Los cables HDMI están presentes en millones de ordenadores, televisores y monitores, pero también producen algo que suele pasar desapercibido: pequeñas emanaciones electromagnéticas mientras transmiten información. En 2024, investigadores de la Universidad de la República de Uruguay demostraron que esas señales podían utilizarse para reconstruir lo que aparecía en una pantalla con ayuda de aprendizaje profundo, una técnica bautizada como Deep-TEMPEST. La investigación fue más allá de aquella primera demostración. El trabajo terminó publicándose en diciembre de 2024 en las actas del 13th Latin-American Symposium on Dependable and Secure Computing, donde sus responsables detallaron el funcionamiento del sistema.
La clave consiste en captar las emanaciones electromagnéticas involuntarias procedentes de los cables y conectores HDMI y, tras ello, utilizar una red neuronal para reconstruir la imagen original. La IA consigue reconstruir el texto de la pantalla Interceptar HDMI resulta especialmente complicado por la forma en la que transmite digitalmente la información. Los investigadores utilizaron un sistema basado en Software Defined Radio y aprendizaje profundo para mejorar las imágenes obtenidas. Su método redujo la tasa de error en el reconocimiento de caracteres en más de 60 puntos porcentuales respecto a implementaciones anteriores, haciendo mucho más legible el texto capturado.
El proyecto también ha crecido desde que comenzó a llamar la atención en 2024. Los investigadores hicieron públicos tanto su código como un dataset compuesto por unas 3.500 muestras, de las que alrededor de 1.300 proceden de capturas reales. El resto puede generarse mediante un simulador desarrollado por el equipo, facilitando el entrenamiento del modelo sin necesidad de realizar miles de capturas físicas. Eso no significa que cualquier hacker pueda conectarse de forma remota a nuestro HDMI y observar la pantalla.
El ataque necesita captar las emanaciones electromagnéticas mediante una antena y equipamiento específico, además de procesarlas posteriormente. Los propios investigadores presentan Deep-TEMPEST como una prueba de los riesgos asociados a estas filtraciones y analizan diferentes contramedidas para reducir las posibilidades de espionaje. El peligro, por tanto, tiene especial sentido en lugares donde la información mostrada en pantalla sea extremadamente sensible. Organismos públicos, instalaciones industriales o determinadas empresas son objetivos mucho más plausibles que un usuario doméstico.
La investigación demuestra, eso sí, cómo el aprendizaje profundo puede revitalizar técnicas de espionaje electromagnético conocidas desde hace décadas y, gracias a ellas, conseguir extraer información que anteriormente resultaba mucho más difícil de interpretar. En 3DJuegos | Tumbas de 2.600 años encerraban algo único: todos sus objetos intactos, y sin señales de haber sido profanadas anteriormente