---
id: CP-298
slug: indicios-visuais-acusticos-deepfake
lang: pt
title: Detetar um deepfake pela imagem e pelo som
description: Um rosto ou uma voz sintética pode imitar um dirigente ou um colega. O que está estabelecido e porque convém verificar por outro canal.
canonical_url: https://startbrain.io/cyberpedia/pt/articles/indicios-visuais-acusticos-deepfake/
markdown_url: https://startbrain.io/cyberpedia/pt/articles/indicios-visuais-acusticos-deepfake.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, «Detetar um deepfake pela imagem e pelo som», Cyberpedia, 2026. https://startbrain.io/cyberpedia/pt/articles/indicios-visuais-acusticos-deepfake/ (CC BY 4.0)
wing: 4
theme: deepfake
reflex: air-030
schema: G4
updated: "2026-11-10"
translations:
  pt: https://startbrain.io/cyberpedia/pt/articles/indicios-visuais-acusticos-deepfake/
  fr: https://startbrain.io/cyberpedia/fr/articles/indices-visuels-acoustiques-deepfake/
  en: https://startbrain.io/cyberpedia/en/articles/spotting-deepfake-visual-audio-clues/
  de: https://startbrain.io/cyberpedia/de/articles/visuelle-akustische-hinweise-deepfake/
  es: https://startbrain.io/cyberpedia/es/articles/indicios-visuales-acusticos-deepfake/
  it: https://startbrain.io/cyberpedia/it/articles/indizi-visivi-acustici-deepfake/
  nl: https://startbrain.io/cyberpedia/nl/articles/visuele-akoestische-aanwijzingen-deepfake/
  pl: https://startbrain.io/cyberpedia/pl/articles/wizualne-dzwiekowe-wskazowki-deepfake/
  ja: https://startbrain.io/cyberpedia/ja/articles/gazo-onsei-deepfake-tegakari/
sources:
  - "n": 1
    title: "Phishing: Spearphishing Voice, Sub-technique T1566.004 - Enterprise"
    publisher: MITRE ATT&CK
    url: https://attack.mitre.org/techniques/T1566/004/
    accessed: "2026-11-10"
  - "n": 2
    title: "Deepfake Generation and Detection: A Benchmark and Survey"
    publisher: arXiv
    url: https://arxiv.org/abs/2403.17881
    published: "2024-03-26"
    accessed: "2026-11-10"
  - "n": 3
    title: "Guardians of Forensic Evidence: Evaluating Analytic Systems Against AI-Generated Deepfakes"
    publisher: NIST
    url: https://www.nist.gov/publications/guardians-forensic-evidence-evaluating-analytic-systems-against-ai-generated-deepfakes
    published: "2025-01-27"
    accessed: "2026-11-10"
  - "n": 4
    title: NSA, FBI, and CISA Release Cybersecurity Information Sheet on Deepfake Threats
    publisher: CISA
    url: https://www.cisa.gov/news-events/alerts/2023/09/12/nsa-fbi-and-cisa-release-cybersecurity-information-sheet-deepfake-threats
    published: "2023-09-12"
    accessed: "2026-11-10"
  - "n": 5
    title: "Phishing: Spearphishing via Service, Sub-technique T1566.003 - Enterprise"
    publisher: MITRE ATT&CK
    url: https://attack.mitre.org/techniques/T1566/003/
    accessed: "2026-11-10"
  - "n": 6
    title: Generative Adversarial Networks
    publisher: arXiv
    url: https://arxiv.org/abs/1406.2661
    published: "2014-06-10"
    accessed: "2026-11-10"
  - "n": 7
    title: Denoising Diffusion Probabilistic Models
    publisher: arXiv
    url: https://arxiv.org/abs/2006.11239
    published: "2020-06-19"
    accessed: "2026-11-10"
---

# Detetar um deepfake pela imagem e pelo som

Um deepfake é uma imagem, um vídeo ou uma voz fabricada por um modelo de inteligência artificial para se parecer com uma pessoa real. Para um colaborador, o perigo está em que um rosto ou uma voz familiares sirvam para fazer passar um pedido: um «dirigente» que exige uma transferência urgente, um «colega» que pede um acesso.

Esta ficha descreve o que a vítima perceciona, a forma como estes conteúdos são fabricados e a razão pela qual o olho e o ouvido não bastam para decidir.

## Em 30 segundos

- Onde acontece: chamada telefónica ou outra comunicação por voz [1], ou mensagem enviada por um serviço de mensagens [5], com uma identidade emprestada de alguém de confiança.
- O que quer o atacante: obter acesso aos sistemas por telefone [1].
- O reflexo: desconfiar de quem telefona e verificar a sua identidade [1]. Para esta ficha, isso significa confirmar o pedido por um canal diferente daquele em que foi feito, sem confiar no rosto nem na voz.
- Se já aconteceu: avisar sem demora o serviço de segurança da empresa, indicando a hora da chamada e o canal utilizado.

## Perguntas diretas

### É possível reconhecer um deepfake a olho nu?

As técnicas de geração produzem, em certas condições, imagens e vídeos faciais «muito realistas» [2]. O NIST dedica, por seu lado, trabalhos à avaliação de sistemas de análise face a deepfakes de imagens geradas por IA [3].

### Porque desaparecem os defeitos visíveis?

Os modelos generativos progridem. Um estudo de síntese observa que as redes generativas antagónicas (GAN) deram resultados impressionantes e que, depois, os modelos de difusão relançaram a investigação [2]. O mesmo estudo indica que as técnicas de deteção também evoluem continuamente [2].

### O que dizem as autoridades sobre a ameaça?

A 12 de setembro de 2023, a NSA, o FBI e a CISA publicaram uma ficha de informação, «Contextualizing Deepfake Threats to Organizations». Apresenta as ameaças, as técnicas e as tendências dos meios de comunicação sintéticos, incluindo os deepfakes, e recomenda às organizações que procurem nela medidas para se prepararem, identificarem, se defenderem e responderem [4]. As agências escrevem que estas ameaças «exponentially increased» [4].

### E se o pedido vier de um superior hierárquico?

Verificar por outro canal. O MITRE recomenda formar os utilizadores para desconfiarem de quem telefona e para verificarem a sua identidade [1]. Na prática: desligar e depois voltar a ligar à pessoa para um número já conhecido, ou contactá-la pela mensagem interna da empresa.

## Na pele do atacante

O atacante procura fazer alguém agir. O MITRE descreve o «spearphishing voice» como uma variante do phishing dirigido que leva um utilizador a dar acesso a sistemas através de uma chamada telefónica ou de outra comunicação por voz [1]. O procedimento recorre muitas vezes à engenharia social: fazer-se passar por uma fonte de confiança e criar na pessoa um sentimento de urgência ou de alarme [1].

Uma voz ou um rosto sintético acrescenta uma camada a este cenário: o interlocutor já não é apenas alguém que afirma ser o dirigente, tem a sua aparência ou o seu timbre.

O atacante pode também passar por uma etapa de criação de confiança. O MITRE descreve atacantes que criam contas falsas em redes sociais, iniciam conversa com colaboradores e depois enviam ligações ou anexos através de um serviço que a empresa não controla, como um correio pessoal consultado no computador de trabalho [5]. É mais provável que esses serviços tenham uma política de segurança menos rigorosa do que a de uma empresa [5].

## O que vê no ecrã

A vítima vê ou ouve uma pessoa que julga conhecer. O pedido tem em comum com os outros phishings uma identidade de confiança e uma urgência [1].

Segue-se uma ilustração, neutralizada, do que pode conter uma chamada deste tipo. É inventada para o exemplo e não reproduz nenhum caso real.

```text
Ilustração (caso fictício, endereço neutralizado)
Chamada de [voz a imitar um dirigente]:
[pedido para executar um pagamento urgente e confidencial,
 pedido para não avisar ninguém e, depois, para iniciar sessão em
 hxxps://acesso-urgente[.]exemplo[.]invalid para validar]
```

O MITRE observa também que o phishing por voz pode ser combinado com a geração de pedidos de autenticação multifator, para levar a vítima a divulgar as suas credenciais MFA ou a aceitar pedidos de autenticação [1].

## Por baixo do capô

Voltam duas famílias de modelos.

As redes generativas antagónicas, ou GAN, foram propostas num artigo submetido a 10 de junho de 2014. O princípio: dois modelos são treinados em conjunto, um gerador que capta a distribuição dos dados de treino e um discriminador que estima se uma amostra vem desses dados ou do gerador [6]. O treino do gerador visa maximizar a probabilidade de o discriminador se enganar [6].
Os modelos de difusão vieram a seguir. Um artigo submetido a 19 de junho de 2020 apresenta resultados de síntese de imagens de alta qualidade com modelos de difusão probabilísticos e indica, no conjunto LSUN em 256x256, uma qualidade de amostras semelhante à do ProgressiveGAN [7].

O estudo de síntese sobre os deepfakes distingue quatro domínios: a troca de rosto, a reconstituição de expressões (face reenactment), a geração de rosto falante e a edição de atributos do rosto, a que se junta a deteção de falsificação [2].

Do lado da defesa, o MITRE propõe, para as chamadas fraudulentas, vigiar os registos de chamadas dos dispositivos profissionais à procura de números invulgares ou não autorizados e depois correlacioná-los com os eventos de sistema que se seguem, como a execução de uma ferramenta de gestão remota [1].

## Autópsias

Os dois casos abaixo são chamadas de pessoas que se fazem passar pelo suporte informático, sem indicação de uma voz sintética. Mostram o cenário que os deepfakes podem reforçar.

### Scattered Spider: falsos informáticos ao telefone

O MITRE refere que, durante a campanha C0027, o grupo Scattered Spider se fez passar por pessoal informático legítimo em chamadas, para levar as vítimas a descarregar uma ferramenta de supervisão e gestão remota (RMM) que lhe permitiria tomar o controlo do seu posto [1].

### Storm-1811: chamadas de «suporte técnico»

O MITRE indica que o Storm-1811 lançou chamadas de voz fazendo-se passar pelo suporte informático, para incitar os utilizadores a descarregar e executar scripts e ferramentas que servem de acesso inicial [1]. A Microsoft Threat Intelligence publicou a 15 de maio de 2024 um artigo sobre a utilização abusiva do Quick Assist em ataques de engenharia social que conduzem a ransomware [1].

## Fontes

1. MITRE ATT&CK, «Phishing: Spearphishing Voice, Sub-technique T1566.004 - Enterprise». https://attack.mitre.org/techniques/T1566/004/ (consultado em 10 de novembro de 2026)
2. arXiv, «Deepfake Generation and Detection: A Benchmark and Survey», 26 de março de 2024. https://arxiv.org/abs/2403.17881 (consultado em 10 de novembro de 2026)
3. NIST, «Guardians of Forensic Evidence: Evaluating Analytic Systems Against AI-Generated Deepfakes», 27 de janeiro de 2025. https://www.nist.gov/publications/guardians-forensic-evidence-evaluating-analytic-systems-against-ai-generated-deepfakes (consultado em 10 de novembro de 2026)
4. CISA, «NSA, FBI, and CISA Release Cybersecurity Information Sheet on Deepfake Threats», 12 de setembro de 2023. https://www.cisa.gov/news-events/alerts/2023/09/12/nsa-fbi-and-cisa-release-cybersecurity-information-sheet-deepfake-threats (consultado em 10 de novembro de 2026)
5. MITRE ATT&CK, «Phishing: Spearphishing via Service, Sub-technique T1566.003 - Enterprise». https://attack.mitre.org/techniques/T1566/003/ (consultado em 10 de novembro de 2026)
6. arXiv, «Generative Adversarial Networks», 10 de junho de 2014. https://arxiv.org/abs/1406.2661 (consultado em 10 de novembro de 2026)
7. arXiv, «Denoising Diffusion Probabilistic Models», 19 de junho de 2020. https://arxiv.org/abs/2006.11239 (consultado em 10 de novembro de 2026)

---

Fonte original: Cyberpedia, a enciclopédia pública de cibersegurança e IA publicada pela Brain. Versão canónica: https://startbrain.io/cyberpedia/pt/articles/indicios-visuais-acusticos-deepfake/
Pode reutilizar livremente este texto sob a licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), desde que cite «Brain, Cyberpedia» com uma ligação para o endereço acima.
