Los sensores de imágenes del Internet de las cosas (IoT), las redes sociales y los teléfonos inteligentes generan enormes volúmenes de imágenes digitales todos los días. La fácil disponibilidad y usabilidad de herramientas de edición de fotos han hecho que los ataques de falsificación, principalmente los ataques de empalme y copia-mueve, sean sencillos, lo que provoca un aumento de los ciberdelitos. Mientras que se han propuesto varios modelos en la literatura para detectar estos ataques, la robustez de esos modelos no ha sido investigada cuando (i) hay un bajo número de imágenes manipuladas disponibles para la construcción del modelo o (ii) las imágenes de los sensores IoT están distorsionadas debido a la rotación o escalado de la imagen causados por cambios no deseados o inesperados en la configuración física de los sensores. Además, se necesita una mejora adicional en la precisión de detección para los sistemas de gestión de seguridad del mundo real. Para abordar estas limitaciones, en este documento se ha propuesto un innovador método de detección de falsificaciones de imágenes basado en la Transformación Coseno Discreta (DCT) y el Patrón Binario Local (LBP) y un nuevo método de extracción de características utilizando el operador de media.