El WiFi ya puede reconocer personas sin cámaras ni móviles

Las señales inalámbricas que conectan móviles, ordenadores y routers pueden revelar algo más que la calidad de una conexión. Un equipo del Instituto Tecnológico de Karlsruhe, en Alemania, desarrolló un sistema capaz de distinguir a personas por la forma en que sus cuerpos alteran las ondas, incluso si ellas no llevan un teléfono encima. En las pruebas con 197 participantes, el método alcanzó una precisión cercana al 99,5 %.

El resultado no significa que cualquier router doméstico identifique por sí solo a quien entra en una habitación. El sistema, llamado BFId, necesita recopilar información inalámbrica y entrenar un modelo con ejemplos de las personas que pretende reconocer. Pero muestra que una infraestructura cotidiana puede funcionar como sensor de identidad sin cámaras: no obtiene imágenes ni lee conversaciones, sino que analiza cambios en señales de radio.

La información escondida en el beamforming

La técnica se basa en el beamforming, un mecanismo que ayuda a dirigir mejor la señal hacia los dispositivos conectados. En lugar de emitir de manera uniforme, el punto de acceso ajusta la transmisión para mejorar la comunicación con un móvil o un portátil. Para hacerlo, necesita conocer cómo recibe ese dispositivo las ondas; en esa interacción aparece la información de retroalimentación de beamforming, conocida como BFI.

La BFI forma parte de la comunicación entre equipos WiFi y puede incluir indicios sobre el recorrido de la señal. Las ondas se reflejan en paredes, muebles y cuerpos, o se debilitan al atravesar ciertos materiales. Por eso, el registro no describe únicamente el enlace entre router y dispositivo: también recoge alteraciones causadas por el espacio que atraviesa. El equipo investigador aprovechó esas variaciones para buscar patrones repetidos asociados a cada persona.

El sistema BFId analiza esos patrones mediante aprendizaje automático. El algoritmo recibe ejemplos y aprende qué combinaciones de cambios corresponden a cada identidad dentro de las condiciones estudiadas. La analogía con un radar puede ayudar a imaginar el principio, pero tiene un límite importante: el método no construye una imagen visual del cuerpo ni muestra el aspecto de alguien. Produce una firma estadística de la interacción entre ondas y cuerpo, que el modelo puede comparar con registros anteriores.

Qué hace el cuerpo con las ondas

El cuerpo humano modifica la propagación de las ondas de radio porque no es transparente para ellas. Parte de la señal puede absorberse, reflejarse o desviarse, y el efecto cambia según la posición de la persona y la geometría del lugar. Al moverse, además, el cuerpo modifica las condiciones del canal inalámbrico. Para quien usa el WiFi, esas diferencias son imperceptibles; para un algoritmo entrenado, pueden formar regularidades útiles para separar unas identidades de otras.

La identificación no depende de reconocer rasgos como los ojos o la forma de la cara. Intervienen características físicas y patrones de movimiento que afectan a la señal, aunque el estudio no convierte cada una en una medida aislada ni permite deducir qué rasgo concreto explica cada acierto. Lo relevante es la combinación: variaciones que parecen ruido cuando se observan sin contexto pueden volverse informativas al compararlas con suficientes muestras. Así funciona esta forma indirecta de reconocimiento biométrico por radio.

Por eso, detectar presencia y reconocer identidad son tareas distintas. Un sistema puede inferir que hay alguien en una habitación sin saber quién es. BFId apunta un paso más allá: clasifica la señal para relacionarla con una persona conocida por el modelo. Esa diferencia cambia el alcance de la tecnología. Contar ocupantes o activar una luz por movimiento no equivale a reconocer a alguien que vuelve a entrar, aunque ambas funciones puedan apoyarse en ondas inalámbricas.

Una prueba notable, no una capacidad universal

Los investigadores evaluaron el sistema con 197 personas, un conjunto amplio para este tipo de identificación inalámbrica, y comunicaron una precisión cercana al 99,5 %. Es un resultado llamativo, pero describe el desempeño obtenido en las pruebas, no una garantía válida para cualquier edificio, router o población. El modelo se entrenó con datos de los participantes y trabajó bajo escenarios de investigación; no basta con encender un aparato para que este conozca automáticamente la identidad de cualquier visitante.

El entorno también importa. La distribución de una estancia, los obstáculos, la ubicación de los puntos de acceso y las interferencias pueden modificar las señales disponibles. Si cambian las condiciones respecto de las usadas para entrenar el modelo, la clasificación puede resultar más difícil. La cifra de acierto debe leerse, por tanto, como una medida del experimento y no como una promesa de identificación infalible en la vida real. El salto técnico es relevante, pero no borra las diferencias entre laboratorio y despliegue cotidiano.

También hace falta distinguir el equipo comercial de la capacidad efectiva del sistema. El trabajo destaca que puede usar routers y tarjetas WiFi corrientes, sin exigir hardware especializado ni firmware modificado como ocurría con algunos métodos anteriores. Sin embargo, eso no significa que todos los routers tengan BFId instalado ni que incorporen una función de reconocimiento. La investigación demuestra que ciertos datos disponibles en equipos comunes pueden analizarse con ese propósito; convertirlo en un servicio operativo requeriría captura, procesamiento y entrenamiento.

Por qué el teléfono de la persona no es imprescindible

El aspecto más desconcertante es que la persona identificada no tiene que llevar un móvil encendido ni conectarse a la red. BFId aprovecha información generada por comunicaciones inalámbricas del entorno: el cuerpo modifica las ondas que circulan entre los dispositivos activos y el punto de acceso. Así, el aparato que permite observar esos cambios no tiene por qué ser propiedad de la persona reconocida. Su presencia física basta para alterar el campo de señal que otros equipos producen.

Eso no quiere decir que el método funcione en un espacio vacío de transmisiones ni que pueda identificar a alguien desde cualquier distancia. Debe haber actividad inalámbrica relevante y una manera de captar los datos necesarios dentro del alcance de la red. La precisión depende además de que el sistema disponga de referencias previas para asociar una firma con una identidad. La persona no necesita aportar su teléfono, pero sí se requieren dispositivos y datos en el entorno para que el análisis tenga lugar.

La diferencia respecto del seguimiento basado en GPS o en una aplicación es significativa. En esos casos, la información suele proceder del propio dispositivo de la persona; aquí, la observación puede apoyarse en una infraestructura compartida. Apagar el móvil elimina los datos que ese móvil habría generado, pero no impide que el cuerpo afecte a otras señales cercanas. La privacidad deja de depender solo de los ajustes personales y pasa a estar ligada, en parte, a las redes que ocupan el espacio común.

Qué aporta frente a otros métodos inalámbricos

Investigaciones anteriores ya habían explorado el uso de señales WiFi para detectar presencia o movimiento. Algunas técnicas se apoyan en la información del estado del canal, conocida como CSI, que ofrece mediciones detalladas de cómo se propagan las ondas. Sin embargo, extraerla ha podido exigir equipos compatibles o cambios de firmware. El trabajo de Karlsruhe pone el foco en la BFI, una información vinculada al beamforming y disponible en equipos comerciales compatibles con WiFi 5 y generaciones posteriores.

Según la comparación presentada por los investigadores, esta vía puede obtener datos útiles sin depender de la configuración especial que limitaba ciertos estudios basados en CSI. El artículo de investigación señala que menos del 6 % de los dispositivos desplegados en 2023 permitían extraer CSI en las condiciones consideradas. La BFI, en cambio, está relacionada con una función normal de la comunicación inalámbrica. Esa diferencia amplía el interés del método, aunque no convierte cada red en un sistema de vigilancia listo para usar.

La comparación también ayuda a entender por qué el hallazgo va más allá de una demostración de que el WiFi nota movimiento. La pregunta central es si la señal contiene suficiente información para distinguir individuos, no solo para registrar que algo ha cambiado en la habitación. El sistema ofrece pruebas de que esa discriminación es posible con datos de retroalimentación ordinarios y aprendizaje automático. Aun así, la utilidad en otro lugar dependería de la calidad de las capturas y de la capacidad de generalizar el modelo a personas y espacios distintos.

Del hogar conectado a la vigilancia invisible

Una tecnología que detecta presencia puede tener usos legítimos. En una vivienda, podría activar iluminación o climatización cuando alguien entra; en un centro asistencial, detectar movimientos sin instalar una cámara puede resultar menos intrusivo para algunas tareas. También se investiga el WiFi sensing para interpretar cambios en el entorno. Estas posibilidades explican por qué la detección inalámbrica despierta interés: las ondas pueden observar actividad sin grabar vídeo ni exigir que una persona lleve un dispositivo encima.

El problema aparece cuando una función ambiental se convierte en seguimiento individual. Un comercio podría interesarse por reconocer a visitantes recurrentes; una oficina, por supervisar movimientos; un sistema de vigilancia, por identificar a alguien sin cámaras visibles. Son escenarios de uso potencial, no pruebas de que BFId esté implantado en esos lugares. La diferencia entre detectar ocupación y asociar señales con personas concretas es, precisamente, la frontera que obliga a tratar la identificación inalámbrica como un asunto de privacidad.

La ausencia de imágenes tampoco resuelve por sí sola el debate. Un registro estadístico puede no mostrar una cara y, aun así, permitir distinguir a una persona si se compara con una identidad conocida. Lo decisivo no es únicamente qué aspecto tienen los datos, sino qué puede deducirse de ellos, quién los conserva y con qué finalidad. En ese sentido, una señal menos intuitiva que una fotografía puede seguir siendo sensible si sirve para reconocer, clasificar o seguir a alguien.

Los límites entre el experimento y un uso extendido

El trabajo no demuestra que exista una red de routers que identifique a la población a gran escala. Para pasar de un resultado experimental a un despliegue hacen falta sistemas capaces de recopilar señales de forma sostenida, modelos entrenados y condiciones que permitan comparar las observaciones. También habría que resolver cómo mantener el rendimiento cuando cambian las habitaciones o las personas. La posibilidad técnica es real; la disponibilidad de un mecanismo práctico, universal y automático no queda acreditada por el porcentaje obtenido en el estudio.

La necesidad de datos previos es otro límite central. Un modelo que aprende las firmas de participantes concretos no puede atribuir cualquier señal anónima a un nombre sin contar con una referencia que conecte ambas cosas. La investigación muestra que el algoritmo puede reconocer identidades dentro del marco evaluado, pero no que pueda descubrir por sí mismo quién es un desconocido. Esta distinción evita confundir clasificación entre personas conocidas por el sistema con identificación espontánea de cualquier individuo que pase por un espacio.

La distancia entre un prototipo y un uso comercial puede reducirse con el tiempo, pero no es automática. El diseño de los equipos, la facilidad para acceder a la retroalimentación, los costes de procesar datos y las reglas aplicables condicionan qué usos llegan a materializarse. Por eso, el resultado no justifica ni la alarma de que todos los routers espíen ni la tranquilidad de que el riesgo sea irrelevante. Señala una capacidad que merece atención antes de que la detección inalámbrica se normalice sin debate.

El estándar de detección también abre una discusión

El desarrollo del estándar IEEE 802.11bf está orientado al WiFi sensing, es decir, al uso de redes inalámbricas para detectar aspectos del entorno. Puede facilitar aplicaciones de presencia, movimiento o monitorización ambiental. Los autores del trabajo piden que se incorporen protecciones para evitar que la información de señal se reutilice con fines de identificación sin control. El reto consiste en permitir funciones útiles sin dar por sentado que todo dato generado para mejorar una conexión debe quedar disponible para inferencias sobre las personas.

La protección no depende de una única solución técnica. Importan la manera en que los dispositivos transmiten la información, quién puede capturarla, cuánto tiempo se conserva y si el sistema intenta identificar individuos o solo medir ocupación. También cuentan la transparencia y la posibilidad de supervisar el uso. Cuando una red recopila señales para inferir identidad, entran en juego cuestiones de privacidad y de protección de datos que dependen del contexto y de la normativa aplicable; el estudio, por sí solo, no determina qué uso sería legal en cada situación.

El debate se complica porque la persona observada puede no saber que el análisis ocurre. Una cámara es visible en muchos casos, aunque no siempre resulte fácil detectar todas; una red inalámbrica forma parte del paisaje cotidiano y no parece un instrumento de medición. Por eso, las salvaguardas deberían considerar no solo la seguridad del tráfico, sino también las inferencias que se extraen de él. La pregunta pública ya no es únicamente qué datos entrega cada usuario, sino qué puede aprender una infraestructura sobre quien la atraviesa.

Cuando la conexión también describe el espacio

El hallazgo del Instituto Tecnológico de Karlsruhe amplía la idea de lo que puede hacer una red doméstica o comercial. El WiFi nació para transportar datos, pero las mismas ondas que sostienen esa comunicación también interactúan con el espacio. Esa interacción puede servir para detectar presencia y, con técnicas de aprendizaje automático, para distinguir patrones asociados a personas. No hay una cámara oculta dentro del router, pero sí información física que antes se trataba como parte del canal y que ahora puede analizarse de otro modo.

La cifra cercana al 99,5 % demuestra el potencial del método en las condiciones evaluadas, no que el reconocimiento funcione sin preparación ni límites en cualquier lugar. La persona no necesita llevar su móvil, aunque sí hacen falta señales activas, equipos que recojan la información y referencias con las que entrenar el sistema. Esa combinación convierte el resultado en una advertencia concreta, no en una predicción de vigilancia universal: una infraestructura corriente puede revelar más de lo que aparenta cuando sus datos se interpretan con una finalidad distinta.

Las redes inalámbricas serán cada vez más capaces de percibir el entorno, y algunas aplicaciones pueden aportar comodidad o ayudar a prescindir de cámaras. Pero detectar una presencia y reconocer a una persona no son equivalentes, ni deberían tratarse como si lo fueran. La diferencia importa para el diseño de los sistemas y para las reglas que los rodean. El reto será conservar los usos útiles del WiFi sensing sin convertir el aire compartido en una herramienta silenciosa de identificación permanente.