A seguir:
- A IA cruza pistas públicas de contas anônimas
- Acertou 226 perfis em um teste controlado
- Os resultados não se aplicam automaticamente a qualquer usuário pseudônimo.
Uma conta com nome fictício pode revelar mais do que parece. Ao longo dos anos, comentários sobre trabalho, cidade, interesses e rotina deixam pistas espalhadas pela internet. Um estudo publicado em fevereiro de 2026 mostra que sistemas de inteligência artificial conseguem reunir esses fragmentos e, em alguns casos, associar uma conta pseudônima a uma pessoa real.
A pesquisa, conduzida por integrantes da ETH Zurich, do programa MATS e da Anthropic, voltou a circular nas redes sociais. Seus resultados chamam atenção, mas pedem cuidado: o estudo demonstra um risco concreto à privacidade, sem provar que a IA consegue identificar qualquer pessoa que use um apelido na internet.
Como a IA identifica contas anônimas
Os pesquisadores testaram uma sequência de tarefas. Primeiro, um modelo de IA leu publicações e reuniu pistas sobre cada usuário, como profissão, localização provável e assuntos de interesse. Depois, o sistema procurou perfis com características semelhantes e comparou os candidatos mais promissores.
Na etapa final, a ferramenta avaliou a força das correspondências. Quando encontrou evidências insuficientes, pôde deixar a pergunta sem resposta. O método cruza informações que as pessoas já divulgaram, sem depender de invasão de contas ou vazamento de senhas.
O texto livre faz diferença nesse processo. Uma pessoa pode mencionar seu setor profissional em um fórum e contar, meses depois, que mudou de cidade. Isoladas, as informações parecem comuns. Juntas, elas podem reduzir o número de perfis compatíveis com aquela história.
Estudo sobre contas anônimas encontrou 226 pessoas
Em um dos testes, a equipe analisou 338 usuários do fórum Hacker News que haviam colocado um link para o próprio LinkedIn em suas biografias públicas. Os pesquisadores retiraram os identificadores diretos antes da busca. Assim, já conheciam as respostas corretas e podiam medir quantas a IA recuperaria.
O sistema identificou corretamente 226 dos 338 usuários, cerca de 67% do grupo. Entre as identificações que apresentou, acertou 90%. A distinção importa: o primeiro número indica quantas pessoas ele encontrou; o segundo mostra a proporção de acertos entre as respostas que decidiu dar.
Em outro experimento, os autores trabalharam com entrevistas de cientistas sobre o uso de IA em suas pesquisas. O agente acertou a identidade de nove entre 33 participantes cujas conversas analisou. Também errou duas associações e deixou os demais casos sem uma identificação confirmada.
Por que as contas anônimas ainda exigem contexto
Os resultados do Hacker News não descrevem um ataque a pessoas que haviam preservado completamente o anonimato. Os participantes já tinham ligado suas contas ao LinkedIn; a equipe removeu essa ligação para testar se o sistema conseguiria reconstruí-la. Os próprios autores explicam essa escolha ao tratar dos limites éticos da pesquisa.
O tamanho da busca também altera o desempenho. Em um teste separado, que partiu de perfis conhecidos no LinkedIn para localizar contas entre aproximadamente 89 mil usuários do Hacker News, o método mais forte encontrou cerca de 54% das correspondências mantendo 90% de precisão. Portanto, os percentuais variam conforme a tarefa e o conjunto de candidatos.
Ainda assim, o custo preocupa. Segundo uma publicação da ETH Zurich sobre o trabalho, os modelos conseguiram ligar contas a pessoas reais por menos de US$ 5 por caso. A pesquisa aponta, assim, para uma redução do esforço necessário para cruzar publicações e perfis que qualquer pessoa pode consultar.
O que a pesquisa sobre contas anônimas muda para o usuário
Para quem usa um pseudônimo por motivos pessoais ou profissionais, vale olhar para o conjunto das publicações. Referências à empresa, à cidade, a projetos específicos e a acontecimentos da rotina podem formar uma combinação reconhecível, mesmo quando nenhum comentário traz o nome completo.
Os pesquisadores não divulgaram o código nem os dados necessários para reproduzir diretamente os ataques. A ETH Zurich também submeteu o estudo à avaliação de seu comitê de ética. Essas medidas não eliminam o problema que a pesquisa descreve, mas ajudam a situar seu objetivo: medir uma capacidade dos modelos atuais e discutir seus efeitos sobre a privacidade online.
