Jeste li ikada doživjeli neobičnu situaciju u kojoj s prijateljima razgovarate o novim slušalicama, a nedugo zatim se reklama za taj isti model pojavi u vašoj aplikaciji za kupovinu? Ili naglas spomenete želju za omiljenim jelom, a telefon vam odmah ponudi popis obližnjih restorana? Takve slučajnosti lako stvaraju dojam da naši pametni uređaji znaju znatno više o nama nego što bismo to željeli. No, prisluškuju li nas pametni telefoni uistinu u pozadini bez prestanka?

Tehnički gledano, takav je scenarij izvediv. Aplikacije kojima je odobren pristup mikrofonu posjeduju tehničku mogućnost prikupljanja zvučnih zapisa, dok pojedina istraživanja pokazuju da zlonamjerni softver može iskoristiti čak i ostale senzore uređaja kako bi rekonstruirao govor. Primjera radi, signali senzora pokreta mogu zabilježiti mikrovibracije koje emitiraju ugrađeni zvučnici te na temelju njih rekonstruirati zvučne informacije. Međutim, sama činjenica da je određeni proces tehnički moguć ne znači da je on široko primijenjen u stvarnome svijetu.

Tehnička i financijska neodrživost neprekidnog snimanja


Izvješće o ispitivanju koje je objavio ispitni laboratorij Centra za kibernetičku sigurnost tehnologije pokazuje da kontinuirano snimanje zvuka u pozadini povećava potrošnju baterije uređaja za čak dvadeset sedam posto u usporedbi s uobičajenim radom. Uz to, takav proces uzrokuje primjetno pregrijavanje uređaja, usporavanje rada te zastajkivanje sučelja. Ako bi neka aplikacija uistinu neprekidno snimala sadržaj, korisnici bi vrlo brzo uočili te neobične pokazatelje tijekom svakodnevne upotrebe.

Moderni mobilni operacijski sustavi ugradili su višeslojne mehanizme zaštite oko pristupa mikrofonu. Kada je mikrofon aktivan, sustav na zaslonu obavezno prikazuje jasnu svjetlosnu indikaciju. Dodatno, sigurnosni mehanizmi ograničavaju pristup mikrofonu aplikacijama koje rade u pozadini ili zahtijevaju izričitu i privremenu dozvolu korisnika. Zbog toga je skriveno i dugotrajno snimanje znatno teže izvesti nego što se to obično pretpostavlja.

Čak i kada bi se premostile sve tehničke i sigurnosne prepreke, masovno prisluškivanje stotina milijuna korisnika predstavljao bi iznimno skup ekonomski pothvat. Ako promatramo troškove pretvorbe govora u tekst na velikim uzorcima, podatkovna obrada postaje financijski neodrživa. Za aplikaciju s sto milijuna dnevno aktivnih korisnika, kada bi sustav obrađivao glasovni sadržaj u trajanju od samo jednog sata dnevno po korisniku, godišnji operativni troškovi dosegnuli bi oko šezdeset šest milijardi američkih dolara. Ako bi se takav nadzor proširio na dvadeset i četiri sata dnevno, ta bi se brojka popela na nevjerojatnih osam milijardi američkih dolara.

Usporedbom astronomskih troškova, iznimnog rizika od narušavanja privatnosti, pravnih posljedica i mogućnosti razotkrivanja, jasno je da tajno prisluškivanje nije isplativa niti učinkovita strategija za izradu korisničkih profila. Oglašivačke platforme na raspolaganju imaju znatno jeftinije, jednostavnije i daleko manje rizične metode za precizno predviđanje korisničkih interesa.

Snaga velikih podataka i profiliranje korisnika


Ako telefoni nemaju potrebu za prisluškivanjem, kako oglasi uspijevaju predvidjeti naše želje s fascinantnom preciznošću? Odgovor leži u analizi velikih skupova podataka i naprednom profiliranju.

Svakodnevno iza sebe ostavljamo opsežan digitalni otisak koji uključuje pretraživane ključne riječi, pregledane proizvode, odgledane videozapise, pročitane članke, učestalo posjećivane lokacije, vrijeme provedeno u aplikacijama, sadržaj s kojim stupamo u interakciju te povijest kupovine. Iz svih tih pojedinačnih signala platforme stvaraju detaljan profil korisnika i primjenjuju alogoritme za predviđanje njegovih budućih potreba.

Što je stvoreni profil bogatiji podacima, to je ciljanje oglasa preciznije. Korisnik koji često pretražuje audio opremu, gleda recenzije slušalica i posjećuje tehnološke portale već ima iznimno visoku vjerojatnost kupnje novog modela. Kada se oglas za te slušalice pojavi na zaslonu u trenutku dok on o njima neformalno razgovara s prijateljem, stvara se privid prisluškivanja. U stvarnosti je algoritam tu potrebu predvidio znatno ranije na temelju analize dotadašnjeg ponašanja na mreži.

Foto: Zeleboba – Pexels

Mrežni ekosustav i psihološki faktori


Dodatni čimbenik koji stvara dojam nadzora jest visoka povezanost ekosustava mrežnog oglašavanja. Moderno digitalno oglašavanje oslanja se na sustave aukcija u stvarnome vremenu. Kada korisnik otvori neku web stranicu ili aplikaciju, prostor za prikaz oglasa nudi se većem broju oglašivača istovremeno. Sustav zatim odabire najrelevantniji oglas na temelju dostupnih signala i konteksta. Stoga, ako pretražujete proizvod na jednoj platformi, a njegov se oglas pojavi na potpuno drugoj aplikaciji, to ne znači da su te aplikacije međusobno razmijenile vaš privatni razgovor.

Isto tako, ljudska psihologija igra važnu ulogu u ovome fenomenu. Skloni smo pamtiti situacije u kojima je algoritam nepogrešivo pogodio naše želje, dok u potpunosti zanemarujemo stotine ili tisuće nebitnih oglasa koje svakodnevno viđamo. Među tisućama prikazanih preporuka matematički je neizbježno da će se pojedini oglasi poklopiti s našim trenutnim interesima ili temama o kojima smo nedavno razgovarali.

Kako učinkovito zaštititi vlastitu privatnost


Iako kontinuirano prisluškivanje nije primarna metoda oglašivačkih mreža, to ne znači da pitanja privatnosti treba zanemariti. Najbolji način zaštite jest upravljanje dozvolama koje dodjeljujemo aplikacijama.

Preporučuje se redovito provjeravati popis sistemskih dozvola na uređaju, s posebnim naglaskom na osjetljive funkcije poput mikrofona, kamere i lokacije. Aplikacijama koje ne zahtijevaju mikrofon za svoj rad navedenu dozvolu treba u potpunosti onemogućiti. Kada je riječ o lokacijskim uslugama, pristup bi trebalo ograničiti isključivo na vrijeme dok je aplikacija aktivno u upotrebi, umjesto dopuštanja neprekidnog rada u pozadini.

U konačnici, stvarni razlog za oprez nije navodno prisluškivanje pozadinskih razgovora, već velika količina podataka koju svjesno ili nesvjesno ostavljamo pri svakom koraku na mreži. Svako pretraživanje, klik i posjećena lokacija postaju dio šire slagalice, a uz dovoljno prikupljenih dijelova, algoritmi mogu prepoznati naše potrebe i prije nego što ih sami postanemo potpuno svjesni.