Un nuevo sistema de IA en el borde de código abierto llamado π RuView está transformando la infraestructura WiFi común en una plataforma de detección humana a través de paredes, capaz de identificar la postura corporal, signos vitales y patrones de movimiento sin necesidad de una sola cámara, lo que plantea urgentes preocupaciones en materia de seguridad y vigilancia. Investigadores y desarrolladores han teorizado durante mucho tiempo que las señales de radio ambientales podrían ser utilizadas para la vigilancia pasiva.

Un nuevo sistema de IA de borde de código abierto llamado π RuView está transformando la infraestructura WiFi común en una plataforma de detección humana a través de paredes, capaz de identificar la postura corporal, signos vitales y patrones de movimiento sin necesidad de una sola cámara, lo que plantea urgentes preocupaciones sobre seguridad y vigilancia.

Investigadores y desarrolladores han teorizado durante mucho tiempo que las señales de radio ambientales podrían ser utilizadas para vigilancia pasiva. Esa teoría ya es código listo para producción.

RuView, creado por el desarrollador Reuven Cohen y disponible en GitHub, implementa WiFi DensePose, una técnica de detección originalmente desarrollada por la Universidad Carnegie Mellon, como un sistema práctico y de bajo costo que reconstruye posturas humanas completas a través de paredes utilizando solo señales WiFi estándar.

Cómo funciona la superficie de ataque

En esencia, el sistema explota la Información del Estado del Canal (CSI), metadatos que el hardware WiFi ya recopila para optimizar la transmisión de señales.

Cuando un cuerpo humano se mueve dentro de un entorno inalámbrico, distorsiona las rutas de señal a través de docenas de subportadoras OFDM. El pipeline de procesamiento de señales de RuView captura estas perturbaciones a 54,000 fotogramas por segundo usando Rust, extrae variaciones de amplitud y fase, y las alimenta a una arquitectura de aprendizaje profundo DensePose-RCNN modificada, tomada de la visión por computadora.

El resultado es una reconstrucción en tiempo real de 24 regiones de la superficie corporal, brazos, torso, cabeza y articulaciones mapeadas en coordenadas UV que reflejan lo que vería una cámara, pero derivado completamente de señales de radiofrecuencia.

La extracción de signos vitales se ejecuta en paralelo: un filtrado de paso de banda entre 0.1–0.5 Hz captura la respiración (6–30 RPM), mientras que un filtrado entre 0.8–2.0 Hz detecta la frecuencia cardíaca (40–120 LPM).

La dimensión más alarmante en términos de seguridad es la barrera de hardware o, más bien, su casi inexistencia. RuView se despliega en nodos de microcontroladores ESP32, que cuestan aproximadamente $1 cada uno, formando una malla de sensores multistáticos.

De cuatro a seis nodos combinan 12+ rutas de señal superpuestas para lograr una cobertura de 360 grados en una habitación con una precisión inferior a una pulgada, operando completamente sin conexión y sin dependencia de la nube.

La detección a través de paredes alcanza hasta 5 metros de profundidad utilizando geometría de zonas de Fresnel y modelado de trayectorias múltiples. El sistema aprende la "huella de RF" de cada habitación con el tiempo y luego resta el entorno estático para aislar el movimiento humano, un modelo de campo persistente que también puede detectar intentos de suplantación de señales. La latencia de detección de presencia es inferior a 1 milisegundo.

A diferencia de las cámaras, que están reguladas por el GDPR, la CCPA y leyes de instalación física, la detección pasiva de CSI mediante WiFi es invisible y no requiere acceso físico al entorno objetivo.

Análisis legales han señalado que "es bastante difícil pedir permiso a los peatones con antelación", y los marcos de consentimiento colapsan por completo cuando la detección es pasiva.

El GDPR ya clasifica los identificadores de seguimiento WiFi como datos personales, pero la extracción de posturas corporales basada en CSI existe en una zona gris regulatoria sin controles específicos.

El escenario de ataque es sencillo: un actor malicioso coloca un nodo ESP32 de $5 en un área común de un edificio o cerca de un punto de acceso WiFi, despliega RuView mediante Docker (docker pull ruvnet/wifi-densepose:latest) y comienza a mapear silenciosamente los movimientos, rutinas e incluso signos biométricos vitales de los ocupantes a través de paredes.

Los equipos de seguridad deberían tratar la detección pasiva por RF como un vector de amenaza emergente en la capa física. Las mitigaciones incluyen blindaje de RF en instalaciones sensibles, monitoreo de dispositivos ESP32 no autorizados en segmentos de red y abogar por marcos regulatorios que extiendan las leyes de vigilancia para cubrir el seguimiento humano basado en CSI antes de que la tecnología supere por completo a las políticas.