Deepfake no onboarding e liveness adversarial: o novo vetor de fraude de identidade em fintechs

Brasil virou epicentro da fraude por deepfake

Os ataques de deepfake cresceram 126% no Brasil, com fintechs, bancos e apostas online no topo da lista (Sumsub, Relatório de Fraude de Identidade 2025-2026, 2026). Não e um pico isolado. No primeiro trimestre de 2025, a fraude por deepfake no pais ocorreu a uma taxa cinco vezes maior que nos Estados Unidos e dez vezes maior que na Alemanha (Sumsub, Brazil iGaming, 2025).

O contexto de perdas reforca a urgencia. As fraudes e golpes financeiros geraram prejuizo de R$ 10,1 bilhoes ao setor bancario brasileiro em dois anos, alta de 17% sobre o biennio anterior, e os golpes com Pix subiram 43%, chegando a R$ 2,7 bilhoes (Febraban, via Finsiders Brasil, 2025).

No primeiro trimestre de 2026, a Serasa Experian contabilizou 368 mil tentativas de fraude em transações e 1,5 milhao em aberturas de conta, alta de 36,6% ano a ano, com potencial de prejuizo de ate R$ 1,98 bilhao (Serasa Experian, via TI Inside, 2026).

Quando a IA aprende a passar no teste

Tentativas de fraude de identidade digital no onboarding superam 70% em ciclos recentes de monitoramento, e criminosos ja usam IA para simular rostos, vozes, documentos e comportamentos durante a validacao, o que se chama liveness adversarial (BRy Tecnologia, 2026). O ataque não tenta enganar um humano, tenta enganar o próprio detector biometrico.

A fraude sofisticada multi-etapa cresceu 180% ano a ano, e a fatia de ataques multi-step subiu de 10% em 2024 para 28% em 2025. Deepfakes ja representam 11% dos principais esquemas de fraude de primeira parte, e a identidade sintetica responde por 21% (Sumsub, Annual Identity Fraud Report 2025-2026, 2026).

A identidade sintetica e o caso mais traicoeiro: combina dados reais e fabricados para criar uma pessoa que nunca existiu, mas que passa em checagens pontuais. O liveness confirma um rosto, o documento gerado por IA parece valido, e nada disso revela que a identidade não tem lastro cadastral.

O que o rosto vivo não prova

O liveness responde a uma pergunta estreita: ha um ser humano real diante da camera neste instante? Ele não responde se aquele CPF existe, se tem histórico coerente, se os vinculos batem ou se a renda presumida e compatível com o perfil declarado. Contra deepfake e identidade sintetica, essas sao exatamente as perguntas que importam.

O mercado reconhece o gap. No relatório SEON, 80% das organizacoes acham desafiador obter visao unificada de dados, apenas 47% rodam fluxos totalmente integrados entre fraude e PLD, e 78% esperam que a identidade digital descentralizada se torne central (SEON, AI Reality Check 2026, 2026). A fragmentacao de dados e o calcanhar de Aquiles.

No Brasil, a maturidade analitica agrava o quadro: apenas 33% das instituicoes financeiras usam modelos de IA disruptiva para detectar operações suspeitas, e mais de 76% das instituicoes menores S4 e S5 não usam nenhum modelo de IA em PLD/FTP (EY Brasil, 2026). Detector biometrico sozinho, sem camada de dado autoritativo, deixa a decisão cega ao contexto.

Cruzar o onboarding com a base autoritativa

A camada que falta ao liveness e o cruzamento com base cadastral autoritativa. Quando o onboarding consulta CPF e CNPJ, vinculo societario e renda presumida em tempo real, a decisão deixa de depender apenas da imagem e passa a validar consistencia: a identidade existe, tem histórico e os atributos batem entre si.

A entrega principal e por API, integrada diretamente na esteira de onboarding, com SaaS e Projetos Especiais como complementos. O liveness segue checando vitalidade; o cruzamento cadastral responde se aquela identidade e plausivel, expondo identidades sinteticas que não deixam rastro coerente em base autoritativa.

Essa lógica conversa com a regulacao. A Resolucao BCB 518 amplia o encerramento compulsorio de contas e exige criterios próprios de identificacao com bases publicas e privadas, mirando contas-bolsao e a rastreabilidade do beneficiario final (Editora Roncarati, 2025). Validar consistencia cadastral no onboarding e também cumprir essa exigencia de identificacao.

O ecossistema de fraude opera como industria

A fraude não e mais artesanal. A Serasa registrou media de 152 mensagens por minuto trocadas entre fraudadores para compartilhar modus operandi, em rede de mais de 2 mil grupos, totalizando mais de 19,7 milhoes de mensagens associadas a fraudes so no primeiro trimestre de 2026; mais da metade da populacao economicamente ativa, 51%, ja foi vitima de golpe (Serasa Experian, via Mobile Time, 2026).

O custo do ataque desabou e a velocidade explodiu. Um documento falso por IA sai por cerca de US$ 15 em meia hora (Sumsub, blog AI Fake IDs, 2026), enquanto a falsificacao de documentos assistida por IA passou de 0% para 2% dos casos em 2025 (Sumsub, Annual Identity Fraud Report 2025-2026, 2026). Defesa baseada em imagem não acompanha esse ritmo de producao.

Investir em IA antifraude ja e consenso entre os grandes: bancos brasileiros projetam crescimento de 61% nos investimentos em IA, Analytics e Big Data, dentro de um orçamento de R$ 47,8 bilhoes em tecnologia (SEGS, dados Febraban/Deloitte, 2026). O gargalo declarado e a integração de dados, não a falta de modelo.

Perguntas frequentes

Respostas curtas sobre por que o liveness isolado falha contra deepfake e como a camada de dado autoritativo entra na esteira de onboarding.

As respostas detalhadas estão na secao de perguntas frequentes desta página, com fonte e ano para cada afirmacao.