Rosto Não Basta Mais: Liveness Multimodal no KYC em 2026

A Gartner, no início de 2026, avançou uma previsão que entretanto se materializou: a contar de meados de 2026, 30 por cento das empresas deixariam de considerar fiáveis, isoladamente, as soluções de biometria facial. Não se tratou de uma degradação da tecnologia de reconhecimento facial. A causa foi outra. A IA generativa progrediu mais depressa do que as defesas pensadas para a travar.

Em julho de 2026, a Biometric Update registou aquilo que os profissionais já observam em produção há meses. A ameaça dos deepfakes empurra agora a indústria inteira da verificação de identidade para lá dos controlos biométricos de sinal único. Os números que sustentam essa viragem não deixam margem para dúvida. As perdas globais documentadas por fraude com deepfakes chegaram a 3,7 mil milhões de dólares; 89 por cento desse total concentrou-se em 2025 e 2026. Mais de 8.000 tentativas de fraude de identidade facilitadas por deepfakes foram registadas por uma única instituição financeira em oito meses. Somada à fraude de identidade sintética e à tomada de controlo de contas, a criminalidade de identidade gerada por IA supera já os 400 mil milhões de dólares em perdas anuais a nível global.

O liveness biométrico multimodal — a resposta do setor — não constitui um incremento pontual nos sistemas KYC que já existem. Reformula, na base, aquilo que a garantia de identidade passa a exigir.

O Problema do Sinal Único

Entre 2019 e 2024, a maior parte dos sistemas KYC implantados partilha uma arquitetura. O candidato mostra um documento oficial, captura um selfie ou um vídeo curto de liveness, e um algoritmo de correspondência confronta os dois. Em paralelo com a correspondência facial corre a deteção de vivacidade — o nome técnico é Deteção de Ataque por Apresentação (DAP) — para confirmar que o selfie vem de uma pessoa real e não de uma imagem estática nem de um vídeo pré-gravado.

Quando esta arquitetura foi desenhada, a ameaça era outra, e o desenho corresponde a essa ameaça. A DAP destina-se precisamente a detetar ataques por apresentação — o fraudador que mostra uma fotografia impressa ou reproduz um vídeo diante da câmara. Em torno deste mesmo modelo de ameaça foi elaborada a ISO 30107-3, a norma de certificação principal para DAP biométrica.

Os atacantes, no entanto, deixaram a câmara de lado. Os ataques por injeção introduzem dados biométricos sintéticos diretamente no pipeline de API da aplicação, sem passar pelo sensor físico. E mesmo nos contextos em que o vetor predominante continua a ser o ataque por apresentação, a IA generativa gera agora deepfakes capazes de vencer a análise facial unimodal — substituição de rosto em tempo real, síntese de voz e documentos de identidade sintéticos montados por menos de 15 dólares por kit.

Do ponto de vista da arquitetura, um único sinal biométrico traz entropia demasiado reduzida para separar, com fiabilidade, uma pessoa genuína de uma identidade sintética sofisticada. Quando as ferramentas de falsificação custam menos do que um jantar num restaurante, um único ponto de dados torna-se fácil de forjar.

O Que Significa Realmente o Liveness Multimodal

Numa só sessão, a verificação de liveness multimodal junta vários sinais biométricos e comportamentais independentes. Exige duas coisas: que seja difícil falsificar os sinais ao mesmo tempo e que o sistema confira a coerência entre eles.

Num sistema multimodal de nível de produção, as categorias de sinais são quatro:

Tipo de sinal	O que mede	Resistência ao deepfake
Biometria visual	Geometria facial, microexpressões, textura da pele	Moderada — os face-swaps podem superar isto por si só
Biometria de voz	Tom, cadência, características espectrais	Moderada — a clonagem de voz é agora económica
Sinais comportamentais	Padrões de digitação, dinâmica tátil, ritmo de interação	Elevada — difícil de sintetizar de forma convincente
Sinais de dispositivo/ambiente	Impressão do dispositivo, metadados de rede, dados do sensor	Elevada — requer comprometer hardware para falsificar

A coluna de resistência contém a conclusão crítica. Isoladamente, nenhum sinal individual oferece proteção suficiente — o ecossistema de fraude por deepfake já gerou ataques convincentes contra cada um deles. O que os ataques ainda não conseguem fabricar de modo convincente é uma identidade sintética que vença, em simultâneo, a verificação facial, a de voz, a análise comportamental e os controlos de coerência do dispositivo. A razão: um ataque afinado para uma modalidade tende a deixar artefactos nas restantes.

Coerência Entre Modalidades: a Fronteira da Deteção

Em 2026, o avanço mais relevante no liveness multimodal é a análise de coerência cruzada — em concreto, a deteção da dessincronização ligeira entre sinais visuais e de áudio que a geração de deepfakes introduz.

Entre os movimentos dos lábios, a ativação dos músculos faciais e o sinal de áudio, a fala humana estabelece correlações previsíveis e altamente coerentes. Essas correlações atuam à escala dos milissegundos:

• A relação temporal entre a abertura labial e o início do fonema
• Os padrões de movimento muscular das bochechas e da mandíbula associados a consoantes específicas
• As microdeformações faciais produzidas pelas variações de pressão de ar durante a fala

Os sistemas de IA generativa que geram vídeo deepfake e síntese de voz treinam-se em conjuntos de dados distintos, com características de latência diferentes. Combinados numa tentativa de fraude em tempo real, originam artefactos subtis de dessincronização que escapam ao observador humano, mas que algoritmos de coerência cruzada detetam.

Em julho, a Biometric Update relatou que a fronteira da deteção se deslocou exatamente para este ponto: a verificação de coerência cruzada entre movimento dos lábios e áudio da fala. Em torno desta abordagem, a Regula Forensics lançou um serviço de verificação multimodal melhorado. A Qualcomm e a Scam.ai lançaram deteção de deepfakes no dispositivo para chamadas de vídeo em direto, com o mesmo alvo: os sinais de dessincronização.

Há uma vantagem estrutural nesta abordagem. Os atacantes precisam de melhorar, ao mesmo tempo, dois sistemas de IA distintos — síntese de vídeo e síntese de voz — e ainda manter a sincronização cruzada entre modalidades. A pressão de otimização exigida para contornar a verificação de coerência cruzada supera, de forma substancial, a necessária para vencer qualquer detetor unimodal.

A Biometria Comportamental como Segunda Camada

A análise de como uma pessoa interage com um dispositivo — e não o seu aspeto facial ou a voz — é o que a biometria comportamental oferece: um tipo diferente de garantia de liveness, resistente a uma categoria distinta de ataques.

Os sinais captados pela biometria comportamental:

• Dinâmica de digitação: Os padrões temporais entre teclas pressionadas, tão individualmente distintivos como as impressões digitais para utilizadores regulares
• Movimento tátil e rato: Micromovimentos, padrões de aceleração e características de pressão
• Ritmo de interação: O ritmo com que uma pessoa navega num formulário, faz pausas e relê campos
• Padrões de latência cognitiva: Tempos de resposta coerentes com a tomada de decisão humana em vez das respostas instantâneas de ferramentas automatizadas

Anomalias comportamentais coerentes surgem nos kits de fraude otimizados para injetar dados biométricos sintéticos em APIs de verificação. As ferramentas automatizadas tratam formulários mais depressa do que os humanos, geram padrões de tempo improvavelmente coerentes e, com frequência, deixam assinaturas alinhadas com infraestruturas de fraude conhecidas, e não com comportamento humano.

Até 2027, o mercado de biometria comportamental deverá atingir os 4.260 milhões de dólares. A razão: cobre uma categoria de fraude que a biometria visual não alcança — a identidade sintética que já superou a verificação inicial e opera agora dentro do sistema. Quem afirmou estar presente no onboarding é o que um controlo facial confirma. Que essa mesma pessoa continua a operar a conta é o que a biometria comportamental confirma.

A integração entre deteção de liveness e monitorização contínua torna-se crítica neste ponto. Controlar se uma pessoa real esteve presente num instante concreto — e não se essa mesma pessoa opera a conta agora — é o que faz um sistema KYC que verifica o liveness no onboarding e nunca volta a verificar. De forma contínua, os agentes de IA da Joinble voltam a avaliar os sinais de identidade face ao perfil comportamental estabelecido no onboarding, sinalizando desvios para reverificação antes de o fraude se executar, não depois.

Coerência dos Sinais do Dispositivo e do Ambiente

O contexto de dispositivo e ambiente em que a verificação decorre — aquilo que, por agora, nem a síntese facial nem a clonagem de voz alteram — é o alvo da terceira camada de sinais.

Impressões de hardware específicas de dispositivos físicos reais, padrões de coerência de sensores, atestação do sistema operativo e características de rede entram nos sinais de dispositivo. Perfis de ruído ambiente, coerência de iluminação e padrões do ambiente físico entram nos sinais de ambiente.

Os fraudadores que montam ataques por injeção trabalham a partir de ambientes controlados — computadores de desenvolvimento a correr software de câmara virtual e kits de injeção de API. Esses ambientes geram assinaturas características:

• Impressões de dispositivo que correspondem a infraestruturas de fraude conhecidas
• Ausência de ruído ambiente coerente com um ambiente genuíno de utilizador
• Condições de iluminação demasiado controladas e uniformes para um ambiente real
• Metadados de rede associados a proxies, VPNs ou infraestrutura de centros de dados em vez de ligações residenciais ou móveis

Uma pessoa real, num dispositivo móvel real, num ambiente real, produz na verificação um padrão rico de sinais coerentes. Quem otimiza uma tentativa de fraude para falsificar dados biométricos sacrifica, em regra, a autenticidade ambiental em troca de fidelidade biométrica. Essa troca é detetável.

O Que Dizem as Normas Atualmente

O quadro para a antifalsificação biométrica vem da série de normas ISO 30107:

• ISO 30107-3: Deteção de ataque por apresentação — a norma de certificação principal atual, que cobre a falsificação física diante de uma câmara
• ISO/IEC AWI 30107-4: Em desenvolvimento — aborda a resistência a ataques por injeção e os requisitos de verificação multimodal

A viragem multimodal ainda não foi acompanhada pelo panorama regulatório. Nem os requisitos de "verificação de identidade fiável" do RBCFT — aplicáveis a partir de julho de 2027 — nem as Normas Técnicas de Regulamentação que a AMLA está a elaborar especificam ainda, de forma explícita, requisitos multimodais. Para uma análise detalhada do que essas normas técnicas exigirão dos sistemas de identidade, consulte a nossa análise das NTR CDD da AMLA.

Na prática, as organizações que hoje constroem arquiteturas multimodais antecipam os requisitos regulatórios — alinham-se com o padrão que as evidências indicam ser necessário, e não com o que a lei já exige. A atualização regulatória é previsível. A trajetória da fraude já se vê.

De um Controlo de Liveness para uma Arquitetura de Liveness

Tratar a "deteção de liveness" como uma funcionalidade — uma caixa a marcar num fluxo de conformidade — é o enquadramento do setor, e subestima o que o ambiente de ameaças de 2026 realmente exige.

Passa-se de um controlo de liveness (uma validação única num momento específico) para uma arquitetura de liveness (um sistema contínuo e multi-sinal que trata cada interação como uma oportunidade para reconfirmar a identidade). Em 2026, uma arquitetura de liveness de nível de produção inclui:

1. Verificação de coerência cruzada no onboarding — análise simultânea de rosto, voz e comportamento com verificação de coerência entre tipos de sinais
2. Atestação de dispositivo — verificação criptográfica de que os dados biométricos provêm de hardware real, não de software de câmara virtual
3. Análise de sinais ambientais — sinalização de sessões em que o contexto é incoerente com o comportamento genuíno do utilizador
4. Estabelecimento de perfil comportamental — captura de padrões de interação no onboarding para comparação contínua posterior
5. Reverificação contínua — monitorização impulsionada por IA que sinaliza desvios comportamentais e desencadeia reverificação direcionada quando o risco aumenta

Para contexto sobre como os mercados de deepfake-as-a-service tornaram a fraude biométrica acessível à escala comercial, os dados económicos são relevantes: a mesma infraestrutura de mercado que vende kits de identidade sintética por 15 dólares está agora a vender ferramentas antideteção otimizadas para contornar a verificação unimodal. As arquiteturas multimodais elevam de forma significativa o custo de ataque — não até ao infinito, mas o bastante para desviar a fraude para alvos mais vulneráveis.

O Que as Equipas de Compras Devem Perguntar em 2026

Capacidades "multimodais" são agora promovidas de forma explícita pelo mercado de fornecedores de verificação de identidade, com níveis muito variáveis de implementação real. As perguntas seguintes separam as verdadeiras arquiteturas multimodais das afirmações de marketing:

• Que modalidades de sinal o sistema verifica simultaneamente? Rosto mais um simples gesto de liveness não é multimodal.
• O sistema realiza verificação de coerência cruzada entre sinais de áudio e vídeo?
• Que método de atestação de dispositivo é utilizado? Ao nível do hardware, do sistema operativo, ou nenhum?
• Que sinais comportamentais são analisados e com que granularidade?
• O sistema foi testado contra ferramentas de deepfake e clonagem de voz de última geração? Quais são as taxas de evasão?
• O sistema estabelece um perfil comportamental para comparação contínua após o onboarding?
• Qual é o estado do sistema em relação à ISO 30107-4?

A certificação ISO 30107-3 constitui um ponto de partida. Protege contra ataques por apresentação — a ameaça de 2019. Para o panorama de ameaças de 2026, peça especificamente os resultados dos testes multimodais.

Para contexto sobre como os deepfakes atacam especificamente os fluxos de onboarding bancário, as táticas documentadas explicam por que cada camada individual é insuficiente e por que a abordagem multimodal é a única arquitetura que cobre toda a superfície de ataque.

---

Perguntas Frequentes

O que é a verificação de liveness biométrico multimodal?

Vários tipos de sinais independentes — rosto, voz, padrões comportamentais e sinais de dispositivo e ambiente — são combinados pela verificação de liveness biométrico multimodal numa única sessão de verificação. Em relação à verificação unimodal (liveness apenas facial), a diferença está em exigir coerência entre sinais difíceis de falsificar ao mesmo tempo, o que sobe o custo dos ataques otimizados para qualquer modalidade isolada.

Por que a biometria facial já não é suficiente para o liveness KYC?

Por menos de 15 dólares por sessão, as ferramentas de IA generativa tornaram acessível a síntese facial convincente. Em 2026, a Gartner confirmou que 30 por cento das empresas já não considera fiáveis, de forma isolada, as soluções de biometria facial. Um único sinal sintetizável à escala por ferramentas automatizadas deixa de fornecer entropia suficiente para separar, com fiabilidade, uma identidade genuína de uma sintética.

O que é a verificação de coerência cruzada entre modalidades?

Se múltiplos sinais biométricos de uma sessão de verificação são coerentes entre si, com o grau de precisão que as interações genuínas produzem de forma natural, é isso que a verificação de coerência cruzada analisa. A sincronização áudio-visual é o exemplo mais nítido: a fala humana gera relações temporais previsíveis entre os movimentos dos lábios e o áudio que os sistemas deepfake — treinados em conjuntos de dados de vídeo e voz separados — em regra não reproduzem com precisão de milissegundos. Essa dessincronização é hoje a principal fronteira na deteção de deepfakes.

Como complementa a biometria comportamental a deteção de liveness visual?

Como uma pessoa interage com um dispositivo — ritmo de digitação, dinâmica tátil, cadência de interação e padrões de latência cognitiva — é o que a biometria comportamental capta. Kits de fraude que aplicam biometria sintética deixam anomalias comportamentais características — velocidade de interação sobre-humana, padrões improvavelmente coerentes — que a deteção visual de liveness não apanha. Depois do onboarding, a biometria comportamental serve ainda de base à reverificação contínua, estendendo a garantia de identidade para além do instante de incorporação.

O que acrescenta a ISO 30107-4 às normas PAD atuais?

A proteção contra ataques por apresentação — falsificação física diante de uma câmara — é o que a ISO 30107-3, a norma principal atual, certifica. A resistência a ataques por injeção e os requisitos de verificação multimodal são o que a ISO/IEC AWI 30107-4, ainda em desenvolvimento, aborda. Enquanto a 30107-4 não for finalizada e adotada, a certificação conforme à 30107-3 não atesta proteção contra ataques por injeção nem contra o espectro completo das ameaças atuais.

Como alarga a monitorização contínua a garantia de liveness para além do onboarding?

Que uma pessoa real esteve presente no onboarding é o que a deteção de liveness tradicional confirma. Que essa mesma pessoa opera a conta depois, não. Os sinais comportamentais em curso são comparados pela monitorização contínua com o perfil estabelecido no onboarding — sinalizando desvios em padrões de interação, impressões de dispositivo ou características comportamentais que indiquem que a conta já não é operada pelo indivíduo verificado. Impulsionada por agentes de IA, a monitorização contínua converte a garantia de identidade de um ponto de controlo pontual numa função operacional contínua.