Teksti: Satu Rantakokko
On jo vuosia siitä, kun kohistiin, että älypuhelimet kuuntelevat käyttäjäänsä muun muassa kohdennetun markkinoinnin suuntaamiseksi. Kuuntelu ilmeni usein siten, että pian jostakin aiheesta keskustelun jälkeen somessa alkoi saada aiheeseen liittyviä mainoksia. Nykyisellään valtaosalla on kokemusta teknologisesta salakuuntelusta. Pääosin kohdennettu markkinointi on havaittu muutamassa tunnissa tai vuorokauden sisällä. (Teknologisen salakuuntelun kokemuksesta ja sen herättämistä tunteista ks esim Segijn ja kumpp. 2024)
Itselleni eräänlainen kulminaatiopiste tällaisessa salakuuntelussa oli takavuosina ostoskeskuksessa. Kävelin eräään kaupan ohitse ja mainitsin seuralaiselleni, että käännytään liikkeen X jälkeen. Kyseinen kauppa ei kuulunut intresseihini, mistä johtuen sitä koskevat some-mainokset oli helppo yhdistää tuohon satunnaiseen kommenttiin. Puhelimeni oli repussa selässäni.
Tuolloin kyllä ihmettelin, miten meluisassa ostoskeskuksessa ääneni edes erottui puhelimelleni niin selkeästi, että mainonta onnistui, vaikka olin puhelimeen selin. Vuosia myöhemmin tuo hetki palautui mieleeni toisesta kokemuksesta.
Juttelin taannoin tuttavani kanssa pitkästä aikaa. Hän kuuluu siihen marginaaliseen valveutuneeseen vähemmistöön, joka todella priorisoi tietoturvan. Hän ei esimerkiksi käytä älypuhelimia, eikä hänen rajallisessa somevalikoimassaan julkaista mitään henkilökohtaisia tietoja. Hänen kohdallaan some ei osaa tarjota kohdennettua mainontaa.
Paitsi kerran. Tuttavani kertoi tilanteesta, jossa some oli kuitenkin osannut alkaa mainostaa hänellekin. Kyseessä olivat aiheet, joista oli tietyn ystävän kanssa keskusteltu automatkalla. Ystävällä on älypuhelin.
Jo tutuksi tullut salakuuntelusta markkinointiin -episodi siis muutoin, mutta nyt markkinoinnin kohde oli sivullinen eikä puhelimen omistaja. Voiko toisen ihmisen älylaite todella siis tunnistaa sinut tai minut äänen perusteella? Onko tällainen edes mahdollista?
Teknisesti se ainakin on täysin mahdollista.
Älypuhelin pyrkii tunnistamaan omistajansa tilanteesta riippumatta. Se on tarpeellista, sillä eihän puheavusteinen älypuhelin tai -laite voi turvallisesti ottaa käskyjä vastaan keneltä hyvänsä. Älypuhelinten sisältämä määrä henkilökohtaista ja työpaikkaan liittyvää arkaluontoista dataa on uskomaton, mistä johtuen tietoruvariski on suuri puhelimen joutuessa vääriin käsiin. Sen vuoksi älypuhelinten suojaamiskeinoja aidon käyttäjän tunnistamiseksi käytetään ja kehitetään aktiivisesti. Yksi keino muiden joukossa on ääniprofiili, jonka luomiseen riittää lyhytkin puhenäyte.
Ääni kuuluu niin sanottuihin käyttäytymisbiometrisiin tunnisteisiin. Siitä voidaan päätellä muun muassa puhujan etnisyys, ikä, sukupuoli ja tunnetila. Meillä on hyvin uniikki puhumisen kokonaisuus, joka muodostuu esimerkiksi puheen rytmistä ja tauoista, äänen korkeudesta ja voimakkuudesta, sanavalinnoista, huokailuista ym. Puhujan tunnistaminen äänen perusteella on trendaava kehityskohde ja aktiivinen tutkimusala, jossa hyödynnetään viimeisintä teknologiaa esimerkiksi tekoälyn ja syväoppimisen menetelmin. (Ks esim Hanifa, Isa ja Mohamad (2021); Ohi ja kumppanit (2021)
Tuolloin vuosia sitten kauppakeskuskäynnin jälkeen en mielestäni alkanut saada uutta, minuun kohdistumatonta mainosvyöryä. Tuolloin en kuitenkaan välttämättä olisi sitä tunnistanut, sillä olin nykyistä huolimattomampi puhelimeni suojaamisen kanssa. En siis pysty sanomaan, saattoiko myös jonkun ohikulkijan kommentti myös aiheuttaa mainontaa.
Selvää kuitenkin on, että voidakseen erottaa omistajansa ääniprofiilin, on puhelimen kuunneltava puhetta laajemminkin, jos muita puhujia on läsnä. Sen on siis analysoitava myös sivullisen puhe erottaakseen, ettei kyse ole omistajasta. (Ks esim Ohi ja kumppanit (2021)
Entäpä tämä tuttavani tapaus, jossa vaikuttaa vahvasti siltä, että toisen ihmisen puhelimessa jokin sovellus kykeni tunnistamaan hänet ja ohjaamaan hänelle kohdennettua somemainontaa puhuttujen aiheiden perusteella? Kun tuttavani oli kertonut asiasta ystävälleen, tämä poisti kaikilta sovelluksilta luvat mikrofonin käyttöön sekä alkoi sammuttaa mikrofonin ohjelmiston puolelta silloin, kun se ei ollut käytössä. Vuoto loppui näihin muutoksiin, eikä kohdennettua mainontaa tuttavalleni enää tullut. Se ei koskaan selvinnyt, mikä sovellus tai mitkä sovellukset mahdollisesti olisivat olleet sivullisen tunnistamisen ja markkinoinnin takana.
Vaikka kyse ei ollut minusta, sivullisena teknologisesti salakuunnelluksi tulemisen tunne ajatus vastenmielinen, suorastaan inhottava. Jos sivullisten automatisoitu kuunteleminen on tuolla tasolla, väistämättä sitä miettii, mitä kaikkea siis tuleekaan kuulluksi ja profiloiduksi minullekin, vaikka miten suojaan oman puhelimeni, estän kuuntelun ja sijaintitiedot ja niin edelleen. On häiritsevää ajatella, onko minun sijaintini ja puheeni silti muiden ihmisten puhelimien kautta aivan kasuaalisti tilastoitu. Missä kaikkialla tätä dataa sijaitsee ja mitä minusta tiedetään? Mitä sillä tiedolla tehdään ja kuka siihen voi päästä käsiksi?
Tällaista vuotamista on lisäksi pääosin vaikea tiedostaa, sillä suurimmalla osalla meistä kuitenkin on omat älylaitteet alati mukana. Siksi ei ehkä tule edes miettineeksi niin paljon turvatonta asemaansa sivullisena eikä kohdennetun mainonnan myötä ajattele, että siihen johtanut puhe voi olla jonkun muunkin älylaitteen kaappaama kuin oman.
Vanha ajatus siitä, että eihän itsellä ole mitään salattavaa, onkin siis korkea aika päivittää siihen, päteekö sama huoleton ajattelumalli kaikkiin läheisiin, tuttaviin ja työpaikallekin saakka.
Onko sinulla, hyvä lukija, kokemuksia teknologisesta salakuuntelusta sivullisen roolissa tai epäiletkö sellaista? Tai onko salakuuntelussa tietojasi yhdistynyt tavalla, joka on yllättänyt – esimerkiksi työpuhelimen lähellä puhuttu on johtanut vapaa-ajan profiilin mainoksiin tai päinvastoin?
Tai oletko huomannut / epäiletkö jotakin vielä pidemmälle menevää?
Lähteet
Hanifa, R. M., Isa, K. & Mohamad, S. (2021). A review on speaker recognition: Technology and challenges. Computers & Electrical Engineerin, vol. 90. https://doi.org/10.1016/j.compeleceng.2021.107005
Ohi, A. Q., Mridha, M. F., Hamid, M. A. & Monowar, M. M. (2021). Deep speaker recognition: Process, progress, and challenges. IEEE Access, 9, 89619-89643. https://doi.org/10.1109/ACCESS.2021.3090109
Segijn, C. M., Strycharz, J., Turner, A. & Opree, S. J. (2024). Conversation-Related Advertising and Electronic Eavesdropping: Mapping Perceptions of Phones Listening for
Advertising in the United States, the Netherlands, and Poland. https://journals.sagepub.com/doi/pdf/10.1177/20563051241288448
