Datos de geolocalización, órdenes de cateo y crimen

Como la mayoría de los adultos tienen dispositivos móviles con capacidad de rastreo GPS, trazar un mapa de nuestros movimientos nunca ha sido tan fácil. Esto también significa que estamos facilitando a las autoridades el seguimiento de nuestros movimientos.

Esto puede ser algo bueno, si digamos que ha habido actividad criminal y esos criminales tenían teléfonos móviles. Sin embargo, también puede dar lugar a problemas e incluso preocupaciones de privacidad para aquellos de nosotros que no hemos hecho nada malo.

Por un lado, ciertos delitos se han vuelto más fáciles de detectar, incluso delitos que tradicionalmente estaban ocultos o eran difíciles de encontrar, porque muchos de nosotros ahora llevamos teléfonos móviles.

Por ejemplo, la prostitución en muchas áreas es un tipo de crimen que está esencialmente oculto a la vista del público. Sin embargo, aplicaciones como la integración del procesamiento de lenguaje natural, para evaluar la elevada discusión en torno a este delito en los sitios de medios sociales, y el mapeo de puntos calientes que muestra las áreas en las que se producen mayores patrones de discusión relacionados con la prostitución han demostrado ser notablemente eficaces.[1]

En nuevas investigaciones también se ha estudiado la forma en que los dispositivos que se pueden llevar puestos, que tienen capacidad de GPS, pueden utilizarse para detectar automáticamente un estrés elevado u otras medidas físicas más altas para determinar una mayor probabilidad de delito. Por ejemplo, el robo de un banco podría hacer que la gente sintiera más estrés. Los dispositivos portátiles podrían utilizarse para detectar un aumento de la presión sanguínea o de los niveles de estrés, en los que estos patrones más amplios entre varias personas podrían demostrar que es probable que ocurra un evento de estrés como un delito. Los dispositivos de uso podrían ser utilizados como un tipo de proveedor de información silenciosa para las autoridades.[2]

Uso de las órdenes de cateo para recopilar datos de geolocalización

Si bien estos nuevos avances pueden significar que estamos mejorando en la detección de delitos, a medida que mejoran tanto los nuevos dispositivos como los enfoques espaciales para la detección de delitos, nos enfrentamos cada vez más al dilema de compartir nuestros datos y de que éstos se utilicen indebidamente o incluso se usen en nuestra contra.

Un ejemplo reciente de los problemas que crea el compartir datos espaciales involucra a un individuo que estuvo cerca de un robo en su casa. El individuo simplemente había estado andando en bicicleta cerca durante el robo y esto llevó a Google a compartir sus datos con la policía después de que se le requirió usando lo que se llama una orden de geo-cercamiento. (Google mantiene una base de datos de geolocalización de sus usuarios llamada Sensorvault) Los patrones de los datos indicaron que el individuo dio vueltas alrededor de la casa que fue robada varias veces aproximadamente en el momento del evento. La persona fue finalmente absuelta, pero se hizo evidente el hecho de que las órdenes de la policía basadas en datos georeferenciados de los dispositivos es ahora una posibilidad real.

Esto podría violar potencialmente las protecciones constitucionales, como los registros e incautaciones irrazonables, aunque la policía ha declarado que sólo obtendrá esas órdenes cuando los datos sugieran que es posible una participación criminal, en lugar de para cualquiera que se encuentre cerca de un evento criminal.[3]

Pixabay
Imagen adaptada de mohamed_hassan y MashiroMomo, Pixabay, CC BY 2.0

En Europa, se han promulgado leyes de protección de datos (GDPR) que impiden a las empresas compartir fácilmente sus datos geolocalizados con terceros. Por otra parte, en los Estados Unidos no existe una legislación clara que permita compartir casi cualquier tipo de datos una vez que los usuarios se inscriben para utilizar las aplicaciones dadas por las empresas, incluidas las grandes empresas de tecnología.

En un artículo de la Asociación de Abogados de los Estados Unidos, la mayor preocupación es la forma en que las entidades terceras pueden acceder a sus datos. Por ejemplo, se podrían compartir datos anónimos y no anónimos, incluidos los datos de localización, con otras empresas o partes. Esa información podría venderse. Incluso es posible, por ejemplo, si esa información se filtra o se vende a un tercero que pueda llevar a cabo una actividad delictiva, que esos datos se vuelvan contra usted, lo que facilitaría la comisión del delito. En efecto, las herramientas que pueden facilitar la prevención del delito también pueden ser dadas la vuelta y utilizadas por los delincuentes que se aprovechan de las directrices claras de intercambio de datos[4].

Lo que las investigaciones han puesto de relieve es que los datos georreferenciados pueden ser una gran herramienta para ayudar a prevenir o incluso limitar la delincuencia. Sin embargo, como tantas otras cosas, lo que puede beneficiarnos también puede volverse en nuestra contra. Ya algunos casos destacan la posibilidad de que los inocentes sean arrestados o acusados falsamente de crímenes debido a que los datos de geolocalización se comparten. Además, la legislación no protege adecuadamente a los consumidores en los Estados Unidos, o al menos la regulación de la geolocalización todavía no está bien regulada en cuanto a la forma en que las empresas que controlan estos datos los utilizan. Esto significa que todavía queda mucho por hacer para mejorar las leyes y la forma en que se incorporan las medidas de lucha contra la delincuencia, ya que los datos georreferenciados se comparten cada vez más por nuestro mayor uso de los dispositivos móviles.

Referencias
[1] Para más información sobre el uso de procesamiento natural con enfoques espaciales en la detección de la prostitución, ver: Helderop, E., Huff, J., Morstatter, F., Grubesic, A., Wallace, D., 2019. Oculto a simple vista: Un enfoque de aprendizaje automático para detectar la actividad de la prostitución en Phoenix, Arizona. Appl. Análisis Espacial 12, 941-963. https://doi.org/10.1007/s12061-018-9279-1.

[2] Para más información sobre prendas de vestir y cómo podrían ser utilizadas, junto con otros dispositivos móviles, para la detección de la delincuencia, véase: Yu, M., Bambacus, M., Cervone, G., Clarke, K., Duffy, D., Huang, Q., Li, J., Li, W., Li, Z., Liu, Q., Resch, B., Yang, J., Yang, C., 2020. Detección de eventos espacio-temporales: una revisión. International Journal of Digital Earth 1-27. https://doi.org/10.1080/17538947.2020.1738569.

3] Para más información sobre cómo se han utilizado los datos georreferenciados en un caso de sospecha errónea en un delito, véase: https://www.nbcnews.com/news/us-news/google-tracked-his-bike-ride-past-burglarized-home-made-him-n1151761.

[1] For more information on using natural processing with spatial approaches in detecting prostitution, see: Helderop, E., Huff, J., Morstatter, F., Grubesic, A., Wallace, D., 2019. Hidden in Plain Sight: A Machine Learning Approach for Detecting Prostitution Activity in Phoenix, Arizona. Appl. Spatial Analysis 12, 941–963. https://doi.org/10.1007/s12061-018-9279-1.

[2] For more on wearables and how they could be used, along with other mobile devices, for detecting crime, see: Yu, M., Bambacus, M., Cervone, G., Clarke, K., Duffy, D., Huang, Q., Li, J., Li, W., Li, Z., Liu, Q., Resch, B., Yang, J., Yang, C., 2020. Spatiotemporal event detection: a review. International Journal of Digital Earth 1–27. https://doi.org/10.1080/17538947.2020.1738569.

[3] For more on how georeferenced data have been used in a case of mistaken suspicion in a crime, see: https://www.nbcnews.com/news/us-news/google-tracked-his-bike-ride-past-burglarized-home-made-him-n1151761

[4] For ore on data protection recommendations and problems in existing US law

Traducido desde: gislounge

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.