IA criada na Unicamp identifica golpes por SMS e é usada para barrar mensagens suspeitas

AI Summary

A research team at Unicamp developed an AI model called Smish-Checker that identifies SMS phishing schemes by analyzing message and link characteristics. This system helps filter fraudulent messages in real-time without blocking legitimate communications.

IA criada na Unicamp identifica golpes por SMS e é usada para barrar mensagens suspeitas Receber uma mensagem de texto com um link aparentemente enviado por um banco, loja ou outra empresa conhecida já faz parte da rotina de quem usa celular. O problema é que, em alguns casos, o endereço pode levar a uma página falsa criada para roubar dados. Uma pesquisa desenvolvida no Instituto de Computação (IC) da Universidade Estadual de Campinas (Unicamp) criou um modelo de inteligência artificial capaz de analisar diferentes características dessas mensagens e ajudar na identificação de possíveis fraudes. 📩 Entenda: esse tipo de golpe é conhecido como smishing, uma combinação das palavras SMS e phishing. A fraude ocorre quando criminosos usam mensagens de texto para tentar fazer com que a vítima revele informações ou acesse páginas maliciosas. 📲 Participe do canal do g1 Campinas no WhatsApp O Smish-Checker foi criado pela cientista da computação Stephane Schwarz, durante o doutorado, no laboratório Recod.ai, coordenado pelo professor Anderson Rocha. A pesquisa surgiu a partir de uma necessidade apresentada por uma empresa de comunicação em nuvem. Segundo a pesquisadora, a ideia era encontrar uma forma de filtrar mensagens fraudulentas em tempo real sem bloquear comunicações legítimas. O sistema está sendo aplicado e ajuda a barrar SMS suspeitos antes que cheguem aos usuários. "A ferramenta busca não somente bloquear conteúdos fraudulentos, mas também ela precisa manter uma taxa de assertividade muito alta. Porque bloquear um conteúdo legítimo é muito ruim num contexto real de negócio", explica Stephane. Nesta reportagem você vai entender: Como a IA tenta identificar um golpe Como os links suspeitos são analisados O que acontece se o link envolver sites 'clonados' Como a pesquisa já está sendo aplicada Por que a inteligência artificial é necessária Por que a desconfiança do usuário ainda é essencial Como a IA tenta identificar um golpe? A solução combina diferentes evidências. Em vez de depender apenas da aparência ou da escrita de uma mensagem, o sistema pode observar desde pequenas alterações em caracteres até informações sobre o domínio de um site e características relacionadas à conexão. 💡 Stephane diz que o desenvolvimento começou pela tentativa de entender como os próprios fraudadores procuram driblar os sistemas de segurança. Uma das estratégias identificadas é fazer alterações muito pequenas nas mensagens ou nos endereços eletrônicos. A mudança pode ser praticamente imperceptível para uma pessoa, mas altera a forma como o computador interpreta aquele caractere. Imagine uma mensagem que tenta se passar por uma empresa conhecida. Para isso, o fraudador pode: substituir uma letra por outro caractere visualmente parecido; inserir espaços ou caracteres no meio das palavras; alterar sutilmente a forma de escrever uma marca; esconder um endereço verdadeiro dentro de um encurtador de URL; criar uma página falsa visualmente semelhante à original. "O que a gente percebeu é que muitas vezes o que ele fazia era alterar sutis caracteres de uma mensagem para que essa mensagem pudesse passar pelo modelo, mas que no fim das contas o usuário não perceberia essa modificação." Um exemplo citado por Stephane envolve as letras I maiúsculo, i minúsculo e L minúsculo, que podem ter aparência semelhante dependendo da combinação utilizada. Para o computador, porém, são caracteres diferentes porque possuem códigos diferentes. Links camuflados também entram na análise Imagem ilustrativa de uma pessoa mexendo em um celular Redes sociais/Reprodução Outra estratégia usada pelos criminosos envolve os encurtadores de URL. Um endereço eletrônico longo pode revelar, por exemplo, que o site para o qual a pessoa será direcionada não pertence à empresa mencionada na mensagem. Com o encurtamento, o link original fica escondido. Segundo Stephane, fraudadores podem utilizar esses serviços de propósito geral para dificultar a identificação da URL maliciosa. A ferramenta desenvolvida na pesquisa pode analisar essas características relacionadas ao domínio. Entre os dados considerados estão: idade do domínio; quem registrou a página; quando o domínio foi criado; quando houve modificações; TLD, que corresponde à parte final do endereço eletrônico, como ".com". Essas informações são públicas e podem ser utilizadas em conjunto com a análise do conteúdo da mensagem. A análise não depende, portanto, de um único sinal. "A gente não se apega a apenas um ponto de vantagem. A gente olha para múltiplas camadas e múltiplas informações para que a gente tenha uma resposta mais acurada e mais precisa", explica Stephane. E se a página falsa for praticamente idêntica à verdadeira? Um golpe pode ainda usar uma página falsa que copia o visual de um site legítimo, como um clone. A pessoa entra, vê uma tela aparentemente verdadeira e começa a preencher seus dados. Em alguns casos, o criminoso consegue fazer com que o site fake se conecte ao verdadeiro. A estratégia é c