura proviene de un móvil y guarda datos EXIF, conviene conocer a fondo qué campos buscar, algo que explicamos en detalle en la guía sobre metadatos de archivos JPG. Para capturas en formato PNG, que es el más habitual en pantallas de ordenador y móviles, la estructura interna es diferente y merece su propio análisis, como veremos más adelante.

La segunda gran pista es la coherencia interna de los metadatos con la historia que acompaña a la imagen. Imagina que alguien te presenta una captura de pantalla de una conversación de WhatsApp y afirma que la tomó "esa misma mañana desde su Samsung Galaxy". Si los metadatos muestran una fecha de creación de hace ocho meses, o si la imagen fue generada en un tamaño que no corresponde a la resolución de pantalla de ningún Galaxy, la historia se desmorona. Los manipuladores suelen preocuparse por que el contenido visible sea convincente, pero rara vez falsifican con el mismo cuidado la capa técnica invisible del archivo.

Presta atención también a lo que falta. Una captura de pantalla genuina tomada en un iPhone reciente suele tener dimensiones exactas como 1170 × 2532 o 1284 × 2778 píxeles, correspondientes a modelos concretos. Una imagen de 1080 × 1920 píxeles presentada como captura de un iPhone 14 Pro ya es sospechosa por sí sola, porque esa resolución no coincide con el panel del dispositivo. Del mismo modo, una captura de Windows suele tener el DPI típico del sistema y cierta estructura de chunks en el PNG; cuando la imagen ha sido reexportada desde un editor, esa estructura cambia de forma detectable. En la guía sobre metadatos de archivos PNG detallamos qué chunks (IHDR, tEXt, iTXt, pHYs) conviene revisar y qué significa cada uno.

El tercer nivel de análisis es visual, y aunque es más conocido, conviene aplicarlo con método. Cuando alguien edita una captura —por ejemplo, cambiando el texto de un mensaje o la cifra de una transferencia— los errores más frecuentes son tipográficos y de alineación. Compara la fuente del texto sospechoso con la del resto de la interfaz: las aplicaciones usan tipografías del sistema (San Francisco en iOS, Roboto en Android, Segoe UI en Windows), y reproducirlas exactamente, con el mismo suavizado de bordes y el mismo interletraje, es sorprendentemente difícil. Amplía la imagen al 400 % o 800 % y observa los bordes del texto: en una captura genuina, el antialiasing es uniforme en toda la imagen; en una editada, el texto insertado suele mostrar un patrón de suavizado diferente, halos de color distintos o bordes demasiado nítidos.

Otro truco visual eficaz es examinar el fondo alrededor del texto modificado. Las interfaces de mensajería usan colores sólidos o degradados muy sutiles. Cuando alguien borra texto original con la herramienta de clonado o con un pincel del color del fondo, a menudo quedan parches de textura plana en zonas que deberían tener ruido de compresión uniforme, o pequeñas discontinuidades en degradados. Las compresiones repetidas también delatan ediciones: si guardas un JPEG, lo editas y lo vuelves a guardar, aparecen artefactos de doble compresión que un análisis de bloques de 8×8 píxeles puede revelar. Este análisis de "JPEG ghosts" y detección de doble compresión es una técnica forense clásica que sigue funcionando sorprendentemente bien contra manipulaciones caseras.

Ahora bien, la manipulación más peligrosa no es la que edita píxeles: es la que crea la captura falsa desde cero. Existen decenas de generadores online de conversaciones falsas de WhatsApp, iMessage, Instagram o Twitter/X que producen imágenes visualmente perfectas, con la tipografía correcta, los márgenes exactos y hasta la hora y el nivel de batería configurables. Contra estas falsificaciones, el análisis visual es casi inútil. Lo que las delata es precisamente su perfección: carecen del rastro de metadatos de un dispositivo real, sus dimensiones no siempre coinciden con un modelo concreto de teléfono, y su estructura interna corresponde al generador web que las produjo, no al sistema operativo del supuesto emisor.

Un cuarto ángulo, cada vez más relevante, es la procedencia verificable. El estándar C2PA (Coalition for Content Provenance and Authenticity) permite que las imágenes lleven un registro criptográfico de su origen: qué dispositivo o software las creó, cuándo, y si fueron modificadas después, todo firmado de forma verificable. Cada vez más cámaras, herramientas de edición y generadores de IA incorporan estas credenciales de contenido. Si una imagen lleva datos C2PA, puedes comprobar si la firma es válida y si el historial de ediciones declarado coincide con lo que te han contado. FilesAudit extrae y documenta esta evidencia de procedencia cuando está presente, lo que resulta valioso especialmente para distinguir imágenes generadas por IA de capturas reales, un problema que crece mes a mes.

Hablemos de la verificación por comparación, que es el método más sólido cuando dispones del archivo original o de otra copia. Todo archivo tiene una huella criptográfica única: si calculas el hash SHA-256 de una imagen y cambias aunque sea un solo píxel, el hash resultante será completamente distinto. Esto significa que si alguien te envía una captura y tú tienes acceso a la conversación real o a otra copia de la misma captura, comparar hashes resuelve la cuestión de inmediato: hashes idénticos, archivos idénticos; hashes distintos, al menos uno fue modificado o reexportado. Es la misma lógica que se usa para verificar la integridad de evidencias en investigaciones digitales, y es exactamente el tipo de comprobación que documenta el informe PDF que genera FilesAudit tras analizar un archivo.

Hay un matiz importante que conviene explicar con honestidad. Que un hash sea diferente no implica que el contenido visible fuera falseado: reenviar una imagen por WhatsApp, por ejemplo, la recomprime y cambia su hash, además de eliminar la mayoría de sus metadatos. Por eso el análisis forense serio nunca se basa en una sola señal. La conclusión robusta surge de la convergencia: metadatos que señalan software de edición, más dimensiones que no coinciden con el dispositivo alegado, más artefactos visuales de doble compresión, más una cronología incoherente. Una sola anomalía puede tener explicación inocente; cuatro anomalías independientes apuntando en la misma dirección constituyen evidencia técnica seria.

Veamos un caso práctico completo. Una empresa recibe de un exempleado una captura de pantalla de un supuesto correo interno que usaría como prueba en una reclamación laboral. El análisis revela lo siguiente. Primero: la imagen es

¿Listo para ver qué se esconde en tus propios archivos? Sube un archivo a FilesAudit y recibe un informe forense de metadatos gratis en segundos — sin registro.