ΦΑΚΕΛΟΣ – Η Ελένη Φιλιππαίου αναλύει πώς η τεχνητή νοημοσύνη, η κλωνοποίηση φωνής και η φωνητική πλαστοπροσωπία ενισχύουν τη διαδικτυακή αποπλάνηση παιδιών.
Γράφει η Ελένη Φιλιππαίου, Δικηγόρος Αθηνών, LL.M. Διαπιστευμένη Διαμεσολαβήτρια ΥΔΔΑΔ, BSc (Hons) in Psychology, UCLan
Α’ ΜΕΡΟΣ
Όταν η φωνή γίνεται εργαλείο εξαπάτησης:
Πώς η τεχνητή νοημοσύνη αλλάζει τον τρόπο με τον οποίο οι δράστες προσεγγίζουν τα παιδιά.
Η διαδικτυακή αποπλάνηση παιδιών (online child grooming), αποτελεί μια σταδιακή και εξατομικευμένη διαδικασία ψυχολογικής χειραγώγησης, κατά την οποία ένας ενήλικος –κατά κανόνα- δράστης, επιδιώκει μέσω της χρήσης του διαδικτύου ή άλλων τεχνολογιών επικοινωνίας να οικοδομήσει σχέση εμπιστοσύνης με ένα παιδί, με σκοπό να μειώσει τις αντιστάσεις του και τελικά να το οδηγήσει σε σεξουαλική εκμετάλλευση, είτε δια ζώσης, είτε μέσω της διαδικτυακής οδού.
Η ενσωμάτωση τεχνολογιών κλωνοποίησης φωνής και φωνητικής πλαστοπροσωπίας, μπορεί να ενισχύσει σημαντικά την αποτελεσματικότητα αυτής της διαδικασίας.
Η ανάπτυξη της παραγωγικής τεχνητής νοημοσύνης (Generative AI / GenAI) έχει οδηγήσει στη δημιουργία ιδιαίτερα ρεαλιστικών συνθετικών φωνών υψηλής πιστότητας, οι οποίες χρησιμοποιούνται τόσο για νόμιμες, όσο και για κακόβουλες εφαρμογές.
Μεταξύ των σοβαρότερων κινδύνων που απορρέουν από την ευρεία διάδοση των τεχνολογιών αυτών, συγκαταλέγεται η αξιοποίησή τους στη διαδικτυακή αποπλάνηση παιδιών, καθώς ενισχύουν την ικανότητα των δραστών να εξαπατούν και να χειραγωγούν ανηλίκους.
Τεχνολογίες φωνητικής παραποίησης
Η κλωνοποίηση φωνής (voice cloning) είναι η διαδικασία κατά την οποία συστήματα τεχνητής νοημοσύνης δημιουργούν ένα συνθετικό αντίγραφο της φωνής ενός πραγματικού ατόμου, χρησιμοποιώντας ένα σύντομο δείγμα ηχογράφησης από τηλεφωνική συνομιλία, βίντεο ή ανάρτηση στα μέσα κοινωνικής δικτύωσης.
Η παραγόμενη φωνή μιμείται με μεγάλη ακρίβεια την προφορά, τη φυσική προσωδία, το ρυθμό και τα ιδιαίτερα χαρακτηριστικά του αρχικού ομιλητή (Barrington et al., 2025). Η φωνητική πλαστοπροσωπία (voice spoofing) είναι κάθε τεχνική παραποίησης ή πλαστοπροσωπίας της φωνής, με σκοπό την εξαπάτηση ανθρώπων ή συστημάτων αναγνώρισης ομιλητή.
Περιλαμβάνει -μεταξύ άλλων- τεχνικές όπως το voice cloning, τη μετατροπή φωνής (voice conversion), τη συνθετική ομιλία (speech synthesis) και τις επιθέσεις αναπαραγωγής ηχογραφημένου λόγου (replay attacks) (Zhang et al., 2025).
Ειδικότερα, ένας δράστης μπορεί λ.χ. να δημιουργήσει συνθετική φωνή που να προσομοιάζει σε εκείνη συνομηλίκου, φίλου / φίλης ή ακόμη και μέλους της οικογένειας του παιδιού, αυξάνοντας έτσι την αξιοπιστία της ψευδούς ταυτότητάς του.
Παράλληλα, η φωνητική επικοινωνία δημιουργεί ισχυρότερη αίσθηση οικειότητας και αυθεντικότητας και συναισθηματικής εγγύτητας σε σχέση με την ανταλλαγή γραπτών μηνυμάτων, επιταχύνοντας την ανάπτυξη σχέσης εμπιστοσύνης. Επιπλέον, η δυνατότητα παραγωγής φωνής με συγκεκριμένο συναισθηματικό τόνο (λ.χ. τρυφερότητα, ανησυχία ή φόβο) καθιστά τη συναισθηματική χειραγώγηση του παιδιού πιο αποτελεσματική (Porcelli et al., 2026; Zhang et al., 2025).
Μακέτα: Ατελιέ ΛΑΕΓΕ – Έφη Μαρκοπούλου.
Παράδειγμα
Ορισμένος δράστης εντοπίζει στο Instagram ένα κορίτσι 12 ετών που δημοσιεύει συχνά βίντεο, από τα οποία μπορεί να συλλέξει δείγμα της φωνής της, καθώς και σημαντικές πληροφορίες για τους φίλους, τα ενδιαφέροντα και την καθημερινότητά της.
Δημιουργεί μια συνθετική φωνή που ακούγεται σαν συνομήλικη έφηβη και επικοινωνεί μαζί της, αρχικά, μέσω γραπτών μηνυμάτων. Λίγες ημέρες αργότερα, προτείνει να μιλήσουν τηλεφωνικά, υποστηρίζοντας ότι «είναι πιο εύκολο να γνωριστούν».
Κατά τη διάρκεια των συνομιλιών, χρησιμοποιεί μια ήρεμη, ζεστή και φιλική φωνή, εκφράζοντας ενδιαφέρον για τα προβλήματα του κοριτσιού και χρησιμοποιώντας φράσεις όπως: «…σε καταλαβαίνω…», «μπορούμε να μιλάμε όποτε θέλεις», «εγώ δεν θα σε κρίνω ποτέ».
Στο εν λόγω παράδειγμα, η ανθρώπινη φωνή δημιουργεί πολύ ισχυρότερη αίσθηση οικειότητας, αυθεντικότητας και συναισθηματικής εγγύτητας από την αποκλειστικά γραπτή επικοινωνία. Κατ’ αποτέλεσμα, το παιδί αισθάνεται ότι συνομιλεί με έναν πραγματικό φίλο και αναπτύσσει ταχύτερα σχέση εμπιστοσύνης.
Καθώς η σχέση εξελίσσεται, ο δράστης μεταβάλλει σκόπιμα τον συναισθηματικό τόνο της συνθετικής φωνής του. Σε ορισμένες συνομιλίες ακούγεται τρυφερός και υποστηρικτικός, ενώ σε άλλες προσποιείται ότι είναι λυπημένος ή φοβισμένος, λέγοντας π.χ.: «Είσαι ο μόνος άνθρωπος που με καταλαβαίνει» ή «αν δεν μου μιλήσεις σήμερα, θα νιώσω πολύ άσχημα».
Η δυνατότητα της τεχνητής νοημοσύνης να αποδίδει με μεγάλη φυσικότητα συναισθήματα, όπως τρυφερότητα, ανησυχία ή φόβο, ενισχύει τη συναισθηματική χειραγώγηση του παιδιού, το οποίο μπορεί να αισθανθεί υπεύθυνο για τη συναισθηματική κατάσταση του συνομιλητή και να αποκαλύψει προσωπικές πληροφορίες ή να συμμορφωθεί σε αιτήματα, που υπό διαφορετικές συνθήκες θα απέρριπτε.
Δυσκολία στη διάκριση συνθετικής – πραγματικής φωνής
Η επικινδυνότητα των εν λόγω τεχνολογιών, επιβεβαιώνεται από πρόσφατες εμπειρικές μελέτες. Ειδικότερα, η έρευνα των Barrington et al. (2025), διαπίστωσε ότι οι περισσότεροι άνθρωποι (αλλά και τα διαθέσιμα συστήματα ανίχνευσης) δυσκολεύονται να διακρίνουν μια συνθετική φωνή που έχει δημιουργηθεί με τεχνητή νοημοσύνη από την πραγματική φωνή του ίδιου προσώπου.
Η συγκεκριμένη διαπίστωση, υποδηλώνει ότι η αξιολόγηση της αξιοπιστίας μιας φωνής, δεν μπορεί πλέον να βασίζεται αποκλειστικά στην ανθρώπινη ακουστική αντίληψη. Το εύρημα αυτό, αποκτά ιδιαίτερη σημασία για την προστασία των ανηλίκων, οι οποίοι, λόγω της γνωστικής και ψυχοκοινωνικής ανωριμότητας, καθώς και της περιορισμένης εμπειρίας τους, ενδέχεται να είναι ακόμη πιο ευάλωτοι σε τέτοιου είδους εξαπάτηση (Porcelli et al., 2026).
Μακέτα: Ατελιέ Η ΗΜΕΡΑ, Έφη Μαρκοπούλου.
Στο δεύτερο μέρος θα εξεταστεί πώς η παραγωγική τεχνητή νοημοσύνη μεταβάλλει το τοπίο της διαδικτυακής σεξουαλικής εκμετάλλευσης παιδιών και γιατί θεωρείται πλέον σημαντικός πολλαπλασιαστής κινδύνου.
Διαβάστε επίσης άλλα άρθρα της Ελένης Φιλιππαίου:
