En la era digital, las aplicaciones móviles han transformado nuestra rutina diaria, ofreciendo comodidad y funciones avanzadas. Sin embargo, esto tiene un precio oculto: la privacidad de nuestros datos personales. Desde redes sociales hasta apps de compras online y salud, muchas obtienen información sensible que pueden utilizar los ciberdelincuentes o caer en manos de terceros.

Febrero es el Mes del Internet seguro y en esta oportunidad, los expertos de Kaspersky comparten una investigación que les permitió identificar algunas de las aplicaciones que recopilan los datos de los usuarios, algunas de ellas de uso cotidiano como pueden ser redes sociales, ecommerce o apps que realizan seguimientos de salud y actividad física. Aunque éstas ofrecen comodidad, también recopilan y comparten grandes cantidades de datos personales, exponiendo a los usuarios a perfiles maliciosos y riesgos potenciales de seguridad.

Solamente en 2024, Kaspersky detectó más de 49 mil millones de casos de rastreadores web que obtenían datos sobre el comportamiento de los usuarios en todo el mundo (1). Con el auge del rastreo de datos impulsado por inteligencia artificial (IA) y la analítica predictiva, los riesgos de privacidad asociados con estas aplicaciones son más significativos que nunca.

Algunas de las categorías más preocupantes que recopilan información confidencial de manera silenciosa son:

Aplicaciones de redes sociales como TikTok, Instagram y Threads. Recogen constantemente datos sobre la ubicación del usuario, hábitos de navegación e incluso datos de voz.

Aplicaciones de video o fotografía social. Pueden utilizar la IA para acceder a las galerías de imágenes, analizar fotos y los metadatos incrustados, que ponen al descubierto la ubicación geográfica.

Aplicaciones de compras. Pueden acceder a datos relacionados con el historial de compras, ubicación e incluso la presencia física cerca de tiendas. Al igual que las aplicaciones de redes sociales, los minoristas pueden rastrear nuestros movimientos tanto online como offline, creando un perfil detallado de los hábitos y comportamiento de los clientes.

Aplicaciones de salud y estado físico. Contribuyen a crear la imagen de un usuario, recopilando algunos de los datos personales más íntimos, como las métricas de salud y las rutinas diarias, los cuales pueden compartirse con terceros.

Muchas aplicaciones están diseñadas para deslumbrarnos con su comodidad y funciones impulsadas por IA, pero, bajo la superficie, a menudo se dedican a la recopilación de datos de la que la mayoría de los usuarios desconoce. A medida que miramos hacia el futuro, la proliferación de dispositivos inteligentes y aplicaciones impulsadas por IA dificultará aún más saber quién accede a nuestros datos y con qué propósito. Existe el riesgo de crear un mundo en el que la privacidad deje de ser la norma para convertirse en un lujo. Es fundamental que los usuarios se detengan, examinen los permisos y exijan transparencia antes de permitir que las apps accedan a sus vidas personales”, comentó María Isabel Manjarrez, investigadora de seguridad en el Equipo Global de Investigación y Análisis para América Latina en Kaspersky.

Ante este escenario, los expertos de Kaspersky comparten cinco pasos para ayudar a los usuarios a cuidar su privacidad:

-Audita y ajusta permisos y configuración. Revisa y ajusta los permisos de tus aplicaciones, desactivando aquellos innecesarios, como el acceso a la ubicación en apps que no lo requieren. Durante la instalación, evita aceptar permisos excesivos. Además, realiza una auditoría de privacidad, ajusta la configuración según sea necesario y desinstala las aplicaciones que ya no utilices. La mayoría de los usuarios tiene decenas de apps instaladas, pero sólo usa unas pocas a diario.

-Utiliza herramientas enfocadas en la privacidad. Emplea una VPN para ocultar tu dirección IP y cambiar tu ubicación virtual. Además, utiliza métodos de pago anónimos y navegadores centrados en la privacidad para transacciones sensibles.

-Solicita a las aplicaciones que no te rastreen. Activa la configuración de “Do Not Track (no rastrear)” en tu dispositivo y dentro de las aplicaciones individuales. Usa una solución de seguridad con esta funcionalidad para limitar aún más el rastreo.

-Evita conectarte a redes de Wi-Fi públicas. Las redes Wi-Fi públicas o falsas abiertas pueden exponer tus datos, así que siempre que sea posible intenta evitar el uso de servicios públicos. En su lugar, utiliza una VPN si necesitas conectarte.

Con información de Kaspersky

Google incorporó a Gemini una versión actualizada de 2.0 Flash, ya disponible para sus usuarios en todo el mundo.

Ya sea en su versión de escritorio o dispositivos móviles, los usuarios descubrirán nuevas formas de crear, interactuar y colaborar con Gemini.

Google también lanzó una versión experimental de Gemini 2.0 Pro, su mejor modelo hasta ahora para rendimiento de codificación y prompts complejos.

Estará disponible en Google AI Studio y Vertex AI, así como en la aplicación Gemini para usuarios de Gemini Advanced.

Asimismo se lanzó el nuevo modelo Gemini 2.0 Flash-Lite, que promete ser el más eficiente hasta la fecha. Una versión preliminar pública está disponible en Google AI Studio y Vertex AI.

Por su parte, 2.0 Flash Thinking Experimental, que mejoró su rendimiento, estará disponible en el menú desplegable de modelos para escritorio y dispositivos móviles.

Todos los modelos contarán con entrada multimodal y salida de texto en su lanzamiento, pero tendrán más modalidades generales en próximos meses.

Google se comprometió a continuar invirtiendo en medidas sólidas que permitan un uso seguro y protegido. Pronto compartirá detalles sobre su uso de técnicas adicionales de red teaming que desarrolló para evaluar los riesgos de seguridad.

Ello incluye la inyección indirecta de prompts, un tipo de ataque cibernético que involucra a atacantes que ocultan instrucciones maliciosas en los datos.

Para mayores detalles sobre los precios se puede consultar el blog oficial Google para Desarrolladores.

 2.0 Flash: una nueva actualización disponible para todos

Presentado por primera vez en I/O 2024, la serie de modelos Flash es popular entre los desarrolladores como un modelo robusto y potente, ideal para tareas de alto volumen y alta frecuencia a gran escala, y capaz de hacer razonamientos multimodales a través de grandes cantidades de información con una ventana de contexto de 1 millón de tokens. Nos ha encantado la recepción por parte de la comunidad de desarrolladores.

2.0 Flash ahora está disponible para más personas a través de nuestros productos de IA, junto con un rendimiento mejorado en puntos de referencia clave como LiveCodeBench y MMMU, con generación de imágenes y conversión de texto a voz próximamente.

 2.0 Pro Experimental: el mejor modelo hasta la fecha para codificar el rendimiento y las indicaciones complejas

A medida que compartimos las primeras versiones experimentales de Gemini 2.0, como Gemini-Exp-1206, hemos recibido excelentes comentarios de los desarrolladores sobre sus puntos fuertes y los mejores casos de uso, como la codificación.

Hoy, estamos lanzando una versión experimental de Gemini 2.0 Pro que responde a esos comentarios. Tiene el mejor rendimiento de codificación y la capacidad de manejar indicaciones complejas, con mejor comprensión y razonamiento del conocimiento del mundo, que cualquier modelo que hayamos lanzado hasta ahora. Viene con nuestra ventana de contexto más grande, de 2 millones de tokens, lo que le permite analizar y comprender grandes cantidades de información de manera integral, además de la capacidad de usar herramientas como Google Search y ejecución de código.

 2.0 Flash-Lite: el modelo más rentable hasta ahora

Recibimos muchos comentarios positivos sobre el precio y la velocidad de 1.5 Flash. Queremos seguir mejorando la calidad, sin dejar de mantener el costo y la velocidad. Así que hoy, estamos presentando 2.0 Flash-Lite, un nuevo modelo que tiene mejor calidad que 1.5 Flash, a la misma velocidad y costo. Supera al 1.5 Flash en la mayoría de los puntos de referencia.

Al igual que 2.0 Flash, tiene una ventana de contexto de 1 millón de tokens y entrada multimodal. Por ejemplo, puede generar un pie de foto relevante de una línea para alrededor de 40,000 fotos únicas, con un costo inferior a un dólar en la opción paga de Google AI Studio.