Skip to main content
AI RADARSeguridad
1•07/11/2026, 17:12•5 min

Experimento OSINT: localiza un vídeo de árboles por el sonido de los aviones

Experimento OSINT: localiza un vídeo de árboles por el sonido de los aviones - 1
Experimento OSINT: localiza un vídeo de árboles por el sonido de los aviones - 2
Experimento OSINT: localiza un vídeo de árboles por el sonido de los aviones - 3
Experimento OSINT: localiza un vídeo de árboles por el sonido de los aviones - 4
+1
Resumen ejecutivo30 seg

Un autor de OSINT identificó el lugar y la fecha exactos de grabación de un vídeo aleatorio de árboles usando solo el sonido de aviones, datos ADS-B y un espectrograma.

Un experimento de OSINT publicado en YouTube muestra cómo un vídeo aleatorio de unos árboles puede revelar el lugar y la hora exactos de su grabación usando solo el sonido de los aviones que pasan.

Los únicos datos de partida fueron:

  • el vídeo fue grabado en algún lugar de Estados Unidos;
  • la fecha de grabación era 09/08/2026.

Con solo estos datos, el autor terminó identificando un poste concreto en Nueva York que tenía una cámara de vigilancia urbana con la que se había grabado el vídeo.

Es mejor ver el vídeo, pero aquí hay una explicación de cómo lo hizo.

La imagen del vídeo no aportaba nada, así que el autor trabajó solo con el audio. Abrió el audio en un espectrograma y amplió las bajas frecuencias. Allí encontró dos arcos apenas visibles: así suena un avión de hélice que pasa, cuyo tono primero es más alto y luego más bajo por el efecto Doppler. Entre los dos arcos transcurrieron 920 segundos. Después descargó datos ADS-B —coordenadas, altitud y hora de cada avión sobre Estados Unidos ese día— y descartó todos los modelos de reacción.

A continuación, cubrió la zona alrededor de las rutas con una cuadrícula de puntos separados 200 m. Para cada punto calculó en qué segundo se oiría allí el momento en que el avión está más cerca. El sonido necesita tiempo para llegar al suelo, y la distancia al avión se calculó en línea recta teniendo en cuenta el terreno bajo él. La forma del arco dio otras dos pistas: la caída del tono indica la velocidad del avión, y la rapidez con la que cae indica la distancia a él. El último filtro fue el silencio: durante 15 minutos entre pasadas no debía haber pasado ningún avión, lo cual eliminó puntos cerca de aeropuertos. Tras todos los filtros quedaron unos 15.000 puntos.

Para elegir uno, usó el hecho de que los arcos reales no son uniformes: el avión gira, acelera y frena. Para cada punto, usando la trayectoria real de cada vuelo, modeló el arco que una persona oiría exactamente allí, corrigiendo el retardo del sonido. El modelo se superpuso al espectrograma, y la puntuación dependía de cuánto coincidía con la línea real. No ajustó el segundo arco; su posición relativa al primero la define solo la trayectoria. Para este paso, la cuadrícula se refinó a 100 m.

Una pareja de vuelos obtuvo una puntuación mucho mayor que las demás: los modelos casi encajaban perfectamente en ambos arcos. Para comprobarlo, tomó del mismo registro un tercer arco, completamente inaudible, y buscó solo usando ese arco y la hora de grabación. El mismo punto volvió a ocupar el primer lugar. Lo abrió en Google Street View en la orilla de Oyster Bay (Nueva York) y comparó la silueta de los árboles con el fotograma: un árbol con forma de letra V, una punta afilada y una copa redonda. Todo coincidía, y en un poste cercano colgaba la misma cámara de vigilancia.

Estoy seguro de que, si se le diera este vídeo a Claude, lo repetiría fácilmente.

Por qué es importante

Análisis

Este caso muestra cómo los datos abiertos de tráfico aéreo y el análisis acústico pueden convertir grabaciones incidentales en evidencia geolocalizadora precisa. Para la privacidad y la seguridad, recuerda que incluso vídeos sin metadatos pueden contener señales identificativas.

Debatir en la comunidad

Comparte tus preguntas e ideas con desarrolladores

Unirse a Telegram
+5 Points
← Volver a noticias

Relacionado en el ecosistema

Guías prácticas, terminología y skills de agentes