El investigador de seguridad Jeremiah Fowler encontró un bucket de Amazon S3 de 450,2 GB que contenía 9.042.977 archivos de imágenes faciales, distribuidos en dos carpetas, faces y profiles. El bucket no tenía ningún control de acceso configurado, y la dirección de recuperación estaba escrita directamente en el código del front-end del propio sitio web del proveedor: cualquiera con la URL podía descargar los archivos. Ars Technica informó sobre la filtración el 20 de agosto.
El proveedor se llama ClarityCheck y ofrece un servicio de búsqueda facial inversa: el usuario sube una foto, el sistema escanea los puntos de referencia faciales, mapea la geometría del rostro y la compara con imágenes de toda la web, generando un informe que puede incluir nombre, dirección y cuentas de redes sociales; los informes más completos son de pago. El perfil de quienes usan este tipo de herramienta es bastante claro: personas que quieren saber quién es su cita a ciegas, o descubrir quién está detrás de una cuenta anónima.
Lo filtrado no fueron solo rostros
Otro error de configuración expuso también correos electrónicos, teléfonos, direcciones físicas, historial de ubicaciones y perfiles de redes sociales. Fowler describe que el archivo de fotos incluía adultos, adolescentes y niños, y ofrece esta valoración:
"AI bots could crawl and scrape faces for training. There were a lot of photos of children there."
Los bots de IA podrían rastrear y extraer estos rostros para entrenamiento. Había muchísimas fotos de niños allí.
Un rostro no es como una contraseña: una vez filtrado, no se puede cambiar. Una tarjeta bancaria puede reemitirse, una contraseña puede restablecerse, pero la geometría facial acompaña a la persona toda su vida. Una vez copiados, estos datos pueden usarse para identificación no autorizada, rastreo entre plataformas o como material para estafas.
La empresa dice que esto no es una exposición
ClarityCheck rechaza el término "exposición pública", alegando que el público general no podría encontrar estos archivos, ya que el acceso requiere conocer una URL específica y no indexada, que no aparece durante el uso normal del servicio ni en búsquedas web comunes.
El problema es que esa URL estaba escrita justo en el código público del propio sitio web de la empresa. La seguridad dependía únicamente de que "nadie fuera a revisar el código fuente del front-end", algo completamente distinto de configurar permisos de acceso. La definición de Mark Beare, responsable de productos de consumo en Malwarebytes, es mucho más directa: exposición significa que datos personales sensibles están en un estado accesible, descubrible o en riesgo de acceso no autorizado.
La cronología tampoco ayuda. Según los informes, la base de datos probablemente estuvo abierta durante meses antes de bloquearse; el primer aviso de Fowler a la empresa no recibió respuesta, y el bucket solo se cerró después de que WIRED contactara a la empresa en julio.
Las cuentas de este propio modelo de negocio
Rebecca Williams, de la American Civil Liberties Union (ACLU), apunta al patrón en sí: los sistemas que dependen de información personal altamente sensible para verificar identidad siguen conllevando estos riesgos, incluso con una mayor minimización de datos y mejores prácticas de seguridad.
Esta frase señala una contradicción estructural ineludible. El valor comercial de un servicio de búsqueda facial inversa proviene del tamaño del archivo de imágenes que posee: cuanto mayor sea el archivo, mayor la tasa de coincidencias, y más vendible el producto. La escala es a la vez un activo y una superficie de riesgo, y ambos crecen en la misma dirección, difíciles de separar mediante refuerzos puntuales. Productos similares en Europa ya han sido blanco reiterado de reguladores por el tratamiento de datos biométricos; en Estados Unidos, aparte de las leyes biométricas de algunos estados como Illinois, no existe una normativa federal unificada.
Para la gente común hay otra capa más: la mayoría de las fotos de esta filtración no fueron entregadas a ClarityCheck por las propias personas retratadas, sino subidas por usuarios que pagaron para investigar a alguien, mientras que la persona investigada nunca lo supo. Esta separación entre el titular de los datos y quien los proporciona hace que "notificar a los usuarios afectados" resulte prácticamente inviable en la práctica.
Fuentes: Ars Technica, Malwarebytes Security Blog, CocoLoop, Biometric Update; la cantidad de imágenes y la capacidad del bucket se verificaron con múltiples fuentes, coincidiendo en 9.042.977 fotos y 450,2 GB; la respuesta de la empresa se cita de su declaración por escrito a los medios.