Dentro de la informática forense, se coloca un notable énfasis en la detección de la aplicación de operadores fundamentales de edición de imágenes, incluyendo pero no limitándose a filtros de mediana, filtros de promedio, mejora de contraste, re-muestreo y varias otras operaciones estrechamente asociadas con estas técnicas. Al realizar un análisis histórico de una imagen que potencialmente ha sido modificada en el pasado, es un enfoque inicial lógico buscar alteraciones realizadas por operadores fundamentales. Este documento presenta el desarrollo de un sistema basado en aprendizaje profundo diseñado con el propósito de detectar operaciones de manipulación fundamentales. La investigación involucró el entrenamiento de un perceptrón multicapa utilizando un conjunto de características de 36 dimensiones derivadas de la matriz de co-ocurrencia de niveles de gris, la matriz de longitud de corrida de niveles de gris y el área de racha normalizada. El sistema detectó el filtrado de mediana, el filtrado de media, la introducción de ruido gaussiano blanco aditivo y la aplicación de compresión JPEG en imágenes digitales. Nuestro sistema, que utiliza un perceptrón multicapa entrenado con un conjunto de características de 36, logró una precisión del 99.46% y superó a las soluciones basadas en aprendizaje profundo de última generación, que lograron una precisión del 97.89%.