Acre in Foco – Cobertura das Últimas Notícias do Acre Acre in Foco traz as últimas notícias do Acre, com cobertura atualizada sobre política, segurança, saúde, cultura e eventos locais. Fique por dentro de tudo
Sistema brasileiro alcançou cerca de 90% de identificação ao enfrentar falsificações produzidas por métodos que não conhecia; tecnologia pode reforçar a verificação de conteúdos durante a campanha de 2026
A IA da Unicamp desenvolvida para caçar deepfakes conseguiu reconhecer imagens manipuladas por técnicas que nunca haviam aparecido durante seu treinamento. Em testes com bases desconhecidas, o sistema atingiu cerca de 90% de identificação, resultado que pode transformá-lo em uma nova arma contra fraudes digitais e desinformação durante as eleições de 2026.
Batizada de Open-Set DeepFake Detection, ou OSDFD, a tecnologia foi criada por pesquisadores do Laboratório de Inteligência Artificial do Instituto de Computação da Universidade Estadual de Campinas, o Recod.ai, em parceria com cientistas da China e de Singapura.
O estudo foi publicado na revista científica IEEE Transactions on Circuits and Systems for Video Technology, uma das principais publicações internacionais da área de processamento de imagens e vídeos. A pesquisa integra o Projeto Horus e recebeu financiamento da Fundação de Amparo à Pesquisa do Estado de São Paulo, a Fapesp.
O Tribunal Superior Eleitoral colocou o combate aos deepfakes e ao uso irregular da inteligência artificial entre as prioridades para o pleito. A preocupação aumentou à medida que ferramentas de geração de conteúdo sintético se tornaram mais acessíveis, rápidas e capazes de produzir falsificações difíceis de reconhecer a olho nu.
Como a IA da Unicamp encontra deepfakes inéditos
O principal diferencial da IA da Unicamp está na maneira como ela aprende. Os detectores tradicionais costumam ser treinados com diferentes exemplos de falsificações e passam a procurar as marcas deixadas por aqueles métodos específicos.
Esses sinais podem incluir deformações no rosto, inconsistências na textura da pele, iluminação incompatível, sombras artificiais, movimentos estranhos e padrões fisiológicos improváveis. O problema aparece quando uma nova ferramenta de geração de imagens entra em circulação e produz adulterações diferentes daquelas conhecidas pelo detector.
Nessa situação, o sistema pode perder precisão justamente diante das fraudes mais recentes. Para recuperar o desempenho, seria necessário reunir novos exemplos, refazer parte do treinamento e atualizar o modelo — um processo que consome tempo e capacidade computacional.
Os pesquisadores da Unicamp inverteram essa lógica. Em vez de tentar ensinar ao programa todas as formas possíveis de criar uma fraude, eles concentraram o treinamento nos padrões encontrados em imagens autênticas.
A tecnologia aprende como elementos reais, como textura da pele, distribuição de luz e formação de sombras, normalmente aparecem em uma imagem sem manipulação. Quando recebe um material novo, procura sinais de que aquele conteúdo se afasta do padrão de autenticidade aprendido.
É como ensinar um sistema a reconhecer profundamente o que é normal, em vez de obrigá-lo a decorar uma lista cada vez maior de golpes. Dessa forma, ele pode identificar como suspeita uma falsificação produzida por um gerador que nunca encontrou.
Precisão chegou a cerca de 90%
Nos testes relatados pelos pesquisadores, a capacidade de identificação em bases de dados desconhecidas chegou a aproximadamente 90%. Isso significa que o detector manteve um desempenho elevado mesmo quando analisou tipos de deepfakes ausentes de seu treinamento.
O resultado é relevante porque o surgimento de novos geradores ocorre em velocidade muito maior do que a capacidade de pesquisadores, plataformas e autoridades de reunir amostras de todos eles.
Segundo Anderson Rocha, professor do Instituto de Computação e coordenador do Recod.ai, tornou-se praticamente impossível obter exemplos de ataques produzidos por todos os sistemas disponíveis. A equipe decidiu, por isso, enfrentar o problema a partir da modelagem de imagens consideradas normais e autênticas.
Outro aspecto destacado pela Unicamp é o baixo consumo de memória e processamento. Essa característica permite atualizações mais rápidas e abre a possibilidade de que versões futuras do detector sejam instaladas em dispositivos móveis.
Na prática, uma tecnologia desse tipo poderia ser utilizada por equipes de verificação, redações jornalísticas, plataformas digitais, campanhas eleitorais e, no futuro, pelos próprios cidadãos antes de compartilharem um conteúdo suspeito.
IA da Unicamp pode ajudar nas eleições de 2026
A possível aplicação eleitoral da IA da Unicamp ganha importância porque uma fraude não precisa permanecer muito tempo no ar para causar estragos. Um vídeo falso publicado nas horas anteriores a uma votação pode alcançar milhões de pessoas antes que jornalistas, plataformas ou autoridades consigam desmenti-lo.
A Fórum já mostrou como o avanço dos deepfakes representa uma ameaça para as eleições de 2026, especialmente diante da possibilidade de manipulação de falas, imagens e comportamentos de figuras públicas.
Mais recentemente, o presidente do TSE, Nunes Marques, passou a discutir com representantes das grandes empresas de tecnologia medidas para enfrentar desinformação, deepfakes e o uso irregular de inteligência artificial durante a campanha. A articulação entre o TSE e as big techs foi detalhada pela Fórum.
As regras eleitorais brasileiras determinam que conteúdos sintéticos usados em propaganda sejam identificados de maneira explícita, destacada e acessível. A identificação deve informar que o material foi fabricado ou manipulado e indicar qual tecnologia foi utilizada.
A regulamentação também proíbe a publicação, republicação e promoção paga de novos conteúdos sintéticos que utilizem imagem, voz ou manifestação de candidato ou pessoa pública durante o período que começa 72 horas antes da votação e termina 24 horas depois do encerramento do pleito, mesmo que o material esteja rotulado.
O descumprimento pode provocar a remoção imediata do conteúdo, além de outras consequências eleitorais. Ainda assim, a existência de uma proibição legal não impede que falsificações sejam produzidas e espalhadas clandestinamente.
É nesse intervalo entre a publicação e a reação das autoridades que sistemas de detecção mais rápidos podem ser decisivos.
Tecnologia não é detector infalível da verdade
Apesar do desempenho apresentado, a própria pesquisa não transforma o OSDFD em uma solução infalível. Nenhuma ferramenta disponível consegue eliminar completamente os deepfakes ou determinar sozinha se toda informação transmitida por uma imagem é verdadeira.
Um conteúdo pode ser autêntico, mas estar acompanhado de legenda falsa, retirado de contexto ou associado a uma data e a um local incorretos. Também existem manipulações convencionais, feitas sem inteligência artificial, que não necessariamente serão classificadas pelo mesmo tipo de detector.
Os resultados técnicos precisam, portanto, ser combinados com análise humana, identificação da origem do arquivo, comparação com outras fontes, busca reversa de imagens e verificação do contexto no qual o material apareceu.
A ferramenta também não deve ser tratada como uma sentença automática contra uma pessoa ou publicação. Detectores podem apresentar falsos positivos, quando classificam um conteúdo verdadeiro como manipulado, e falsos negativos, quando deixam uma fraude passar.
O avanço obtido pela Unicamp está justamente em reduzir uma das principais vulnerabilidades desses sistemas: a queda de desempenho diante de técnicas novas.
Deepfakes vão além da disputa eleitoral
Embora as eleições ofereçam um campo especialmente sensível para a circulação de falsificações, os deepfakes também são empregados em golpes financeiros, roubo de identidade, chantagens, fraudes corporativas e produção de imagens íntimas sem consentimento.
Criminosos podem reproduzir a voz de familiares para pedir transferências, simular executivos autorizando pagamentos ou criar vídeos falsos para destruir a reputação de uma pessoa.
Em julho, o Senado aprovou um projeto que endurece as penas para crimes sexuais digitais e alcança práticas envolvendo inteligência artificial e deepfakes. A Fórum mostrou que a proposta também prevê instrumentos de investigação no ambiente virtual.
O sistema desenvolvido pela Unicamp não encerra essa corrida tecnológica. Novos geradores continuarão sendo criados e aperfeiçoados, obrigando detectores a evoluir constantemente.
Mas a mudança de abordagem — aprender profundamente a reconhecer o que é autêntico para localizar falsificações desconhecidas — oferece uma vantagem relevante. Em uma eleição marcada pela velocidade das redes sociais, a capacidade de desconfiar corretamente do que nunca foi visto pode valer tanto quanto reconhecer uma fraude já conhecida.
