Carateres Unicode invisíveis: um texto que esconde instruções à IA
Carateres Unicode invisíveis no ecrã podem ser lidos por uma IA. O que a Microsoft observou em 2026 e os gestos a adotar.
Nesta página
Em 30 segundos
- Onde acontece
- Numa página web, num documento, numa mensagem de correio eletrónico ou noutro conteúdo que um assistente de IA recebe[1].
- O que pretende o atacante
- Esconder instruções ao ser humano, deixando-as legíveis para o modelo, o que pode levar a uma exposição de dados ou a ações não autorizadas, consoante os direitos e as salvaguardas do assistente[1].
Do que se trata
Um texto pode conter carateres que o ecrã não mostra. Uma pessoa não vê nada de invulgar, mas um assistente de IA que receba o texto em bruto pode lê-los, descodificá-los como texto e ser levado a seguir instruções definidas pelo atacante[1].
A Microsoft descreveu em 3 de setembro de 2026 uma campanha de phishing que inseria estes carateres em palavras-isco financeiras para escapar aos filtros de correio eletrónico[1]. Esta utilização retoma uma técnica conhecida na investigação sobre IA com o nome de ASCII smuggling[1].
Perguntas diretas
O que é um caráter Unicode invisível?
É um caráter que faz parte do texto, mas que os tipos de letra e as interfaces correntes não mostram. A Microsoft cita sobretudo o bloco Unicode Tags, de U+E0000 a U+E007F, que contém uma cópia fantasma dos carateres ASCII imprimíveis. Destinava-se à etiquetagem de língua e hoje está largamente obsoleto[1]. Uma cadeia de texto pode, assim, transportar uma mensagem ilegível para um ser humano, mas tratada por qualquer modelo de linguagem ou software que receba o texto[1]. Um estudo de 2026 testa duas formas de esconder uma mensagem: os carateres de largura zero (codificação binária) e os Unicode Tags[4].
Uma IA segue mesmo estas instruções escondidas?
Investigadores mediram-no. Num artigo submetido em 26 de fevereiro de 2026, Marcus Graves apresenta um banco de ensaio que avalia cinco modelos de dois fornecedores, num total de 8 308 respostas[4]. Constata que a utilização de ferramentas pelo modelo aumenta fortemente a conformidade com as instruções escondidas, e que indicações explícitas de descodificação a aumentam até 95 pontos percentuais para um dado modelo e uma dada codificação[4]. O autor fala de uma superfície de ataque pouco explorada[4]. A OWASP lembra que há entradas que podem influenciar o modelo mesmo sendo impercetíveis para os seres humanos, desde que o modelo leia o conteúdo[2].
Um filtro anti-injeção para-as?
Nem sempre. Investigadores testaram seis sistemas de proteção, entre os quais o Azure Prompt Shield da Microsoft e o Prompt Guard da Meta. Mostram que métodos de injeção de carateres e de aprendizagem automática adversarial podem evitar a deteção, com até 100 % de êxito de evasão em certos casos[5]. A OWASP precisa que a filtragem das entradas não é uma fronteira de segurança[6].
Foram observados ataques?
A Microsoft observou uma campanha de phishing de grande volume que utilizava estes carateres. Nas mensagens examinadas, não escondia instruções a uma IA: inseria-os em palavras para contornar os filtros[1]. O caso é detalhado mais abaixo.
Que gestos adotar?
- Tratar um documento, uma página web ou uma mensagem de correio eletrónico de origem desconhecida como não fiável antes de o confiar ao assistente. A OWASP descreve injeções indiretas que passam por sites web ou por ficheiros[2], e recomenda separar e assinalar claramente o conteúdo não fiável[2].
- Não colocar informações sensíveis num pedido a um LLM público, como recomenda o NCSC (Reino Unido)[3].
- Deixar atuar os controlos da empresa. A Microsoft recomenda retirar ou normalizar os carateres de tag e os outros carateres invisíveis antes da análise da mensagem e a montante da ingestão pela IA[1]. A OWASP recomenda enviar para revisão os carateres de largura zero ou de tag inesperados[6].
- Levar a sério uma resposta inesperada do assistente. A OWASP aconselha a vigiar as saídas do modelo para detetar sinais de uma injeção bem-sucedida[6].
- Não deixar o assistente conduzir sozinho uma operação sensível: a OWASP recomenda uma validação humana para as operações privilegiadas[2].
Na pele do atacante
A Microsoft descreve duas utilizações dos mesmos carateres. A primeira visa o assistente: o atacante esconde instruções em carateres de tag invisíveis integrados numa página web, num documento, numa mensagem de correio eletrónico ou noutro conteúdo. O ser humano não vê nada de invulgar, ao passo que o assistente que lê o texto em bruto as descodifica[1]. A segunda visa o filtro: os carateres cortam uma palavra que o filtro procura, e este deixa de a reconhecer[1].
A OWASP descreve um cenário do primeiro tipo. Um utilizador pede a um LLM que resuma uma página web que contém instruções escondidas. Estas levam o assistente a inserir uma imagem ligada a um endereço, o que conduz à exfiltração da conversa privada[2].
A OWASP refere também um estudo (Zhang et al., USENIX Security 2026) sobre 196 682 currículos de uma plataforma de recrutamento: mais de 90 % dos prompts escondidos não continham nenhuma instrução explícita[6].
O que vê no ecrã
Nada. Os tipos de letra e as interfaces correntes não mostram a maior parte destes carateres[1]. Na campanha descrita pela Microsoft, uma palavra-isco como funding parecia normal ao destinatário, embora pudesse haver um caráter invisível a meio[1].
Nem todos estes carateres são suspeitos. As bandeiras de Inglaterra, da Escócia e do País de Gales são codificadas com carateres de tag[1].
O único indício visível é então o comportamento do assistente: a OWASP define a injeção de prompt como uma entrada que modifica o comportamento ou a saída do modelo de forma não desejada[2].
Por baixo do capôEquipas de TI
Os carateres de tag são invisíveis para os seres humanos, mas existem ao nível do tratamento do texto[1]. As cadeias de ingestão passam em geral ao modelo o texto extraído de um documento e ignoram a sua visualização: um texto que o leitor não vê chega, portanto, ao modelo[6].
Para os classificadores de correio eletrónico, a Microsoft explica que uma palavra corrente é muitas vezes dividida em tokens ou em pedaços de palavras. Um caráter invisível a meio pode quebrar essa unidade familiar, ou ser suprimido se uma normalização passar primeiro[1].
A OWASP indica que a normalização NFKC não retira os carateres de largura zero. Precisa que os carateres de tag podem transportar instruções escondidas que os modelos leem e executam. Se se analisar uma cópia limpa, mas se transmitir o original, o texto escondido chega na mesma ao modelo[6].
A Microsoft formula o princípio de defesa assim: normalizar antes de comparar[1]. O Microsoft Defender for Office 365 propõe uma proteção contra a injeção de prompt, que cobre os casos em que carateres invisíveis escondem instruções aos utilizadores, expondo-as ao mesmo tempo aos sistemas de IA. A cobertura depende da licença, da configuração e da telemetria[1]. A OWASP nota que não se sabe se existe um método infalível de prevenção da injeção de prompt[2].
AutópsiasCasos reais
Campanha de phishing com carateres de tag, de fevereiro a maio de 2026
A Microsoft relata que as deteções da sua assinatura de ASCII smuggling aumentaram fortemente a partir de 9 de fevereiro de 2026[1]. Na véspera, a assinatura disparava em cerca de 21 000 mensagens; no dia seguinte, em mais de 1,3 milhões[1]. A maior parte dos correios eletrónicos ligava-se a um grupo de cerca de 150 domínios de remetentes sobre o tema das finanças[1]. As iscas assemelhavam-se a ofertas de empréstimo a empresas, de linha de crédito e de adiantamento de fundos[1].
A Microsoft descreve um ritmo estrito: forte atividade durante a semana, quase silêncio ao fim de semana[1]. A fase de grande volume durou cerca de três meses e caiu nitidamente depois de 15 de maio de 2026[1]. Estas datas delimitam a utilização desta técnica nos dados da Microsoft, não a campanha no seu conjunto, que começou antes sem ela e continuou sem ela[1].
Numa amostra de mensagens assinaladas, a Microsoft não encontrou nenhuma instrução escondida destinada a um assistente. Um único caráter de tag invisível era introduzido no interior de palavras-isco, para que a pesquisa de uma cadeia exata falhasse[1]. As mensagens passavam por uma plataforma legítima de envio de correio em massa, a ActiveCampaign[1].
Segundo a Microsoft, mais de 99 % das mensagens foram detetadas por camadas de proteção que não dependiam da deteção direta dos carateres de tag, como a reputação do remetente, do endereço IP, das ligações e dos domínios, a classificação por aprendizagem automática ou os controlos de autenticação[1]. A Microsoft conclui que as técnicas oriundas da investigação em segurança da IA podem passar rapidamente para ataques mais clássicos como o phishing[1].
Fontes
- Microsoft, «ASCII smuggling crosses over from AI prompt injection to phishing evasion», 3 de setembro de 2026. https://www.microsoft.com/en-us/security/blog/2026/09/03/ascii-smuggling-crosses-over-from-ai-prompt-injection-to-phishing-evasion/ (consultado em 14 de novembro de 2026)
- OWASP, «LLM01:2025 Prompt Injection», 10 de abril de 2024. https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (consultado em 14 de novembro de 2026)
- NCSC (Royaume-Uni), «ChatGPT and large language models: what's the risk?», 14 de março de 2023. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk (consultado em 14 de novembro de 2026)
- arXiv, «Reverse CAPTCHA: Evaluating LLM Susceptibility to Invisible Unicode Instruction Injection», 26 de fevereiro de 2026. https://arxiv.org/abs/2603.00164 (consultado em 14 de novembro de 2026)
- arXiv, «Bypassing LLM Guardrails: An Empirical Analysis of Evasion Attacks against Prompt Injection and Jailbreak Detection Systems», 15 de abril de 2025. https://arxiv.org/abs/2504.11168 (consultado em 14 de novembro de 2026)
- OWASP, «LLM Prompt Injection Prevention Cheat Sheet». https://cheatsheetseries.owasp.org/cheatsheets/LLM_Prompt_Injection_Prevention_Cheat_Sheet.html (consultado em 14 de novembro de 2026)
Citar este artigo
Brain, «Carateres Unicode invisíveis: um texto que esconde instruções à IA», Cyberpedia, 2026. https:/
BibTeX
@misc{brain_cp293_pt_2026,
author = {Brain},
title = {Carateres Unicode invisíveis: um texto que esconde instruções à IA},
year = {2026},
howpublished = {Cyberpedia},
url = {https://startbrain.io/cyberpedia/pt/articles/carateres-unicode-invisiveis-ia/},
note = {CC BY 4.0}
}