Crédito: Dominio público de Pixabay/CC0
Una forma emergente de vigilancia, tapping inalámbrico, explora la posibilidad de descifrar de forma remota las conversaciones de las pequeñas vibraciones producidas por el auricular de un teléfono celular. Con el objetivo de proteger la privacidad de los usuarios de los posibles actores malos, un equipo de investigadores de la informática en Penn State demostró que las transcripciones de las llamadas telefónicas pueden generarse a partir de mediciones de radar tomadas hasta 3 metros, o a unos 10 pies, de un teléfono. Si bien la precisión sigue siendo limitada, un 60% para un vocabulario de hasta 10,000, los hallazgos plantean preguntas importantes sobre los riesgos de privacidad futuros.
Publicaron su investigación En Actas de WISEC 2025: 18ª Conferencia ACM sobre seguridad y privacidad en redes inalámbricas y móviles. El trabajo se basa en un Proyecto 2022 en el que el equipo usó un software de reconocimiento de voz y sensor de radar para identificar de forma inalámbrica 10 palabras, letras y números predefinidos con hasta 83% de precisión.
“Cuando hablamos por un teléfono celular, tendemos a ignorar las vibraciones que pasan a través del auricular y hacer que todo el teléfono vibre”, dijo el primer autor Suryoday Basak, candidato doctoral en ciencias de la computación. “Si capturamos estas mismas vibraciones usando radares remotos y traemos un aprendizaje automático para ayudarnos a aprender lo que se dice, utilizando pistas de contexto, podemos determinar conversaciones completas. Al comprender lo que es posible, podemos ayudar al público a ser consciente de los riesgos potenciales”.
Basak y su asesor, Mahanth Gowda, profesor asociado de informática e ingeniería, que fue coautor del documento, utilizaron un sensor de radar de onda milimétrica, el mismo tipo de tecnología utilizada en automóviles autocontratados, detectores de movimiento y redes inalámbricas 5G como Pensas como Penses.
Su configuración experimental es solo para fines de investigación, dijeron los investigadores, desarrollados en anticipación de lo que los malos actores podrían crear. Luego adaptaron a Whisper, un modelo de reconocimiento de voz a gran escala de código abierto impulsado por inteligencia artificial (AI), para decodificar las vibraciones en transcripciones de voz reconocibles.
“En los últimos tres años, ha habido una gran explosión en las capacidades de IA y modelos de reconocimiento de voz de código abierto”, dijo Basak. “Podemos usar estos modelos, pero se atienden más hacia el habla limpia o los casos de uso cotidiano, por lo que tenemos que adaptarlos para reconocer datos de radar” ruidosos “de baja calidad”.
Para pasar de datos ruidosos a un discurso reconocible sin volver a capacitar a toda la red, los investigadores utilizaron un método de adaptación modelo llamado adaptación de bajo rango, que les permitió especializar el modelo a los datos de radar al volver a conectar el 1% de los parámetros del modelo de Whisper.
Para registrar las vibraciones, los investigadores utilizaron un sensor de radar de onda milímetro colocada a unos metros del teléfono para capturar vibraciones sutiles de superficie mientras el habla se reproduce a través del auricular. Para analizar los datos, alimentaron esta señal derivada del radar en su versión personalizada del modelo de reconocimiento de voz Whisper, que resultó en una precisión de hasta un 60%.
La precisión de la transcripción podría mejorarse aún más, dijeron los investigadores, incorporando correcciones manuales basadas en el contexto, como ajustar ciertas palabras o frases, cuando el conocimiento previo de la conversación está disponible.
“El resultado fueron las transcripciones de las conversaciones, con una expectativa de algunos errores, que fue una mejora marcada de nuestra versión 2022, que genera solo unas pocas palabras”, dijo Gowda. “Pero incluso recoger coincidencias parciales para el habla, como las palabras clave, son útiles en un contexto de seguridad”.
Los investigadores compararon las capacidades de su modelo con la lectura de los labios: mientras que la lectura de labios proporciona solo alrededor del 30% al 40% de las palabras habladas, muchas personas que leen los labios usan pistas de contexto para descifrar lo suficiente como para participar en una conversación.
“Al igual que los lectores de labios pueden usar información limitada para interpretar conversaciones, la salida de nuestro modelo combinada con información contextual puede permitirnos inferir partes de una conversación telefónica a unos pocos metros de distancia”, dijo Basak.
“El objetivo de nuestro trabajo era explorar si estas herramientas podrían ser utilizadas por los malos actores para escuchar a escondidas en conversaciones telefónicas desde la distancia. Nuestros hallazgos sugieren que esto es técnicamente factible bajo ciertas condiciones, y esperamos que esto aumente la conciencia pública para que las personas puedan ser más conscientes durante las llamadas sensibles”.
Más información: Suryoday Basak et al, inalámbrico-Tap: transcripción automática de llamadas telefónicas utilizando la detección de radar de la onda milímetro, 18ª conferencia ACM sobre seguridad y privacidad en redes inalámbricas y móviles (2025). Doi: 10.1145/3734477.3734708
Proporcionado por la Universidad Estatal de Pensilvania
Cita: Conversaciones detectadas de forma remota a partir de vibraciones de teléfonos celulares, informe de los investigadores (2025, 11 de agosto) recuperado el 11 de agosto de 2025 de https://techxplore.com/news/2025-08-conversations-remotely-cell-vibrations.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
