✨︎ Resumen (TL;DR):
- El colectivo stegan0gram desmontó un lector de placas de Flock Safety y recuperó una llave de cifrado guardada dentro del equipo.
- Los registros recuperados cubren unos 21 días, con cerca de 50,200 vehículos, 1.6 millones de imágenes y 27,321 clips.
- El software detecta personas, pero las pruebas no encontraron evidencia de reconocimiento facial activo.
Un colectivo de hackers llamado stegan0gram desmontó un lector de placas de Flock Safety, copió casi todos los datos del equipo y recuperó una llave de cifrado guardada dentro. Esa llave abrió videos de miles de detecciones de vehículos. 404 Media y WIRED publicaron una investigación conjunta el 16 de septiembre de 2026: el software también detecta personas, además de vehículos, placas y bicicletas, pese a que Flock asegura que su lector solo capta vehículos y no datos biométricos ni rostros.
La llave estaba dentro del propio equipo
El colectivo compartió el material con 404 Media y con Distributed Denial of Secrets, una organización sin fines de lucro dedicada a la transparencia. Esa organización pasó los archivos a WIRED, que participó en la investigación conjunta.
Según los hackers, la llave estaba en una sección sin cifrar del disco y permitía abrir otra zona donde se almacenaba buena parte de los videos y las fotos captados por la cámara. El acceso no fue total: una parte considerable del almacenamiento más sensible siguió cifrada e inaccesible.
Un lector de placas es un dispositivo que captura imágenes de vehículos y envía datos a servidores para leer la placa e identificar marca, modelo y color. En el equipo analizado, esas tareas parecían ocurrir en los servidores de Flock, no dentro de la cámara.
Qué hacía la cámara cuando pasaba un vehículo
Cuando algo entraba en su campo de visión, la cámara disparaba una ráfaga de fotos. Un vehículo típico producía unas 28 imágenes y algunos superaban las 100. El equipo usaba distintas exposiciones para captar la placa y la escena completa; después revisaba los archivos, elegía los cuadros útiles, los recortaba y los enviaba a Flock por la red celular junto con otros datos.
El procesador se parecía al de un celular de gama media y ejecutaba unas 20 aplicaciones desarrolladas por la empresa. Esas apps detectaban movimiento, tomaban fotos, clasificaban objetos, subían datos y recibían actualizaciones remotas.
21 días de actividad y problemas de almacenamiento
Los registros recuperados cubren unos 21 días de actividad, distribuidos en varios periodos. En esas ventanas, la cámara fotografió cerca de 50,200 vehículos y generó unos 1.6 millones de imágenes. Un día típico reunió alrededor de 3,300 vehículos, con un máximo de 4,454. El sitio de instalación y el tráfico podían cambiar mucho esas cifras.
Es casi seguro que el equipo operó fuera de esos periodos, pero los registros más antiguos se sobrescribieron o ya no se pudieron recuperar.
El almacenamiento estaba bajo presión. El equipo registró más de 27,000 errores de “no space left on device” cuando intentaba guardar imágenes a resolución completa. También acumuló decenas de miles de errores relacionados, cierres inesperados y reinicios.
Un proceso comprobaba cada dos minutos, más o menos, que la cámara siguiera en marcha y escribió más de 12,000 veces la frase “Who’s a good boy?!”. Después de un reinicio, otro servicio dejaba como último mensaje: “A reboot was requested! ¡Adios Amigos!”.
El software detecta personas, no reconocimiento facial
Cuando el software identifica a una persona, registra en qué parte de la imagen aparece y con qué nivel de confianza. 404 Media señaló que esta capacidad suele quedar fuera de las discusiones sobre Flock.
Para comprobar el alcance de los modelos, WIRED los extrajo de los archivos de la cámara y los probó con imágenes de prueba y grabaciones recuperadas del equipo. Los modelos detectaron personas con facilidad, incluida la selfie de un reportero.
Después, WIRED aplicó esos modelos a 27,321 clips guardados en la cámara. Eran archivos MP4 de uno a dos segundos, con una resolución de 1024 por 768 píxeles y sin audio. Los clips eran distintos de las ráfagas de fotos de mayor resolución.
Los modelos encontraron personas en 11 clips; en todos, las personas iban en motocicleta. La cifra baja probablemente se explica por la posición de la cámara, instalada sobre la vía y apuntando hacia abajo, y por el tráfico, donde era poco probable que aparecieran peatones.
Las pruebas también mostraron que el detector de placas interpreta con mucha amplitud lo que ve. En algunos casos tomó por placas calcomanías de parachoques, marcos de concesionarios y otros gráficos, y los recortó como si fueran placas. En el video de una motocicleta, recortó el parche con la bandera de Estados Unidos que llevaba la alforja del motociclista.
Flock insiste en que sus cámaras no hacen reconocimiento facial. WIRED y 404 Media no encontraron evidencia de esa capacidad en el software, salvo las funciones que Android incluye por defecto. Estas no parecían activadas ni en uso.
Lo que Flock publica frente a lo que apareció en el equipo
La comparación entre la página de mitos y realidades, las preguntas frecuentes y el aviso de seguridad de mayo de 2025 de Flock, frente al contenido de la cámara, muestra estas diferencias:
- Personas: Flock publica que su lector solo capta vehículos y no datos biométricos ni rostros. El software registra dónde aparece cada persona detectada y con qué nivel de confianza; los modelos encontraron personas en 11 de 27,321 clips.
- Video: Flock afirma que sus lectores toman fotos fijas y que el video centrado en personas proviene de cámaras de seguridad comunes. La cámara desmontada guardaba 27,321 clips MP4 de uno a dos segundos.
- Fotos por vehículo: La empresa indica que toma de 6 a 12 fotos por sesión de captura, aunque sus ingenieros pueden ajustar la cantidad según la ubicación y el tráfico. El equipo analizado generaba unas 28 fotos en un paso típico y algunos vehículos superaban las 100.
- Cifrado y acceso físico: Flock afirma que las imágenes y los metadatos se cifran desde el propio equipo. En mayo de 2025 sostuvo que ni siquiera con acceso físico se llegaría a las grabaciones. En la cámara analizada, una llave guardada en el dispositivo abrió videos de miles de detecciones, aunque buena parte del almacenamiento sensible permaneció cifrada.
- Reconocimiento facial: Flock dice que no lo usa. El análisis tampoco encontró evidencia de esa capacidad, más allá de las funciones predeterminadas de Android que no parecían activas.
La cifra de fotos tiene un matiz: la sección de preguntas frecuentes permite ajustar esa cantidad según el lugar donde se instala la cámara y el tráfico esperado. Las páginas de Flock no incluyen una salvedad similar para la detección de personas ni para los clips de video.
La respuesta de Flock y el antecedente de 2025
Un portavoz de Flock respondió que retirar o manipular una de sus cámaras sin autorización es ilegal. Sobre la llave, la empresa señaló que tiene una política pública de divulgación de vulnerabilidades, que no recibió ningún reporte por ese canal y que la información limitada que recibió no le daba suficientes detalles para evaluar lo ocurrido. También invitó a los autores a enviar cualquier falla legítima para que su equipo de seguridad la revise.
Según 404 Media, el aviso de seguridad de mayo de 2025 respondió a otro caso. A principios de ese año, el investigador de seguridad Jon Gaines, conocido como GainSec, aplicó ingeniería inversa a un lector de placas de Flock y documentó fallas que podían usarse para obtener acceso de nivel root.
Flock reconoció esos hallazgos, pero los calificó como vulnerabilidades no materiales, con gravedad y probabilidad de explotación bajas. La empresa subrayó que aprovecharlas exigía acceso físico al dispositivo y conocimientos de depuración. También afirmó que, aun con la cámara en la mano, nadie podría llegar a las grabaciones porque los datos permanecían muy poco tiempo en el equipo después de transmitirse a la nube.
La cámara analizada por 404 Media y WIRED guardaba 27,321 clips, y la llave que abrió videos de miles de detecciones estaba en el mismo equipo. 404 Media no precisó el modelo de la cámara ni el lugar exacto donde estaba instalada.
Del sabotaje a la ingeniería inversa
Uno de los integrantes de stegan0gram explicó su motivación en una entrevista: “¿Por qué solo destruirlas si podemos hacerles ingeniería inversa y encontrar los secretos de quienes nos espían?”. El colectivo también publica detalles sobre cómo obtuvo el software, con la esperanza de que otras personas lo imiten. Uno de sus integrantes reconoció que ser investigados es una preocupación real y que por eso procuran mantener un perfil bajo.
404 Media recuerda que varias personas han sido arrestadas en distintas partes de Estados Unidos por presuntamente manipular o sabotear cámaras de Flock. Algunas localidades anunciaron que dejarían de usarlas. En un caso, un departamento de policía fabricó una carcasa falsa de Flock impresa en 3D para atraer a posibles vándalos.
Noel Pichardo, expolicía de Pawtucket, en Rhode Island, se volvió un crítico abierto de Flock después de cuestionar el uso de las cámaras en su departamento. Entiende la frustración de los activistas, pero teme que el sabotaje fortalezca los argumentos a favor de estos equipos.
“Creo que ese tipo de justicia por mano propia solo va a afianzar a la policía y al Estado en general en su creencia de que esta herramienta es necesaria”, dijo Pichardo. También advirtió que ignorar las quejas de los ciudadanos que se oponen a este tipo de vigilancia hará que el conflicto se repita.
Una red nacional con acceso policial
La red nacional de Flock permite consultar registros con fecha y hora a la agencia local dueña de cada cámara o a las agencias que tienen acceso a ella. En muchos casos, también pueden consultarlos policías de todo el país.
WIRED encontró que los registros de las cámaras de Alpharetta, en Georgia, estaban al alcance de más de 2,000 agencias, entre ellas policías, universidades y aeropuertos. 404 Media, por su parte, reveló que policías locales hacían búsquedas en esa red a nombre del Servicio de Inmigración y Control de Aduanas, ICE, incluso en zonas que prohibían colaborar con las autoridades migratorias.
El 13 de septiembre, el presidente Donald Trump respaldó públicamente las cámaras de Flock, pese a las críticas por privacidad.
En agosto, WIRED obtuvo código de OS Investigate, la herramienta de Flock para policías que antes se llamaba Nightshift. La reconstrucción de partes de esa interfaz muestra cómo la empresa puede combinar los registros de sus cámaras con archivos policiales y datos comerciales para identificar conductores, detectar vehículos que viajan juntos de forma repetida y buscar personas por sus patrones de movimiento.
El alcance del hallazgo sigue acotado
El análisis no demuestra que la cámara haga reconocimiento facial. Sí documenta que el software detecta personas, que el equipo guardaba clips de video y que una llave almacenada en el dispositivo permitió abrir grabaciones de miles de detecciones.
El alcance del hallazgo se limita a la cámara analizada: 404 Media no precisó su modelo ni su ubicación exacta. Por ahora, la afirmación pública de Flock de que su lector solo capta vehículos queda confrontada con evidencia extraída de uno de sus propios equipos.
