Hace años, allá por el año 2015, se me ocurrió la "idea loca" de ver si podía "heredar" las apps huérfanas en los markets de apps móviles. En concreto las de Android. La investigación utilizando nuestro querido Tacyt la hicimos y conseguimos "heredar" muchas apps, algunas con millones de instalaciones. Ese trabajo de investigación lo compartimos con mucha gente para ver qué se podía hacer para mejorar esta situación, pero siempre de forma privada.

La idea era tan sencilla como ver qué apps tenían un correo electrónico de un developer que hubiera sido abandonado. Es decir, que pudiéramos re-crear, y pedir la recuperación de la contraseña para obtener el acceso al Developer Portal de Android y manipular las apps publicadas. Y funcionó.

La gracia de eso era algo que llevaba tiempo en mi cabeza, que no era más que lo que llamamos Gremlin Apps, o Gremlin Botnets. Algo tan sencillo como que una app se volviera malicioso solo para un dispositivo móvil concreto y, aprovechando los permisos que tuviera esa app, traerse datos, agenda de contactos, vigilar la ubicación, o robar las fotografías del carrete al que tuviera acceso la app. Todo esto lo publicamos, al final, en la charla de RootedCON 2020 bajo el título de "Gremlin Botnets: El club de los poetas muertos", que os dejo por aquí por si queréis verla.

En esta investigación utilizamos el concepto de "Permisos Oportunistas" para acceder a datos privados. Por ejemplo, que una app para publicar fotos en redes sociales pida acceso al carrete de fotos es normal. Así que las Gremlin Apps esperaban a ver cuando la app accedía al carrete de fotos, y nos traíamos todas. Listo. 

Por supuesto, Android y Apple comenzaron a limitar a las apps los accesos a las fotos, por medio de la granularidad de permisos que comenzaron a poner en Septiembre de 2020 en los iOS14 de iPhone. Pero no bien del todo. Les llevó varias versiones afinarlo y, recuerdo que en 2021, aún con el Acceso Guiado de iPhone se podía hacer cosas muy crappy como acceder a todas esas fotografías.

Lo más importante es que tus fotografías dicen mucho de ti. Tiene muchos datos. A quién conoces,  quién eres, qué sitios visitas, qué haces, cómo te vistes, cómo te diviertes, mucha información, que una persona que tenga acceso a todas esas fotos podría convertir en un auténtico expediente informativo sobre ti. 

Este sería un trabajo ingente para las personas.... pero no para la Inteligencia Artificial. Desde la llegada de los MM-LLMs, ya todo esto está superado y puedes analizar masivamente las fotografías a las que tengas acceso para crear datos, bases de datos, etiquetas, meta-información, y meter en los sistemas Next Best Action, o Next Best Add.

Y todo con una fotografía. Por eso, están apareciendo los sistemas que, como Movistar Cloud, te ofrecen almacenamiento en la nube para tus fotografías con garantía de privacidad y de que nadie va a analizarlas para sacar información.

Uno de esos servicios ha publicado una web para concienciar de lo que una app que analice tus fotografías puede saber. El servicio "They See Your Photos", que me pasó un amigo es bastante sencillo y no es lo importante de este artículo, porque como vamos a ver con los MM-LLMs es posible sacar mucha más información que con el Cognitive Service de Google Vision API que utiliza, pero es un buen ejemplo para ver que tus fotografías dan mucha información.

Entre ellas, cosas que no te imaginas, como la clase social, si hay extintores, los metadatos, donde aparecen dispositivos, fechas, o cualquier otra información que una persona podría analizar de esa fotografía, pero de manera automatizada y masiva sin interacción humana y creando datos sobre ti en sus bases de datos.

En las fotos anteriores podéis ver cómo analizan las fotografías para sacar datos. Y ahora esos datos se convierten en base de datos, en algo que te acompaña, que hace que te vendan cosas, que te ofrezcan cosas, que te configuren cosas, o que te pasen cosas que te gusten menos. Datos masivos extraídos de imágenes. 

Pero os decía que ese servicio, aun siendo un ejemplo fantástico para que cualquiera tome consciencia de esto, se ve más que superado por los Multi-Modal Large Language Models como ChatGPT, donde con subir una única fotografía puedes obtener muchísimas información.

Usamos un prompt para pedirle que nos dé cualquier detalle y cualquier información que sea capaz de inferir con más de un 50% de probabilidad, a ver cómo se comporta. Y aquí tenéis el análisis, para que veáis si os habíais fijado en todo.

Un OCR no hubiera sacado el dato de que probablemente sea Chief Digital Officer lo que pone. También crea meta-información sobre el lugar, y el contenido. Ahora vamos a ver qué dice de mí.

Hace una descripción de lo infiere y de mi "estilo". Tecnológico, innovación, camiseta de playa, estilo desenfadado, innovación, disruptivo, y más datos de mi lenguaje corporal, como que soy expresivo, abierto, que uso presentación, y que tengo detalles personales. Pero aún hay más.

El MM-LLMs se atreve a hacer una inferencia de mi profesión, y de qué tipo de persona puedo ser, lo que llevará a crear una base de datos rica solo con una fotografía. Pero si le pedimos que, con esa información, intente averiguar quién podría ser, nos dice lo siguiente.

No es magia. Una persona normal podría hacer esa inferencia también. Lo importante es la "weaponización" del análisis y la creación de bases de datos masivas de forma automática a partir de imágenes interpretadas por MM-LLMs que, tiene un valor enorme para el negocio, pero al mismo tiempo un peligro enorme para la privacidad de las personas. 

Controlar quién tiene acceso a tus fotografías, audios, vídeos, es importante para gestionar tu privacidad, así cómo que tenemos que pensarnos un poco qué etiquetas queremos que los modelos de IA pongan a las personas....¿no crees? Al final, de manera muy sencilla se pueden construir bases de datos OSINT basadas en búsquedas de datos generados por estos servicios de IA para investigar personas...

¡Saludos Malignos!