Criterios de selecci\u00f3n de eventos para cada tipo de prueba<\/strong><\/h3>\n <\/p>\n
Tanto en los mapas de resultados como en la tabla de casos manejados en el proyecto, se proponen tres (03) niveles de anomal\u00eda,\u00a0 bajo, medio y alto de alerta para agregar \u00e9nfasis a los casos m\u00e1s relevantes:<\/span><\/p>\nEn principio, todos los casos por defecto se agregan con nivel medio, salvo en los siguientes escenarios:<\/span><\/p>\n\n- Cuando existen m\u00e1s de dos (02) casos en la misma torre se incrementa el nivel a \u201calto\u201d.<\/span><\/li>\n
- Cuando existe un (01) caso en una prueba de alta importancia se sube el nivel a \u201calto\u201d.<\/span><\/li>\n
- En algunos casos particulares desarrollando una justificaci\u00f3n es posible incrementar el nivel a \u201calto\u201d.<\/span><\/li>\n
- Si s\u00f3lo existe un (01) caso en una torre, de una prueba marcada como de menor confiabilidad, se cambia el nivel a \u201cbajo\u201d.<\/span><\/li>\n<\/ul>\n
<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row column_structure=”1_3,1_3,1_3″ _builder_version=”4.4.5″ min_height=”329px” custom_margin=”-29px|auto||auto||” custom_padding=”0px|25px|0px|||”][et_pb_column type=”1_3″ _builder_version=”4.4.5″][et_pb_text _builder_version=”4.4.5″]<\/p>\n
\u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0Baja<\/span><\/strong><\/h4>\n[\/et_pb_text][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2019\/10\/FireShot-Capture-130-Venezuelan-Colombian-border-FADe-fadeproject.org_.png” title_text=”FireShot Capture 130 – Venezuelan-Colombian border – FADe – fadeproject.org” _builder_version=”4.4.5″ width=”66.6%”]<\/p>\n
<\/p>\n
[\/et_pb_image][\/et_pb_column][et_pb_column type=”1_3″ _builder_version=”4.4.5″][et_pb_text _builder_version=”4.4.5″]<\/p>\n
\u00a0 \u00a0 \u00a0 \u00a0 \u00a0 Media<\/strong><\/span><\/h4>\n[\/et_pb_text][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2019\/10\/FireShot-Capture-131-Venezuelan-Colombian-border-FADe-fadeproject.org_.png” title_text=”FireShot Capture 131 – Venezuelan-Colombian border – FADe – fadeproject.org” _builder_version=”4.4.5″ width=”62.9%”]<\/p>\n
<\/p>\n
[\/et_pb_image][\/et_pb_column][et_pb_column type=”1_3″ _builder_version=”4.4.5″][et_pb_text _builder_version=”4.4.5″]<\/p>\n
\u00a0 \u00a0 \u00a0 \u00a0 Alta<\/strong><\/span><\/h4>\n[\/et_pb_text][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2019\/10\/FireShot-Capture-133-Venezuelan-Colombian-border-FADe-fadeproject.org_.png” alt=”High” title_text=”FireShot Capture 133 – Venezuelan-Colombian border – FADe – fadeproject.org” _builder_version=”4.4.5″ width=”56.4%”]<\/p>\n
<\/p>\n
[\/et_pb_image][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.7.7″ _module_preset=”default”][et_pb_column type=”4_4″ _builder_version=”4.7.7″ _module_preset=”default”][et_pb_text _builder_version=”4.7.7″ _module_preset=”default”]<\/p>\n
Figura 1.<\/strong>\u00a0Niveles de amonal\u00eda en resultados<\/span><\/p>\n[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.4.2″ width=”85.5%” custom_padding=”3px|||||”][et_pb_column type=”4_4″ _builder_version=”4.4.2″][et_pb_text _builder_version=”4.4.5″ header_font=”|700|||||||” header_3_font=”|700|||||||” header_3_text_color=”#87bab3″ header_3_font_size=”30px” vertical_offset_tablet=”0″ horizontal_offset_tablet=”0″ custom_padding=”0px|||||” z_index_tablet=”0″ text_text_shadow_horizontal_length_tablet=”0px” text_text_shadow_vertical_length_tablet=”0px” text_text_shadow_blur_strength_tablet=”1px” link_text_shadow_horizontal_length_tablet=”0px” link_text_shadow_vertical_length_tablet=”0px” link_text_shadow_blur_strength_tablet=”1px” ul_text_shadow_horizontal_length_tablet=”0px” ul_text_shadow_vertical_length_tablet=”0px” ul_text_shadow_blur_strength_tablet=”1px” ol_text_shadow_horizontal_length_tablet=”0px” ol_text_shadow_vertical_length_tablet=”0px” ol_text_shadow_blur_strength_tablet=”1px” quote_text_shadow_horizontal_length_tablet=”0px” quote_text_shadow_vertical_length_tablet=”0px” quote_text_shadow_blur_strength_tablet=”1px” header_text_shadow_horizontal_length_tablet=”0px” header_text_shadow_vertical_length_tablet=”0px” header_text_shadow_blur_strength_tablet=”1px” header_2_text_shadow_horizontal_length_tablet=”0px” header_2_text_shadow_vertical_length_tablet=”0px” header_2_text_shadow_blur_strength_tablet=”1px” header_3_text_shadow_horizontal_length_tablet=”0px” header_3_text_shadow_vertical_length_tablet=”0px” header_3_text_shadow_blur_strength_tablet=”1px” header_4_text_shadow_horizontal_length_tablet=”0px” header_4_text_shadow_vertical_length_tablet=”0px” header_4_text_shadow_blur_strength_tablet=”1px” header_5_text_shadow_horizontal_length_tablet=”0px” header_5_text_shadow_vertical_length_tablet=”0px” header_5_text_shadow_blur_strength_tablet=”1px” header_6_text_shadow_horizontal_length_tablet=”0px” header_6_text_shadow_vertical_length_tablet=”0px” header_6_text_shadow_blur_strength_tablet=”1px” box_shadow_horizontal_tablet=”0px” box_shadow_vertical_tablet=”0px” box_shadow_blur_tablet=”40px” box_shadow_spread_tablet=”0px”]<\/p>\n
<\/p>\n
An\u00e1lisis de valores at\u00edpicos de par\u00e1metros de red<\/strong><\/h3>\n <\/p>\n
Para una gran parte de los campos transmitidos por estas torres o antenas, los proveedores de servicio se pueden definir de una manera estandarizada para establecerles en la red; por lo tanto, se espera que todas las torres de la misma red compartan el mismo valor o al menos un conjunto convincente de valores similares para varios campos.<\/p>\n
En funci\u00f3n a lo anterior, habremos analizado todos los campos de medici\u00f3n de la misma red y luego las frecuencias en las que se distribuyen esos valores; Por lo tanto, si encontramos torres con valores particularmente \u00fanicos, sabemos que esas torres est\u00e1n configuradas de una manera que no se parece al resto de la red, conduciendo a marcar esas torres como sospechosas.<\/p>\n
Despu\u00e9s de excluir aquellos campos que se espera que cambien entre torres, y aquellos que introdujeron problemas con las muestras (por ejemplo, aquellos que aparecen en los Bloques de Informaci\u00f3n del Sistema que rara vez se ven, o que contienen muchos errores en las mediciones, y\/o los valores son en su mayor\u00eda err\u00f3neos) hemos llegado a la conclusi\u00f3n de utilizar solo\u00a0283 campos de los 347 disponibles en la base de datos de mediciones.<\/strong><\/p>\nPara tomar en consideraci\u00f3n:<\/strong>\u00a0 Usando un conjunto inicial de 347 par\u00e1metros disponibles, primero, descartamos aquellos campos que est\u00e1n destinados a ser diferentes en la red, como los c\u00f3digos geogr\u00e1ficos o las listas de radiofrecuencia. Luego, por red, se intent\u00f3 examinar los par\u00e1metros restantes que presentan frecuencias dispersas para saber cu\u00e1nto campos pueden descartarse dado que podr\u00edan contribuir a una serie de falsos positivos. En esa etapa, simplemente se tomaron esos valores con frecuencias inferiores al 7%. En la mayor\u00eda de los casos, los valores detectados ten\u00edan frecuencias inferiores al 2.5%. Finalmente, tomar\u00edamos esas celdas con al menos ocho (08) par\u00e1metros con frecuencias extra\u00f1as. En la \u00faltima fase, mantuvimos 288 campos para este an\u00e1lisis.<\/span><\/strong><\/p>\n<\/strong><\/p>\n\n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- Bueno para detectar torres o antenas que son muy diferentes al resto de la red (por ejemplo, Imsi-catcher configurado como una torre \u00fanica).<\/li>\n<\/ul>\n<\/td>\n
\n\n- Requiere el conocimiento previo y\/o la investigaci\u00f3n de valores tipicos conocidos en los campos que se incluir\u00e1n en este tipo de an\u00e1lisis.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n An\u00e1lisis de valores at\u00edpicos de par\u00e1metros en una torre<\/b><\/strong><\/h3>\n <\/p>\n Adem\u00e1s de que todas las torres de la misma red poseen un conjunto de par\u00e1metros configurados con los mismos valores o con los mismos criterios, tambi\u00e9n se espera que muchos de sus par\u00e1metros permanezcan constantes en diferentes mediciones.<\/p>\n Para este flujo de trabajo, y para cada torre reunimos todas las mediciones disponibles, y en el caso de que tengamos m\u00e1s de dos mediciones distintas, debemos comparar los mismos par\u00e1metros en todas las mediciones, marcando como sospechosas las que muestran par\u00e1metros con diferentes valores sobre las mediciones.<\/p>\n Despu\u00e9s de excluir aquellos campos que se espera que cambien con el tiempo, y aquellos que introdujeron problemas con las muestras (por ejemplo, cuando no se pudo reunir m\u00e1s de un valor en varias mediciones), decidimos usar solo\u00a0288 campos de los 347 disponibles en la base de datos de mediciones.<\/strong><\/p>\nPara tomar en consideraci\u00f3n:\u00a0\u00a0Usando un conjunto inicial de 347 par\u00e1metros disponibles, en primer lugar, se descartaron aquellos campos que est\u00e1n destinados a cambiar con el tiempo, pudiendo causar un alto volumen de casos con falsos positivos. Al cierre, consideramos 104 par\u00e1metros para este an\u00e1lisis, descartando tambi\u00e9n aquellos eventos donde experimentamos un n\u00famero min\u00fasculo de mediciones. Finalmente, estudiamos s\u00f3lo aquellos casos en los que se registraron m\u00e1s de (05) mediciones, o incluso cuando la torre involucrada encontr\u00f3 otras anomal\u00edas relacionadas.<\/span><\/span><\/strong><\/p>\n<\/strong><\/p>\n\n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- Bueno para saber si una torre o antena ha cambiado su comportamiento con el tiempo.<\/li>\n<\/ul>\n<\/td>\n
\n\n- Requiere de doble chequeo para detectar imsi-catchers configurados como torres \u00fanicas (que a\u00fan no existen en la red).<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n An\u00e1lisis de torres con par\u00e1metros sospechosos<\/strong><\/h3>\n <\/p>\n Muchos de los par\u00e1metros que las antenas o torres generalmente transmiten a los tel\u00e9fonos, est\u00e1n dise\u00f1ados para hacer que la experiencia de conexi\u00f3n sea lo m\u00e1s fluida posible, por lo que no debemos preocuparnos si nuestros tel\u00e9fonos moviles deben cambiar su conexi\u00f3n de unas antenas a otra, registrarse con un nuevo operador cuando no tenemos cobertura con la nuestra, o incluso cuando debe actualizar su conexi\u00f3n con la red. Aunque es cierto que estos par\u00e1metros a menudo se usan para optimizar la conexi\u00f3n, tambi\u00e9n estos par\u00e1metros pueden ser utilizados por un Imsi-catcher para optimizar sus capacidades. Algunos ejemplos de esto son:<\/p>\n \n- Informar a los usuarios que no hay otras torres cercanas, por lo que las v\u00edctimas mantienen la conexi\u00f3n con el Imsi-catcher el mayor tiempo posible.<\/li>\n
- Informar a los usuarios que necesitan conectarse solo a esa torre con frecuencia, por lo que es menos posible perder la conexi\u00f3n con el tel\u00e9fono de la v\u00edctima.<\/li>\n
- Informar a los usuarios que necesitan transmitir a la m\u00e1xima potencia, por lo que es m\u00e1s dif\u00edcil perder la conexi\u00f3n con la v\u00edctima y, en algunos contextos, esto podr\u00eda usarse para agotar la energ\u00eda del tel\u00e9fono m\u00e1s r\u00e1pidamente deshabilit\u00e1ndolo.<\/li>\n
- No admitir llamadas de emergencia, que generalmente agregan ruido a los datos capturados por el Imsi-catcher y le quitan algunos recursos, una situaci\u00f3n que puede ser indeseable para sus operadores.<\/li>\n<\/ul>\n
Conociendo de antemano algunos de estos comportamientos caracter\u00edsticos, y la forma en c\u00f3mo se reflejan en los datos recopilados por los sensores, podemos buscar irregularidades conocidas en los par\u00e1metros transmitidos, se\u00f1alando como sospechosas aquellas torres que muestran algunas de las pr\u00e1cticas expuestas anteriormente.<\/p>\n \n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- Bueno, para determinar la existencia de Imsi-catcher de una manera realmente directa.<\/li>\n<\/ul>\n<\/td>\n
\n\n- Requiere conocer de antemano algunos comportamiento irregulares conocidos (que puede conducir a m\u00e1s falsos positivos y m\u00e1s falsos negativos si tales comportamientos irregulares no son bien detectados).<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n An\u00e1lisis de torres conocidas<\/h3>\n <\/p>\n Mediante el uso de servicios tales como Google Geolocation, OpenCellID o Wigle API, podemos acceder a bases de datos p\u00fablicas de torres de celulares, incluidas sus ubicaciones y otros datos \u00fatiles como el proveedor del servicio, el c\u00f3digo de \u00e1rea de ubicaci\u00f3n y el Id. Esta informaci\u00f3n puede ser \u00fatil en dos escenarios:<\/p>\n \n- Utilizando este servicio podr\u00edamos verificar cada torre activa en nuestra base de datos, de tal modo que si alguna antena espec\u00edfica no est\u00e1 registrada all\u00ed, podr\u00eda sugerir que la torre no existe legalmente o,<\/li>\n
- Tambi\u00e9n podr\u00edamos verificar si las ubicaciones de las torres que encontramos son consistentes en comparaci\u00f3n con las ubicaciones registradas en estas bases de datos p\u00fablicas. Esto se puede hacer de muchas maneras diferentes, por ejemplo, verificando si la ubicaci\u00f3n de las mediciones est\u00e1 razonablemente cerca de las ubicaciones reales de las torres, o con un an\u00e1lisis m\u00e1s complejo, como verificar los par\u00e1metros de avance en tiempo (desarrollado a continuaci\u00f3n).<\/li>\n<\/ol>\n
\u00a0Para tomar en consideraci\u00f3n:\u00a0<\/strong>Todos los resultados se consideraron s\u00ed parecen estar en pa\u00edses equivocados o en jurisdicciones demasiado diferentes. Si se consideran los m\u00e1rgenes de error de la ubicaci\u00f3n de la torre en un lugar incorrecto, el evento se marca como anomal\u00eda importante “alta”.<\/span><\/p>\n <\/p>\n \n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- Bueno, cuando la fuente de datos es confiable y la credibilidad en los datos es alta, como para determinar comportamientos sospechosos.<\/li>\n<\/ul>\n<\/td>\n
\n\n- Depende de una buena base de datos suministrada por un tercero. Con frecuencia, las torres tienen grandes errores de ubicaci\u00f3n asociados.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n An\u00e1lisis de avances de tiempo en torres <\/b>(relacionado con la ubicaci\u00f3n)<\/strong><\/h3>\n <\/p>\n Este tipo de an\u00e1lisis verifica el par\u00e1metro, conocido en ingl\u00e9s como “time advance” para buscar irregularidades en la ubicaci\u00f3n de una torre espec\u00edfica. Este par\u00e1metro modela el tiempo que tarda la se\u00f1al en viajar del tel\u00e9fono m\u00f3vil a la torre y viceversa, dado que en condiciones ideales las se\u00f1ales de radio viajan alrededor de la velocidad de la luz, podemos estimar la distancia real entre la antena y el tel\u00e9fono (o el sensor en nuestro caso).<\/p>\n En la pr\u00e1ctica, este par\u00e1metro toma valores de 0 a 63 donde cada n\u00famero representa una banda redonda de aproximadamente 550 m, lo que significa que la especificaci\u00f3n GSM (Sistema global para dispositivos m\u00f3viles) considera v\u00e1lida cualquier torre de 0 m hasta aproximadamente 35 km de distancia.<\/p>\n Ahora, al conocer la ubicaci\u00f3n real de la torre de otras fuentes (por ejemplo, la API de geolocalizaci\u00f3n de Google, OpenCellID o Wigle, por nombrar algunas), podemos comparar esta ubicaci\u00f3n con las estimaciones realizadas a trav\u00e9s de los par\u00e1metros de avance de tiempo de nuestras mediciones para saber si son consistentes. Los dos posibles resultados sospechosos pueden ser:<\/p>\n 1) Que la torre est\u00e1 profundamente dentro del c\u00edrculo rojo, lo que sugiere que la torre real est\u00e1 m\u00e1s cerca que la observada, y
2) Que la torre est\u00e1 ciertamente fuera del c\u00edrculo rojo, lo que sugiere que la torre real est\u00e1 m\u00e1s lejos que la torre observada.<\/p>\n Para tomar en consideraci\u00f3n:<\/strong>\u00a0Ante todo, solo estudiamos aquellos eventos donde las torres parec\u00edan estar lo suficientemente cerca de la medida tomada, pero en realidad estaban muy lejos; Al tomar esto en consideraci\u00f3n, estamos reduciendo los eventos que podr\u00edan haber sido provocados por la interferencia f\u00edsica de las monta\u00f1as, la alta densidad de construcci\u00f3n, etc. Tambi\u00e9n descartamos muchos eventos donde la diferencia de ubicaci\u00f3n inclu\u00eda repetidamente ubicaciones donde se probaron los sensores o se hab\u00edan almacenado durante mucho tiempo, de esta manera se mitigaron esos falsos positivos. Por \u00faltimo, descartamos aquellos eventos en los que tomamos un n\u00famero trivial de mediciones en la regi\u00f3n a menos que observemos otros indicadores sospechosos, por ejemplo, otros eventos documentados.<\/span><\/p>\n\n [\/et_pb_text][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2020\/03\/ta_imagen-.png” _builder_version=”4.4.2″]<\/p>\n <\/p>\n [\/et_pb_image][et_pb_text _builder_version=”4.7.7″ hover_enabled=”0″ sticky_enabled=”0″]<\/p>\n Figura 2.<\/strong> An\u00e1lisis de avance de tiempo de la antena (relacionado con la ubicaci\u00f3n)<\/p>\n[\/et_pb_text][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2020\/04\/web-espanol-Ilustration2-_Mesa-de-trabajo-1.png” _builder_version=”4.4.2″ custom_padding=”||0px|||”]<\/p>\n <\/p>\n [\/et_pb_image][et_pb_text _builder_version=”4.7.7″ min_height=”0px” hover_enabled=”0″ sticky_enabled=”0″]<\/p>\n Figura 3.<\/strong> Descripci\u00f3n de monitoreo de avance de tiempo<\/p>\n[\/et_pb_text][et_pb_text _builder_version=”4.18.0″ header_font=”|700|||||||” header_3_font=”|700|||||||” header_3_text_color=”#87bab3″ header_3_font_size=”30px” background_pattern_color=”rgba(0,0,0,0.2)” background_mask_color=”#ffffff” text_text_shadow_horizontal_length=”text_text_shadow_style,%91object Object%93″ text_text_shadow_horizontal_length_tablet=”0px” text_text_shadow_vertical_length=”text_text_shadow_style,%91object Object%93″ text_text_shadow_vertical_length_tablet=”0px” text_text_shadow_blur_strength=”text_text_shadow_style,%91object Object%93″ text_text_shadow_blur_strength_tablet=”1px” link_text_shadow_horizontal_length=”link_text_shadow_style,%91object Object%93″ link_text_shadow_horizontal_length_tablet=”0px” link_text_shadow_vertical_length=”link_text_shadow_style,%91object Object%93″ link_text_shadow_vertical_length_tablet=”0px” link_text_shadow_blur_strength=”link_text_shadow_style,%91object Object%93″ link_text_shadow_blur_strength_tablet=”1px” ul_text_shadow_horizontal_length=”ul_text_shadow_style,%91object Object%93″ ul_text_shadow_horizontal_length_tablet=”0px” ul_text_shadow_vertical_length=”ul_text_shadow_style,%91object Object%93″ ul_text_shadow_vertical_length_tablet=”0px” ul_text_shadow_blur_strength=”ul_text_shadow_style,%91object Object%93″ ul_text_shadow_blur_strength_tablet=”1px” ol_text_shadow_horizontal_length=”ol_text_shadow_style,%91object Object%93″ ol_text_shadow_horizontal_length_tablet=”0px” ol_text_shadow_vertical_length=”ol_text_shadow_style,%91object Object%93″ ol_text_shadow_vertical_length_tablet=”0px” ol_text_shadow_blur_strength=”ol_text_shadow_style,%91object Object%93″ ol_text_shadow_blur_strength_tablet=”1px” quote_text_shadow_horizontal_length=”quote_text_shadow_style,%91object Object%93″ quote_text_shadow_horizontal_length_tablet=”0px” quote_text_shadow_vertical_length=”quote_text_shadow_style,%91object Object%93″ quote_text_shadow_vertical_length_tablet=”0px” quote_text_shadow_blur_strength=”quote_text_shadow_style,%91object Object%93″ quote_text_shadow_blur_strength_tablet=”1px” header_text_shadow_horizontal_length=”header_text_shadow_style,%91object Object%93″ header_text_shadow_horizontal_length_tablet=”0px” header_text_shadow_vertical_length=”header_text_shadow_style,%91object Object%93″ header_text_shadow_vertical_length_tablet=”0px” header_text_shadow_blur_strength=”header_text_shadow_style,%91object Object%93″ header_text_shadow_blur_strength_tablet=”1px” header_2_text_shadow_horizontal_length=”header_2_text_shadow_style,%91object Object%93″ header_2_text_shadow_horizontal_length_tablet=”0px” header_2_text_shadow_vertical_length=”header_2_text_shadow_style,%91object Object%93″ header_2_text_shadow_vertical_length_tablet=”0px” header_2_text_shadow_blur_strength=”header_2_text_shadow_style,%91object Object%93″ header_2_text_shadow_blur_strength_tablet=”1px” header_3_text_shadow_horizontal_length=”header_3_text_shadow_style,%91object Object%93″ header_3_text_shadow_horizontal_length_tablet=”0px” header_3_text_shadow_vertical_length=”header_3_text_shadow_style,%91object Object%93″ header_3_text_shadow_vertical_length_tablet=”0px” header_3_text_shadow_blur_strength=”header_3_text_shadow_style,%91object Object%93″ header_3_text_shadow_blur_strength_tablet=”1px” header_4_text_shadow_horizontal_length=”header_4_text_shadow_style,%91object Object%93″ header_4_text_shadow_horizontal_length_tablet=”0px” header_4_text_shadow_vertical_length=”header_4_text_shadow_style,%91object Object%93″ header_4_text_shadow_vertical_length_tablet=”0px” header_4_text_shadow_blur_strength=”header_4_text_shadow_style,%91object Object%93″ header_4_text_shadow_blur_strength_tablet=”1px” header_5_text_shadow_horizontal_length=”header_5_text_shadow_style,%91object Object%93″ header_5_text_shadow_horizontal_length_tablet=”0px” header_5_text_shadow_vertical_length=”header_5_text_shadow_style,%91object Object%93″ header_5_text_shadow_vertical_length_tablet=”0px” header_5_text_shadow_blur_strength=”header_5_text_shadow_style,%91object Object%93″ header_5_text_shadow_blur_strength_tablet=”1px” header_6_text_shadow_horizontal_length=”header_6_text_shadow_style,%91object Object%93″ header_6_text_shadow_horizontal_length_tablet=”0px” header_6_text_shadow_vertical_length=”header_6_text_shadow_style,%91object Object%93″ header_6_text_shadow_vertical_length_tablet=”0px” header_6_text_shadow_blur_strength=”header_6_text_shadow_style,%91object Object%93″ header_6_text_shadow_blur_strength_tablet=”1px” box_shadow_horizontal_tablet=”0px” box_shadow_vertical_tablet=”0px” box_shadow_blur_tablet=”40px” box_shadow_spread_tablet=”0px” vertical_offset_tablet=”0″ horizontal_offset_tablet=”0″ z_index_tablet=”0″]<\/p>\n <\/p>\n <\/p>\n El primer caso se observa a menudo cuando hay alg\u00fan tipo de fen\u00f3meno que modifica las condiciones ideales, tales como edificios, reflejos, monta\u00f1as, etc. o incluso cuando la torre est\u00e1 saturada y no responde de inmediato a algunas solicitudes de se\u00f1al, por lo que tomar\u00e1 una cierta cantidad de tiempo antes para que la se\u00f1al regrese, afectando el conteo apropiado de la distancia. En el segundo caso, la sugerencia es que la se\u00f1al regres\u00f3 m\u00e1s r\u00e1pido que la velocidad de la luz, lo que es f\u00edsicamente imposible (hasta donde sabemos), siendo esto a\u00fan m\u00e1s sospechoso que el primer caso, y m\u00e1s interesante para nuestro proceso de an\u00e1lisis.<\/p>\n En esta imagen, el c\u00edrculo rojo representa una medida y su radio representa lo m\u00e1s lejos que puede estar la torre seg\u00fan el par\u00e1metro de avance de tiempo, el c\u00edrculo azul representa la ubicaci\u00f3n real de la torre que se est\u00e1 monitoreando, lo que sugiere que en la medici\u00f3n la torre observada podr\u00eda ser una falsa personificaci\u00f3n de la real.<\/p>\n \n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- Bueno para determinar si una torre o antena se ha “movido” con el tiempo.<\/li>\n<\/ul>\n<\/td>\n
\n\n- No es bueno para casos con mediciones insuficientes o, por ejemplo, con el Imsi-catcher operando siempre en el mismo lugar cerca de la torre que est\u00e1 personificando.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n An\u00e1lisis de ubicaci\u00f3n de la torre.<\/h3>\n<\/h3>\nDisponiendo de las torres\/antenas detectadas por los sensores, es posible comprobar su ubicaci\u00f3n registrada con servicios de geolocalizaci\u00f3n conocidos, como la API de geolocalizaci\u00f3n de Google, Wigle u OpenCellID. De tal forma, se puede determinar si est\u00e1n situadas en una te\u00f3ricamente razonable en t\u00e9rminos de ubicaci\u00f3n. Esto es especialmente \u00fatil para verificar si una torre o antena se encuentra en el lado correcto de la frontera de un pa\u00eds o en cualquier otro contexto similar.<\/p>\n <\/p>\n \n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- No es necesario recopilar datos celulares si el an\u00e1lisis se realiza recopilando informaci\u00f3n de los servicios de geolocalizaci\u00f3n.<\/li>\n<\/ul>\n<\/td>\n
\n\n- Los m\u00e1rgenes de error en los datos geogr\u00e1ficos de los servicios de geolocalizaci\u00f3n conocidos pueden ser altos.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n Verificaci\u00f3n de banda de transmisi\u00f3n<\/h3>\n <\/p>\n Dependiendo de la configuraci\u00f3n de los sensores, estos pueden tener limitaciones en t\u00e9rminos del n\u00famero de bandas GSM que pueden monitorear, excluyendo del an\u00e1lisis a algunos operadores cuya infraestructura no puede ser vista por los sensores, por lo que encontrar torres\/antenas de estos proveedores de servicio en bandas GSM en las que no est\u00e1n autorizados para operar, puede ser considerado una anomal\u00eda interesante.<\/p>\n Para tomar en consideraci\u00f3n:<\/strong>\u00a0Todos los casos fueron contados y la prueba est\u00e1 marcada como importante “alta”.<\/p>\n <\/p>\n \n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- Es f\u00e1cil reconocer este tipo de irregularidades desde la informaci\u00f3n recopilada.<\/li>\n
- La detecci\u00f3n es altamente confiable.<\/li>\n<\/ul>\n<\/td>\n
\n\n- Dependiendo de ciertas regulaciones o configuraciones err\u00f3neas, esta forma de anomal\u00eda puede racionalizarse en algunos casos.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n Inconsistencias en datos geogr\u00e1ficos<\/h3>\n<\/h3>\nLas torres de tel\u00e9fonos celulares generalmente transmiten varios par\u00e1metros m\u00e1s de una vez, esto incluye datos de identificaci\u00f3n, que se transmiten al menos dos veces seguidas. En esta prueba, buscamos inconsistencias en los par\u00e1metros de identificaci\u00f3n, verificando si todos tienen los mismos valores todas las veces que se transmiten. Los par\u00e1metros que verificamos son:<\/p>\n \n- C\u00f3digo pa\u00eds (MCC)<\/li>\n
- C\u00f3digo proveedor de servicio (MNC)<\/li>\n
- C\u00f3digo de \u00e1rea de ubicaci\u00f3n (LAC)<\/li>\n
- C\u00f3digo de identificaci\u00f3n de celda (CID)<\/li>\n<\/ul>\n
Si encontramos una torre\/antena que transmite uno de estos par\u00e1metros con valores diferentes, la marcaremos como sospechosa, as\u00ed como tambi\u00e9n, si ambos valores coinciden, pero corresponden a valores incongruentes tales como aquellos pertenecientes a un pa\u00eds o proveedor de servicio distinto al esperados.<\/p>\n Para tomar en consideraci\u00f3n:<\/strong>\u00a0Todos los casos fueron contados y la prueba est\u00e1 marcada como importante “alta”.<\/span><\/p>\n <\/p>\n \n\n\nPros<\/strong><\/td>\nCons<\/strong><\/td>\n<\/tr>\n\n\n\n- Es f\u00e1cil reconocer este tipo de irregularidades con la informaci\u00f3n recopilada.<\/li>\n
- En conjunto con otras irregularidades detectadas en las mismas torres \/ antenas, esta prueba podr\u00eda ofrecer m\u00e1s detalles sobre el uso de IMSI-Catchers.<\/li>\n<\/ul>\n<\/td>\n
\n\n- Estas inconsistencias pueden se\u00f1alar en muchos casos configuraciones err\u00f3neas en las torres\/antenas en lugar de vigilancia telef\u00f3nica.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
<\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section][et_pb_section bb_built=”1″ _builder_version=”4.4.2″ background_color=”#647c95″ vertical_offset_tablet=”0″ horizontal_offset_tablet=”0″ min_height=”220px” custom_padding=”||54px||false|false” z_index_tablet=”0″ box_shadow_horizontal_tablet=”0px” box_shadow_vertical_tablet=”0px” box_shadow_blur_tablet=”40px” box_shadow_spread_tablet=”0px” prev_background_color=”#ffffff”][et_pb_row column_structure=”3_5,1_5,1_5″ _builder_version=”3.29.3″ custom_margin=”-28px|auto|-3px|auto||” custom_padding=”||4px|||”][et_pb_column type=”3_5″ _builder_version=”3.29.3″][et_pb_text _builder_version=”4.4.2″ vertical_offset_tablet=”0″ horizontal_offset_tablet=”0″ background_layout=”dark” custom_margin=”|-13px||||” z_index_tablet=”0″ text_text_shadow_horizontal_length_tablet=”0px” text_text_shadow_vertical_length_tablet=”0px” text_text_shadow_blur_strength_tablet=”1px” link_text_shadow_horizontal_length_tablet=”0px” link_text_shadow_vertical_length_tablet=”0px” link_text_shadow_blur_strength_tablet=”1px” ul_text_shadow_horizontal_length_tablet=”0px” ul_text_shadow_vertical_length_tablet=”0px” ul_text_shadow_blur_strength_tablet=”1px” ol_text_shadow_horizontal_length_tablet=”0px” ol_text_shadow_vertical_length_tablet=”0px” ol_text_shadow_blur_strength_tablet=”1px” quote_text_shadow_horizontal_length_tablet=”0px” quote_text_shadow_vertical_length_tablet=”0px” quote_text_shadow_blur_strength_tablet=”1px” header_text_shadow_horizontal_length_tablet=”0px” header_text_shadow_vertical_length_tablet=”0px” header_text_shadow_blur_strength_tablet=”1px” header_2_text_shadow_horizontal_length_tablet=”0px” header_2_text_shadow_vertical_length_tablet=”0px” header_2_text_shadow_blur_strength_tablet=”1px” header_3_text_shadow_horizontal_length_tablet=”0px” header_3_text_shadow_vertical_length_tablet=”0px” header_3_text_shadow_blur_strength_tablet=”1px” header_4_text_shadow_horizontal_length_tablet=”0px” header_4_text_shadow_vertical_length_tablet=”0px” header_4_text_shadow_blur_strength_tablet=”1px” header_5_text_shadow_horizontal_length_tablet=”0px” header_5_text_shadow_vertical_length_tablet=”0px” header_5_text_shadow_blur_strength_tablet=”1px” header_6_text_shadow_horizontal_length_tablet=”0px” header_6_text_shadow_vertical_length_tablet=”0px” header_6_text_shadow_blur_strength_tablet=”1px” box_shadow_horizontal_tablet=”0px” box_shadow_vertical_tablet=”0px” box_shadow_blur_tablet=”40px” box_shadow_spread_tablet=”0px”]<\/p>\n FADe project es una iniciativa de Southlight House con el apoyo del Open Technology Fund.<\/strong><\/p>\n[\/et_pb_text][et_pb_text _builder_version=”4.4.2″ background_layout=”dark”]<\/p>\n ![\"\"](\"https:\/\/fadeproject.org\/wp-content\/uploads\/2019\/10\/cc_icon_white_x2.png\") \u00a0![\"\"](\"https:\/\/fadeproject.org\/wp-content\/uploads\/2019\/10\/attribution_icon_white_x2.png\") <\/strong><\/p>\nEste sitio web est\u00e1 disponible bajo Creative Commons Attribution 4.0 International (CC BY 4.0)<\/strong>\u00a0License\u00a0creativecommons.org<\/a><\/strong><\/span><\/p>\n[\/et_pb_text][\/et_pb_column][et_pb_column type=”1_5″ _builder_version=”3.29.3″][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2019\/10\/SLPicture1.png” _builder_version=”3.29.3″ custom_padding=”0px|17px|0px|17px|true|true”]<\/p>\n <\/p>\n [\/et_pb_image][\/et_pb_column][et_pb_column type=”1_5″ _builder_version=”3.29.3″][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2019\/10\/otf_logo.png” _builder_version=”3.29.3″ custom_padding=”30px|0px|30px|0px|true|true”]<\/p>\n <\/p>\n [\/et_pb_image][et_pb_image src=”https:\/\/fadeproject.org\/wp-content\/uploads\/2020\/11\/168-100-max-3.png” title_text=”168-100-max” _builder_version=”4.6.6″ custom_padding=”30px|0px|30px|0px|true|true”]<\/p>\n <\/p>\n [\/et_pb_image][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" Despu\u00e9s de la recolecci\u00f3n La mayor\u00eda de los flujos de trabajo de an\u00e1lisis presentados en FADe project se han basado en la premisa de recopilar el tr\u00e1fico de los Bloques de Informaci\u00f3n del Sistema de todas las torres o antenas monitoreadas dentro de las redes de inter\u00e9s, estos Bloques de Informaci\u00f3n del Sistema son parte […]<\/p>\n","protected":false},"author":2,"featured_media":1667,"comment_status":"open","ping_status":"closed","template":"","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"project_category":[147,7],"project_tag":[],"class_list":["post-1609","project","type-project","status-publish","has-post-thumbnail","hentry","project_category-docs-seaglass","project_category-documentation"],"_links":{"self":[{"href":"https:\/\/fadeproject.org\/index.php?rest_route=\/wp\/v2\/project\/1609","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fadeproject.org\/index.php?rest_route=\/wp\/v2\/project"}],"about":[{"href":"https:\/\/fadeproject.org\/index.php?rest_route=\/wp\/v2\/types\/project"}],"author":[{"embeddable":true,"href":"https:\/\/fadeproject.org\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/fadeproject.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1609"}],"version-history":[{"count":31,"href":"https:\/\/fadeproject.org\/index.php?rest_route=\/wp\/v2\/project\/1609\/revisions"}],"predecessor-version":[{"id":5209,"href":"https:\/\/fadeproject.org\/index.php?rest_route=\/wp\/v2\/project\/1609\/revisions\/5209"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fadeproject.org\/index.php?rest_route=\/wp\/v2\/media\/1667"}],"wp:attachment":[{"href":"https:\/\/fadeproject.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1609"}],"wp:term":[{"taxonomy":"project_category","embeddable":true,"href":"https:\/\/fadeproject.org\/index.php?rest_route=%2Fwp%2Fv2%2Fproject_category&post=1609"},{"taxonomy":"project_tag","embeddable":true,"href":"https:\/\/fadeproject.org\/index.php?rest_route=%2Fwp%2Fv2%2Fproject_tag&post=1609"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |