Capítulo 3 — Física para la computación
Mapa de la lección
Lección 03 publicada. Mapa, ejemplo, EX007.
flowchart TD
N0["Resultados de aprendizaje"]
N1["3.1 Señales, ruido y muestreo"]
N2["3.2 Desplazamientos físicos frente a ataques"]
N3["3.3 Energía, calor y canales laterales"]
N4["3.4 Especificación de condiciones de prueba físicas"]
N5["Síntesis del capítulo"]
N0 --> N1 --> N2 --> N3 --> N4 --> N5
N5 --> EX["Ejemplo resuelto"]
EX --> Q["Ejercicio EX007"]
Dibujo lógico
flowchart LR
N0["Resultados de aprendizaje"]
N1["3.1 Señales, ruido y muestreo"]
N2["3.2 Desplazamientos físicos frente a ataques"]
N3["3.3 Energía, calor y canales laterales"]
N4["3.4 Especificación de condiciones de prueba físicas"]
N5["Síntesis del capítulo"]
N0 --> N1 --> N2 --> N3 --> N4 --> N5 --> Q["EX007"]
[Resultados de aprendizaje]
|
v
[3.1 Señales, ruido y muestreo]
|
v
[3.2 Desplazamientos físicos frente a ataques]
|
v
[3.3 Energía, calor y canales laterales]
|
v
[3.4 Especificación de condiciones de prueba físicas]
|
v
[Síntesis del capítulo]
|
v
[Ejemplo resuelto] --> [Ejercicio EX007]
Resultados de aprendizaje
Usted será capaz de (1) relacionar señales, ruido y muestreo con las entradas de sensores y cámaras; (2) explicar cómo las condiciones físicas (luz, vibración, temperatura) desplazan las entradas de un modelo; (3) describir a nivel conceptual los ataques adversariales en el mundo físico y la suplantación de sensores; y (4) especificar condiciones de prueba físicas para un componente de IA.
3.1 Señales, ruido y muestreo
Los sensores convierten magnitudes físicas en números. Toda medición contiene ruido; el muestreo convierte señales continuas en discretas, y muestrear por debajo del doble de la frecuencia más alta (la tasa de Nyquist) provoca aliasing. Las cámaras integran la luz durante el tiempo de exposición; el desenfoque por movimiento, los deslumbramientos y la poca luz cambian los valores de los píxeles. Un modelo de visión entrenado con imágenes diurnas nítidas puede encontrarse con entradas muy distintas de noche o con lluvia. En TrackEye, el muestreo también se aplica al tiempo: una cámara que captura fotogramas demasiado despacio para la velocidad del tren puede perder por completo un defecto corto entre dos fotogramas. Los ingenieros comprueban que la frecuencia de fotogramas y el tiempo de exposición sean adecuados para la velocidad de operación más alta, no solo para un recorrido medio.
3.2 Desplazamientos físicos frente a ataques
El desplazamiento de distribución natural procede de la física: polvo en las lentes, deriva térmica de los termistores, vibración. Los ataques físicos adversariales fabrican deliberadamente objetos o señales: patrones impresos que provocan una clasificación errónea o señales inyectadas que suplantan a los sensores. La investigación ha mostrado que las perturbaciones pueden sobrevivir a la impresión y a la captura con cámara en condiciones de observación variadas cuando se optimizan sobre muchas transformaciones. Hay que probar ambos tipos de desplazamiento; la diferencia de ingeniería es que los adversarios buscan el peor caso, mientras que la naturaleza muestrea casos típicos.
El plan de pruebas los trata de forma distinta: los desplazamientos naturales se miden como rendimiento medio en las condiciones esperadas, mientras que los adversariales se miden como el peor resultado que un atacante podría encontrar dentro de unos límites establecidos.
3.3 Energía, calor y canales laterales
La computación consume energía y emite calor y señales electromagnéticas que pueden filtrar información (canales laterales). En los aceleradores de IA se han estudiado las mediciones de tiempo y de consumo como formas de inferir propiedades del modelo. Por eso el acceso físico forma parte del modelo de amenazas de los dispositivos de IA en el borde, como el ordenador de un tren de inspección. Un ordenador de tren de inspección recorre la red y puede recibir mantenimiento de contratistas en los depósitos, así que alguien podría conectarle equipos de medida sin mucha dificultad. Los ingenieros no suelen defenderse de todos los canales laterales, pero registran cuáles son verosímiles según quién tenga acceso físico y protegen los activos más valiosos, como los pesos del modelo y las claves de firma, con envolventes con evidencia de manipulación y almacenamiento cifrado.
3.4 Especificación de condiciones de prueba físicas
Una especificación de ingeniería enumera condiciones: rango de iluminación (lux), rango de temperatura, espectro de vibración, niveles de contaminación de la lente y velocidad del tren. Cada una se convierte en un eje de prueba. Para la seguridad, añada condiciones adversariales dentro del modelo de amenazas; por ejemplo, «un atacante puede colocar marcas en las traviesas, pero no puede acceder al tren». Cada eje necesita un rango declarado y la forma en que se producirá en las pruebas: recorridos grabados, montajes de iluminación controlada o simulación. Los rangos proceden de datos de operación, como la luz más baja medida en los recorridos al amanecer y la velocidad de línea más alta. Una frase del modelo de amenazas que diga lo que el atacante no puede hacer es tan importante como la que dice lo que puede, porque define cuándo un fallo cuenta como hallazgo de seguridad y no como limitación.
3.5 Ejemplo resuelto (caso sintético de NRS)
La tasa de falsos negativos de TrackEye subió del 2 % al 9 % en los recorridos al amanecer. Sam lo atribuyó al ángulo bajo del sol, que causaba deslumbramientos a 60–80 km/h. La corrección combinó un filtro polarizador, un cambio de exposición y 4.000 imágenes adicionales tomadas al amanecer. Sam añadió además un eje de prueba para marcas deliberadas cerca de los carriles, ya que cualquiera que camine por la vía podría colocarlas. La subida del 2 % al 9 % solo apareció al desglosar los resultados por hora del día; la media global la ocultaba. La corrección combina medidas físicas y de datos, y solo una nueva prueba con recorridos recientes al amanecer puede mostrar si funcionó.
3.6 Errores y límites
- Probar solo con la iluminación del laboratorio.
- Confundir el desplazamiento natural con un ataque (o ignorar cualquiera de los dos).
- Omitir el acceso físico en los modelos de amenazas de los dispositivos en el borde.
La iluminación del laboratorio es uniforme y estable, así que un modelo que pasa allí no se ha enfrentado a deslumbramientos, lluvia ni lentes sucias. Tratar cada fallo como un ataque malgasta esfuerzo en la búsqueda de amenazas, mientras que tratar cada fallo como natural puede ocultar una manipulación deliberada. Los dispositivos en el borde suelen estar al alcance de personas con acceso legítimo al depósito, de modo que el acceso físico es una vía realista, no exótica, y omitirlo hace que el modelo de amenazas parezca más seguro que el sistema.
Ejercicios — capítulo 3
- EX007 — Nyquist. Un sensor de vibración debe capturar componentes de hasta 400 Hz. ¿Qué frecuencia de muestreo mínima evita el aliasing? Rúbrica: 3 = > 800 Hz con justificación; 2 = 800 sin justificación; 1 = incorrecto pero razonado; 0 = nada.
- EX008 — Desplazamiento o ataque. Clasifique: polvo en la lente; patrón pintado en una traviesa; deriva del termistor. Rúbrica: 3 = natural, adversarial, natural, con razones; 2 = solo las etiquetas; 1 = uno correcto; 0 = nada.
- EX009 — Ejes de prueba. Escriba cinco ejes de prueba físicos para TrackEye. Rúbrica: 3 = cinco ejes medibles con rangos; 2 = cinco sin rangos; 1 = dos o tres; 0 = nada.
Síntesis del capítulo
La física determina qué entradas recibe realmente un componente de IA. Los ingenieros especifican las condiciones físicas, prueban los desplazamientos naturales e incluyen a los adversarios físicos en el modelo de amenazas.
Siga estudiando — capítulo 03 de 50
← Capítulo 02 (borrador) · Índice de capítulos del curso · Capítulo 04 (borrador) →