> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/pt/ai/deepfake-risk-detection.md).

# Detecção de risco de deepfake

Os avanços diários na tecnologia de IA estão a tornar mais difícil distinguir entre indivíduos genuínos e um impostor; este é um fenómeno conhecido como deepfake. Incidentes reais recentes demonstraram como agentes mal-intencionados exploram a tecnologia deepfake para se passarem por outras pessoas, normalmente para ganho financeiro ou para obter informações confidenciais. Devido aos rápidos avanços na IA, os deepfakes estão prestes a tornar-se mais comuns, intensificando as ameaças de segurança associadas.

O Zoom está comprometido com a segurança do usuário, por isso está introduzindo uma solução proprietária para detectar e notificar os usuários sobre riscos potenciais de deepfake no Zoom Meetings: Detecção de Risco de Deepfake.

{% hint style="warning" %}
**Importante**

Este Recursos está programado para ser lançado em dezembro de 2026 como um SKU add-on pago. Entre em contato com seu representante da Zoom para obter detalhes.
{% endhint %}

Continue lendo para saiba mais sobre a experiência do cliente, exemplos do mundo real, contexto de segurança e privacidade e orientações práticas para usuários e administradores.

O que é a deteção de risco de deepfake?

O Zoom desenvolveu a Detecção de Risco de Deepfake, uma metodologia proprietária, para ajudar a determinar se potenciais riscos de deepfake estão a apresentar-se nas reuniões. A solução é nativa do Zoom Meetings, tornando-a uma experiência de usuário incorporada, sem exigir ferramentas externas.

A Deteção de Risco de Deepfake é capaz de:

* Avalie a probabilidade de riscos de áudio ou vídeo sintéticos
* Notificar os participantes da reunião quando forem identificados riscos de deepfake
* Exibir uma mensagem clara sobre a sua avaliação de um deepfake para permitir que os participantes avaliem e tomem quaisquer medidas para mitigar os riscos

Aprofundamento técnico: a abordagem exclusiva do Zoom

O Zoom criou modelos proprietários de aprendizagem automática para detetar a probabilidade de vídeo e áudio sintéticos, em comparação com um humano. Quando a Deteção de Risco de Deepfake do Zoom é ativada pelo anfitrião ou pelos participantes ativados, a tecnologia de deteção de deepfake analisa o mosaico do orador ativo.

## Como o Zoom ajuda a detetar deepfakes?

### Deteção de vídeo

O Zoom Deepfake Risk Detection é executado diretamente no fluxo de vídeo capturado no Dispositivo do remetente, antes de entrar no pipeline de processamento de vídeo, usando frames brutos do lado do cliente. Isso oferece uma vantagem importante, pois evita o impacto da compressão, dos artefatos de codificação/decodificação de vídeo de baixa largura de banda e de outras etapas de processamento que degradam a qualidade, que poderiam obscurecer ou remover artefatos de deepfake.

Também concebemos uma arquitetura de Verificação facial de fluxo duplo. No lado do recetor, o fluxo de vídeo é enviado para a nuvem e comparado com o fluxo obtido do lado do remetente para verificar se ambos os fluxos são consistentes. Isto impede que um atacante envie um fluxo de vídeo genuíno do lado do remetente para o servidor de deteção de deepfake, enquanto entrega um fluxo de vídeo deepfake a um destinatário do Zoom. A sincronização temporal usando carimbos de data/hora ajuda a garantir que os dois fluxos de vídeo estejam corretamente alinhados antes da comparação.

Um dos principais recursos de eficiência na deteção de riscos de deepfakes é a  **frequência de deteção adaptativa**. O sistema começa com verificações frequentes quando um participante entra numa reunião e, em seguida, reduz progressivamente a frequência ao longo do tempo, à medida que aumenta a confiança. As taxas de deteção são ajustadas dinamicamente com base nos resultados de verificações anteriores: a frequência diminui quando a confiança é elevada e a deteção é suspensa quando falhas repetidas indicam que a transmissão de vídeo não é fiável. Uma camada complementar de avaliação da qualidade analisa o ruído, o brilho, o desfoque e a confiança na deteção de pontos de referência antes de executar a deteção de deepfakes. Esta camada ignora fotogramas de baixa qualidade e apresenta ao participante instruções práticas para resolver o problema (por exemplo, melhorar a iluminação ou reduzir o desfoque causado pelo movimento), em vez de desperdiçar recursos de computação com dados de entrada inutilizáveis.

Numa reunião do Zoom, o Zoom controla os filtros de vídeo, os avatares e os Efeitos de estúdio/efeitos de estúdio na experiência da reunião. Quando a Detecção de risco de deepfake está ativada, estes Recursos específicos serão desativados durante a reunião para analisar com maior precisão os fluxos subjacentes de áudio e vídeo.

{% hint style="info" %}
**Nota**

A maioria dos recursos em Aparência e Plano de fundo virtual **é** compatível com a deteção de riscos de deepfakes. A correção da pose é uma exceção e será desativada quando a deteção de riscos de deepfakes estiver ativada.
{% endhint %}

Os elementos de dados dos fluxos de vídeo e áudio são capturados e enviados para a nuvem, onde a detecção ocorre. Os dados de vídeo e áudio e as pontuações resultantes são excluídos após o término da reunião.

### Detecção de áudio

A Detecção de Risco de Deepfake de áudio da Zoom analisa o áudio de cada orador ativo em tempo real no lado da nuvem. O áudio da reunião passa pelo processamento de áudio padrão da Zoom antes de chegar ao serviço de detecção. Alguns desses processos padrão incluem cancelamento de eco, supressão de ruído e codificação de codec. Nosso modelo de detecção é treinado com uma ampla variedade de condições de áudio do mundo real, incluindo áudio processado pelo próprio pipeline da Zoom, para ajudar a garantir que o discurso genuíno não seja erroneamente sinalizado como falso.

Em vez de analisar continuamente todo o fluxo de áudio, o sistema extrai de forma inteligente **segmentos curtos de fala** do orador ativo para classificação. Uma camada de avaliação da qualidade analisa as condições do áudio em tempo real e exclui automaticamente os segmentos degradados por uma fraca qualidade da rede. Isto ajuda a evitar a análise de dados de entrada não fiáveis e a direcionar os recursos para utilizações mais produtivas. Um **mecanismo de controlo do reconhecimento da fala** ajuda a garantir que apenas a fala real acione a análise de deepfake; áudios sem fala, como música ou sons de fundo, são excluídos automaticamente.

Semelhante à deteção de vídeo, o Zoom controla os filtros de áudio e os Efeitos de estúdio/efeitos de estúdio na experiência da reunião. Quando a Deteção de Risco de Deepfake está ativada, estas funcionalidades específicas são desativadas para analisar com maior precisão os fluxos de áudio subjacentes. No entanto, quando um participante usa o modo avatar, a deteção de deepfake de áudio continua a funcionar, para que a Verificação do orador permaneça ativa mesmo quando a análise baseada em vídeo não está disponível.

## Arquitetura

O diagrama abaixo mostra uma visão geral da Deteção de Risco de Deepfake.

<div data-with-frame="true"><figure><img src="https://1821044411-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2Fceg7QCwwI7tQIjqmJxa5%2Funknown.png?alt=media&amp;token=a6631afe-18af-4350-87a3-44e5c7547a15" alt="Architecture diagram showing data flow from sender to client to Zoom Cloud." height="695" width="624"><figcaption></figcaption></figure></div>

## Experiência do usuário

Quando estiver numa reunião do Zoom e tiver a Deteção de Risco de Deepfake do Zoom ativada, eis o que pode esperar experimentar se for assinalado um risco potencial.

A Deteção de Risco de Deepfake do Zoom notificará todos os utilizadores ativados sobre a potencial presença de áudio ou vídeo sintéticos, fazendo o seguinte:

* Sinalize o participante suspeito com um **Risco de deepfake** ícone
* Mover esse participante para o quadrante superior esquerdo da tela
* Exiba um **Risco de deepfake detetado** pop-up com uma ligação para abrir o **Painel de deteção de deepfakes**, que fornece informações adicionais

A imagem seguinte mostra o ícone e o popup.

<div data-with-frame="true"><figure><img src="https://1821044411-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FxYY0DrODyhfsMeYCSjFV%2Funknown.png?alt=media&amp;token=12dc5921-4999-497f-a05a-983be5458381" alt="Sample image including Deepfake Risk Detection warnings." height="409" width="624"><figcaption></figcaption></figure></div>

O **Painel de deteção de deepfakes** fornece aos utilizadores com sessão iniciada informações adicionais, incluindo:

* O estado de risco de **todos** participantes da reunião
* Os riscos de deteção e os níveis de confiança são apresentados para **ambos** fluxos de vídeo e áudio, fornecendo contexto adicional
* Chamadas à ação claras, a fim de ajudar a informar os utilizadores sobre possíveis próximos passos

O seguinte é um exemplo do Painel de deteção de deepfake:

<div data-with-frame="true"><img src="https://1821044411-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FKUPezhc9d7x8UplAwue7%2Funknown.png?alt=media&amp;token=f90c2318-a92d-461d-aa51-b19b20cbe442" alt="" height="574" width="251"></div>

{% hint style="info" %}
**Nota**

O Zoom Deepfake Risk Detection também notifica os utilizadores quando um stream de vídeo ou áudio é fraco ou demasiado inferior para detetar um deepfake, ou se um participante não deu consentimento.
{% endhint %}

Casos de uso

Esta secção inclui três casos de utilização comuns para o Deepfake Risk Detection. Se tiver um cenário que gostaria de discutir, entre em contato com o seu representante da Zoom.

### Consultor de Serviços financeiros

#### Visão geral

Bob Smith é um consultor pessoal para clientes com elevado património líquido num banco privado. Fala com cinco ou seis clientes diariamente, aconselhando-os sobre estratégias de património e transações financeiras para gerir as suas finanças pessoais.

#### Riscos

Bob facilita transferências de dinheiro em seu nome, o que pode incluir abrir novas contas, fazer compras de grande valor e pagar a fornecedores do património. Bob confia no seu julgamento, conhece pessoalmente os seus clientes e realiza verificações de autorização ligeiras.

#### Exemplo

Um cliente de longa data solicitou uma reunião ad hoc com Bob para informá-lo sobre a intenção de comprar um carro exótico para um Membros da família. O cliente instruiu Bob a transferir US$ 190 mil para o Proprietário. O Zoom Deepfake Risk Detection alertou Bob sobre um alto risco de deepfake. Embora esse tipo de ato de comprar não fosse incomum para o cliente, Bob foi cauteloso e ligou para o cliente no celular antes da transferência real de dinheiro. O cliente real não tinha conhecimento da reunião e Bob evitou transferir fundos para um agente mal-intencionado.

### Recrutador de RH

#### Visão geral

Sally Ng é recrutadora de talentos em uma Organização de nível intermediário, apoiando contratações de TI para cargos de engenharia e técnicos. Ela tem de oito a dez vagas em aberto a qualquer momento e conduz o processo de recrutamento de ponta a ponta, desde a identificação de candidatos até a negociação de ofertas.

#### Riscos

Sally é cautelosa durante o processo de recrutamento para posições remotas. Sua Organização está oferecendo cada vez mais propostas a candidatos no exterior. O processo de triagem é intenso, normalmente com cinco ou seis entrevistadores adicionais e Verificação de documentos bem-sucedida antes que a oferta final seja concluída. Os candidatos muitas vezes são integrados sem ter uma reunião presencial com alguém.

#### Exemplo

No meio de um processo de entrevista promissor, Sally se conectou com o candidato por vídeo para informá-lo sobre a rodada final de entrevistas. O Zoom Deepfake Detection alertou Sally sobre um risco elevado, incluindo áudio sintético. Sally cruzou a identidade do candidato com outras fontes e determinou que o candidato estava se passando pela presença do perfil online de outra pessoa. O Deepfake Risk Detection conseguiu evitar uma situação em que um agente mal-intencionado tinha acesso à infraestrutura e ao ambiente internos de TI da empresa. Sally evitou possíveis ataques de ransomware, o comprometimento de informações de clientes e o roubo de software proprietário.

### Gerente de Finanças

#### Visão geral

Tom Cox gerencia um grupo de especialistas em conta a pagar para uma grande Organização. Sua equipe é responsável por pagar fornecedores que prestam serviços para uma das divisões da empresa.

#### Riscos

A empresa tem processos em vigor para garantir que apenas faturas aprovadas sejam pagas. O nível de aprovações necessárias corresponde ao valor da fatura. Alguns fornecedores prestam serviços críticos que mantêm a empresa funcionando, como infraestrutura e serviços de dados. Pagamentos atrasados poderiam resultar em interrupção para clientes, prejudicando a reputação da empresa e/ou gerando multas.

#### Exemplo

Tom recebeu uma ligação telefônica inesperada do Vice-presidente de Finanças da divisão. O VP instruiu Tom a fazer um pagamento de US$ 1,2 milhão a um fornecedor para um projeto confidencial. O VP ligou para Tom porque o chefe de Tom estava fora do escritório. O pagamento estava atrasado e precisava ser feito hoje, ou a empresa de Tom incorreria em multas por atraso. Desconfiado, Tom pediu ao VP que entrasse em uma rápida reunião no Zoom para verificar se era realmente ele. O VP entrou na reunião e, para Tom, parecia e soava idêntico ao VP real, exceto porque o Deepfake Risk Detection notificou Tom de que provavelmente era sintético. Tom se recusou a fazer o pagamento e evitou um erro caro.

## Habilitação e uso

Depois de adquirir o add-on, os Proprietários da conta e os Administradores podem Habilitar a Detecção de Risco de Deepfake em **Grupo** nível da Organização. Para ativar o recurso, faça o seguinte:

1. Inicie sessão no [Portal web do Zoom](https://www.zoom.com/).
2. Aceda à secção Administrador. Clique em **Gestão de contas**, e depois clique em **Configurações da conta**.
3. Na barra de navegação superior, clique em **Geral**. Aceda a **Segurança** seção e ative **Habilitar a deteção de riscos de deepfake**.

{% hint style="info" %}
**Nota**

Se você quiser bloquear esta configuração, para que este Recursos seja iniciado automaticamente em todas as reuniões, clique no ícone de cadeado ao lado do Alternar de Recursos. Se preferir dar aos anfitriões da reunião e aos usuários autorizados a opção de ativar os Recursos em cada reunião individualmente, deixe o bloqueio aberto.
{% endhint %}

Para ativar a deteção de riscos de deepfake numa reunião, aceda ao menu na barra de ferramentas inferior e clique no **Deteção** ícone.

<div data-with-frame="true"><figure><img src="https://1821044411-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2F8jNV0vU542V4RmL0GOgW%2Funknown.png?alt=media&amp;token=d5aa945e-7698-44b0-baa5-67fc36f9310f" alt="Image of the menu, showing the Detection option in the middle of the second row." height="280" width="186"><figcaption></figcaption></figure></div>

Consentimento

Tanto os anfitriões quanto os participantes podem Habilitar a Detecção de Risco de Deepfake para suas reuniões. Todos os participantes da reunião serão notificados de que a Detecção de Risco de Deepfake está Habilitada e será exigido que consintam. Os participantes só precisarão consentir no primeiro uso e seu consentimento será armazenado em Configurações do usuário. Os usuários podem sempre Alterar sua escolha de consentimento em seu portal de Configurações.

<div data-with-frame="true"><figure><img src="https://1821044411-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FjERq2uPA32Ri8PD1vtwV%2Funknown.png?alt=media&amp;token=658db132-011e-42d2-b248-b0d74899af37" alt="Sample Zoom meeting screen displaying a message that &#x22;Deepfake risk detection is on.&#x22;" height="411" width="624"><figcaption></figcaption></figure></div>

## Metodologia

O Zoom está dedicado a garantir que nossos Clientes/clientes tenham uma experiência de reunião confiável e segura. Como acontece com qualquer solução de mitigação de risco, nada é perfeito. Os agentes maliciosos estão em constante evolução e continuarão a testar as defesas, então vale a pena tomar medidas Ativo para proteger sua Organização.

Usando uma combinação de métodos para representar instâncias reais, fizemos uma comparação lado a lado com as principais soluções de deepfake para vídeo e áudio. Alguns dos métodos que usamos incluem:

**Vídeo**

* Métodos tradicionais de edição e composição baseados em gráficos
* Métodos iniciais de aprendizado profundo, como a troca de rostos baseada em autoencoder
* Métodos de geração e manipulação baseados em GAN
* Métodos de geração/edição baseados em difusão
* Abordagens de renderização neural, como NeRF e splatting gaussiano 3D

**áudio**

* TTS generativo condicionado por referência
* TTS com espectrograma e vocoder
* Ressíntese com codec neural ou vocoder
* Conversão de voz ou fala-para-fala

{% hint style="warning" %}
**Importante**

Use sempre cautela e discrição, independentemente de a deteção de risco de deepfake estar ativada.
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/pt/ai/deepfake-risk-detection.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
