El problema de las cámaras ocultas en alojamientos turísticos, hoteles y habitaciones de alquiler es real, documentado y no resuelto. Airbnb anunció la prohibición global de cámaras interiores hace unos años; la prohibición no elimina el problema, solo lo desplaza fuera de la vista de la empresa. Lo que falta desde hace tiempo es un detector que funcione: barato, portátil y con una tasa de precisión que lo haga útil y no solo tranquilizador.Un equipo del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST), en colaboración con la Universidad Nacional de Singapur y la Singapore Management University, ha presentado exactamente eso. El dispositivo se llama SweepLED y funciona como un complemento para la funda del móvil: un array de 15 LEDs que cuesta en componentes aproximadamente 7 dólares (≈ 6,60 euros) y que, en pruebas con 30 objetos distintos, alcanzó una precisión de detección del 94% en unos 5 segundos por objeto. El trabajo fue presentado en la conferencia ACM MobiSys 2026.¿Por qué los detectores actuales no funcionan?La detección de cámaras ocultas existe como concepto desde hace tiempo: la idea básica es iluminar un objeto sospechoso y buscar el reflejo brillante que devuelve la lente. El problema es que cualquier habitación tiene docenas de superficies reflectantes —espejos, lámparas, vasos, plástico brillante— que producen exactamente el mismo efecto. Los detectores existentes se llenan de falsos positivos hasta el punto de ser inútiles en la práctica.SweepLED resuelve esto con un enfoque diferente. En lugar de buscar dónde hay un punto brillante, analiza cómo cambia ese punto a medida que el ángulo de la luz varía. Los LEDs del dispositivo barren el objeto desde diferentes ángulos mientras el sensor del móvil registra el vídeo. La clave está en que las lentes de cámara tienen una estructura óptica característica que produce un patrón de reflexión muy específico conforme el ángulo de iluminación cambia —un patrón que los objetos reflectantes comunes no producen.El software analiza el vídeo con un modelo de IA entrenado para rastrear esos cambios en el tiempo, no para analizar fotogramas individuales. El resultado es que distingue la reflexión de un cristal de la reflexión de una lente de cámara con una precisión que los sistemas anteriores no tenían.¿Qué lo diferencia de las apps de detección ya existentes?Hay aplicaciones en los mercados de iOS y Android que prometen detectar cámaras. La mayoría funcionan con la cámara del propio móvil en modo escáner, buscando brillos. El problema es el mismo que con los detectores físicos: demasiados falsos positivos y dependencia de condiciones de luz. SweepLED añade iluminación activa y controlada mediante los LEDs del complemento, lo que da al algoritmo información sobre cómo varía el reflejo en función del ángulo, en lugar de solo una instantánea estática.La combinación de hardware barato y software de IA entrenado en patrones de reflexión específicos de lentes es el salto cualitativo. Otros sistemas han intentado usar tecnología infrarroja para detectar lentes, pero los falsos positivos con superficies metálicas comunes seguían siendo un problema. SweepLED limita el análisis a la dinámica del reflejo, que es más específica.Llevamos cubriendo el tema de la privacidad en espacios físicos desde que los primeros casos de cámaras en apartamentos de Airbnb empezaron a aparecer en prensa. La evolución del problema en estos años sigue el mismo patrón que el resto de los problemas de privacidad digital: la detección va siempre por detrás de la instalación, y los usuarios necesitan herramientas accesibles que no requieran conocimientos técnicos para protegerse.¿Cuándo llegará al mercado?SweepLED es todavía un prototipo de investigación, no un producto disponible. El prototipo funciona, los resultados son prometedores, y los costes de hardware sugieren que un producto final podría ser accesible. Pero no hay empresa detrás con planes de comercialización anunciados, ni plazos concretos.Lo que sí tiene el equipo de KAIST es una publicación académica revisada por pares presentada en una de las conferencias más importantes de sistemas móviles, lo que abre la puerta a que empresas con experiencia en hardware de seguridad o en accesorios para móvil lo licencien o desarrollen de forma independiente. El coste unitario de los componentes —7 dólares— hace que el producto final podría rondar los 30-50 euros como accesorio, un precio que lo pondría al alcance de cualquier viajero.El verdadero obstáculo puede no ser el precio sino la distribución. Para que SweepLED llegue a los usuarios que más lo necesitan —viajeros frecuentes, periodistas de investigación, activistas en entornos hostiles, personas en situaciones de vulnerabilidad— tendría que estar disponible en las mismas tiendas de electrónica y plataformas de venta online donde se compran fundas y cargadores. Eso requiere un socio industrial con capacidad de fabricación y distribución a escala, no solo un equipo universitario con un prototipo prometedor.El patrón habitual en este tipo de investigación académica es la adquisición de licencia por parte de empresas de seguridad o de electrónica de consumo. Dada la presión regulatoria sobre la privacidad en alojamientos de corta estancia —varios países europeos están debatiendo legislación específica sobre cámaras en Airbnb y alquileres vacacionales— el mercado para un detector asequible y fiable es real y con una necesidad claramente no cubierta.El debate sobre la privacidad de datos que rodea a SpaceX comprando información de startups quebradas para entrenar a Grok y las modificaciones que Apple ha tenido que hacer a sus pantallas de seguimiento en cinco países europeos muestran que la privacidad es el campo de batalla del momento en múltiples frentes. SweepLED ataca uno muy específico —la vigilancia física no autorizada en espacios temporales— y lo hace con una solución que parece finalmente viable. Cuando esté disponible, debería estar en la bolsa de viaje de cualquier persona que pasa noches en espacios que no controla.La noticia SweepLED: el complemento de móvil de 7 dólares que detecta cámaras ocultas con un 94% de precisión fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.