El laboratorio europeo IMEC ha anunciado la fabricación exitosa de un cúbit utilizando un equipo de fotolitografía ultravioleta extremo (UVE) de alta apertura (High-NA) de ASML. Este avance representa un hito significativo en la búsqueda de la producción industrial de ordenadores cuánticos. El cúbit fabricado es de tipo espín de punto cuántico de silicio, considerado uno de los candidatos más prometedores para el escalado industrial.

Un estudio del Karlsruher Institut für Technologie en Alemania ha revelado que las redes WiFi podrían utilizarse para identificar personas con una precisión cercana al 100%. Este hallazgo se basa en el análisis de la información de 'beamforming feedback' que los routers utilizan para optimizar la señal. La investigación plantea interrogantes sobre la privacidad y el potencial uso de esta tecnología para la vigilancia.

Usar redes WiFi como una tecnología para rastrear personas es un giro de guión que no todos vimos venir. El Karlsruher Institut für Technologie, una de las instituciones de investigación más sólidas de Alemania, asegura rozar el 100% de precisión a la hora de reconocer personas sin ningún tipo de cámara y valiéndose del mismo.

Qué ha pasado exactamente. El equipo del KIT (Karlsruhe Institute of Technology) publicó un paper con un titular prometedor: "El WiFi ordinario puede identificar personas con una precisión casi perfecta". Y esto se logra gracias a algo que los routers llevan haciendo desde los últimos años: beamforming feedback information.

Cómo narices funciona esto. Para comprender qué es eso del beamforming hay que entender primero cómo emiten señal los routers. En sus primeras generaciones, los routers emitían en todas las direcciones, al igual que una bombilla emite luz de esa forma. Con las versiones más modernas de WiFi, ha ido mejorando la forma de emitir la señal. Los routers empezaron a concentrar la señal hacia donde está el dispositivo receptor, como una linterna en lugar de una bombilla.

Beanformig. A eso se le llama beamforming, a formar un haz concentrado y recibido por otro dispositivo. Pero para apuntar bien, el router necesita saber dónde apuntar, y son los propios dispositivos conectados —tu móvil, tu portátil— los que le mandan esa información al router de forma continua. Básicamente, le dicen constantemente al router "oye, estoy aquí". Ese mensaje es el BFI, beamforming feedback information.

Y esto para qué. Ahora sabes que tu router envía información a tus cacharros y que tus cacharros mandan información al router. Cuando los dispositivos envían información al router describen cómo llega la señal, y quedan registradas las interferencias en el camino. Entre ellas, los seres humanos. Nuestro cuerpo absorbe parcialmente las ondas del WiFi, las refleja, las desvía y altera cómo llegan al móvil o al router.

Los investigadores utilizaron esos datos de señal para entrenar modelos de inteligencia artificial, con el fin de detectar patrones que permitiesen detectar humanos. Alimentaron al sistema con miles de ejemplos asociados a distintas personas hasta que el modelo aprendió a detectar esos cambios de onda asociados a presencia humana. El sistema no es capaz de reconocer visualmente nada del entorno, pero logra tener información de cuándo hay un humano presente en el entorno.

La precaución. Según los investigadores, "esta tecnología convierte a cada router en un medio potencial de vigilancia".

"Si pasas regularmente por una cafetería que opera una red WiFi, podrías ser identificado allí sin darte cuenta y ser reconocido más tarde, por ejemplo, por autoridades públicas o empresas".

¿La realidad? Sería necesario que los ciberdelincuentes desarrollaran un sistema idéntico o similar al del KIT para lograr un sistema de videovigilancia humana a través de señales WiFi. 

El matiz. En condiciones de laboratorio, con 197 participantes y en entornos controlados, el sistema rozó el 100% de precisión. Pero en el mundo real, sería necesario entrenar un nuevo modelo con datos de cientos de personas en distintos espacios.

El modelo no es una tecnología lista para desplegar ni una amenaza real –ni está pensado para ser aplicado–, pero la investigación revela cómo conjuntos de datos a priori simples pueden ser entrenados como herramienta de vigilancia.