Kasvojentunnistus fyysisessä turvallisuudessa Suomessa 2026: GDPR, sovellukset ja rajat

Kasvojentunnistus on yksi turvallisuusteknologian nopeimmin kehittyneistä alueista — ja samalla yksi kiistanalaisimmista. Vuonna 2026 teknologia on kypsää, halpaa ja tehokasta, mutta lainsäädäntö asettaa sille tiukkoja rajoja erityisesti Euroopassa. Security.fi:n asiantuntijat avaavat kasvojentunnistuksen käytännön sovellukset, lainsäädännölliset vaatimukset ja rajoitukset Suomessa.

Teknologian perusteet

Miten kasvojentunnistus toimii?

Kasvojentunnistus etenee vaiheissa:

1. Havaitseminen (Detection): algoritmi tunnistaa videokuvasta kasvot
2. Normalisointi: kasvot normalisoidaan vakiokokoiseksi ja -kulmaiseksi
3. Piirteiden erottaminen: algoritmit laskevat kasvojen geometriset piirteet (silmien etäisyys, nenän koko, leuan muoto)
4. Biometrinen mallintaminen: piirteet muunnetaan numeeriseksi malliksi (feature vector)
5. Vertailu: mallia verrataan tietokantaan (1:N haku) tai tiettyyn henkilöön (1:1 varmennus)
6. Päätös: järjestelmä palauttaa tunnistuksen varmuusasteen

Tunnistustyypit turvallisuuskäytössä

1:1 Varmennus (Verification) Vertaa henkilöä hänen ennalta rekisteröityyn kasvomalliinsa. Käytetään kulunvalvonnassa — “oletko se, kuka väität olevasi?” Vaatii yksilön tunnistamisen ensin (esim. kortti tai PIN).

1:N Tunnistaminen (Identification) Vertaa tuntematonta kasvoa tietokantaan. “Kuka tämä on?” Käytetään etsintäluetteloiden vertaamiseen tai asiakastunnistukseen. Paljon enemmän GDPR-paineita kuin 1:1-varmennuksessa.

Reaaliaikainen seulonta Vertaa jatkuvasti videovirtaa tietokantaan. Käytännössä suurin osa EU:n tiukimmasta säätelystä kohdistuu juuri tähän muotoon. Lainvalvontaviranomaisilla erittäin tiukasti rajattu käyttö.

Lainsäädäntö Suomessa 2026

GDPR ja biometriset tiedot

GDPR:n artikla 9 luokittelee biometriset tiedot erityisiksi henkilötiedoiksi, joiden käsittely on lähtökohtaisesti kiellettyä — ellei jokin seuraavista perusteista täyty:

• Nimenomainen suostumus (rekisteröidyn selkeä, vapaaehtoinen ja tietoinen hyväksyntä)
• Elintärkeät edut (harvoin soveltuva)
• Oikeutettu etu (punnittava tarkkaan — ei yleensä riitä biometriaan)
• Oikeus tai velvollisuus (viranomaistoiminta)

Käytännössä useimmat yrityskäytöt perustuvat nimenomaiseen suostumukseen.

Tietosuojavaikutusten arviointi (DPIA)

GDPR:n artikla 35 velvoittaa tekemään DPIA:n aina, kun käsitellään biometrisia tietoja laajamittaisesti. DPIA:n sisältö:

1. Käsittelyn kuvaus ja tarkoitus
2. Tarpeellisuus- ja oikeasuhtaisuusarviointi
3. Riskit rekisteröidyille
4. Toimenpiteet riskien hallitsemiseksi
5. Tietosuojavastaavan lausunto
6. Ilmoitus tietosuojaviranomaiselle, jos riskit ovat korkeita

EU:n tekoälylaki (AI Act) 2026

EU:n tekoälylaki, joka on astunut voimaan vaiheistettuna 2024–2026, asettaa lisävaatimuksia kasvojentunnistukselle:

• Korkean riskin tekoälyjärjestelmä: kasvojentunnistus kriittisessä infrastruktuurissa, lainvalvonnassa tai koulutuksessa
• Kielletty käyttö: reaaliaikainen biometrinen tunnistaminen julkisilla alueilla lainvalvontaan (muutamia poikkeuksia)
• Vaatimustenmukaisuus: riskienhallinta, läpinäkyvyys, ihmisen valvonta

Suomen erityislainsäädäntö

Suomessa kameravalvontaan liittyvä lainsäädäntö:

• Tietosuojalaki (1050/2018): täydentää GDPR:ää
• Laki yksityisyyden suojasta työelämässä (759/2004): asettaa rajoituksia työntekijöiden biometriselle seurannalle
• Pakkokeinolaki: säätelee lainvalvonnan oikeuksia

Lailliset käyttökohteet Suomessa

1. Henkilöstön kulunvalvonta suostumuksella

Tilanne: Yritys haluaa korvata kulkukortit kasvotunnistuksella toimiston sisäänkäynnissä.

GDPR-vaatimukset:

• Jokainen työntekijä antaa nimenomaisen suostumuksen
• Tarjolla on vaihtoehtoinen kulunvalvontatapa (kortti tai PIN)
• Suostumus voidaan peruuttaa milloin tahansa
• DPIA on tehty ja dokumentoitu
• Tietosuojaseloste on saatavilla

Security.fi:n kommentti: Tämä on yleisimmin toteutettava käyttökohde Suomessa. Toimii hyvin, kun suostumus on aito eikä piilevää pakottamista ole.

2. Asiakkaan 1:1 varmennus palvelutilanteessa

Tilanne: Pankki tai muu palveluntarjoaja käyttää kasvojentunnistusta asiakkaan tunnistamiseen tilin avauksessa tai salauksen purkamisessa.

Soveltuvuus: Suostumukseen perustuvana hyvin toimiva käyttökohde. Asiakas itse aloittaa tunnistumisen ja tietää mitä tekee.

3. Kriittinen infrastruktuuri

Tilanne: Voimalaitos, datakeskus tai konesali käyttää kasvojentunnistusta turvaluokkaisiin tiloihin pääsyn valvomiseksi.

Soveltuvuus: Mahdollinen, jos henkilöstö antaa suostumuksen ja järjestelmä on tehty GDPR-yhteensopivaksi. Voidaan perustella oikeutetulla edulla, kun biometrinen tunnistaminen on suhteessa turvallisuustavoitteeseen.

4. VIP-asiakastunnistus kauppaan

Tilanne: Luxury-myymälä haluaa tunnistaa VIP-asiakkaat automaattisesti heidän saapuessaan.

Soveltuvuus: Vaatii nimenomaisen opt-in -suostumuksen. Järjestelmän markkinointi (“tunnistetaan ja autetaan paremmin”) ei itsessään riitä — suostumuksen täytyy olla aktiivinen ja tietoinen.

Käyttökohteet, joihin liittyy merkittäviä rajoituksia

Reaaliaikainen julkinen valvonta

EU:n tekoälylaki kieltää lähtökohtaisesti reaaliaikaisen biometrisen etätunnistuksen julkisilla alueilla. Poikkeukset ovat hyvin rajalliset ja koskevat vain lainvalvontaviranomaisia vakavissa rikosepäilyissä.

Käytännön seuraus: Kauppakeskus, urheiluhalli tai muu julkinen tila ei voi laillisesti käyttää reaaliaikaista kasvojentunnistusta yleisvalvontaan.

Jälkikäteinen tunnistaminen etsintätarkoituksiin

Rikoksen jälkeen tallenteesta henkilön tunnistaminen on mahdollista lainvalvontaviranomaisille oikeusprosessin kautta, mutta yksityiset toimijat eivät voi pitää tietokantaa, johon verrataan etsittyjä henkilöitä.

Tunnetilantunnistus

GDPR rajoittaa tiukasti emotionaalisen tai mielentilan tunnistamista biometrisin keinoin. Tähän kuuluvat järjestelmät, jotka yrittävät tunnistaa jännitystä, aggressiivisuutta tai epärehellisyyttä — kyseenalainen teknologia myös tieteellisesti.

Teknologian rajoitukset

Tarkkuusongelmat demografisissa ryhmissä

Kasvojentunnistustutkimukset ovat osoittaneet, että monet järjestelmät ovat tarkempia tietyissä demografisissa ryhmissä kuin toisissa. Tämä voi johtaa:

• Vääriin hälyttämisiin (false positives) tietyissä ryhmissä
• Käyttöoikeusesteisiin (false negatives) kulunvalvonnassa
• Syrjinnän riskiin

Laadukkaat järjestelmät on testattu laajalla demografisella datalla, mutta ero parhaiden ja huonoimpien järjestelmien välillä on merkittävä.

Toimintaympäristön vaikutus

Kasvojentunnistuksen suorituskykyyn vaikuttavat:

• Valaistus: heikko tai epätasainen valaistus laskee tarkkuutta
• Kuvakulma: profiilikuva tai alhainen kuvakulma heikentää tunnistusta
• Peittäminen: maskit, hatut ja aurinkolasit vaikeuttavat
• Ikääntyminen: järjestelmä pitää päivittää säännöllisesti

Käytännön toteutus: Security.fi:n lähestymistapa

Ennen järjestelmän hankintaa

1. Tarvitaanko kasvojentunnistusta? Usein perinteinen kulkukorttijärjestelmä riittää.
2. Mikä on oikeutusperuste? Suostumus vai muu GDPR-peruste?
3. DPIA: onko tehty ja dokumentoitu?
4. Tekninen arviointi: mikä valmistaja ja järjestelmä sopii kohteeseen?

Suosittamamme valmistajat ja järjestelmät

Security.fi suosittelee harkitusti valittuja, biometristen tietojen käsittelyssä luotettavia järjestelmiä, joita voidaan auditoidusti tarkastella. Emme asenna järjestelmiä, joissa data siirtyy EU:n ulkopuolelle ilman asianmukaisia suojia.

Jatkuva vaatimustenmukaisuus

Kasvojentunnistus ei ole “asenna ja unohda” — vaatii:

• Säännöllinen DPIA:n päivittäminen
• Suostumustietojen hallinta (peruutukset)
• Järjestelmän tarkkuuden seuranta
• Henkilöstön koulutus

Ota yhteyttä Security.fi:hin kasvojentunnistuksen harkinnassa — autamme GDPR-yhteensopivan ratkaisun suunnittelussa alusta loppuun.