Para proteger o onboarding digital contra deepfake, a biometria facial precisa vir acompanhada de liveness detection (prova de vida) e de outras camadas de verificação, como validação de documentos e análise de dispositivo. Comparar rostos, isoladamente, não basta: é preciso confirmar que há uma pessoa real e presente na captura e identificar se a imagem chegou por uma câmera legítima. A combinação dessas camadas reduz o risco sem criar fricção para o cliente legítimo.
Processos de onboarding digital ganharam velocidade e conveniência nos últimos anos, mas essa mesma digitalização abriu uma nova frente de ataque: a fraude gerada por inteligência artificial. Ferramentas de IA generativa, antes restritas a laboratórios de pesquisa, hoje permitem criar rostos sintéticos, trocar identidades em vídeo em tempo real e produzir documentos falsificados com qualidade suficiente para enganar verificações superficiais.
Diante disso, a biometria facial com detecção de deepfake deixou de ser um diferencial e passou a ser um requisito básico de segurança para quem cadastra usuários remotamente. Continue a leitura e entenda como fortalecer o seu processo de onboarding digital contra fraudes de alta sofisticação.
Neste conteúdo você vai ler (Clique no conteúdo para seguir)
- Como a fraude por deepfake funciona no onboarding digital?
- Qual é o papel da biometria facial na autenticação?
- Liveness detection: ativa ou passiva?
- Defesa em camadas: por que nenhuma tecnologia isolada é suficiente?
- Como escolher uma solução de biometria facial com proteção contra deepfake?
- Como a Serasa Experian protege o onboarding digital com biometria facial, documentos e dispositivos?
- Monitoramento contínuo: parte estrutural da segurança, não acessória
- Perguntas frequentes
Como a fraude por deepfake funciona no onboarding digital?
Existem, na prática, três vetores de ataque distintos que costumam ser tratados como deepfake. Cada um exige um tipo diferente de defesa.
|
Vetor de ataque |
Como acontece |
Por que engana verificações simples |
|
Mídia estática ou pré-gravada |
Foto impressa, tela reproduzindo um vídeo ou máscara de silicone posicionada diante da câmera. |
Sistemas que só analisam a qualidade da imagem podem barrar uma foto impressa, mas falham diante de materiais mais elaborados. |
|
Face swap em tempo real |
O fraudador usa uma câmera virtual para sobrepor o rosto de outra pessoa, real ou sintética, sobre o próprio rosto durante a captura ao vivo. |
Engana sistemas que só verificam se “há um rosto se movendo”. |
|
Injeção direta de vídeo |
O fraudador não usa a câmera física: insere um arquivo de vídeo sintético diretamente no fluxo de dados que chega ao sistema de verificação. |
É o vetor mais recente e mais difícil de detectar, pois contorna a captura por hardware. |
Um sistema que só analisa a qualidade da imagem pode barrar fotos impressas, mas ser enganado por um face swap bem calibrado. Por isso, soluções sérias de detecção de deepfake combinam múltiplas técnicas de análise em vez de depender de um único sinal. Para entender o tema de forma ampla, incluindo áudio, texto e legislação, leia também O que é deepfake e como proteger sua empresa.
Qual é o papel da biometria facial na autenticação?
Biometria facial é o processo de extrair, a partir da imagem do rosto, um conjunto de medidas geométricas e padrões únicos (distância entre os olhos, contorno da mandíbula, textura da pele em diferentes ângulos de luz) e transformá-los em um template matemático comparável ao de um documento ou ao de um cadastro prévio.
Diferentemente de senhas ou fotos estáticas, esse template não pode ser “lembrado” nem compartilhado da mesma forma, o que reduz a superfície de ataque em relação a métodos tradicionais de verificação.
Isoladamente, porém, a biometria facial responde a uma pergunta limitada: “esse rosto corresponde ao rosto de referência?”. Ela não responde à pergunta mais importante no contexto de deepfake: “a pessoa que está sendo capturada agora é um ser humano vivo e presente, ou uma reconstrução sintética?”. É essa segunda pergunta que a detecção de prova de vida existe para responder. Para os fundamentos da tecnologia, veja biometria facial: o que é e como ajuda a prevenir fraudes.
Liveness detection: ativa ou passiva?
A detecção de prova de vida (liveness detection) se divide em duas categorias, com sinais técnicos e níveis de atrito diferentes.
|
Abordagem |
Como funciona |
Pontos de atenção |
|
Liveness ativa |
Pede ao usuário que execute ações específicas durante a captura, como piscar, virar a cabeça, sorrir ou ler um número em voz alta, e verifica se a resposta corresponde ao comando em tempo real, com a latência esperada de uma reação humana. |
Adiciona uma etapa visível ao cadastro. Funciona bem como camada adicional em casos de maior risco ou ambiguidade. |
|
Liveness passiva |
Não exige nenhuma ação consciente. Analisa, em segundo plano, sinais fisiológicos e óticos difíceis de reproduzir artificialmente: reflexo da luz ambiente na córnea, microvariações de textura da pele causadas pelo pulso sanguíneo, profundidade tridimensional do rosto (por sensores ou paralaxe) e artefatos de compressão típicos de conteúdo gerado ou reencaminhado por outra tela. |
Gera menos atrito, mas depende de modelos mais sofisticados, treinados continuamente, já que cada avanço na qualidade dos deepfakes reduz a margem de sinais antes fáceis de identificar. |
Por isso, soluções robustas combinam as duas abordagens: liveness passiva como primeira barreira, silenciosa, e liveness ativa como camada adicional quando o risco ou a ambiguidade pedem mais evidência. Se quiser se aprofundar, veja liveness: o que é e por que é crucial para a segurança digital e como funciona a biometria facial com liveness detection no cadastro digital.
Defesa em camadas: por que nenhuma tecnologia isolada é suficiente?
Nenhum mecanismo de detecção, por mais avançado, resiste indefinidamente à evolução das técnicas de geração sintética. A corrida entre ataque e defesa é contínua.
Por isso, o modelo mais eficaz combina biometria facial e liveness detection com outras camadas:
• Validação documental digital: verificação de autenticidade do documento e leitura de MRZ.
• Análise de dispositivo e rede: detecção de emuladores, VPNs suspeitas e câmeras virtuais.
• Análise comportamental: velocidade de preenchimento e padrões de digitação.
• Cruzamento com bases de fraude conhecida: quando o caso exige.
Essa arquitetura em camadas tem uma vantagem estratégica: mesmo que um vetor específico de ataque consiga contornar uma barreira, as demais aumentam a chance de detecção antes da aprovação do cadastro. Ela também permite calibrar o atrito conforme o risco: a maioria dos usuários legítimos passa por uma verificação rápida e silenciosa, enquanto casos sinalizados como suspeitos recebem verificação adicional.
Como escolher uma solução de biometria facial com proteção contra deepfake?
Na hora de avaliar fornecedores, estas perguntas ajudam a separar uma verificação superficial de uma defesa preparada para os três vetores de ataque.
|
Critério |
Pergunta para o fornecedor |
|
Cobertura dos vetores |
A solução trata mídia estática, face swap em tempo real e injeção de vídeo, ou apenas parte deles? |
|
Combinação de liveness |
É possível usar liveness passiva como primeira barreira e ativa em casos de maior risco? |
|
Integração com outras camadas |
A biometria conversa com validação de documentos, análise de dispositivo e dados cadastrais? |
|
Atrito calibrado por risco |
O usuário legítimo passa por uma verificação rápida, e só os casos suspeitos recebem etapas extras? |
|
Evolução contínua |
Como o fornecedor monitora novas técnicas de ataque e mantém a detecção atualizada? |
|
Governança e conformidade |
Há rastreabilidade, supervisão humana e aderência à LGPD no tratamento dos dados biométricos? |
|
Integração ao seu fluxo |
A solução se encaixa no processo de cadastro atual, sem exigir que a operação seja refeita? |
Como a Serasa Experian protege o onboarding digital com biometria facial, documentos e dispositivos?
A Serasa Experian oferece, no portfólio de Autenticação e Prevenção à Fraude, um conjunto de soluções de Onboarding & Protection que combina biometria facial, verificação de documentos e análise de dispositivos para reduzir fraudes no cadastro digital sem criar fricção desnecessária na jornada do cliente. Cada camada de proteção é customizável de acordo com a estratégia de risco e o modelo de negócio da empresa.
• Biometria facial: solução de alta performance que vai além da face, com insights, alertas de comportamento e do dispositivo e flexibilidade de escolha.
• Verificação de Documentos: descomplica o onboarding e reduz a necessidade de captura de documentos em até 80%, com uma validação mais simples e segura.
• Solução de Dispositivos: analisa fraudes a partir do dispositivo, com o apoio de uma base robusta e sem gerar fricção na jornada do cliente.
• Score e Variáveis: combina tecnologia de ponta, inteligência analítica e dados comportamentais para entregar modelos precisos e direcionados para cada tipo de fraude.
• Background Check: valida identidades e checa antecedentes, deixando as análises de CPF e CNPJ aderentes às normativas.
• IDPass: simplifica cadastros e autenticações, com mais segurança, menos fricção e maior conversão.
Com essa combinação, a Serasa Experian atua do onboarding à transação, com camadas de proteção eficientes e ajustadas à estratégia de risco de cada negócio. Conheça o portfólio completo de Autenticação e Prevenção à Fraude.
IA² aplicada à prevenção à fraude
IA gera respostas. IA² é poder tomar as melhores decisões. Na Serasa Experian, chamamos de IA² a Inteligência Analítica potencializada pela Inteligência Artificial. A Inteligência Analítica define os dados certos, interpreta contextos, valida premissas e considera riscos. A Inteligência Artificial traz mais agilidade, produtividade e escalabilidade.
No contexto de fraude, essa combinação ajuda a identificar identidades legítimas, reconhecer comportamentos suspeitos e apoiar decisões mais rápidas, confiáveis e escaláveis em toda a jornada de prevenção. Contra todo tipo de fraude, a gente sabe quem é quem, com IA². Como evidência de escala, são mais de 2,2 bilhões de transações comerciais protegidas todos os anos.
A tecnologia não substitui o julgamento humano nem elimina o risco por si só. Por isso, os modelos são continuamente monitorados e contam com processos de governança e supervisão humana, e o AI Council avalia, prioriza e acompanha os casos de uso sob a ótica de risco, segurança, conformidade regulatória e alinhamento estratégico.
Monitoramento contínuo: parte estrutural da segurança, não acessória
As técnicas de geração sintética evoluem em semanas, e não em anos. Manter modelos de detecção estáticos é garantia de obsolescência. Por isso, o monitoramento contínuo, que inclui a análise de tentativas bloqueadas e a identificação de novos padrões de ataque, é o que sustenta a eficácia da biometria facial ao longo do tempo.
Tratar a prevenção à fraude como um projeto encerrado, em vez de um processo constante, faz as taxas de detecção caírem silenciosamente à medida que novas técnicas de deepfake se popularizam. A segurança do onboarding não é um destino final, mas uma capacidade viva, que precisa ser mantida e atualizada na mesma velocidade das ameaças.
Na Serasa Experian, esse compromisso se traduz em tecnologias próprias para combater novas ameaças e em acurácia e inteligência o tempo todo, com o apoio de uma equipe de especialistas e em conformidade com as regulamentações.
Perguntas frequentes
-
A biometria facial sozinha impede fraudes por deepfake?
Não. A biometria facial confirma se um rosto corresponde a uma referência, mas não garante que a pessoa seja real e esteja presente na captura. É necessário combiná-la com liveness detection, validação de documentos, análise de dispositivo e outras camadas de verificação.
-
Qual é a diferença entre liveness ativa e passiva?
A liveness ativa pede ações do usuário, como piscar ou virar a cabeça, e confere a resposta em tempo real. A passiva analisa sinais fisiológicos e óticos em segundo plano, sem exigir nenhuma ação, o que gera menos atrito. Soluções robustas combinam as duas conforme o nível de risco.
-
O que é injeção de vídeo no onboarding?
É um ataque em que o fraudador não usa a câmera física do dispositivo e insere um vídeo sintético diretamente no fluxo de dados enviado ao sistema de verificação. Por contornar a captura por hardware, exige análise do dispositivo e da origem do vídeo, além da análise da imagem.
-
A defesa em camadas aumenta o atrito para o cliente?
Não necessariamente. Quando o atrito é calibrado pelo risco, a maioria dos usuários legítimos passa por uma verificação rápida e silenciosa, e apenas os casos sinalizados como suspeitos recebem verificação adicional.
-
Por que o monitoramento contínuo é necessário?
Porque as técnicas de deepfake evoluem rapidamente. Sem acompanhar tentativas bloqueadas e novos padrões de ataque, a eficácia da detecção cai com o tempo, mesmo que a tecnologia tenha sido eficiente no início.
