La Universidad Aut¨®noma de Madrid se al¨ªa con los marines de EE UU para combatir los bulos sobre la covid-19

La premisa es clara: desarrollar m¨¢quinas que sean capaces de verificar la identidad de una persona a partir de la forma en la que teclea en su ordenador y evitar que propaguen bulos sobre la covid-19. Y ello, con menos de 15 palabras. Este sistema biom¨¦trico de identificaci¨®n se denomina din¨¢mica de tecleo, y es la base de TypeNet, un proyecto conjunto del Biometrics and Data Pattern Analytics Lab de la Universidad Aut¨®noma de Madrid (UAM) y un laboratorio de investigaci¨®n de la Naval Postgraduate School de la marina estadounidense (US Navy). Este programa persigue crear algoritmos que ayuden a identificar a usuarios detectados como propagadores de noticias falsas o desinformaci¨®n.

Cada uno tenemos caracter¨ªsticas propias a la hora de escribir: por ejemplo, lo que dura la presi¨®n de las teclas y lo que tardamos en pulsar la siguiente. Los navegadores con los que accedemos diariamente a Internet est¨¢n preparados para recoger esa informaci¨®n. Esta t¨¦cnica biom¨¦trica lleva, de hecho, bastante tiempo entre nosotros: durante la Segunda Guerra Mundial, los servicios de inteligencia militar identificaban a distintos individuos por su forma de enviar mensajes en c¨®digo morse. ¡°Las primeras contribuciones cient¨ªficas son de hace varias d¨¦cadas¡±, explica Javier Ortega Garc¨ªa, catedr¨¢tico de Teor¨ªa de la Se?al y Comunicaciones y director, Biometrics & Data Pattern Analytics Lab en la UAM (instituci¨®n de la que, adem¨¢s, es vicerrector). ¡°Pero hasta hace pocos a?os no ha habido suficiente capacidad tecnol¨®gica y avances en deep learning para que pueda formar parte de un sistema comercial¡±.

A esta tecnolog¨ªa se le puede dar muchos usos. Uno de ellos, frenar la propagaci¨®n de bulos (fake news) gracias a TypeNet, el sistema de identificaci¨®n biom¨¦trica que en un futuro puede permitir bloquear a internautas y cuentas dedicadas a la propagaci¨®n de noticias falsas. ¡°Estos usuarios se amparan en el anonimato y en la deslocalizaci¨®n de internet para propagar la desinformaci¨®n y el miedo sobre la pandemia de coronavirus¡±, explica Aythami Morales, investigador y profesor de la UAM y coordinador de este trabajo, en el que, adem¨¢s, han participado Alejandro Acien, Juli¨¢n Fierrez, Rub¨¦n Tolosana, Rub¨¦n Vera-Rodr¨ªguez, John V. Monaco y Yurena L¨®pez. Su trabajo ser¨¢ presentado en julio en una conferencia sobre Seguridad organizada por la asociaci¨®n internacional IEEE.

Estos investigadores llevan dos meses trabajando en adaptar esta tecnolog¨ªa a la lucha contra la desinformaci¨®n relacionada con la covid-19. ?C¨®mo? TypeNet, en primer lugar, extrae los patrones asociados a la forma de teclear de cada persona, independientemente del texto que teclee. Despu¨¦s, el sistema elabora un algoritmo que permite modelar fielmente a cada individuo a trav¨¦s de patrones neuromotores asociados a su forma de teclear.

Con este procedimiento se logra un modelo de identificaci¨®n que permitir¨¢ bloquear a usuarios y cuentas dedicadas a la propagaci¨®n de noticias falsas. ¡°Plataformas como Twitter o Facebook tienen problemas para luchar contra la propagaci¨®n de estas noticias ya que una vez detectan y cancelan una cuenta dedicada a desinformar, sus creadores tardan pocos minutos en crear otra¡±. asegura Artiles.

As¨ª, el modelo de la UAM y de la Naval Postgraduate School (creado a partir de cuatro millones de muestras de 160.000 internautas; cinco gigas de informaci¨®n en total) permitir¨¢ usar los datos biom¨¦tricos sobre din¨¢micas de tecleo para identificar m¨²ltiples cuentas gestionadas por un mismo usuario. Una vez ese usuario es expulsado por difundir bulos, el sistema lo identificar¨¢ aunque genere una nueva cuenta basada en una identidad falsa. ¡°Las pruebas realizadas sobre m¨¢s 100.000 cuentas muestran c¨®mo es posible identificar cuentas an¨®nimas con porcentajes que llegan alcanzar el 50% de precisi¨®n¡±, sostiene Morales. ¡°Esto se traduce en m¨¢s de 50.000 cuentas desanonimizadas a trav¨¦s de esta tecnolog¨ªa¡±.

Privacidad

Aythami Morales admite que el gran potencial de esta tecnolog¨ªa puede tener usos no tan beneficiosos: ¡°Si caen en las manos incorrectas, estas tecnolog¨ªas se podr¨ªan usar para perseguir a usuarios por sus ideas pol¨ªticas y coartar la libertad de expresi¨®n¡±, avisa. ¡°Un gran poder conlleva una gran responsabilidad¡±, concluye citando a Franklin D. Roosevelt (y a Peter Parker, claro est¨¢). ¡°Las leyes de proyecci¨®n de datos ponen los frenos necesarios, y en todo momento hay que cumplir los requisitos de la normativa¡±, concluye. Entre ellos, que se manejen datos an¨®nimos, que terceros no tengan acceso a ellos, que los usuarios est¨¦n informados y que exista un tiempo limitado de almacenamiento.

Otros usos

La din¨¢mica de tecleo puede constituir una herramienta poderosa para muchos ¨¢mbitos. ¡°No es la biometr¨ªa m¨¢s difundida, pero aun as¨ª resulta muy t¨ªpico encontrarlo en todos los procesos online. Siempe que haya un usuario en un dispositivo a cualquier tipo de servicio es susceptible para aplicarlo¡±, asegura Javier Ortega Garc¨ªa.

El primero uso de la biometr¨ªa conductual que viene a la cabeza es el de la seguridad inform¨¢tica y la identificaci¨®n. ¡°Con la crisis sanitaria provocada por el cornavirus se ha puesto de manifiesto la necesidad de la ense?anza online: tenemos que implantar la docencia telem¨¢tica y hay que evaluar remotamente a estos alumnos. La din¨¢mica de tecleo supone una forma de asegurar que se trata en realidad de un estudiante determinado o de que no est¨¢ aplicando pr¨¢cticas dudosas¡±. Y tiene otra ventaja: esta herramienta permite una monitorizaci¨®n continua de la identidad. Plataformas como Coursera, asegura Ortega, ya cuentan con herramientas de este tipo.

La forma en que escribimos en nuestros dispositivos tambi¨¦n puede tener usos en la medicina. La propia UAM lanz¨® el pasado a?o un programa llamado BioGuard que tiene en cuenta la forma en la que un usuario sujeta el terminal, presiona la pantalla, teclea, hace scroll o swipe, agranda una imagen con los dedos, arrastra un icono o hace una b¨²squeda por voz. A trav¨¦s de aprendizaje autom¨¢tico y las redes neuronales profundas propias del deep learning extraemos este tipo de informaci¨®n biom¨¦trica para conocer con mayor profundidad al usuario, y con un tratamiento correcto de esta informaci¨®n podr¨ªa aplicarse en el mundo de la medicina para que m¨®viles y tabletas ayuden a identificar algunos estadios o etapas iniciales de enfermedades neuromotoras o neurodegenerativas como p¨¢rkinson o alzh¨¦imer.