Un YouTuber conocido como Colsto ha descubierto una técnica para identificar la ubicación de grabaciones utilizando únicamente los sonidos de fondo. Este creador de contenido, que cuenta con 105.000 suscriptores, se ha especializado en analizar los ruidos de los aviones de propulsión, los cuales compara con datos de vuelos ADS-B. Estos datos, que son emitidos por las aeronaves civiles, son recopilados por servicios como Flightradar24 y FlightAware. Colsto comienza con un clip de una cámara de vigilancia, del cual solo conoce la fecha (8 de septiembre) y que sabe que fue grabado en los Estados Unidos continentales. Para determinar la ubicación de la cámara, Colsto busca en los sonidos de fondo las curvas Doppler de aviones que pasan volando. Estas curvas son imperceptibles para el oído humano, pero se pueden ver en un espectrograma después de un acercamiento y una mejora de la resolución. Colsto desarrolló un script en Python que descargó durante horas todos los datos de vuelos sobre los Estados Unidos continentales en la fecha mencionada. Estos datos incluyen posición, velocidad, altitud y código de tipo de las aeronaves. El código de tipo se utilizó para separar los jets de las aeronaves de propulsión. Los aviones que no se pudieron identificar con precisión se trataron mediante el principio de exclusión, eliminando los jets conocidos. Además, utilizó un modelo de altura a nivel nacional y una modelización de física 3D. Necesita el modelo de altura porque los datos ADS-B proporcionan la altitud sobre el nivel del mar, mientras que para la propagación del sonido se necesita la distancia oblicua al observador. En meses de desarrollo, Colsto creó más de 5000 líneas de código. Inicialmente, identificó dos sobrevuelos en el clip con un intervalo de 920 segundos. En primer lugar, buscó lugares donde se escuchara un avión primero y otro 920 segundos después, teniendo en cuenta el tiempo de propagación del sonido. En una pequeña área de prueba (menos del 0,05 por ciento de la superficie de los Estados Unidos continentales), quedaron aproximadamente 35.000 puntos después de este filtro. En segundo lugar, determinó la velocidad de vuelo y la distancia de las aeronaves al micrófono a partir del descenso de frecuencia de las curvas Doppler. Esto resultó en aproximadamente 73.000 puntos candidatos para todo Estados Unidos, muchos de ellos cerca de aeropuertos. En tercer lugar, aprovechó que entre los dos sobrevuelos no se oyó otro avión durante unos 15 minutos. Los lugares donde se podría haber oído uno en ese momento, como cerca de un aeropuerto, fueron eliminados. Quedaron aproximadamente 15.000 puntos. Por último, modelizó para cada uno de estos puntos la curva Doppler que se obtendría a partir de los datos de vuelo reales y la comparó con el espectrograma. El lugar con la puntuación más alta resultó ser el lugar correcto. Verificó la coincidencia con la línea de árboles mediante Street View, y la cámara aparecía en las imágenes. En una segunda prueba, encontró el mismo lugar con solo un minuto de audio y tiempo de grabación conocido, aunque la curva Doppler era apenas reconocible. Colsto había localizado previamente lugares mediante truenos en otro video, con una precisión de aproximadamente 5 kilómetros. No está claro hasta qué punto sus hallazgos pueden generalizarse. Además, aún falta una confirmación independiente de su caso de prueba. Colsto no publica ni el código ni las herramientas terminadas. Otros han replicado el método en GitHub. Como Colsto solo menciona el lugar de Oyster Bay en el estado de Nueva York, no se puede verificar su afirmación de precisión. El YouTuber dice que es difícil protegerse contra la localizabilidad. #Tecnología #YouTube #Innovación
Ver más en News Today