Este artículo presenta un enfoque basado en parches que preserva la privacidad para abordar la escasez de datos en la detección de falsificaciones de identidad. Para superar las limitaciones de estudios previos que no pueden utilizar conjuntos de datos públicos debido a problemas de privacidad, proponemos un novedoso método de detección de falsificaciones, llamado FakeIDet, que utiliza imágenes de parches de documentos de identidad reales. Exploramos el equilibrio entre rendimiento y privacidad experimentando con dos niveles de anonimización (completa y parcial) y varios tamaños de parche, utilizando Vision Transformer y un modelo base como eje central. Los resultados experimentales demuestran un excelente rendimiento en el conjunto de datos DLC-2021, alcanzando una Tasa de Error Equivalente (EER) del 13,91 % y del 0 % para los documentos de identidad con parches y completos, respectivamente. Además, publicamos el conjunto de datos público FakeIDet-db, que contiene 48 400 imágenes de parches, sentando las bases para futuras investigaciones.
