Uma inteligência artificial criada no Instituto de Computação da Unicamp, em Campinas, identifica golpes enviados por SMS e já é usada para barrar essas mensagens antes que cheguem ao celular do usuário. A ferramenta, chamada de Smish-Checker, foi desenvolvida pela cientista da computação Stephane Schwarz durante o doutorado no laboratório Recod.ai, coordenado pelo professor Anderson Rocha. Segundo reportagem do G1 publicada neste sábado (26), a pesquisa nasceu de uma demanda de uma empresa de comunicação em nuvem e o sistema já opera em ambiente real.
O alvo é o smishing, a soma de SMS com phishing: a mensagem chega como se fosse de um banco, loja ou serviço conhecido, pressiona por urgência e traz um link que leva a uma página falsa de coleta de dados. O canal atrai golpistas porque o SMS é barato, funciona sem internet e permite disparo em massa. E a situação piorou com a IA generativa, como Schwarz explicou ao Jornal da Unicamp:
"A barreira técnica que antes limitava os fraudadores praticamente desapareceu. Hoje, qualquer pessoa consegue gerar mensagens de smishing quase indistinguíveis de uma comunicação legítima, sem erros de português, com tom natural e até personalizadas."
Como o sistema enxerga o golpe
O modelo cruza várias camadas de evidência, como um segurança de banco que confere documento, assinatura e histórico da conta antes de abrir a porta. Primeiro, examina o endereço do link: letras trocadas por caracteres parecidos (na tela, um "I" maiúsculo, um "l" minúsculo e um "i" minúsculo podem ser quase iguais, mas o computador os lê como símbolos distintos), encurtadores que escondem o destino e registros públicos de domínio, como idade do site, dono e data de criação. Depois, avalia o conteúdo: o texto, a intenção da mensagem (alerta, cobrança ou promoção) e o título da página de destino. Uma técnica integrada ainda mostra qual evidência pesou mais na decisão, o que facilita auditoria. Por fim, mede o tempo de ida e volta dos dados na conexão para caçar o golpe de man in the middle ("homem no meio"), em que a página falsa repassa ao site verdadeiro o que a vítima digita, como um criminoso que intercepta uma carta, copia e reenvia: a parada extra nos servidores do golpista deixa rastro no relógio. "A gente não se apega a apenas um ponto de vantagem. A gente olha para múltiplas camadas e múltiplas informações", resume a pesquisadora ao G1. Segundo o Jornal da Unicamp, o modelo acertou mais de 90% dos casos em testes com mensagens do tipo "cartão de crédito suspenso", e a metodologia se aplica também a canais como WhatsApp e Facebook Messenger.
O caminho da pesquisa explica esse desenho. A demanda veio de uma empresa que fatura entregando SMS em massa para bancos, varejo e serviços, com avisos, cobranças e códigos de autenticação. Golpes dominando o canal significam clientes desconfiando dele, o que corrói o negócio. Daí a obsessão por não bloquear mensagens honestas: "bloquear um conteúdo legítimo é muito ruim num contexto real de negócio", diz Schwarz. O Jornal da Unicamp informa que o trabalho saiu da universidade e passou a integrar os sistemas de uma empresa internacional.
O que ainda não sabemos
Nenhuma das reportagens nomeia a empresa que usa a tecnologia, e os números divulgados vêm de testes; métricas de operação real, como volume de mensagens barradas ou taxa de bloqueios indevidos, seguem fora do alcance público. O próprio Jornal da Unicamp observa que o desempenho da análise de tempo de conexão varia conforme a configuração do servidor do fraudador. E a disputa continua: o desenvolvimento começou pelo estudo de como os golpistas driblam filtros, e truques novos tendem a surgir.
Nenhuma IA dispensa desconfiança. Bancos e lojas não pedem senha nem recadastram cartão por link de SMS. Diante de cobrança urgente ou prêmio, o caminho seguro é ignorar o link, abrir o aplicativo oficial ou digitar o endereço do site no navegador, e acionar a empresa pelos canais oficiais em caso de dúvida. O filtro da Unicamp atua antes do envio; o usuário só percebe sua existência quando uma mensagem indesejada deixa de chegar.