Kedua, kata Tomashenko, para peneliti melihat pembelajaran terdistribusi dan federasi — di mana knowledge Anda tidak meninggalkan perangkat Anda, tetapi mannequin pembelajaran mesin masih belajar mengenali ucapan dengan berbagi pelatihan mereka dengan sistem yang lebih besar. Pendekatan lain melibatkan pembangunan infrastruktur terenkripsi untuk melindungi suara orang dari pengintaian. Namun, sebagian besar upaya difokuskan pada anonimisasi suara.

Anonimisasi berupaya agar suara Anda tetap terdengar seperti manusia sambil menghapus sebanyak mungkin informasi yang dapat digunakan untuk mengidentifikasi Anda. Upaya anonimisasi ucapan saat ini melibatkan dua untaian terpisah: menganonimkan konten dari apa yang dikatakan seseorang dengan menghapus atau mengganti kata-kata sensitif apa pun dalam file sebelum disimpan dan menganonimkan suara itu sendiri. Sebagian besar upaya anonimisasi suara saat ini melibatkan penyampaian suara seseorang melalui perangkat lunak eksperimental yang akan mengubah beberapa parameter dalam sinyal suara agar terdengar berbeda. Ini dapat melibatkan perubahan nada, mengganti segmen ucapan dengan informasi dari suara lain, dan mensintesis hasil akhir.

Apakah teknologi anonimisasi berfungsi? Klip suara pria dan wanita yang dianonimkan sebagai bagian dari Tantangan Privasi Suara pada tahun 2020 pasti terdengar berbeda. Mereka lebih robotik, terdengar sedikit sedih dan bisa — setidaknya bagi beberapa pendengar — berasal dari orang yang berbeda dari klip suara aslinya. “Saya pikir itu sudah dapat menjamin tingkat perlindungan yang jauh lebih tinggi daripada tidak melakukan apa-apa, yang merupakan standing saat ini,” kata Vincent, yang mampu mengurangi betapa mudahnya mengidentifikasi orang dalam penelitian anonimisasi. Namun, manusia bukan satu-satunya pendengar. Rita Singh, seorang profesor asosiasi di Institut Teknologi Bahasa Universitas Carnegie Mellon, mengatakan bahwa de-identifikasi whole sinyal suara tidak mungkin dilakukan, karena mesin akan selalu memiliki potensi untuk membuat hubungan antara atribut dan individu, bahkan koneksi yang tidak jelas bagi manusia. “Apakah anonimisasi sehubungan dengan pendengar manusia atau sehubungan dengan pendengar mesin?” kata Shri Narayanan, seorang profesor teknik elektro dan komputer di College of Southern California.

“Anonimisasi yang sebenarnya tidak mungkin dilakukan tanpa mengubah suara sepenuhnya,” kata Singh. “Ketika Anda benar-benar mengubah suara, maka itu bukan suara yang sama.” Meskipun demikian, pengembangan teknologi privasi suara masih layak dilakukan, tambah Singh, karena tidak ada sistem privasi atau keamanan yang benar-benar aman. Sidik jari dan sistem identifikasi wajah pada iPhone telah dipalsukan di masa lalu, tetapi secara keseluruhan, itu masih merupakan metode yang efektif untuk melindungi privasi orang.

Sampai jumpa, Alexa

Suara Anda semakin sering digunakan sebagai cara untuk memverifikasi identitas Anda. Misalnya, semakin banyak financial institution dan perusahaan lain yang menganalisis cetakan suara Anda, dengan izin Anda, untuk mengganti kata sandi Anda. Ada juga potensi analisis suara untuk mendeteksi penyakit sebelum tanda-tanda lain terlihat jelas. Namun teknologi untuk mengkloning atau memalsukan suara seseorang berkembang pesat.

Jika Anda merekam suara seseorang selama beberapa menit, atau dalam beberapa kasus beberapa detik, Anda dapat membuat ulang suara tersebut menggunakan pembelajaran mesin—Simpsons’ aktor suara dapat digantikan oleh klon suara palsu yang dalam, misalnya. Dan alat komersial untuk membuat ulang suara sudah tersedia secara on-line. “Jelas ada lebih banyak pekerjaan dalam mengidentifikasi pembicara dan menghasilkan ucapan ke teks dan teks ke ucapan daripada melindungi orang dari salah satu teknologi tersebut,” kata Turner.

Banyak teknik anonimisasi suara yang sedang dikembangkan saat ini masih jauh dari penggunaan di dunia nyata. Ketika mereka siap untuk digunakan, kemungkinan besar perusahaan harus mengimplementasikan alat itu sendiri, untuk melindungi privasi pelanggan mereka—saat ini hanya sedikit yang dapat dilakukan individu untuk melindungi suara mereka sendiri. Menghindari panggilan dengan pusat panggilan atau perusahaan yang menggunakan analisis suara, dan tidak menggunakan asisten suara, dapat membatasi seberapa banyak suara Anda direkam dan mengurangi kemungkinan peluang serangan.

Tetapi perlindungan terbesar mungkin berasal dari kasus dan perlindungan hukum. GDPR Eropa mencakup knowledge biometrik, termasuk suara orang, dalam perlindungan privasinya. Pedoman mengatakan orang harus diberi tahu bagaimana knowledge mereka digunakan dan memberikan persetujuan jika mereka diidentifikasi, dan bahwa beberapa batasan harus diterapkan pada personalisasi. Sementara itu, di AS, pengadilan di Illinois—rumah bagi beberapa undang-undang biometrik terkuat di negara ini—semakin memeriksa kasus yang melibatkan knowledge suara orang. McDonald’s, Amazon, dan Google semuanya menghadapi pengawasan yudisial atas cara mereka menggunakan knowledge suara orang. Keputusan dalam kasus-kasus ini dapat menetapkan aturan baru untuk melindungi suara rakyat.