---
id: CP-267
slug: modelos-difusao-imagens-ruido
lang: pt
title: Modelos de difusão
description: Como uma IA parte de ruído aleatório para produzir uma imagem, e o que o colaborador pode verificar antes de reencaminhar ou de carregar um ficheiro.
canonical_url: https://startbrain.io/cyberpedia/pt/articles/modelos-difusao-imagens-ruido/
markdown_url: https://startbrain.io/cyberpedia/pt/articles/modelos-difusao-imagens-ruido.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, «Modelos de difusão», Cyberpedia, 2026. https://startbrain.io/cyberpedia/pt/articles/modelos-difusao-imagens-ruido/ (CC BY 4.0)
wing: 4
theme: understand_ai
reflex: air-001
schema: G3
updated: "2026-11-10"
translations:
  pt: https://startbrain.io/cyberpedia/pt/articles/modelos-difusao-imagens-ruido/
  fr: https://startbrain.io/cyberpedia/fr/articles/modeles-diffusion-images-bruit/
  en: https://startbrain.io/cyberpedia/en/articles/diffusion-models-image-generation/
  de: https://startbrain.io/cyberpedia/de/articles/diffusionsmodelle-bilder-aus-rauschen/
  es: https://startbrain.io/cyberpedia/es/articles/modelos-difusion-imagenes-ruido/
  it: https://startbrain.io/cyberpedia/it/articles/modelli-diffusione-immagini-rumore/
  nl: https://startbrain.io/cyberpedia/nl/articles/diffusiemodellen-afbeeldingen-uit-ruis/
  pl: https://startbrain.io/cyberpedia/pl/articles/modele-dyfuzyjne-obrazy-z-szumu/
  ja: https://startbrain.io/cyberpedia/ja/articles/kakusan-moderu-gazo-zatsuon/
sources:
  - "n": 1
    title: Deep Unsupervised Learning using Nonequilibrium Thermodynamics
    publisher: arXiv
    url: https://arxiv.org/abs/1503.03585
    published: "2015-03-12"
    accessed: "2026-11-10"
  - "n": 2
    title: Denoising Diffusion Probabilistic Models
    publisher: arXiv
    url: https://arxiv.org/abs/2006.11239
    published: "2020-06-19"
    accessed: "2026-11-10"
  - "n": 3
    title: "Reducing Risks Posed by Synthetic Content: An Overview of Technical Approaches to Digital Content Transparency"
    publisher: NIST
    url: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-4.pdf
    published: "2024-11-18"
    accessed: "2026-11-10"
  - "n": 4
    title: Score-Based Generative Modeling through Stochastic Differential Equations
    publisher: arXiv
    url: https://arxiv.org/abs/2011.13456
    published: "2020-11-26"
    accessed: "2026-11-10"
  - "n": 5
    title: Denoising Diffusion Implicit Models
    publisher: arXiv
    url: https://arxiv.org/abs/2010.02502
    published: "2020-10-06"
    accessed: "2026-11-10"
  - "n": 6
    title: High-Resolution Image Synthesis with Latent Diffusion Models
    publisher: arXiv
    url: https://arxiv.org/abs/2112.10752
    published: "2021-12-20"
    accessed: "2026-11-10"
  - "n": 7
    title: Classifier-Free Diffusion Guidance
    publisher: arXiv
    url: https://arxiv.org/abs/2207.12598
    published: "2022-07-26"
    accessed: "2026-11-10"
  - "n": 8
    title: Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding
    publisher: arXiv
    url: https://arxiv.org/abs/2205.11487
    published: "2022-05-23"
    accessed: "2026-11-10"
  - "n": 9
    title: Extracting Training Data from Diffusion Models
    publisher: arXiv
    url: https://arxiv.org/abs/2301.13188
    published: "2023-01-30"
    accessed: "2026-11-10"
---

# Modelos de difusão

Um modelo de difusão fabrica uma imagem partindo de ruído aleatório, que vai afinando passo a passo até obter uma imagem conforme com a instrução [3]. Para aprender a fazê-lo, segue o caminho inverso: estragam-se imagens acrescentando-lhes ruído e o modelo aprende depois a restaurá-las. A ideia de partida, publicada em 2015, é destruir sistematicamente e lentamente a estrutura dos dados através de um processo de difusão e aprender depois o processo inverso, que a restaura [1]. Em 2020, investigadores apresentam, com esta classe de modelos, resultados de síntese de imagens de alta qualidade [2].

Para um colaborador, o que está em causa é prático. Estes modelos servem para produzir imagens sintéticas realistas, que se podem receber por mensagem ou fabricar numa ferramenta pública. O NIST, o instituto norte-americano de normas, observa que a IA generativa sabe produzir imagens, texto, áudio e vídeo realistas, o que levanta novos riscos para a confiança na informação digital [3].

## Em 30 segundos

- Onde acontece: numa imagem ou num vídeo recebido por mensagem, numa rede social ou num documento, e nas ferramentas públicas de geração de imagens onde se podem carregar ficheiros.
- O que está em jogo: o NIST cita entre os riscos o prejuízo para a integridade da informação, a fraude (incluindo a usurpação de identidade) e o engano de pessoas por vozes, imagens ou vídeos sintéticos [3].
- O reflexo: antes de reencaminhar uma imagem ou um vídeo, verificar a sua proveniência; nunca carregar imagens confidenciais nem rostos de colegas numa ferramenta pública.
- Se já aconteceu: avisar sem demora a equipa de segurança da empresa, indicando a ferramenta utilizada e o que foi carregado.

## Perguntas diretas

### O que é um modelo de difusão?

É um modelo generativo que produz dados, aqui imagens, invertendo uma deterioração progressiva. O princípio inspira-se na física estatística fora do equilíbrio: destrói-se a estrutura dos dados por uma difusão repetida e aprende-se depois a restabelecê-la [1]. DALL-E 2, Imagen e Stable Diffusion são modelos de difusão de imagens [9].

### Como aprende um modelo a limpar o ruído?

Aprende fazendo o inverso do que fará depois. Acrescenta-se ruído a imagens de treino, em pequenas quantidades, até só restar ruído. O modelo aprende o processo inverso, que restaura a estrutura [1]. Os autores de um artigo de 2020 resumem a ideia assim: «Creating noise from data is easy; creating data from noise is generative modeling.» [4] Depois de treinado, o modelo parte de ruído aleatório e vai-o afinando pouco a pouco [3].

Esta limpeza exige muitos passos. Uma variante chamada DDIM produz amostras de alta qualidade 10 a 50 vezes mais depressa, em tempo de cálculo real, do que o método de 2020, com o mesmo procedimento de treino [5].

### Como é que um texto orienta a imagem?

O texto serve de instrução durante a limpeza. Os modelos de difusão latente acrescentam ao modelo camadas ditas de atenção cruzada, que lhe permitem ser orientado por entradas como texto; trabalham no espaço latente de autoencoders pré-treinados, o que reduz as necessidades de cálculo em comparação com os modelos que operam diretamente sobre os píxeis [6]. O método dito de orientação sem classificador treina em conjunto um modelo condicionado e um modelo não condicionado e combina depois as suas estimativas para arbitrar entre qualidade e diversidade das amostras [7]. O modelo Imagen apoia-se em grandes modelos de linguagem generalistas para codificar o texto, e os seus autores constatam que aumentá-los melhora a fidelidade da imagem e a sua concordância com o texto mais do que aumentar o modelo de imagem [8].

### É possível reconhecer a olho uma imagem gerada?

De forma fiável, não. Os indícios percetíveis (reflexos ou sombras incoerentes com a iluminação, artefactos de mistura com fundos) servem sobretudo aos detetores [3]. O documento refere também um estudo de 2024, sobre as modalidades áudio, visual e audiovisual, que encontra desempenhos próximos do acaso [3]. Os autores do Imagen falam de um «unprecedented degree of photorealism» [8]. O NIST escreve ainda que a eficácia de muitas das abordagens de transparência dos conteúdos ainda não foi plenamente examinada [3]. Um reflexo baseado apenas no golpe de vista é, por isso, frágil; a verificação da fonte é-o menos.

### Uma imagem pode conter uma marca de origem?

Por vezes. O NIST descreve duas vias para registar a origem de um conteúdo: a marca de água digital, que integra a informação no próprio conteúdo, e o registo de metadados, assinados ou não [3]. Uma marca de água discreta é legível por uma máquina e difícil de detetar por um humano; é necessário um detetor, que tem uma probabilidade não nula de falsos positivos e de falsos negativos [3]. A ausência de marca não prova, portanto, nada.

### Um modelo pode devolver uma imagem do seu treino?

Sim. Investigadores mostraram que os modelos de difusão memorizam imagens dos seus dados de treino e restituem-nas no momento da geração [9].

## Como funciona

A cadeia resume-se a dois tempos. No treino, o modelo aprende a restaurar imagens que foram deterioradas [1]. Na utilização, parte de ruído aleatório e afina-o passo a passo [3]; o texto fornecido orienta o resultado [6][7].

Uma formulação matemática mais geral descreve a deterioração como uma equação que transforma lentamente uma distribuição de dados complexa numa distribuição conhecida, injetando-lhe ruído, e uma equação inversa que retira esse ruído [4]. Este quadro engloba abordagens anteriores da geração por pontuações e da difusão probabilística [4]. O leitor não especialista não precisa das equações: basta reter que a imagem nasce de um ruído retirado por etapas.

O NIST descreve o percurso de um conteúdo sintético em três tempos: a criação, a publicação e depois o consumo, isto é, o momento em que pessoas recebem, interpretam e agem com base no conteúdo [3]. O colaborador intervém nas duas pontas: pode criar, ao utilizar uma ferramenta, e consumir, ao receber uma imagem.

## O que faz

- Antes de reencaminhar uma imagem ou um vídeo que surpreenda, procure de onde vem: quem o publicou primeiro, em que contexto, e se o emissor o pode confirmar por outro canal.
- Se o conteúdo tiver uma marca de proveniência ou metadados, consulte-os sem os tomar por uma prova completa: o NIST escreve que nenhuma destas técnicas oferece, por si só, uma solução completa [3].
- Perante um pedido urgente apoiado por uma voz ou um vídeo (transferência, acesso), verifique por um meio diferente do do pedido. O NIST cita a clonagem de voz entre os meios de levar alguém a facilitar uma transação fraudulenta [3].
- Nunca carregue imagens confidenciais (plantas, documentos fotografados, ecrãs) numa ferramenta pública de geração de imagens.
- Nunca carregue rostos de colegas. Investigadores extraíram de modelos de difusão fotografias de pessoas presentes nos seus dados de treino [9].
- Em caso de dúvida sobre um conteúdo recebido, transmita-o à equipa de segurança em vez de o fazer circular.

## As armadilhas

- O hiper-realismo. Os autores do Imagen anunciam um grau de fotorrealismo sem precedentes, e avaliadores humanos julgam as suas amostras em pé de igualdade com os dados COCO quanto à concordância entre imagem e texto [8]. Uma imagem convincente não é uma imagem autêntica.
- A falsa confiança. O NIST avisa que a transparência pode criar uma falsa sensação de confiança, por exemplo quando um conteúdo parece legítimo segundo medidas técnicas mas foi retirado do seu contexto [3].
- As ferramentas de deteção. Ainda não existem em todo o lado: o NIST escreve que a maioria destas abordagens pode estar a anos de uma implantação alargada nos dispositivos móveis [3].
- Os conteúdos forjados. O NIST escreve que imagens, vozes ou vídeos sintéticos podem servir para enganar sistemas de autenticação biométrica ou pessoas [3].
- A memorização. Os investigadores concluem que os modelos de difusão preservam muito menos a privacidade do que modelos generativos anteriores, como as GAN [9]. O que a base de treino contém pode, portanto, voltar a sair.

## Casos reais

### Janeiro de 2023: imagens de treino extraídas de modelos de ponta

A 30 de janeiro de 2023, nove investigadores publicam um estudo sobre a extração de dados de treino de modelos de difusão. Com um método que gera imagens e filtra depois as que correspondem a dados de treino, extraem mais de mil de modelos de ponta, tanto fotografias de pessoas como logótipos de marcas registadas [9]. Os autores acrescentam que reduzir estas vulnerabilidades pode exigir novos avanços no treino que protege a privacidade [9].

## Fontes

1. arXiv, «Deep Unsupervised Learning using Nonequilibrium Thermodynamics», 12 de março de 2015. https://arxiv.org/abs/1503.03585 (consultado em 10 de novembro de 2026)
2. arXiv, «Denoising Diffusion Probabilistic Models», 19 de junho de 2020. https://arxiv.org/abs/2006.11239 (consultado em 10 de novembro de 2026)
3. NIST, «Reducing Risks Posed by Synthetic Content: An Overview of Technical Approaches to Digital Content Transparency», 18 de novembro de 2024. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-4.pdf (consultado em 10 de novembro de 2026)
4. arXiv, «Score-Based Generative Modeling through Stochastic Differential Equations», 26 de novembro de 2020. https://arxiv.org/abs/2011.13456 (consultado em 10 de novembro de 2026)
5. arXiv, «Denoising Diffusion Implicit Models», 6 de outubro de 2020. https://arxiv.org/abs/2010.02502 (consultado em 10 de novembro de 2026)
6. arXiv, «High-Resolution Image Synthesis with Latent Diffusion Models», 20 de dezembro de 2021. https://arxiv.org/abs/2112.10752 (consultado em 10 de novembro de 2026)
7. arXiv, «Classifier-Free Diffusion Guidance», 26 de julho de 2022. https://arxiv.org/abs/2207.12598 (consultado em 10 de novembro de 2026)
8. arXiv, «Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding», 23 de maio de 2022. https://arxiv.org/abs/2205.11487 (consultado em 10 de novembro de 2026)
9. arXiv, «Extracting Training Data from Diffusion Models», 30 de janeiro de 2023. https://arxiv.org/abs/2301.13188 (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/modelos-difusao-imagens-ruido/
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.
