سیری به زودی تمام حرف‌ های شما را خواهد شنید؛ چرا رویکرد امنیتی اپل امیدوارکننده است؟

قابلیت‌های نوین هوش صوتی (Audio Intelligence) شرکت اپل به گونه‌ای طراحی شده‌اند که تقریباً تمام مکالمات و صحبت‌های روزمره شما را بشنوند. با این حال، انتشار یک سند فنی پیرامون حریم خصوصی هم‌زمان با رونمایی از این ابزارها نشان می‌دهد که چرا رویکرد مهندسی کوپرتینویی‌ها در مقایسه با سایر رقبا، تا حد زیادی قابل دفاع و اطمینان‌بخش است.

به گزارش بخش اخبار فناوری زوم تک به نقل از دیجیتال ترندز (Digital Trends)، شرکت اپل (Apple) در رویداد معرفی محصولات سپتامبر ۲۰۲۶ خود رسماً به دسته‌ای از قابلیت‌ها ورود کرد که تا پیش از این همواره از آن‌ها دوری می‌گزید: فناوری شنود محیطی مداوم (Ambient Listening). ویژگی‌های شاخصی همچون Siri Recap، Live Rewind، تشخیص هوشمند موسیقی با شزم (Music Recognition with Shazam) و تشخیص صدا (Sound Recognition) همگی بر روی ساعت‌های هوشمند پرچمدار اپل واچ سری ۱۲ (Apple Watch Series 12) و اپل واچ اولترا ۴ (Apple Watch Ultra 4) معرفی شدند. وجه مشترک هر چهار قابلیت یادشده، وابستگی کامل آن‌ها به میکروفون ساعت برای دریافت پیوسته و گسترده اصوات محیطی بسیار بیشتر از هر گجت دیگری در تاریخ این برند است.

قابلیت‌ های جدید هوش صوتی در اپل واچ سری ۱۲ و اولترا ۴

قابلیت Siri Recap در طول شبانه‌روز به گفتگوهای روزمره شما گوش فرا می‌دهد و آن‌ها را به خلاصه‌های کوتاه مبتنی بر هوش مصنوعی (AI) تبدیل می‌کند تا بتوانید در فرصت مناسب آن‌ها را مرور نمایید. قابلیت Live Rewind گستره محدودتری دارد اما بدون شک در استفاده‌های روزمره فوق‌العاده کاربردی خواهد بود؛ این سیستم با دو بار فشردن دکمه چرخان دیجیتال کراون (Digital Crown)، ۱۵ ثانیه پایانی مکالماتی را که به تازگی ادا شده به متن تبدیل می‌کند. این عملکرد برای ثبت نام اشخاص، عنوان یک کتاب یا جزئیات یک آدرس که در مرتبه اول متوجه آن نشده‌اید، بی‌نظیر است.

از سوی دیگر، قابلیت شناسایی موسیقی با اتکا به دیتابیس شزم (Shazam) بدون نیاز به هیچ‌گونه لمس نمایشگر، قطعات موسیقی در حال پخش در پیرامون شما را ردیابی می‌کند؛ درست شبیه به سیستم Now Playing در گوشی‌های هوشمند سری پیکسل گوگل. در نهایت، قابلیت Sound Recognition نیز به عنوان یک ابزار کاربردی دسترسی‌پذیری عمل کرده و با گوش دادن پیوسته به صداهایی مانند آژیر خطر، زنگ در و هشدارهای صوتی، پیام‌های آگاهی‌بخش را برای کاربران دارای اختلالات شنوایی ارسال می‌کند.

سازوکار حفظ حریم خصوصی اپل؛ هسته ایزوله سخت‌افزاری Secure Exclave در تراشه S11

بدیهی است که هیچ‌یک از این امکانات بدون ساعتی که در تمامی لحظات مشغول شنود محیط باشد، کارایی نخواهند داشت؛ موضوعی که ناگزیر موجی از نگرانی را در میان کاربران برمی‌انگیزد و مدیران اپل نیز به خوبی به آن واقف هستند. به همین علت، این شرکت همراه با معرفی این امکانات، مستندات جامعی از پروتکل‌های امنیتی خود منتشر ساخت تا سازوکار دقیق پردازش فایل‌های صوتی را شفاف‌سازی کند.

در مرکز ثقل سیستم هوش صوتی اپل، نوآوری سخت‌افزاری ویژه‌ای موسوم به Secure Exclave حضور دارد. این محفظه سخت‌افزاری مجزا که درون تراشه پردازشی S11 تعبیه شده، ساختاری کاملاً ایزوله و نفوذناپذیر در برابر کاربر، اپلیکیشن‌های متفرقه (Third-party) و حتی خود کارمندان شرکت اپل دارد. بر اساس توضیحات رسمی، صدای دریافت شده از میکروفون اپل واچ مستقیماً وارد این فضای قرنطینه سخت‌افزاری می‌شود؛ جایی که یک مدل هوش مصنوعی سبک‌وزن روی دستگاه (On-device)، صرفاً وجود گفتار انسانی، صداهای خاص یا موسیقی را بدون ضبط، ثبت یا تبدیل آن‌ها به متن پایش می‌کند.

مسیر انتقال و رمزگذاری داده‌های صوتی میان ساعت و آیفون

زمانی که ابزار Siri Recap آغاز یک مکالمه را ردیابی می‌کند، داده‌های صوتی پس از رمزگذاری به واحد Secure Exclave در گوشی آیفون جفت‌شده فرستاده می‌شوند. به محض پایان موفقیت‌آمیز این فرایند انتقال، نسخه اولیه صدا روی حافظه اپل واچ برای همیشه نابود می‌گردد. در ادامه، موتور پردازش گفتار مستقر در آیفون، محتوای صوتی را به داده‌های متنی پیاده‌سازی می‌کند. سپس مدل پردازشی دومی متن حاصل را به کمتر از نیمی از طول اولیه خلاصه کرده و در نهایت، فایل صوتی خام به صورت دائمی از حافظه دستگاه پاک می‌شود. تنها همین متن خلاصه‌شده مجدداً رمزگذاری گردیده و برای پردازش نهایی به بستر محاسبات ابری خصوصی اپل (Private Cloud Compute) ارسال می‌شود.

این متن به همراه اطلاعات اندکی از محیط پیرامون کاربر (نظیر وضعیت پخش موزیک یا رویدادهای تقویم) ارسال می‌شود تا سیستم بتواند عنوانی دقیق برای یادداشت تولید کند. اپل تأکید می‌کند که خلاصه پردازش‌شده مجدداً در بستری امن و رمزگذاری‌شده به اپلیکیشن سیری بازمی‌گردد و چنانچه توسط شخص ذخیره نشود، پس از گذشت ۷ روز به طور خودکار حذف خواهد شد. افزون بر این، در صورت فعال بودن احراز هویت دومرحله‌ای آی‌کلاد، تمامی داده‌ها با رمزگذاری سرتاسری (End-to-End Encryption) بین ابزارهای کاربر همگام‌سازی می‌گردند.

ویژگی Live Rewind نیز با مقیاسی کوچک‌تر از همین چارچوب پیروی می‌کند و به قابلیتی کاربردی مجهز شده که سایر رقبا همواره از آن غافل بوده‌اند: با هر بار فعال‌سازی این سیستم، یک صدای زنگ هشدار کوتاه به همراه انیمیشنی تمام‌صفحه روی نمایشگر ساعت ظاهر می‌شود. این هشدار حتی در صورت بی‌صدا (سایلنت) بودن ساعت نیز پخش خواهد شد تا اطرافیان به وضوح مطلع شوند که از قابلیت ضبط مکالمات استفاده شده است.

مقایسه تدابیر امنیتی اپل با رقبای بازار گجت‌ های هوشمند شنود

بسیاری از اسناد شرکتی حریم خصوصی، جملاتی بازاریابی در پوشش کلمات مهندسی هستند؛ اما سند بررسی امنیت صوتی اپل تفاوتی ماهوی دارد. هدایت جریان داده‌های صوتی خام از طریق لایه‌های سخت‌افزاری که حتی خود شرکت طراح نیز امکان دسترسی و استعلام اطلاعات آن را ندارد، تحولی عمیق در تضمین حریم شخصی است. پاکسازی داده‌ها در کسری از ثانیه، الزام به فعال‌سازی دستی با رضایت صریح کاربر (Opt-in) و ابزارهای تنظیم زمان‌بندی دقیق، استانداردهایی بسیار فراتر از تعهدات صوری رقبا پدید آورده است؛ امتیازی که در تولیدات شرکت‌های دیگر دیده نمی‌شود.

به عنوان نمونه، شرکت بی (Bee) که سازنده یک گجت پوشیدنی ۵۰ دلاری با قابلیت شنود مداوم مکالمات است، مدعی است فایل‌های صوتی خام را در لحظه پردازش کرده و بلافاصله نابود می‌کند. با این حال، خط‌مشی محرمانگی شرکت Bee صراحتاً نشان می‌دهد که آن‌ها اطلاعاتی بسیار فراتر از قطعات صوتی موقت را استخراج می‌کنند؛ این شرکت داده‌های پیاده‌سازی متنی، الگوهای تن صدا، موقعیت‌های جغرافیایی، اطلاعات سلامتی و موارد حساس دیگر را ثبت کرده و تمامی آن‌ها را به سرورهای ابری منتقل می‌سازد.

سابقه تیره آمازون و متا در نقض حقوق حریم خصوصی کاربران

اوضاع زمانی نگران‌کننده‌تر می‌شود که بدانیم استارتاپ Bee تحت مالکیت شرکت آمازون (Amazon) قرار دارد؛ مجموعه‌ای که کارنامه چندان مطلوبی در حوزه محرمانگی کاربران ندارد. آمازون در سوابق گذشته خود، تصاویر زنگ‌های در هوشمند رینگ (Ring) را بدون مجوز قضایی به نیروهای پلیس تحویل داده و حتی پیمانکارانی را برای تحلیل دستی صدای ضبط‌شده کاربران استخدام کرده است. اگرچه Bee مدعی است تنها صدای کسانی را که رضایت کلامی داده‌اند ضبط می‌کند، اما در غیاب کنترل‌های سخت‌افزاری در سطح سیلیکون، چنین مواردی صرفاً وعده‌هایی متنی هستند که کاربر ناچار است بدون راستی‌آزمایی به آن‌ها اعتماد کند.

از سوی دیگر، گجت پوشیدنی لیمیتلس پندنت (Limitless Pendant) کوشید تا چالش ضبط صداهای محیطی را با توسعه ویژگی نرم‌افزاری بنام «حالت رضایت» (Consent Mode) تعدیل کند تا با شنیدن صدای اشخاص غریبه، عملیات ضبط متوقف شود. با این وجود، سند حریم خصوصی لیمیتلس رسماً تأیید می‌کرد که اطلاعات از گجت کاربر خارج شده و خروجی‌های صوتی و متنی مستقیماً روانه سرورهای ابری ثالث و موتورهای هوش مصنوعی متفرقه می‌شوند.

مسئله زمانی وخیم‌تر شد که شرکت متا (Meta) این استارتاپ را تصاحب کرد؛ رخدادی که مکالمات روزمره جامعه کاربران را در اختیار غول فناوری نام‌آشنایی گذاشت که پرونده‌های متعددی در زمینه نقض حریم خصوصی دارد. گرچه لیمیتلس عرضه عمومی آویزهای خود را از دسامبر ۲۰۲۵ متوقف ساخت، اما طبق گزارش‌ها، متا در تدارک بازتولید یک آویز مجهز به هوش مصنوعی با قابلیت شنود دائم تحت برند اختصاصی خود است.

شواهد متعددی وجود دارد که نشان می‌دهد مدل اختصاصی متا رفتاری مشابه خواهد داشت؛ این کمپانی تعاملات صوتی کاربران را به صورت پیش‌فرض روی فضای ابری نگهداری می‌کند و از ارزیاب‌های انسانی برای تحلیل فرمان‌های صوتی اشتباه بهره می‌برد. اگرچه متا ادعا می‌کند امکان حذف این گزارش‌ها وجود دارد، اما این گزینه انصراف (Opt-out) برای سیستمی تعبیه شده که اکثر افراد اساساً تمایلی به فعال‌سازی اولیه‌اش نداشته‌اند. علاوه بر این، متا در حال آزمایش عینک‌های هوشمند پیشرفته‌ای است که به صورت مداوم اقدام به ثبت عکس و ضبط مکالمات در طول روز می‌کنند؛ پروژه‌ای که با در نظر گرفتن شکایت‌های دسته‌جمعی قضایی علیه این شرکت در ماه مارس، هشدارهای امنیتی را دوچندان می‌سازد.

افشاگری پیرامون ارسال تصاویر به پیمانکاران خارجی در کنیا

در پرونده‌های قضایی تشکیل‌شده مطرح شده است که ویدیوهای ثبت‌شده توسط عینک‌های هوشمند ری‌بن متا (Ray-Ban Meta) برای برچسب‌گذاری الگوریتم‌ها در اختیار پیمانکارانی در کشور کنیا قرار گرفته است. با وجود تکذیب این موضوع توسط متا، جریان افشاگری‌ها نشان از آن دارد که فایل‌ها از دستگاه‌های شخصی خارج شده و در برابر چشمان کارشناسان انسانی در آن‌سوی کره زمین قرار می‌گیرند؛ رخدادی که اپل به وسیله معماری سخت‌افزاری Secure Exclave به کلی راه تکرار آن را سد کرده است.

حتی دستگاه‌های تخصصی ضبط صدای مجهز به هوش مصنوعی همچون Plaud NotePin نیز از گزند این نقایص ساختاری در امان نمانده‌اند. شرکت Plaud مدعی است تا زمان غیرفعال بودن همگام‌سازی ابری، صداها بلافاصله پس از تبدیل متنی پاک می‌شوند؛ اما مطالعه خط‌مشی حریم شخصی آن واقعیت متفاوتی را آشکار می‌کند. این پلتفرم برای کارکرد برنامه‌های تحت وب و رایانه‌ای خود، اتصال دائمی به سرورهای ابری را اجباری کرده و به جای پردازش داخلی، اصوات را به هوش مصنوعی کمپانی‌های واسطه می‌سپارد. همچنین داده‌ها برای توسعه پروفایل‌های تبلیغاتی و ارسال ایمیل‌های تجاری به کار می‌روند. در نتیجه، حریم خصوصی کاربر تماماً به تعهدات شفاهی مدیران وابسته است؛ رفتاری که در تضاد ماهوی با معماری اپل قرار دارد که از اساس فاقد زیرساخت فیزیکی برای دسترسی به فایل صوتی خام است.

نقص بزرگی که اپل هنوز چاره‌ای برای آن نیندیشیده است؛ خطر نقض حریم خصوصی اطرافیان

با تمام این اوصاف، ساختار مهندسی اپل اگرچه دغدغه‌های شخصی مالک اپل واچ را مرتفع می‌سازد، اما راهکاری جامع برای پاسداری از حقوق سایر افراد حاضر در محیط ارائه نمی‌کند. زیرساخت Secure Exclave تضمین می‌کند که شرکت اپل فایل‌های شنودشده را نمی‌خواند؛ اما هیچ مانعی در برابر ثبت مداوم و تحلیل کلام همکاران، اعضای خانواده و شهروندان ناشناس بدون اعلام رضایت کلامی و آگاهانه آن‌ها ایجاد نکرده است.

اپل تنظیماتی مانند کنترل دستی (Manual Control)، محدوده جغرافیایی (Places) و بازه‌های زمانی (Times) را تعریف کرده تا کاربران بتوانند زمان‌بندی فعالیت Siri Recap را مدیریت کنند؛ با این وجود تکیه بر اصول اخلاقی و رفتار فردی مالکان برای محافظت از حقوق اجتماعی دیگران در بستر واقعیت کارساز نخواهد بود. قابلیت Live Rewind با اعلان‌های صوتی و بصری عملکرد هوشمندانه‌ای برای آگاه‌سازی محیط داشته و «حالت رضایت» (Consent Mode) دستگاه لیمیتلس نیز چارچوبی کاربردی محسوب می‌شود؛ بنابراین انتظار می‌رود اپل با الگوبرداری از این دستاوردهای اجتماعی، آخرین روزنه موجود در اکوسیستم هوش مصنوعی خود را به طور کامل مسدود سازد.