Uma ligação telefônica, um rosto reconhecível numa tela de videoconferência. Durante décadas, esses dois elementos bastaram para encerrar qualquer dúvida sobre a autenticidade de uma ordem de pagamento. Se a voz era a do diretor financeiro e o rosto era o do executivo esperado, a transação seguia. Essa lógica de verificação, construída sobre o instinto humano de confiar no que se vê e no que se ouve, é exatamente o que o deepfake corporativo quebrou.
O problema não é mais hipotético nem restrito a grandes corporações internacionais. Segundo levantamento da Sumsub, plataforma global de verificação de identidade, os golpes envolvendo deepfake e identidade sintética cresceram 126% no Brasil em 2025, consolidando o país como o principal concentrador desse tipo de fraude na América Latina, com cerca de 39% de todos os casos identificados na região. Em paralelo, dados divulgados pela Polícia Federal e publicados pela Exame apontam crescimento de 830% no uso de deepfakes entre 2024 e 2025, com ferramentas de inteligência artificial já presentes em 42,5% das fraudes financeiras registradas no país.
Os números que comprovam a virada de escala
O ponto central não é apenas o volume de ataques, mas a mudança de alvo. Golpes que antes miravam o consumidor final, com vozes clonadas de familiares para aplicar fraudes emocionais, agora miram diretamente a cadeia de aprovação financeira das empresas: o CFO, o diretor de tesouraria, o colaborador com poder de autorizar uma transferência. Fora do Brasil, essa tendência já aparece com intensidade ainda maior: segundo análise da CybelAngel, ataques de vishing habilitados por deepfake cresceram mais de 1.600% no primeiro trimestre de 2025 em comparação ao quarto trimestre de 2024 nos Estados Unidos, um indicador da velocidade com que essa técnica se espalha quando aplicada a alvos corporativos de alto valor.
Essa escala tem uma explicação técnica simples. Segundo reportagem do Migalhas sobre fraudes corporativas com deepfake de voz, a clonagem de um padrão vocal com fidelidade suficiente para enganar colegas próximos não exige mais equipamentos sofisticados nem grandes volumes de amostra: poucos segundos de áudio público, extraídos de palestras, entrevistas ou vídeos institucionais que qualquer executivo já gravou ao longo da carreira, são suficientes para treinar o modelo. Como aponta o Migalhas, o resultado não são mais imitações amadoras ou gravações distorcidas, mas recriações sintéticas capazes de se adaptar em tempo real ao fluxo da conversa, respondendo perguntas e sustentando a ilusão de que a pessoa do outro lado é, de fato, quem parece ser.
Por que o canal de voz e vídeo escapa do perímetro tradicional
Aqui está o que separa esse tipo de ataque de um phishing convencional: ele não passa por gateway de e-mail, não atravessa antivírus, não é inspecionado por firewall. Chega por uma ligação telefônica ou por uma videochamada, canais que a arquitetura de segurança corporativa tradicionalmente não foi desenhada para escrutinar, porque presumia que a verificação humana, ao vivo, já era prova suficiente de autenticidade.
No contexto brasileiro, dois fatores tornam essa lacuna ainda mais perigosa. O primeiro é a velocidade do Pix, que reduz drasticamente o intervalo entre o momento do engano e a perda irreversível do dinheiro, eliminando a janela de tempo que antes permitia cancelar ou reverter uma transferência suspeita. O segundo é a cultura corporativa de aprovações urgentes por WhatsApp e ligação direta, que cria exatamente o ambiente de pressão e informalidade que o golpe precisa para funcionar: uma ordem que soa familiar, chega por um canal já habitual e exige decisão imediata.
O caso que se tornou referência global
O exemplo mais citado no mercado de cibersegurança ilustra bem o novo patamar de sofisticação. Segundo relato publicado pela Solo Iron, um profissional financeiro de uma multinacional participou de uma videoconferência inteira em que múltiplos executivos da própria empresa, incluindo o diretor financeiro, foram simulados por deepfake simultâneo de voz e imagem. Convencido pela presença de rostos e vozes que reconhecia, o funcionário autorizou quinze transferências que somaram US$ 25 milhões antes que a fraude fosse identificada.
O que torna esse caso relevante não é a excepcionalidade, mas a reprodutibilidade. Não houve exploração de vulnerabilidade técnica, nenhum sistema foi invadido e nenhum e-mail malicioso precisou passar por filtro algum. O ataque explorou exclusivamente a confiança depositada no reconhecimento visual e auditivo, o mesmo mecanismo de verificação usado, até hoje, em boa parte das aprovações financeiras de empresas brasileiras de médio e grande porte.
A resposta não é tecnológica em primeira instância, é processua
Diante de um ataque que engana justamente a camada humana de verificação, a primeira linha de defesa eficaz não é um novo software, é um protocolo. O Migalhas descreve um princípio simples e replicável: diante de qualquer solicitação urgente de transferência recebida por telefone, a resposta correta é encerrar a ligação e retornar diretamente para o número corporativo já conhecido daquela pessoa, antes de qualquer confirmação. Se a solicitação era legítima, nada se perde. Se era uma fraude, o ataque é neutralizado no momento em que o canal original deixa de ser controlado pelo criminoso.
O mesmo raciocínio se aplica a videoconferências que envolvam decisões financeiras ou estratégicas: a verificação por canal secundário, como uma mensagem de texto para o celular pessoal do aprovador pedindo confirmação com uma pergunta específica que apenas ele saberia responder, cria uma redundância que a tecnologia de deepfake, isoladamente, ainda não consegue contornar. Palavras-código combinadas previamente entre executivos e equipes financeiras, aliadas a políticas de dupla aprovação para qualquer transação fora do padrão de valor ou frequência, completam esse conjunto de controles que dependem menos de ferramenta e mais de disciplina operacional.
Essa é, no fim, a mesma tese que a Asper reforça há anos: ferramenta sem processo não protege ninguém. A inteligência artificial generativa mais avançada só encontra resposta real quando confrontada por um protocolo humano bem treinado e por controles técnicos que não dependam exclusivamente do reconhecimento de voz ou imagem.
Onde a tecnologia entra: fechando a lacuna que o processo não cobre
Protocolo bem desenhado reduz risco, mas não substitui validação técnica contínua. É nesse ponto que a atuação da Asper, orquestrada pelo Cyber Fusion Center (CFC), se conecta diretamente ao problema.
A plataforma de Simulação de Violações e Ataques (BAS) da Cymulate permite testar, de forma controlada, se as equipes financeiras e de tesouraria de uma organização realmente reconhecem e resistem a tentativas de fraude por personificação, incluindo cenários que envolvem áudio e vídeo manipulados. Medir essa capacidade antes que um ataque real aconteça é o que transforma um protocolo teórico em um comportamento treinado e testado sob pressão.
No nível dos controles de acesso, a Palo Alto viabiliza autenticação multifator e sessões seguras monitoradas para qualquer aprovação de pagamento. Isso garante que nenhuma transação financeira dependa exclusivamente do reconhecimento de voz ou imagem de um aprovador: mesmo que um deepfake convença um colaborador por telefone ou vídeo, a execução da transferência ainda passa por uma camada de verificação de identidade que a personificação sintética não alcança.
Por fim, cabe ao Cyber Fusion Center orientar a implementação prática desses protocolos de dupla verificação fora de banda para transações de alto valor, adaptando-os à realidade operacional de cada cliente e fechando exatamente a lacuna que nenhuma tecnologia, isoladamente, cobre: o momento em que uma pessoa, convencida por uma voz ou um rosto familiar, decide autorizar algo que não deveria.
O que isso exige das empresas brasileiras
O deepfake não invalida a segurança em camadas, ele expõe qual camada estava ausente. Empresas que já investem em detecção comportamental de endpoint e em gestão de identidade seguem expostas se a verificação de quem autoriza uma transferência continuar dependendo apenas do reconhecimento humano de voz e imagem. Com o Brasil consolidado como o principal alvo desse tipo de fraude na América Latina, a pergunta que resta para CFOs, CISOs e equipes de tesouraria não é se esse tipo de ataque vai chegar até a organização, mas se existe, hoje, um protocolo testado e uma camada técnica de verificação capazes de resistir quando chegar.
Para aprofundar como o setor financeiro brasileiro tem sido impactado pelo crescimento do cibercrime direcionado, vale a leitura do artigo 3.736 ataques por semana: por que o setor financeiro brasileiro nunca foi tão visado pelo cibercrime, e para entender as exigências regulatórias que já pressionam instituições financeiras nesse cenário, recomendamos Controle comprovável: o que o Banco Central já pode exigir da sua instituição financeira em uma fiscalização.
Quer avaliar se os protocolos de verificação da sua empresa resistem a uma tentativa de fraude por deepfake? Fale com o time do Cyber Fusion Center da Asper.
