Incidente 1683: Un hombre de Delhi presuntamente utilizó inteligencia artificial para crear y difundir imágenes obscenas de una conocida de la universidad.
Descripción: La policía de Delhi alega que un hombre llamado Keshav Bansal utilizó fotografías de la cuenta privada de redes sociales de una conocida de la universidad, junto con herramientas de edición y generación de imágenes mediante inteligencia artificial, para crear imágenes obscenas manipuladas digitalmente y subirlas a servidores anónimos de Discord. La mujer denunció cuentas falsas y mensajes amenazantes con la intención de humillarla y acosarla. La policía arrestó a Bansal e informó que la investigación continúa.
Entidades
Ver todas las entidadesAlleged: Synthetic image generation technology developers , Deepfake technology developers y Synthetic media generation technology developers developed an AI system deployed by Keshav Bansal , Synthetic media creators y Deepfake creators, which harmed Individuals subjected to sexual exploitation imagery , Victims of deepfake abuse , Women and girls , Women , Privacy , Epistemic integrity y Victims of non-consensual deepfakes.
Sistemas de IA presuntamente implicados: Synthetic image generation technology , Synthetic media generation technology , Deepfake technology , Discord , Instagram y Social media platforms
Estadísticas de incidentes
ID
1683
Cantidad de informes
2
Fecha del Incidente
2026-09-09
Editores
Daniel Atherton
Informes del Incidente
Cronología de Informes
Loading...
Un hombre de 22 años fue arrestado por presuntamente usar fotografías de una conocida de la universidad, obtenidas de su cuenta privada de redes sociales, para crear imágenes obscenas generadas por IA y difundirlas a través de cuentas falsa…
Loading...
Nueva Delhi: Una disputa universitaria culminó en acoso cibernético después de que un joven de 22 años utilizara indebidamente fotografías privadas de una mujer en redes sociales para crear imágenes obscenas generadas por IA. La policía arr…
Variantes
Una "Variante" es un incidente de IA similar a un caso conocido—tiene los mismos causantes, daños y sistema de IA. En lugar de enumerarlo por separado, lo agrupamos bajo el primer incidente informado. A diferencia de otros incidentes, las variantes no necesitan haber sido informadas fuera de la AIID. Obtenga más información del trabajo de investigación.
¿Has visto algo similar?