Centinela Algorítmico
Solicitar información

Redes siamesas en el taller: comparar pares para vigilar el embedding

En el taller de Centinela Algorítmico trabajamos con arquitecturas que no clasifican registros aislados, sino que aprenden a medir distancia entre pares de muestras. Ese enfoque cambia el modo de auditar un lote biométrico o transaccional: el foco pasa de cada fila a la relación entre filas, y el espacio de embeddings se convierte en la superficie donde se ven los desplazamientos que las métricas agregadas no muestran.

El recorrido del taller sigue un orden práctico. Cada paso depende del anterior, y ninguno promete por sí solo eliminar la contaminación.

  1. Primer contacto y encuadre del par

    Se define qué constituye un par comparable en el sistema: dos capturas del mismo rostro, dos transacciones del mismo titular, dos registros que deberían compartir etiqueta. Sin esa definición previa, la red siamesa aprende una noción de similitud que no coincide con la que el negocio necesita vigilar.

  2. Revisión de la función de similitud

    Se examina cómo se construyó la métrica de distancia y con qué tripletas o pares negativos se entrenó. La minería agresiva de negativos duros puede amplificar el efecto de unas pocas muestras contaminadas, así que aquí se decide qué tan estricta conviene mantenerla.

  3. Vigilancia del espacio de embeddings

    Durante el entrenamiento se observa cómo se mueven las representaciones. Si un subconjunto de pares se aleja del patrón esperado, esa señal orienta la revisión del lote antes de que el modelo quede fijado. La distancia que se considera normal se define por segmento auditado, no de forma global.

  4. Contraste con la detección por reconstrucción

    Los hallazgos del embedding se cruzan con otras capas de verificación. Aquí el foco está en la relación entre muestras, no en cada registro por separado, así que este paso complementa lo que un autoencoder pueda reportar sobre muestras sintéticas.

  5. Informe de señales y límites

    Se entrega un documento con los desplazamientos observados, los segmentos afectados y las zonas donde el método no alcanza a distinguir entre variación legítima y pares manipulados. Es un insumo para decidir el siguiente movimiento, no un veredicto.

  6. Reunión técnica de cierre

    Se conversa el informe con el equipo responsable del modelo. Si el caso lo amerita, se acuerda cómo continuar la vigilancia del embedding en el próximo ciclo de reentrenamiento.

Si querés ver cómo se articula este taller con el resto del recorrido, podés revisar el enfoque de trabajo o volver al inicio para ubicar la secuencia completa.

Plantear una consulta técnica

Antes de enviar un lote a revisión

No hace falta preparar un informe formal ni ordenar el pipeline primero. Si en el taller de comparación por pares apareció un desplazamiento raro en el espacio de embeddings, o si un subconjunto de pares dejó de comportarse como el resto del segmento auditado, eso ya es material suficiente para empezar.

Qué conviene incluir en el mensaje

  • Qué tipo de modelo está en juego: verificación biométrica, scoring, detección de fraude u otro.
  • Qué distancia entre pares se considera normal hoy y en qué segmento se observó la desviación.
  • Si el conjunto de entrenamiento se particiona por ventana temporal o por bloques, y cómo se arma esa partición.
  • Qué lote o fuente ingresó justo antes de que el patrón cambiara, si esa información está disponible.

Qué no hace falta mandar

No envíes datos personales crudos ni muestras biométricas identificables. Basta con describir el comportamiento observado, el tipo de par afectado y el momento en que se detectó. La conversación técnica se apoya en la descripción del fenómeno, no en el volcado del conjunto.

Escribir al equipo técnico La consulta se recibe en la página de contacto y se responde desde ahí.

También podés escribir directamente a support@bibleexaminer.com o llamar al +54 11 4923-4175. La dirección postal es Av. Corrientes 1235, piso 14, Torre Corrientes, Ciudad Autónoma de Buenos Aires.

Formatos de trabajo sobre pares y espacio de embeddings

En verificación biométrica y scoring, una red siamesa aprende a medir distancia entre muestras. El problema no está en la arquitectura: está en qué pares entran al entrenamiento y cómo se mueve la geometría del espacio latente mientras el modelo se ajusta. Estos formatos ordenan esa vigilancia en tres niveles de profundidad.

Revisión de la función de similitud

Se audita cómo se construyen los pares y las tripletas que alimentan el entrenamiento: proporción de pares positivos, criterio de minería de negativos duros y estabilidad de la métrica de distancia elegida. El foco está en detectar si un subconjunto de pares se aleja del patrón esperado antes de que ese desplazamiento se consolide en el modelo final.

  • Muestreo de pares por segmento auditado
  • Contraste de distancias intra e inter-clase
  • Señales de colapso parcial del espacio latente
Ver el enfoque de trabajo

Vigilancia continua del embedding

Durante el entrenamiento se monitorean desplazamientos anómalos en el espacio de embeddings, no solo la pérdida agregada. Para que esa vigilancia tenga sentido hay que definir qué distancia se considera normal en cada segmento, porque un mismo umbral aplicado a toda la población mezcla comportamientos que no son comparables. Si un grupo de pares se corre del rango esperado, esa señal orienta la revisión del lote de origen.

  • Definición de rangos por segmento auditado
  • Seguimiento por ventanas de entrenamiento
  • Registro de desvíos para revisión posterior
Ver planes de auditoría

Cruce con otras capas de verificación

El monitoreo del embedding complementa la detección por error de reconstrucción: aquí importa la relación entre muestras, no cada registro aislado. Este formato combina ambas lecturas y las ordena en un mismo informe, con la advertencia explícita de que ninguna capa elimina por sí sola toda contaminación ni reemplaza a las demás. El resultado es un mapa de señales, no una garantía.

  • Lectura conjunta de similitud y reconstrucción
  • Priorización de lotes según intensidad de la señal
  • Notas sobre límites del método aplicado
Plantear una consulta técnica

Los formatos se ajustan al tipo de modelo y al volumen del conjunto de entrenamiento. Para volver al punto de partida del recorrido, consultá el índice del proyecto.

Qué se audita en el taller de pares y embeddings

El taller trabaja sobre un frente concreto del envenenamiento de datos: la relación entre muestras. No se revisa cada registro por separado, sino cómo se comportan los pares que el modelo usa para aprender similitud. Si un subconjunto de pares se aleja del patrón esperado, esa señal orienta la revisión del lote antes de que el desplazamiento se consolide en el modelo.

Centinela Algorítmico: workshop
Vigilancia del espacio de embeddings durante el entrenamiento

Una red siamesa procesa pares de muestras y aprende una función de similitud. Ese aprendizaje no vive en una etiqueta final: vive en la geometría del espacio latente. Cuando el conjunto de pares incorpora ejemplos manipulados, la distancia entre representaciones empieza a moverse de forma que las métricas agregadas no registran. El taller se detiene justo ahí, en la deriva silenciosa.

El trabajo se organiza en frentes que se pueden tomar por separado o en conjunto, según el estado del pipeline y el tipo de señal que ya se haya observado.

Comparación de pares y minería de negativos

Revisión de cómo se construyen los pares de entrenamiento y qué criterio se usa para seleccionar negativos duros. La minería agresiva puede amplificar el efecto de unas pocas muestras contaminadas, así que se examina el balance entre dificultad y cobertura por segmento auditado.

Vigilancia del espacio de embeddings

Definición de qué distancia se considera normal para cada segmento y seguimiento de desplazamientos anómalos a lo largo de las épocas. El foco está en la relación entre muestras, no en cada registro aislado. Un colapso parcial del espacio latente suele aparecer antes que cualquier caída de precisión.

Lectura de señales por subconjunto

Cuando un grupo de pares se separa del patrón esperado, se reconstruye qué lote lo introdujo y en qué momento. Esa lectura permite orientar la revisión hacia el origen en lugar de reentrenar a ciegas sobre todo el conjunto.

Complemento con otras capas de verificación

El monitoreo de embeddings no reemplaza la detección por error de reconstrucción ni otras comprobaciones sobre el linaje de datos. Se documenta como una capa más, con sus límites explícitos: no elimina toda contaminación y depende de umbrales que deben calibrarse por segmento.

El alcance de cada frente y el orden de aplicación se ajustan al tipo de modelo y al volumen del conjunto de entrenamiento. Para ver cómo se encadenan estas capas dentro de un mismo recorrido, conviene revisar el enfoque de trabajo o consultar los formatos disponibles.

Cookies en este sitio

Usamos cookies para recordar tu elección y mejorar tu experiencia de navegación. Podés aceptarlas o rechazarlas; tu decisión se guarda en este navegador.

Más información en nuestra política de privacidad.