1. Defina a decisão de aquisição
O conselho deve identificar a decisão que os clientes pagam para melhorar. As empresas de defesa Deepfake podem vender software forense de mídia, infraestrutura de proveniência, detecção de marca d'água, verificação de identidade, verificações de vivacidade, orquestração de fraude, investigação gerenciada, proteção de marca ou serviços de evidências especializadas. Cada modelo possui uma cadeia de evidências, cliente comprador, estrutura de custos e perímetro de responsabilidade diferentes. Uma tese de transação que agrupe todas elas como detecção de mídia sintética pode distorcer tanto a adequação estratégica quanto a economia recorrente.
O memorando de aquisição deve especificar a fonte de valor pretendida. Um comprador pode buscar pesquisa de detecção proprietária, acesso a clientes regulamentados, uma rede de proveniência, integração de fluxo de trabalho, escassos especialistas forenses, distribuição de canais ou uma plataforma para consolidação. Cada fonte precisa de um teste observável. O desempenho técnico deve ser reproduzido em dados representativos. O valor do cliente deve aparecer na adoção, nas decisões, nos resultados de resposta, na renovação, nos preços e no dinheiro. As opções de produtos devem permanecer identificadas separadamente até que os direitos, o desempenho e a procura sejam comprovados.
O conselho deve comparar aquisição com licenciamento, parceria comercial, investimento minoritário e desenvolvimento interno. A propriedade pode ser importante onde o valor depende do controle coordenado de modelos, dados de avaliação, integrações de clientes, pessoal forense e infraestrutura de confiança. Um acordo mais restrito pode acarretar menos riscos quando a interoperabilidade ou o acesso ao canal criarem o principal benefício.
O momento da evidência deve moldar o preço e os termos. Alguns testes podem ser concluídos antes da assinatura usando dados controlados. Outros exigem permissão do cliente, fluxos de trabalho de produção ou acesso pós-fechamento. O comprador pode usar condições, contraprestação retida, garantias, acordos e ganhos para resolver lacunas. A equipa da transação deve indicar quais as provas que apoiam o preço base, quais as provas que apoiam o valor contingente e qual a capacidade que continua a ser uma opção.
A cadeia proposta conecta evidências da mídia a uma decisão responsável do cliente, resposta operacional e dinheiro arrecadado.
2. Defina a unidade de valor
A unidade de valor proposta é uma decisão de autenticidade verificada, entregue dentro de um fluxo de trabalho do cliente a custo total. Uma decisão pode confirmar que o conteúdo tem proveniência válida, indicar que as provas são provavelmente manipuladas, aumentar a incerteza para um examinador humano, bloquear uma instrução de pagamento, proteger uma conta, rotular o conteúdo, preservar provas ou desencadear verificações adicionais. A decisão deve ter um propósito registrado, população, limite, base de evidências, proprietário e ação permitida.
O custo completo inclui ingestão, armazenamento, inferência de modelo, licenças de terceiros, serviços de confiança criptográfica, serviços de marca d'água, dados de avaliação, reciclagem de modelo, mão de obra de analista, revisão de qualidade, integração de clientes, suporte, revisão jurídica, tratamento de incidentes, seguros, conformidade e capital de giro. Um produto pode parecer altamente escalável enquanto investigadores especializados resolvem casos difíceis fora do custo de serviço relatado. O modelo de aquisição deve capturar todas as atividades necessárias para alcançar o resultado prometido.
A precisão por si só é uma unidade incompleta. O desempenho varia de acordo com modalidade, gerador, cadeia de edição, idioma, dispositivo, compressão, duração, característica demográfica, canal e limite operacional. Um cliente também precisa de latência, apresentação de evidências, auditabilidade e uma rota para casos incertos. Um modelo com uma forte pontuação de área sob a curva ainda pode produzir falsos positivos inaceitáveis com a baixa taxa de falsos alarmes exigida para aprovação de pagamento ou atribuição pública.
O comprador deve, portanto, medir as decisões verificadas por custo de caso completo, com controles separados para consequências de erros. Este denominador alinha diligência técnica, operacional e financeira. Ele também fornece uma base para comparar modelos de software, serviços gerenciados e evidências de especialistas, sem presumir que cada alerta ou chamada API crie um valor equivalente.
3. Mapeie a pilha de capacidades
A defesa Deepfake é um problema de controle em camadas. Os registros de proveniência podem mostrar a origem e o histórico de edição declarados em um manifesto assinado. Marcas d'água e rótulos podem sinalizar origem sintética para os sistemas participantes. Os modelos forenses podem analisar conteúdo onde a proveniência está ausente, danificada ou não confiável. Os controles de identidade e vivacidade podem testar se uma pessoa está presente e autorizada. Os sistemas de fluxo de trabalho podem combinar sinais, aplicar políticas e preservar provas. Os examinadores humanos podem lidar com ambiguidade, consequências e contexto jurídico.[1][5][7]
Estas camadas não devem ser resumidas numa única afirmação de precisão. C2PA explica que as credenciais de conteúdo fornecem proveniência inviolável e não fazem um julgamento de valor sobre se as afirmações de proveniência são verdadeiras. Os sistemas de detecção enfrentam mudanças na distribuição e contramedidas adversárias. Os controles de identidade abordam uma questão mais restrita do que a autenticidade da mídia. A revisão humana acrescenta julgamento e responsabilidade, ao mesmo tempo que aumenta o risco de custo e capacidade.[5][8]
A equipe de diligência deve mapear cada módulo de produto de acordo com sua reivindicação, evidência, modo de falha e ação do cliente. O mapa deve identificar componentes proprietários, licenciados, de código aberto e fornecidos pelo cliente. Deve incluir dependências de certificados e listas confiáveis, provedores de modelos, bancos de dados de referência, fornecedores biométricos, sistemas de gerenciamento de casos e serviços em nuvem. Os direitos de substituição e os caminhos alternativos devem ser registrados.
| Camada | Pergunta do cliente | Evidência central | Limitação principal |
|---|---|---|---|
| Proveniência | Qual fonte e histórico de edição são declarados? | manifesto assinado, certificado, cadeia de ingredientes | qualidade de afirmação e cobertura do ecossistema |
| Marca d'água e rótulo | O conteúdo participante foi marcado? | sinal detectável e registro do emissor | transformação, remoção e não participação |
| Detecção forense | O conteúdo é provavelmente gerado ou manipulado? | pontuação calibrada e recursos de suporte | generalização e decadência adversária |
| Identidade e vivacidade | A pessoa reclamada está presente e autorizada? | desafio, evidência biométrica e de dispositivo | ataques de escopo, preconceito, privacidade e apresentação |
| Fluxo de trabalho | Que ação segue a evidência? | política, histórico de caso e trilha de auditoria | integração e prática inconsistente do cliente |
| Revisão humana | Como a incerteza é resolvida? | método do examinador, revisão por pares e relatório | variação de custo, capacidade e julgamento |
Cada camada responde a uma pergunta diferente e cria um requisito de diligência diferente.
4. Construa o livro-razão da autenticidade até o resultado
O livro-razão deve conectar cada item amostrado à sua origem, tipo de mídia, canal de aquisição, histórico de compressão, estado de proveniência, estado da marca d’água, versões do modelo, pontuações forenses, evidência de identidade, análise de analistas, decisão, ação do cliente, disputa e registro financeiro. O objetivo é a rastreabilidade entre produtos, operações e valor.
Os casos negativos e incertos pertencem ao razão. Falsas acusações de manipulação podem prejudicar clientes e sujeitos. Manipulações perdidas podem permitir fraude ou desinformação. Resultados inconclusivos podem ser o resultado correto quando as evidências são fracas. Uma sala de dados contendo apenas demonstrações bem-sucedidas não pode apoiar uma conclusão a nível populacional.
O comprador deve fazer amostras de todos os grupos de clientes e consequências. Um banco que valida uma instrução de pagamento, uma organização de notícias que verifica as imagens recebidas, uma plataforma que aplica uma etiqueta e um examinador perante o tribunal têm limites e requisitos de evidência diferentes. O livro-razão deve preservar essas diferenças em vez de calculá-las em uma única pontuação.
As finanças devem vincular os mesmos grupos às receitas contratadas, utilização, esforço de serviço, créditos, reclamações, renovação, expansão e cobranças. Isto revela se o desempenho se converte em valor para o cliente e se os casos difíceis consomem mão-de-obra sem preço. Também expõe a concentração num gerador, plataforma, canal ou requisito regulamentar que pode mudar rapidamente.
5. Projete um benchmark representativo
O NIST OpenMFC separa tarefas de detecção de manipulação, detecção de deepfake e localização e usa medidas que incluem curvas características de operação do receptor, área sob a curva e taxa de detecção correta em uma taxa de alarme falso especificada. O programa Guardiões de 2026 estende a ênfase operacional aos geradores mais novos, às evidências pós-processadas, ao tratamento de casos representativos e à reavaliação contínua.[2][3]
O comprador deve construir um benchmark que reflita o uso contratado do alvo. Deve incluir conteúdo autêntico, editado, gerado e manipulado; geradores conhecidos e inéditos; vários idiomas e sotaques; diferentes dispositivos e condições de captura; transformações comuns nas redes sociais e nas mensagens; e mudanças anti-forenses deliberadas. Os conjuntos de treinamento, desenvolvimento e desafios finais devem ser separados.
O desempenho deve ser relatado nos limites operacionais. Um cliente que processa milhões de itens benignos pode exigir uma taxa de alarmes falsos muito baixa. Um serviço de triagem forense pode aceitar um limite diferente quando segue a revisão humana. O comprador deve medir a calibração, a abstenção e a estabilidade da confiança, bem como o desempenho da classificação.
A governança de referência é importante. O alvo deve registar os direitos do conjunto de dados, a proveniência, a composição demográfica, as verificações de contaminação, o processo de rotulagem, o acesso ao modelo e o histórico de avaliação. O ajuste repetido em um conjunto de testes visível pode criar um desempenho aparente que não pode ser generalizado. A administração independente do desafio e os conjuntos finais selados podem reduzir esse risco.
O benchmark também deve distinguir os testes de componentes dos testes de ponta a ponta. Um detector pode classificar um clipe corretamente enquanto o fluxo de trabalho circundante perde o arquivo, aplica o limite errado ou não apresenta o motivo a um aprovador. Os testes ponta a ponta devem começar no ponto de entrada do cliente e continuar através da ingestão, normalização, pontuação, validação de proveniência, revisão, decisão, resposta e exportação de auditoria. O comprador deve registrar as falhas causadas pela integração, qualidade dos dados e operações juntamente com os erros do modelo.
O desenho da amostra deve seguir a exposição comercial. Se a maior parte das receitas provém de áudio móvel curto enviado através de aplicações de mensagens, um grande benchmark de vídeo de estúdio de alta resolução fornece provas de avaliação limitadas. A equipe deve ponderar os resultados pela população de clientes atuais e contratadas do alvo e, em seguida, apresentar os resultados não ponderados como uma verificação técnica cruzada. Os cenários de novos mercados devem utilizar pressupostos separados porque a população futura pode diferir materialmente da base instalada.
| Dimensão | População de evidências | Medir | Aviso de aquisição |
|---|---|---|---|
| Modalidade | imagem, áudio, vídeo e mídia mista | desempenho calibrado por modalidade | uma modalidade forte apresentada como resultado da plataforma |
| Mudança do gerador | geradores conhecidos e invisíveis | desempenho de desafio separado no tempo | treinamento e teste de contaminação |
| Transformação | compressão, corte, desfoque, regravação e transcrição | desempenho após processamento realista | apenas arquivos de laboratório imaculados |
| Identidade | cenários de rosto, voz e vivacidade | taxas de erro por coorte e ataque | taxa agregada esconde fraqueza do subgrupo |
| Operações | fluxo de trabalho de caso específico do canal | decisão aceita, latência e retrabalho | Pontuação API sem ação do cliente |
| Evidência | relatórios e trilha de auditoria | completude e reprodutibilidade | a pontuação não pode ser explicada ou reproduzida |
O benchmark separa capacidade, limite operacional, robustez e resultado do fluxo de trabalho.
6. Meça falsos positivos e falsos negativos
O custo do erro deve orientar o ponto operacional. Um falso positivo pode bloquear um pagamento legítimo, rotular erroneamente o jornalismo autêntico, rejeitar um cliente ou minar provas. Um falso negativo pode permitir falsificação de identidade, fraude ou conteúdo manipulado. O comprador deve identificar quem arca com cada consequência e como os contratos alocam responsabilidades.
Os relatórios de detecção devem incluir matrizes de confusão em limites relevantes, curvas de características de operação do receptor e de recuperação de precisão, calibração, abstenção e resultados de coorte. A prevalência é importante. Um conjunto de testes equilibrado entre conteúdo real e falso pode exagerar o valor preditivo positivo em um fluxo de produção onde o conteúdo manipulado é raro. O comprador deve recalcular a carga de trabalho esperada usando a prevalência observada do cliente.
A revisão humana pode reduzir alguns erros ao mesmo tempo que cria riscos de fila e consistência. A equipe de diligência deve comparar decisões automatizadas, assistidas e exclusivas do examinador em casos controlados. As divergências devem ser resolvidas através de julgamento documentado. A análise deve registrar se o sistema altera a decisão final, o tempo, a qualidade da evidência ou a confiança do revisor.
A ilustração mostra como as consequências do cliente podem alterar o limite operacional preferencial. Os valores são premissas de gestão para demonstração do método.
7. Teste a decadência adversária
A decadência adversária é a redução no desempenho útil à medida que os métodos de geração, as ferramentas de edição, as técnicas de evasão e os canais de distribuição mudam. O programa Guardians do NIST visa explicitamente a generalização para métodos mais novos e evidências sujas pós-processadas. A taxonomia de aprendizado de máquina adversária do NIST descreve ataques de evasão, envenenamento, privacidade e uso indevido em sistemas preditivos e generativos.[3][9]
O comprador deve criar conjuntos de desafios separados por tempo. Os modelos podem ser congelados em datas definidas e testados em relação ao conteúdo produzido posteriormente. A equipe deve medir o desempenho por família de geradores, transformação e canal, e então registrar o esforço de pesquisa e engenharia necessário para restaurar o ponto operacional aprovado. O resultado é uma meia-vida de evidência, em vez de uma afirmação de precisão permanente.
A deterioração também ocorre em sistemas de proveniência e marca d'água. Listas de confiança, certificados, manifestos, soft bindings, participação de emissores e software de verificação exigem manutenção contínua. As alterações de compatibilidade podem melhorar a segurança ao mesmo tempo que criam obrigações de migração. O modelo de aquisição deve incluir as pessoas, a infraestrutura e a governação necessárias para manter a cadeia de provas atualizada.
O rendimento da pesquisa deve ser medido como um processo operacional. O alvo deve mostrar como descobre métodos de nova geração, adquire material de avaliação legal, rotula evidências, prioriza ameaças, altera modelos, valida liberações e informa os clientes. O comprador deve examinar o tempo de ciclo desde uma nova ameaça material até uma versão aprovada do cliente, juntamente com falhas de regressão, patches de emergência e soluções alternativas de analistas. Um processo de liberação rápida cria valor limitado quando prejudica repetidamente o desempenho estabelecido.
A equipe de diligência deve separar a capacidade durável da plataforma das vantagens específicas do modelo. Pipelines de dados, controles de experimentos, sistemas de avaliação, feedback de clientes, monitoramento de modelos e equipes de especialistas podem apoiar adaptações repetidas. Um classificador restrito treinado em um artefato transitório pode perder valor rapidamente. A avaliação deve reconhecer o processo que renova as evidências, bem como o resultado do modelo atual, desde que o processo seja documentado, dotado de pessoal e reproduzido durante a diligência.
As curvas ilustram diferentes taxas de queda de desempenho entre os ciclos de validação. Os valores são premissas de gestão para demonstração do método.
8. Avalie a procedência e as credenciais de conteúdo
As Especificações C2PA 2.4 descrevem a proveniência do conteúdo verificável criptograficamente, incluindo manifestos, afirmações, ingredientes, assinaturas, confiança e vinculação suave. A proveniência pode mostrar quem ou o que assinou uma afirmação e se o ativo permanece associado a ela. O comprador deve testar a criação, incorporação, armazenamento secundário, verificação, manipulação de listas confiáveis, revogação, cadeias de ingredientes e recuperação de ativos transformados.[5][10]
A cobertura é uma questão comercial. A procedência é mais valiosa quando participam dispositivos de captura, ferramentas de geração, editores, editores, plataformas e fluxos de trabalho de clientes. O comprador deve medir a parcela de conteúdo relevante com credenciais utilizáveis, a parcela que sobrevive a cada canal e as ações que os clientes realizam quando as credenciais estão presentes, ausentes ou inválidas.
A governança fiduciária deve receber diligência de transação igual à governança modelo. A emissão de certificados, a custódia de chaves, a prova de identidade, a revogação, o registro de data e hora e as práticas de atualização de software podem determinar se uma credencial é útil. Os contratos dos clientes devem indicar o que o sistema verifica e o que permanece fora do escopo.
A propriedade intelectual do alvo deve ser separada da participação no ecossistema. A experiência em implementação, a integração do fluxo de trabalho, os serviços de confiança e os métodos de recuperação proprietários podem criar valor. O acesso a um padrão aberto por si só não estabelece um fosso. O comprador deve testar o custo de mudança, a interoperabilidade e a propriedade dos manifestos e registros do cliente.
Os testes de interoperabilidade devem usar credenciais criadas por diversas ferramentas em conformidade e validadas nos ambientes suportados do destino. A equipe deve testar manifestos malformados, credenciais revogadas, certificados expirados, ingredientes faltantes, afirmações conflitantes e conteúdo que tenha sido transformado ou despojado de metadados. O produto deve apresentar status de validação e limitações de forma consistente. A política do cliente deve distinguir uma assinatura válida da confiança no signatário e da confiança no evento subjacente.
9. Avalie marcas d'água e rotulagem
A marca d'água pode ajudar a identificar conteúdo sintético compatível por meio de sinais incorporados na geração ou edição. Os rótulos podem comunicar origem artificial aos usuários. O NIST identifica a marca d'água e a rotulagem entre as abordagens técnicas para a transparência de conteúdo sintético, enquanto o Código de Prática final de 2026 da UE aborda a marcação, detecção e rotulagem deepfake nos termos do Artigo 50.[1][6]
O programa de diligência deve testar a detectabilidade após redimensionamento, corte, compactação, transcodificação, regravação, mixagem, tradução e edição comum. Deve medir a atribuição falsa e a capacidade de distinguir vários emitentes ou famílias de modelos onde o produto faz essas afirmações. A segurança da marca d'água, o gerenciamento de chaves e o risco de conluio devem ser incluídos.
O valor comercial depende da adoção do fluxo de trabalho. Um detector de marca d'água usado apenas durante demonstrações tem pouco valor recorrente. O comprador deve rastrear o sinal nos sistemas de moderação, revisão de fraudes, publicação, comunicação e preservação de evidências. Deve medir o tempo de resposta, a revisão humana e a política do cliente após a detecção.
O conteúdo não participante continua sendo uma limitação central. A ausência da marca d'água não prova autenticidade e a presença deve ser interpretada dentro do emissor e do modelo de ameaça. A linguagem do produto, o treinamento e os contratos devem evitar que os clientes convertam um sinal parcial em uma conclusão sem suporte.
10. Teste o desempenho multimodal e entre canais
As campanhas Deepfake podem combinar voz sintética, vídeo manipulado, documentos fabricados, contas comprometidas e engenharia social. Um detector somente de mídia pode perder a evidência contextual que torna o evento acionável. O comprador deve testar como a plataforma vincula sinais de conteúdo, identidade, dispositivo, conta, comunicação e transação.
O áudio merece tratamento separado porque codecs, ruído de fundo, clipes curtos, fala multilíngue, conversão de voz e reprodução afetam o desempenho. O vídeo apresenta consistência temporal, sincronização labial, seleção e compressão de quadros. As imagens criam diferentes questões de proveniência e localização. Fluxos de trabalho de texto e documentos acrescentam problemas de autoria, metadados e consistência semântica.
A orquestração entre canais pode criar uma vantagem defensável no fluxo de trabalho quando reduz o esforço do cliente e melhora as decisões. Também pode aumentar o custo de integração e a exposição aos direitos de dados. O comprador deve identificar quais correlações são características de produção, quais dependem dos dados do cliente e quais permanecem como protótipos de pesquisa.
11. Avalie os fluxos de trabalho dos clientes
O produto deve ser avaliado onde a decisão ocorre. As instituições financeiras podem usar verificações de autenticidade na aprovação de pagamentos, recuperação de contas, integração remota e resposta de falsificação de identidade de executivos. As organizações de mídia podem usá-los na verificação de fontes e na publicação. As empresas podem proteger as comunicações executivas e os canais de marca. As plataformas podem apoiar a rotulagem, a moderação e os apelos. Órgãos públicos e laboratórios forenses podem utilizar ferramentas validadas em procedimentos probatórios.[3][11][12]
Para cada fluxo de trabalho, o comprador deve documentar o gatilho, as evidências disponíveis, o nível de serviço, o responsável pela decisão, as ações permitidas, o escalonamento, a trilha de auditoria e a reparação. A contribuição do produto deve ser isolada de outros controles. Uma redução nas perdas por fraude pode refletir retornos de chamada mais fortes, limites de transação ou controles de conta, bem como detecção.
A adoção deve ser medida além das licenças. Medidas úteis incluem fluxos de trabalho protegidos ativos, eventos elegíveis analisados, casos revisados, decisões alteradas, ações concluídas, recursos, créditos de serviço e prevenção de perdas verificadas. As referências do cliente devem ser reconciliadas com os registros do sistema e do contrato.
O comprador deve examinar o cenário contrafactual. Um cliente pode ter comprado o produto após um incidente público, mas continuando a depender de retornos de chamada manuais e dos controles de identidade existentes. As entrevistas devem estabelecer quais decisões foram alteradas, que processos alternativos teriam ocorrido e quais benefícios medidos podem ser razoavelmente atribuídos ao alvo. Evitar perdas requer cuidados especiais porque os eventos prevenidos são difíceis de observar. A análise deve utilizar tentativas de incidentes documentadas, simulações controladas e métodos de atribuição aprovados pelo cliente.
A profundidade do fluxo de trabalho pode criar retenção quando o produto é incorporado em políticas, tratamento de evidências e sistemas de casos. Também pode criar responsabilidades de implementação. A equipe de diligência deve medir o tempo de implantação, a configuração do cliente, o treinamento, o gerenciamento de mudanças, a manutenção da integração e a parcela de clientes que operam abaixo do escopo contratado. Os serviços necessários para tornar o software útil devem permanecer visíveis nos modelos de margem e capacidade.
| Fluxo de trabalho do cliente | Decisão | Evidência necessária | Medida de resultado |
|---|---|---|---|
| Aprovação de pagamento | liberar, reter ou verificar instrução | evidência de identidade, canal, conteúdo e retorno de chamada | evitou perdas, atrasos e falsas esperas |
| Integração remota | aceitar, rejeitar ou encaminhar o candidato | evidência de vivacidade, identidade, documento e dispositivo | fraude, conclusão e custo de revisão |
| Verificação de notícias | publicar, rotular, investigar ou rejeitar | proveniência, evidência forense e fonte | correção, velocidade e confiança |
| Moderação da plataforma | rotular, limitar, remover ou contestar | evidências de conteúdo, política e procedência | taxas de exposição, recurso e erro |
| Comunicações empresariais | confiar, desafiar ou isolar mensagem | evidência de conta, voz, vídeo e contexto | contenção e interrupção de incidentes |
| Exame forense | descoberta e limitação do relatório | método validado, cadeia de custódia e revisão por pares | reprodutibilidade e aceitação do caso |
O valor surge quando a evidência técnica altera uma decisão controlada do cliente.
12. Avalie a governança e a explicabilidade do modelo
O comprador deve obter um inventário de modelo completo abrangendo modalidade, finalidade, arquitetura, dados de treinamento, componentes externos, versões, implantação, limites, limitações conhecidas e proprietários. As alterações devem estar vinculadas a evidências de avaliação e registros de liberação do cliente. O NIST AI RMF e o Perfil Generativo AI fornecem estruturas úteis para governar, mapear, medir e gerenciar riscos AI.[13][14]
A explicabilidade deve estar vinculada ao usuário e à decisão. Um investigador pode precisar de localização, contribuição de sinal, validação de proveniência e explicações alternativas. Um aprovador do cliente pode precisar de um resumo de evidências conciso e uma declaração de limitação. Um perito judicial exige validação do método, cadeia de custódia e reprodutibilidade.
O sistema deve apoiar a abstenção e a incerteza. Respostas binárias forçadas podem causar danos ao cliente quando as evidências são fracas ou estão fora da população validada. O comprador deve analisar como a incerteza afeta o fluxo de trabalho, os níveis de serviço e o desempenho relatado.
A governação da mudança de modelo deve ligar as evidências da investigação à divulgação comercial. A meta deve definir a mudança material, o escopo de regressão necessário, a autoridade de aprovação, o aviso ao cliente e as condições de reversão. Uma mudança de limite pode alterar a carga de trabalho e os resultados do cliente mesmo quando os pesos do modelo permanecem inalterados. Atualizações de modelo externo ou API podem criar efeitos semelhantes. O comprador deve testar liberações e rastrear cada uma delas desde as evidências de desenvolvimento até a aprovação, implantação, monitoramento e comunicação com o cliente.
A documentação deve permanecer utilizável pelas equipes de produto, investigadores, equipes de vendas e clientes. As limitações técnicas ocultas nas notas de pesquisa podem desaparecer das propostas e dos procedimentos operacionais. A equipe de diligência deve comparar modelos de cartões, relatórios de validação, documentação de produtos, materiais de treinamento, declarações de trabalho e reclamações feitas ao cliente. As diferenças devem alimentar a avaliação de responsabilidades e o plano de remediação.
13. Proteja dados, direitos e cadeia de custódia
Os dados de formação, avaliação e produção podem incluir rostos, vozes, comunicações, documentos de identidade, meios de comunicação confidenciais e provas criminais. O comprador deve mapear a base jurídica, o consentimento, a licença, a finalidade, a geografia, a retenção, a segurança, a exclusão, a transferência posterior e as restrições do cliente. Os direitos devem abranger a utilização pretendida após o encerramento, incluindo a melhoria do modelo e a aprendizagem entre clientes, quando aplicável.
A cadeia de custódia é importante quando os resultados apoiam investigações, disputas ou processos. A plataforma deve preservar método de aquisição, hashes originais, transformações, versões de modelo e software, ações de analistas, carimbos de data/hora e exportações. Os registros devem permanecer reproduzíveis após atualizações do produto.
| Ativo | Direitos e evidências de controle | Teste operacional | Tratamento de avaliação |
|---|---|---|---|
| Dados de treinamento | licença, consentimento, proveniência e restrições | reproduzir conjunto de dados autorizado | valor somente transferível uso permitido |
| Dados de avaliação | rótulos independentes e controles de contaminação | reexecutar benchmark selado | apoiar a durabilidade das evidências |
| Mídia de produção | contrato, propósito e retenção | rastrear caso amostrado | reconhecer apenas o valor do fluxo de trabalho autorizado |
| Modelos | propriedade, termos de terceiros e dependências | reconstruir ou restaurar versão | capacidade separada e licenciada |
| Credenciais e chaves | emissor, custódia, confiança e revogação | validar e revogar credencial de teste | serviço de confiança de preço e responsabilidade |
| Evidência de caso | cadeia de custódia e direitos de auditoria | reproduzir relatório | apoiar fluxos de trabalho regulamentados e especializados |
O registro conecta direitos legais, linhagem técnica e uso de avaliação.
14. Teste a segurança e a resistência ao abuso
O alvo é em si um sistema adversário. Os invasores podem sondar limites, enviar mídia criada, envenenar feedback, roubar modelos, comprometer chaves, inundar filas de revisão ou manipular o contexto do analista. A taxonomia de aprendizado de máquina adversária do NIST e as orientações de segurança C2PA fornecem pontos de partida úteis para a modelagem de ameaças.[9][15]
O comprador deve encomendar testes nas camadas de modelo, API, aplicativo, identidade, certificado, dados e operacionais. Limites de taxa, detecção de anomalias, controle de acesso, desenvolvimento seguro, resposta a incidentes, gerenciamento e recuperação de segredos devem ser revisados. As evidências fornecidas pelo cliente devem ser tratadas como potencialmente hostis.
Os controles de abuso também regem os clientes. Uma ferramenta forense pode ser usada para vigilância, atribuição não suportada ou recolha de dados biométricos. A meta deve definir uso aceitável, clientes de alto risco, escalonamento e rescisão. As receitas que dependem do uso proibido ou pouco controlado devem ser excluídas do caso base.
15. Avalie a exposição regulatória e de evidências
O perímetro regulatório varia de acordo com o produto e a jurisdição. As obrigações de transparência do Artigo 50 da Lei da UE AI aplicam-se à marcação e rotulagem de determinados conteúdos e deepfakes gerados por AI a partir de 2 de agosto de 2026. O Código de Prática final fornece uma rota de conformidade voluntária para os signatários, enquanto as obrigações legais permanecem na Lei. Também podem ser aplicadas regras de proteção de dados, biometria, plataforma, comunicações, proteção do consumidor e provas.[6][16][17]
As autoridades dos EUA abordaram a falsificação de identidade e os danos de voz gerados por AI por meio da regra de falsificação de identidade empresarial e governamental da FTC e do tratamento dado pela FCC às vozes geradas por AI de acordo com a Lei de Proteção ao Consumidor de Telefones. Os alertas do FBI e IC3 documentam o uso criminoso de voz gerada por AI e mídia alterada em campanhas de falsificação de identidade e fraude.[11][12][18]
O comprador deve obter uma matriz de jurisdição por produto e aconselhamento especializado atualizado. As declarações de produtos, as ações dos clientes, a retenção, os relatórios e a revisão humana devem corresponder às obrigações relevantes. A procura regulamentar pode criar receitas e, ao mesmo tempo, aumentar os custos de validação, auditoria e responsabilidade.
16. Analise coortes e contratos de clientes
Os clientes devem ser agrupados por fluxo de trabalho, consequência, modalidade, profundidade de integração, geografia, canal e modelo de serviço. A concentração de receitas por plataforma, gerador ou requisito regulamentar deve ser visível. As coortes devem mostrar receita recorrente contratada, uso, implantação, esforço de revisão, margem bruta, renovação, expansão, sinistros e caixa.
A revisão do contrato deve abranger compromissos de desempenho, uso permitido, direitos de dados, auditoria, segurança, resposta a incidentes, indenização, limites de responsabilidade, seguro, créditos de serviço, retenção de evidências, alterações de modelo e rescisão. As reivindicações de marketing devem ser conciliadas com o escopo executável.
A matriz ilustra como a adoção do fluxo de trabalho e a durabilidade das evidências podem ser analisadas em conjunto.
17. Reconstruir a economia completa da entrega
A margem bruta deve ser reconstruída a partir dos registros de clientes e casos. Os custos incluem processamento em nuvem, inferência de modelo, armazenamento, infraestrutura confiável, dados de terceiros, certificados, revisão de analistas, pesquisa, avaliação, integração de clientes, suporte, resposta a incidentes e seguro. Os custos partilhados da investigação devem ser atribuídos explicitamente.
O crescimento do uso pode reduzir o custo unitário através da escala, ao mesmo tempo que aumenta os custos de revisão e de infraestrutura. Os clientes de alta consequência podem exigir ambientes dedicados, disponibilidade de especialistas e maior retenção de evidências. O comprador deve separar a margem de software da margem de serviço gerenciado e de evidências especializadas.
A conversão de dinheiro requer revisão de gatilhos de cobrança, compromissos mínimos, excedentes, serviços profissionais, créditos, disputas e cobrança. Um grande valor contratado pode coexistir com implantação lenta e uso limitado. As receitas diferidas e a implementação financiada pelo cliente devem ser conciliadas com as obrigações restantes.
18. Construa um caso de aquisição hipotético
Suponha que um alvo tenha 145 clientes, receita recorrente anual de USD 42 million e receita final de USD 47 million. Sessenta por cento das receitas recorrentes provêm de fraudes financeiras e fluxos de trabalho de identidade, vinte e cinco por cento de fluxos de trabalho de mídia e plataforma e quinze por cento de investigações empresariais e do setor público. A margem bruta reportada é de 76 por cento.
A administração estima que a revisão completa dos casos, os dados de avaliação e os custos de infraestrutura fiduciária reduzem a margem bruta normalizada para 68%. Doze clientes que representam USD 9 million de receita recorrente dependem de um parceiro de distribuição. Um outro USD 6 million depende de um recurso de modelo cujo desempenho no grupo gerador selado e invisível do comprador fica abaixo do ponto operacional aprovado.
O comprador reproduz o desempenho aceitável para USD 27 million de receita recorrente, confirma o contrato e os direitos de dados para USD 25 million e valida a adoção atual do fluxo de trabalho para USD 23 million. Estes números são pressupostos de gestão para demonstração do método. Não devem ser usados como previsão, múltiplo de mercado ou declaração sobre uma empresa real.
| Item | Quantidade hipotética | Status da evidência | Tratamento |
|---|---|---|---|
| Receita recorrente relatada | USD 42m | lista de contratos | ponto de partida |
| Coorte de desempenho reproduzido | USD 27m | benchmark selado e amostra de caso | elegível para base apoiada em evidências |
| Coorte de direitos transferíveis | USD 25m | registro de contratos e direitos | elegível após confirmação legal |
| Coorte de fluxo de trabalho ativo | USD 23m | registros de produção e clientes | base recorrente de maior confiança |
| Receita concentrada em parceiros | USD 9m | acordo de distribuição | estresse de concentração e retenção |
| Receita dependente de recursos | USD 6m | limite do gerador invisível com falha | remediação ou valor contingente |
| Margem bruta normalizada | 68% | reconstrução completa de custos | usar no caso de fluxo de caixa |
Cada valor é uma suposição de gestão criada exclusivamente para demonstrar o método de avaliação.
19. Enfatize o modelo de aquisição
O modelo deve testar a queda de desempenho, a tolerância a falsos positivos do cliente, a perda de parceiros, alterações de preços do fornecedor do modelo, alterações de certificados ou listas de confiança, remediação regulatória, desgaste de especialistas, grandes incidentes de abuso e atraso na integração. Cada cenário deve fluir através do uso, esforço de revisão, créditos, renovação, receita, margem, investimento e caixa.
Os testes de esforço devem distinguir a reparação temporária da deterioração estrutural. Um detector que pode se recuperar por meio de retreinamento de rotina difere daquele que requer novos direitos de dados ou arquitetura. Um serviço de proveniência com emissores diversificados difere de um serviço dependente de uma única plataforma. Os fluxos de trabalho do cliente com verificação em camadas diferem daqueles que dependem de uma única pontuação.
O conselho deverá receber casos negativos que preservem a realidade operacional. A redução dos gastos com pesquisa ou avaliação pode melhorar a margem no curto prazo e, ao mesmo tempo, acelerar a deterioração das evidências. Eliminar revisores pode aumentar o rendimento e ao mesmo tempo aumentar os erros. As economias de integração devem ser liberadas somente depois que as coortes controladas atingirem os limites de desempenho e serviço.
A sensibilidade deve ser expressa através de drivers operacionais que a administração possa monitorar após o fechamento. Estes incluem a partilha de conteúdo dentro da população validada, o tempo do ciclo de atualização, os minutos do revisor por caso, a concentração de parceiros, o custo do serviço de certificado, a ativação e renovação do cliente após um evento adverso. O comité de investimento pode então ligar cada pressuposto a um proprietário, reportando a cadência e o limite de intervenção.
Isso cria um sistema de controle mensurável pós-fechamento.
20. Valorize a empresa em camadas
A camada base é o fluxo de caixa de fluxos de trabalho ativos de clientes com desempenho reproduzido, direitos transferíveis, custo normalizado e concentração aceitável. Uma segunda camada pode reconhecer a expansão apoiada por evidências onde os pré-requisitos de implantação estão completos. Uma terceira camada pode reconhecer opções contingentes de produtos ou ecossistemas através de cenários ponderados por probabilidade ou consideração de marcos.
Os múltiplos de receitas podem fornecer uma verificação cruzada do mercado após a normalização dos modelos de negócios e da qualidade das evidências. Um serviço forense gerenciado com entrega intensa de especialistas, uma identidade de alto volume API e uma rede de proveniência pode relatar receitas recorrentes, ao mesmo tempo que carrega margens, reinvestimento, concentração e responsabilidade materialmente diferentes. O conjunto comparável deve ser explicado e não tratado como uma regra direta de preços. Os cenários de fluxo de caixa devem refletir os custos de renovação, avaliação, integração e serviços de confiança da investigação.
A abordagem dos custos pode informar o valor do software, dos conjuntos de dados e da reconstrução técnica, mas os gastos históricos não estabelecem a utilidade ou os direitos legais. A abordagem do rendimento pode isolar as relações com os clientes ou as contribuições tecnológicas quando os pressupostos são suportados. Os métodos de isenção de royalties, rendimentos excessivos e custos de reposição exigem uma separação cuidadosa dos activos contributivos e uma contagem dupla. O conselho deve conciliar o preço comercial, a alocação de relatórios financeiros e a proteção contra perdas, sem tratá-los como o mesmo exercício.
Os ativos intangíveis podem incluir software, modelos, conjuntos de dados, relacionamentos com clientes, contratos, marcas registradas e pesquisas em processo. A IFRS 3 e a IAS 38 tratam de ativos intangíveis identificáveis adquiridos numa combinação de negócios, enquanto a IFRS 13 e a IVS fornecem princípios de avaliação. O modelo de transação deve manter a atribuição contabilística separada da decisão comercial, conciliando ambas.[19][20][21][22]
A ilustração separa valor verificado, valor comprovado, opções contingentes e deduções.
| Componente de valor | Evidência necessária | Abordagem de avaliação | Mecanismo de proteção |
|---|---|---|---|
| Base recorrente ativa | desempenho reproduzido, direitos, adoção e dinheiro | fluxo de caixa normalizado e verificação cruzada de mercado | ajuste de fechamento e garantias |
| Expansão | clientes contratados e portas de implantação concluídas | fluxo de caixa de coorte ponderado por probabilidade | pagamento faseado |
| Vantagem de pesquisa | benchmark separado no tempo e economia de atualização | retorno excessivo ou verificação cruzada de custo para recriar | retenção e pagamento por marco |
| Rede de proveniência | participação do emissor e uso do fluxo de trabalho | economia de coorte de rede | marco de adoção |
| Opção de produto | protótipo e rota documentada para o mercado | valor do cenário | ganho ou patrimônio retido |
| Passivos | direitos, reivindicações, reparação e concentração | custo esperado e cenário negativo | indenização, garantia ou redução de preço |
A consideração deve seguir a força e o momento das evidências.
21. Projetar termos de transação e integração
As representações devem abranger propriedade, direitos de treinamento e avaliação, inventário de modelos, proveniência e operações de certificados, segurança, privacidade, contratos de clientes, reclamações de desempenho, incidentes e disputas. Os cronogramas de divulgação devem identificar modelos de terceiros, dados, componentes de código aberto, dependências de confiança e pessoal-chave.
Os ganhos devem utilizar medidas que a gestão possa influenciar e que ambas as partes possam auditar. As medidas podem combinar receitas recorrentes retidas, margem bruta normalizada, adoção de fluxo de trabalho ativo, desempenho em conjuntos de desafios definidos e separados por tempo e resultados do cliente. Conjunto de dados, limite, versão do modelo, população, autoridade de revisão e processo de disputa devem ser acordados antes do encerramento.
A integração deve preservar as evidências. Modelos, conjuntos de dados, certificados, chaves, logs, históricos de casos e configurações de clientes devem permanecer controlados. A migração do cliente deve usar coortes de execução dupla. As equipes de pesquisa e forense precisam de retenção, autoridade e um processo de liberação claro. As ações de custo devem seguir a capacidade e o desempenho verificados.
22. Execute um programa de 180 dias
Os dias 1 a 30 estabelecem o controle. A equipe confirma o perímetro de produtos e contratos, inventários de modelos e dados, custódia de chaves, dependências de confiança, coortes de clientes e o registro de autenticidade até resultado. Ele preserva conjuntos de benchmarks, evidências de origem, versões e registros de casos.
Os dias 31 a 75 reproduzem o desempenho. A equipe executa testes selados de modalidade cruzada, gerador invisível e pós-processamento nos limites do cliente. Ele faz amostras de casos de produção, revisão humana e cadeia de custódia. Finanças reconstrói custo completo de entrega e conversão de dinheiro.
Os dias 76 a 120 testam durabilidade e concentração. A equipe executa desafios separados por tempo, exercícios de modelos de ameaças e cenários de parceiros, provedores de modelos e regulatórios. Ele mede o esforço de atualização, a adoção do cliente e as consequências do erro.
Os dias 121 a 180 finalizam a proteção da consideração e a integração da coorte. O conselho recebe valor verificado, valor respaldado por evidências, opções, passivos, investimento do primeiro ano e portas de liberação. A migração prossegue apenas depois de a evidência de execução dupla atingir os limites aprovados.
O programa passa do controle e reprodução para testes de durabilidade, proteção de transações e liberação de coorte.
| Portão | Evidência | Decisão habilitada | Resposta à falha |
|---|---|---|---|
| Perímetro | mapa de produto, contrato e responsabilidade | confirmar o escopo da aquisição | excluir ou reavaliar o escopo não suportado |
| Desempenho | benchmark representativo selado | aceitar a capacidade principal | remediar, reter valor ou interromper |
| Durabilidade | testes separados por tempo e pós-processamento | reconhecer a vantagem da pesquisa | reduzir o valor e aumentar o investimento em atualização |
| Direitos e confiança | dados, modelo, certificado e direitos do cliente | reconhecer valor transferível | restringir o uso ou reduzir o preço |
| Resultados do cliente | adoção de fluxo de trabalho, erros e coortes de caixa | aceitar base recorrente | ajustar receita e margem |
| Prontidão de integração | plano dual-run, controle de chave e cobertura de pessoas | liberar migração de coorte | estender a operação paralela |
| Valor realizado | desempenho e caixa reconciliados de forma independente | liberar consideração retida | adiar ou reduzir o pagamento |
Cada portão exige evidências revisáveis antes que a ação de preço, migração ou custo prossiga.
23. Decisão e conclusão
As empresas de defesa contra deepfake devem ser valorizadas pela durabilidade das evidências que criam dentro dos fluxos de trabalho reais dos clientes. A precisão do título pode apoiar a revisão técnica, mas o valor da transação requer populações representativas, limites operacionais relevantes, direitos transferíveis, custo total, adoção e resultados responsáveis.
A pilha de controle é complementar. Proveniência, marca d'água, detecção forense, verificações de identidade, orquestração de fluxo de trabalho e revisão humana respondem a diferentes questões. Um comprador deve identificar a função e a limitação de cada camada e evitar atribuir uma reivindicação de autenticidade universal a um sinal parcial.
A decadência adversária pertence ao modelo de avaliação. Conjuntos de desafios separados por tempo, evidências sujas pós-processadas, testes de regressão e economia de atualização mostram por quanto tempo uma capacidade permanece útil e quanto custa mantê-la. A capacidade de pesquisa é valiosa quando produz desempenho reproduzível e resultados para o cliente.
A transação deve manter cinco registros conectados: o livro-razão de autenticidade até o resultado, inventário de modelo e conjunto de dados, registro de direitos e confiança, modelo de coorte de clientes e cronograma de durabilidade de evidências. Esses registros permitem que diligências técnicas, operacionais, regulatórias e financeiras utilizem as mesmas evidências.
Preço e integração devem ser comprovados. Fluxos de trabalho recorrentes ativos com desempenho reproduzido e direitos transferíveis dão suporte à base. A expansão apoiada em evidências pode apoiar o valor encenado. Novas modalidades, ecossistemas e opções de produtos permanecem contingentes até que a adoção e a economia sejam demonstradas. Esta estrutura dá aos compradores e vendedores uma base prática para o preço, protecção e execução num mercado onde tanto as ameaças como as defesas mudam rapidamente.
Fontes
- Instituto Nacional de Padrões e Tecnologia, Reduzindo Riscos Representados por Conteúdo Sintético, NIST AI 100-4. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Open Media Forensics Challenge. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Guardiões de Evidências Forenses. Leia a fonte primária
- Agência de Projetos de Pesquisa Avançada de Defesa, Análise Forense Semântica. Leia a fonte primária
- Coalizão para Proveniência e Autenticidade de Conteúdo, Especificações C2PA 2.4. Leia a fonte primária
- Comissão Europeia, Código de Prática sobre Transparência de Conteúdo Gerado por AI. Leia a fonte primária
- Coalizão para Proveniência e Autenticidade de Conteúdo, Orientação para Inteligência Artificial e Aprendizado de Máquina. Leia a fonte primária
- Coalizão para Proveniência e Autenticidade de Conteúdo, C2PA Explicador. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Aprendizado de Máquina Adversarial, NIST AI 100-2e2025. Leia a fonte primária
- Coalizão para Proveniência e Autenticidade de Conteúdo, especificação técnica de Credenciais de Conteúdo. Leia a fonte primária
- Federal Bureau of Investigation Internet Crime Complaint Center, campanha de falsificação de identidade de altos funcionários dos EUA. Leia a fonte primária
- Comissão Federal de Comunicações, vozes geradas por AI em decisão declaratória de chamadas automáticas. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Estrutura de Gerenciamento de Risco de Inteligência Artificial 1.0. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Perfil de Inteligência Artificial Generativa, NIST AI 600-1. Leia a fonte primária
- Coalizão para Proveniência e Autenticidade de Conteúdo, Considerações de Segurança. Leia a fonte primária
- União Europeia, Regulamento UE 2024 1689 que estabelece regras harmonizadas em matéria de inteligência artificial. Leia a fonte primária
- União Europeia, Regulamento UE 2022 2065 sobre um Mercado Único para Serviços Digitais. Leia a fonte primária
- Comissão Federal de Comércio dos EUA, Regra de Representação de Governo e Empresas. Leia a fonte primária
- Fundação IFRS, Combinações de Negócios IFRS 3. Leia a fonte primária
- Fundação IFRS, IAS 38 Ativos Intangíveis. Leia a fonte primária
- Fundação IFRS, IFRS 13 Mensuração do Valor Justo. Leia a fonte primária
- Conselho Internacional de Padrões de Avaliação, Padrões Internacionais de Avaliação. Leia a fonte primária
- Fundação IFRS, IAS 36 Imparidade de Ativos. Leia a fonte primária
- Organização Internacional de Padronização, ISO IEC 42001 Sistemas de gerenciamento de inteligência artificial. Leia a fonte primária
- Organização Internacional de Padronização, ISO IEC 23894 Gerenciamento de riscos de inteligência artificial. Leia a fonte primária
- Organização Internacional de Padronização, ISO IEC 30107 detecção de ataque de apresentação biométrica. Leia a fonte primária
- Organização Internacional de Padronização, sistemas de gerenciamento de segurança da informação ISO IEC 27001. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Diretrizes de Identidade Digital. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Avaliação de Tecnologia de Análise Facial. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, plano de avaliação OpenMFC. Leia a fonte primária
- Comissão Europeia, Diretrizes sobre transparência de conteúdo gerado por AI. Leia a fonte primária
- Comissão Europeia, Estudos técnicos sobre marcação e detecção de conteúdo gerado por AI. Leia a fonte primária
- Gabinete do Comissário de Informação do Reino Unido, Orientações sobre AI e proteção de dados. Leia a fonte primária
- Centro Nacional de Segurança Cibernética do Reino Unido, Diretrizes para desenvolvimento de sistemas seguros AI. Leia a fonte primária
- Agência de Segurança Cibernética e de Infraestrutura, Secure by Design. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Estrutura de Desenvolvimento de Software Seguro. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Guia de Tratamento de Incidentes de Segurança Informática. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Segurança e Controles de Privacidade, SP 800-53 Revisão 5. Leia a fonte primária
- Instituto Nacional de Padrões e Tecnologia, Protegendo Informações Não Classificadas Controladas em Sistemas Não Federais. Leia a fonte primária
- Agência da União Europeia para a Cibersegurança, ENISA Threat Landscape 2025. Leia a fonte primária
- Agência da União Europeia para a Cibersegurança, Desafios da Inteligência Artificial em Cibersegurança. Leia a fonte primária
- Organização para Cooperação e Desenvolvimento Econômico, Princípios da OCDE AI. Leia a fonte primária
- UNESCO, Recomendação sobre a Ética da Inteligência Artificial. Leia a fonte primária
- Conselho da Europa, Convenção-Quadro sobre Inteligência Artificial e Democracia dos Direitos Humanos e Estado de Direito. Leia a fonte primária
- Comissão de Valores Mobiliários dos EUA, regra de governança da estratégia de gerenciamento de risco de segurança cibernética e divulgação de incidentes. Leia a fonte primária
- Força-Tarefa de Ação Financeira, orientação sobre Identidade Digital. Leia a fonte primária
- União Internacional de Telecomunicações, desafio de detecção de Deepfake. Leia a fonte primária
- Organização Mundial da Propriedade Intelectual, Conversa da OMPI sobre Propriedade Intelectual e Inteligência Artificial. Leia a fonte primária
- UAE Conselho de Segurança Cibernética, Estratégia Nacional de Segurança Cibernética. Leia a fonte primária
- Autoridade Nacional Saudita de Segurança Cibernética, Controles Essenciais de Segurança Cibernética. Leia a fonte primária
