Lunes, 16 de noviembre de 2026
Portada de las 21:50
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Seguridad · helgesver.re

Volqué la lista de palabras de Apple

Un desarrollador descubre que macOS guarda en una base de datos qué palabrotas usa cada usuario, por app y por destinatario, y que el diccionario del sistema clasifica cada palabra en niveles de vulgaridad y temas sensibles. No hay API pública, así que accedió a los datos con funciones privadas.

Foto: vía helgesver.re

Leer el artículo aquíArtículo original (helgesver.re) 58 comentarios en Hacker News

Escucha la noticia3 min

El autor parte de un tuit y localiza ~/Library/Keyboard/VulgarWordUsage.db, una base SQLite que registra qué palabras vulgares escribes, en qué app y a quién. Su índice único es por app, destinatario, palabra y lectura (relevante en japonés). Sirve para que el autocorrector aprenda a no cambiar tus tacos por otra palabra, como el famoso «ducking» que Craig Federighi mencionó en la WWDC de 2023 al presentar el autocorrector de iOS 17.

Los nombres de símbolos de la caché compartida de macOS muestran el flujo: el motor de teclado informa de la app y los destinatarios, incrementa o decrementa el contador al escribir o deshacer una palabra vulgar, y al ordenar sugerencias comprueba si todas las palabras vulgares de un candidato están permitidas en ese contexto. En la base del autor no hay ninguna fila, la tabla properties solo contiene version = 2 y el archivo se escribió por última vez en abril de 2024. Escribir tacos en TextEdit, como texto insertado y como pulsaciones, no cambió nada, y no sabe por qué.

Lo más interesante está más arriba: el diccionario del sistema, que lee Lexicon.framework, un framework privado. Cada palabra es una entrada con dos campos de flags de 32 bits. Ni NSSpellChecker, UITextChecker, NaturalLanguage ni UILexicon exponen la vulgaridad, así que el autor usa funciones C exportadas, cuyas firmas dedujo siguiendo las convenciones de CoreFoundation, y publica el código en C y en Swift (este con dlopen y dlsym). El inglés de EE. UU. tiene 199.019 entradas.

Según el autor, cada palabra tiene uno de tres niveles (vulgar, offensive, sensitive) y hasta once etiquetas temáticas (sexo, drogas, religión, política, violencia…). Entre los hallazgos: Oedipus es vulgar; Tom y Mick son offensive; pee, poo, niggle y underling son sensitive. En el nivel sensitive del inglés, «Trump» es el único político vivo, junto a Hitler, Mao, Osama bin Laden y los talibanes; Biden, Obama y Putin no aparecen marcados. Los volcados de 15 idiomas están en un gist.

En Hacker News

«I dumped Apple’s word list» · puesto 26 · 121 puntos · enviado por speckx

Lo que dicen los comentarios

Los comentarios se reparten entre la curiosidad técnica y la desconfianza hacia Apple. Algunos aclaran que la base sirve para lo contrario de la censura: evitar que el autocorrector cambie palabras cuando detecta un uso intencionado. Varios dicen que su base está vacía o ni existe, y otro apunta que si el autocorrector está desactivado no se rellena. También se comenta el tamaño de la lista de frases bloqueadas en chino, mucho mayor que la inglesa, la posibilidad de comparar versiones del diccionario para ver cuándo se añadió cada palabra, y una discusión lateral sobre el bloqueo de webs para adultos en iOS en el Reino Unido. Hay además bromas sobre si el artículo lo escribió una IA.

  • Hay mucho más que sacar de aquí. La lista de frases bloqueadas en chino es mucho mayor: unos 281 KB en chino simplificado, 325 KB en tradicional y 160 KB en cantonés, frente a 28 KB en inglés.
    — nonethewiser, leer el comentario
  • Pero el objetivo de esa lista de palabras vulgares es DEJAR de autocorregirlas cuando detecta que se usan a propósito.
    — watwut, leer el comentario
  • Se trata de que el autocorrector aprenda las palabras que te gusta usar y las considere uso intencionado, no un error de tecleo. Es una no-censura adaptativa.
    — jmbwell, leer el comentario
  • ¿Se podrían conseguir versiones antiguas de los archivos para ver cuándo se añadió o quitó cada palabra? Podría servir para relacionar cambios con eventos, personajes, memes o polémicas. Hay potencialmente tres años de actualizaciones.
    — thinkingemote, leer el comentario
  • No es una lista, sino una serie de clasificaciones de aprendizaje automático. Básicamente tienes el «modo infantil» activado. La solución es no usar un Apple ID británico.
    — flanz_10, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.