Documentos falsificados com IA generativa: a nova fronteira da fraude

Documentos falsificados com IA generativa são identidades, comprovantes, atestados e certidões criados do zero ou adulterados por ferramentas de inteligência artificial, com qualidade visual suficiente para enganar a conferência humana. A Serasa Experian identificou 1.495.696 tentativas de fraude de identidade só no primeiro trimestre de 2026, alta de 36,6% em um ano. A resposta eficaz não é olhar com mais atenção: é trocar o teste visual por investigação de arquivo e conferência na fonte oficial.

Pontos-chave

• A fraude documental cresce em ritmo acelerado no Brasil: a Serasa Experian registrou 1.495.696 tentativas de fraude de identidade digital no 1º trimestre de 2026, alta de 36,6% frente a 2025, uma tentativa a cada 5 segundos, com prejuízo potencial de R$ 1,98 bilhão.
• A fraude está mais organizada, não mais isolada: grupos de circulação de conteúdo fraudulento cresceram 139% no mesmo período, e o modelo Fraud-as-a-Service comercializa kits, scripts e serviços de fraude prontos para uso.
• A IA generativa criou uma modalidade nova, o “golpe do sósia”: fraudadores usam motores de comparação facial para localizar identidades legítimas com até 99% de semelhança com o próprio rosto, invertendo a lógica tradicional de quem escolhe a vítima, segundo a Serasa Experian.
• A falsificação de documento é crime tipificado: o art. 297 do Código Penal prevê reclusão de 2 a 6 anos e multa para quem falsifica ou altera documento público; o art. 298, reclusão de 1 a 5 anos para documento particular.
• A resposta que funciona combina investigação do arquivo com conferência na fonte oficial: metadados, construção interna e textura da imagem revelam a fabricação, enquanto consultas a conselhos profissionais e órgãos públicos confirmam ou desmentem o conteúdo.
• O mercado antifraude está reagindo em escala: a Serasa Experian concluiu em 2026 a aquisição da idwall, somando 80 milhões de faces e 450 milhões de identidades validadas por ano ao ecossistema.

O que são documentos falsificados com IA generativa?

Documentos falsificados com IA generativa são peças documentais (identidades, comprovantes, atestados, boletins, certidões) criadas do zero por modelos de IA generativa ou adulteradas por eles a partir de um documento real. A diferença em relação à falsificação tradicional está na barreira de entrada: onde antes era preciso equipamento gráfico e habilidade técnica, hoje basta um editor de imagem com IA ou um modelo generativo comum para produzir uma peça visualmente convincente em minutos.

A Dynadok, empresa brasileira de validação documental com IA, descreve o fenômeno de forma direta: “Trocar um nome. Alterar uma data. Modificar um valor. Sobrepor uma informação. Ou criar do zero um documento parecido com o original.” O ponto central é esse: o resultado passa no teste que a maioria das esteiras documentais foi desenhada para aplicar, o teste do olho humano. Layout correto, fontes plausíveis, dados coerentes entre si: tudo isso passa despercebido por quem confere visualmente, mesmo com atenção redobrada, porque a ferramenta que produziu a peça foi otimizada exatamente para convencer esse tipo de leitura.

Qual a diferença entre falsidade material e falsidade ideológica?

O Código Penal brasileiro distingue duas formas de falsidade documental. Na falsidade material (arts. 297 e 298), o documento em si é fabricado ou fisicamente alterado, o caso típico da IA generativa, que cria ou edita a peça. Na falsidade ideológica (art. 299), o documento é autêntico em sua forma, mas contém uma declaração falsa inserida por quem tinha o dever de dizer a verdade.

Por que a fraude documental com IA generativa é a nova fronteira?

A fraude com IA generativa ataca justamente o ponto que sustentava a confiança em processos remotos: a aparência do documento. Os números da Serasa Experian, primeira e maior datatech do Brasil, dimensionam a escalada. No primeiro trimestre de 2026, a companhia identificou 1.495.696 tentativas de fraude em cadastros e validações de identidade digital, alta de 36,6% em relação ao mesmo período do ano anterior: uma tentativa a cada 5 segundos, com prejuízo potencial de até R$ 1,98 bilhão para empresas e consumidores. Seis em cada dez ocorrências se concentraram no setor financeiro, e “Meios de Pagamento” liderou o ranking por segmento, com 644.586 tentativas.

O quadro se confirma na leitura do semestre inteiro, quando o efeito acumulado da fraude com IA generativa fica ainda mais visível. No primeiro semestre de 2026, as soluções antifraude da companhia barraram 2,86 milhões de tentativas de fraude de identidade em onboarding, cadastros e aberturas de conta, alta de 32,9% ano a ano, com prejuízo evitado estimado em R$ 3,77 bilhões. O histórico mostra que a fraude documental não é fenômeno novo, apenas mais sofisticado: entre abril de 2023 e fevereiro de 2024, a Serasa Experian já havia identificado 3,2 milhões de tentativas de fraudes documentais em 104,3 milhões de transações analisadas, 3% delas envolvendo documentos falsos como RG e CNH adulterados ou fabricados.

Fonte: elaboração própria com base em Serasa Experian (2026) e Deloitte (2024).

A fraude de identidade cresceu 36,6% no primeiro trimestre e 32,9% no primeiro semestre, ritmo que a Serasa Experian atribui, em parte, ao uso indevido de inteligência artificial, à comercialização de fraude como serviço e à pressão de identidades sintéticas. Segundo Eric Dhaese, Vice-presidente de Autenticação e Prevenção à Fraude da companhia, “o fraudador não atua de forma linear. Ele pode começar com uma mensagem de isca, usar dados de terceiros, tentar abrir um cadastro digital, fraudar uma identidade, manipular documentos, explorar contas laranja ou partir diretamente para a transação.”

O mercado antifraude está reagindo na mesma escala do problema. Em julho de 2026, a Serasa Experian concluiu a aquisição da idwall, empresa de identidade digital que já evitava mais de R$ 8 bilhões em fraudes e recebia mais de 700 milhões de consultas em sua plataforma, somando ao ecossistema mais 80 milhões de faces e 450 milhões de identidades validadas por ano. A datatech resultante passou a analisar cerca de 2,4 bilhões de transações por ano e a conhecer o comportamento digital de 98% dos CPFs brasileiros. No plano internacional, a Experian também lançou, em parceria com a Resistant AI, uma forense de documentos que roda mais de 500 perícias por peça e rastreia 350 mil modelos usados por fábricas de documentos falsos, cortando mais de 90% da revisão manual. O movimento confirma o diagnóstico do setor: 59% dos responsáveis por decisões de fraude entrevistados admitem que suas checagens de cadastro atuais já não são suficientes diante da IA generativa.

O que a lei considera fraude documental no Brasil?

O Código Penal brasileiro trata a falsidade documental como crime contra a fé pública, com penas que variam conforme a natureza do documento falsificado. O art. 297 tipifica a falsificação de documento público: “Falsificar, no todo ou em parte, documento público, ou alterar documento público verdadeiro”, com pena de reclusão de 2 a 6 anos e multa, aumentada em um sexto quando o autor é funcionário público que se prevalece do cargo.

O art. 298 tipifica a falsificação de documento particular, com pena de reclusão de 1 a 5 anos e multa. O bem jurídico protegido nos dois casos é a fé pública, a confiança que a sociedade deposita na autenticidade dos documentos que circulam para fins civis, trabalhistas, educacionais e comerciais.

Fonte: Código Penal (Decreto-Lei nº 2.848/1940), planalto.gov.br.

Essa moldura legal não muda com a chegada da IA generativa, já que o crime continua sendo falsificar ou alterar um documento, mas a ferramenta usada para cometê-lo mudou de forma decisiva. Um documento gerado por IA generativa é, do ponto de vista penal, o mesmo “falso material” que o Código Penal já tipifica desde 1940; a diferença está na escala e na velocidade com que ele pode ser produzido e distribuído hoje, o que exige uma resposta de verificação igualmente rápida e em maior volume por parte de quem recebe o documento.

Como a fraude documental é feita hoje e onde ela falha?

O processo de fraude com IA generativa segue um roteiro relativamente padronizado, que a Dynadok mapeia em sua análise antifraude: o fraudador troca um nome, altera uma data, modifica um valor, sobrepõe uma informação sobre um documento real, ou cria a peça inteira do zero a partir de um modelo generativo. O resultado, segundo a empresa, “não deixa rastros que uma conferência visual consiga perceber”, já que o layout está correto, os dados são plausíveis, e a montagem passa despercebida a olho nu.

O problema é que esse processo tem gargalos que a conferência puramente visual não revela, mas que a investigação técnica do arquivo captura, mesmo quando a peça final parece impecável a olho nu:

• A origem do arquivo denuncia a fabricação: todo arquivo carrega informações internas sobre como foi criado. Um atestado que registra ter sido “criado em programa de desenho gráfico” é um forte sinal de fabricação, porque documentos oficiais não nascem assim.
• A construção interna revela remendos: em documentos digitais, um retângulo branco ou uma imagem sobreposta ao conteúdo original fica registrado na estrutura interna do arquivo, com coordenadas exatas, mesmo quando o resultado visual é perfeito.
• A textura e a cor da imagem entregam a edição física: papel fotografado tem textura natural e contínua; um trecho editado aparece como mancha lisa demais, um “silêncio digital” que destoa do papel ao redor.
• A ausência de confirmação na fonte desmente o conteúdo: um documento pode ser visualmente impecável e, ainda assim, não existir na base do órgão que supostamente o emitiu, como no caso do boletim do Enem com nota adulterada.

Como identificar documentos falsificados com IA generativa: passo a passo

1. Pare de confiar apenas na aparência do documento. Fontes, texturas, carimbos e sombras convincentes deixaram de ser garantia de autenticidade, já que a IA generativa foi treinada exatamente para produzir esses sinais de forma crível.
2. Confira os metadados e a origem do arquivo. Todo arquivo digital carrega informações sobre como, quando e com que programa foi criado. Um documento oficial que registra ter passado por um editor gráfico é um sinal de alerta que a leitura simples da imagem não revela.
3. Examine a construção interna do arquivo. Em PDFs e outros documentos digitais, sobreposições e remendos ficam registrados na estrutura interna do arquivo, com coordenadas exatas, ainda que o resultado visual pareça perfeito.
4. Analise a imagem em busca de sinais físicos de edição. Em fotos e digitalizações, três leituras ajudam a capturar a manipulação: textura do papel, marcas de recompressão diferentes na área alterada e manchas de cor mais uniformes que o fundo real.
5. Confira o conteúdo direto na fonte oficial, quando ela existir. Certidões, registros profissionais e resultados de exame têm base consultável, e essa etapa confirma ou desmente o que a imagem, por si só, não pode provar.
6. Cruze os dados entre documentos do mesmo dossiê e com os sistemas internos. Nome, CPF, endereço e datas devem coincidir entre os documentos de um mesmo processo, e os valores devem bater com contratos e cadastros já existentes.
7. Consolide os sinais em um score de integridade, não em um veredito binário. Cada verificação deve gerar um indicador próprio; a soma desses indicadores, comparada a um limite configurável, direciona o documento para aprovação automática, revisão humana ou reprovação.
8. Reserve o julgamento humano para os casos sinalizados, não para o volume total. Com dezenas ou milhares de documentos por mês, a conferência manual de tudo é inviável e sujeita a fadiga de atenção.

Como escolher entre conferência manual, checklist e validação automatizada com IA?

A escolha do modelo de verificação depende do volume de documentos, do risco do processo e da disponibilidade de fonte oficial para conferência.

Fonte: elaboração própria com base em práticas de mercado e na arquitetura descrita neste artigo.

Quanto mais crítico o documento para destravar valor, crédito, matrícula, admissão ou reembolso, menos a aparência isolada deve bastar como critério de aprovação. Um processo seletivo de alto volume, por exemplo, pode operar com um limite mais rígido no score de integridade do que um fluxo simples de reembolso de despesas, já que o risco financeiro e reputacional de cada tipo de documento é diferente.

Quais erros e riscos mais comuns na conferência de documentos com IA generativa?

• Confiar na ausência de assinatura digital como indício de fraude: reenvios comuns por WhatsApp, “imprimir em PDF” ou foto de celular removem a assinatura digital de documentos legítimos, gerando falsos positivos.
• Avaliar cada documento isoladamente, sem cruzar com o dossiê: um documento pode ser perfeito em si mesmo e, ainda assim, ter nome, CPF ou endereço divergentes de outro documento do mesmo processo.
• Tratar todo score elevado como confirmação de fraude: as verificações apontam possibilidade de manipulação, não certeza, exceto quando a fonte oficial desmente o conteúdo.
• Ignorar a conferência na fonte quando ela está disponível: aceitar pela imagem um documento com verificação oficial acessível deixa passar exatamente o tipo de fraude que a imagem não denuncia.
• Não registrar trilha de auditoria por documento: decisões sem histórico documentado enfraquecem a defesa da empresa perante clientes, auditorias e reguladores.

Como a Dynadok identifica documentos falsificados com IA generativa?

A Dynadok automatiza a arquitetura de duas frentes descrita neste artigo. Na primeira frente, a IA examina o arquivo por diferentes ângulos ao mesmo tempo: confere metadados de como e com que programa o arquivo foi criado, lê a construção interna atrás de sobreposições, varre a imagem em busca de texturas fora do padrão, analisa se o layout corresponde ao tipo de documento esperado, e verifica a assinatura digital interna. Na segunda frente, a plataforma consulta conselhos profissionais, como o Conselho Federal de Medicina, e órgãos públicos como o Inep, comparando o que o documento afirma com o que a fonte confirma.

As duas frentes existem porque, isoladamente, nenhuma cobre tudo: um documento oficial legítimo pode ter sido adulterado depois de emitido, e só a investigação do arquivo percebe; um documento visualmente impecável pode ter sido fabricado com dados falsos, e só a fonte oficial desmente. Os sinais de cada verificação são consolidados em um Score de Integridade de 0 a 100, comparado ao limite que cada empresa configura por tipo de análise.

Segundo Cássio Lapertosa, Diretor de TI da Emccamp, “a tecnologia ofertada por eles não só lê campos, mas interpreta documentos cruzando informações, se assemelhando à análise humana.” Na prática, essa análise se traduz em ganhos operacionais: a Dynadok reduz até 95% do tempo gasto com validação automática de documentos, com validações até 10 vezes mais rápidas. Na Vitru/Afya, a assertividade da validação por IA chegou a 90%, segundo Chrystiano Mincoff, Diretor Executivo de Experiência e Permanência, nove em cada dez inscrições validadas automaticamente. Na Unicesumar, o modelo de automação para o volume e humanos para as exceções permitiu reduzir a equipe de análise de documentos do Prouni de 25 para 10 pessoas, segundo Karla Lemos, Gerente de CSC da instituição, “com fluidez, segurança e foco em análises mais estratégicas”. Para aprofundar tipos específicos de fraude, veja como identificar fraudes feitas com IA generativa e o que muda na detecção de fraudes com deepfake em documentos.

Perguntas frequentes sobre documentos falsificados com IA generativa

1. O que são documentos falsificados com IA generativa?

São peças documentais criadas do zero por ferramentas de IA generativa ou adulteradas por elas a partir de um documento real, com qualidade visual suficiente para enganar a conferência humana feita a olho nu.

2. Qual é a diferença entre falsidade material e falsidade ideológica?

Na falsidade material (arts. 297 e 298 do Código Penal), o documento em si é fabricado ou fisicamente alterado, o caso típico da IA generativa. Na falsidade ideológica (art. 299), o documento é autêntico em sua forma, mas contém declaração falsa inserida por quem deveria dizer a verdade.

3. Qual é a pena para quem falsifica um documento no Brasil?

O art. 297 do Código Penal prevê reclusão de 2 a 6 anos e multa para falsificação de documento público, com aumento de um sexto se o autor é funcionário público que se prevalece do cargo. O art. 298 prevê reclusão de 1 a 5 anos e multa para documento particular.

4. Qual é o tamanho do problema da fraude documental no Brasil hoje?

A Serasa Experian identificou 1.495.696 tentativas de fraude de identidade digital no primeiro trimestre de 2026, alta de 36,6% em um ano, e 2,86 milhões de tentativas barradas em cadastro e onboarding no primeiro semestre, alta de 32,9%.

5. O que é o “golpe do sósia”?

É uma modalidade identificada pela Serasa Experian em que o fraudador usa motores de comparação facial para localizar, entre bases de imagens, identidades legítimas com até 99% de semelhança com o próprio rosto, invertendo a lógica tradicional de escolha da vítima.

6. Por que a conferência visual deixou de ser suficiente?

Porque a IA generativa foi treinada para produzir exatamente os sinais que convenciam o olho humano: fontes, texturas, carimbos e sombras plausíveis. Os sinais grosseiros que denunciavam a falsificação tradicional praticamente desapareceram.

7. O que a investigação de metadados revela sobre um documento?

Revela como, quando e com que programa o arquivo foi criado. Um atestado que registra ter sido feito em programa de desenho gráfico é um forte indício de fabricação, porque documentos oficiais não nascem assim.

8. Como a conferência na fonte oficial ajuda a identificar fraude?

Ela confirma ou desmente o conteúdo do documento comparando os dados extraídos com o que consta em conselhos profissionais, órgãos públicos e bases oficiais, capturando fraudes visualmente perfeitas cujo conteúdo não existe na fonte emissora.

9. A ausência de assinatura digital em um documento indica fraude?

Não necessariamente. Reenvios comuns por WhatsApp, “imprimir em PDF” ou foto de celular removem a assinatura digital de documentos legítimos. A ausência deve ser tratada como informação, não como indício automático.

10. Quais sinais na imagem indicam edição física de um documento?

Três leituras costumam capturar a manipulação: textura (regiões lisas demais em relação ao papel ao redor), recompressão (marcas diferentes na área alterada) e cor (manchas mais uniformes que o fundo original).

11. O que é o Score de Integridade em uma plataforma de validação documental?

É a consolidação, em uma nota de 0 a 100, dos indícios levantados por cada verificação, comparada a um limite configurável por tipo de análise, determinando se o documento segue aprovado, vai para revisão humana ou é reprovado.

12. Um score alto significa que o documento é fraudulento?

Não. O score indica possibilidade de manipulação, não confirmação de fraude. A exceção fica reservada para os casos em que a conferência direta na fonte oficial desmente o conteúdo do documento, situação em que a reprovação pode acontecer de forma automática, sem depender de julgamento humano adicional.

13. Quem envia um documento suspeito é avisado da suspeita?

Não, em arquiteturas bem desenhadas. O alerta é interno, direcionado apenas à equipe que revisa o caso, evitando que o fraudador saiba que a adulteração foi percebida e ajuste a peça para uma nova tentativa mais sofisticada.

14. Quais setores são mais visados pela fraude documental com IA generativa?

Setores digitalizados com onboarding intensivo concentram o maior risco: instituições financeiras, educação, construção civil, celulose e mineração (por conta de fornecedores e terceiros), tecnologia e qualquer operação em que documentos destravam crédito, matrícula, admissão ou reembolso de valores.

15. Como a validação automatizada reduz o tempo de conferência?

Aplicando as verificações de metadados, construção interna, imagem e fonte oficial a 100% dos documentos em segundos, em vez de depender de revisão manual amostral, com redução de até 95% no tempo total.

16. É possível eliminar totalmente a fraude documental?

Não. Nenhuma arquitetura de defesa é infalível. O objetivo realista é elevar o custo do ataque, capturar os indícios que o fraudador não controla e concentrar o julgamento humano nos casos que exigem contexto.

17. Como a LGPD se relaciona com a validação documental automatizada?

Como os processos concentram dados pessoais sensíveis, a plataforma de validação deve seguir princípios de minimização de dados, segurança, rastreabilidade e controle de acesso, com trilha de auditoria por documento.

18. Quanto custa manter a conferência manual diante desse cenário?

Segundo a Ardent Partners (2025), o processo manual de conferência custa US$ 9,40 por documento, contra US$ 2,78 no processo automatizado, uma diferença de cerca de 70%. Além do custo direto, o processo manual também responde mais devagar ao volume crescente de tentativas de fraude.

19. O que muda quando a empresa adota a arquitetura de duas frentes?

A cobertura passa de amostral para total: em vez de revisar uma fração dos documentos recebidos, a empresa aplica a investigação de arquivo e a conferência na fonte a todos eles.

20. Por onde uma empresa começa a se proteger da fraude documental com IA generativa?

Mapeando os pontos do processo em que documentos destravam valor, substituindo a conferência puramente visual por investigação de arquivo e conferência na fonte, e configurando o limite de rigor do score conforme o risco de cada análise.

Conclusão

Documentos falsificados com IA generativa venceram o teste que sustentava a confiança em processos remotos, a aparência do documento. Os números da Serasa Experian, com 1,49 milhão de tentativas de fraude de identidade só no primeiro trimestre de 2026 e a nova modalidade do “golpe do sósia”, mostram que essa fronteira já chegou às operações brasileiras. A resposta que funciona pede investigação técnica do arquivo combinada com conferência direta na fonte oficial, aplicada a 100% dos documentos recebidos. É essa arquitetura de duas frentes que a Dynadok automatiza, liberando o time para revisar apenas os casos que realmente merecem atenção humana. Solicite uma demonstração e veja como a Dynadok identifica documentos falsificados no seu processo, da chegada ao veredito.

Como citar este artigo

ABNT: DYNADOK. Documentos falsificados com IA generativa: a nova fronteira da fraude. Blog Dynadok, 07 set. 2026. Disponível em: https://blog.dynadok.com/ia/documentos-falsificados-com-ia-generativa-a-nova-fronteira-da-fraude/. Acesso em: 07 set. 2026.

APA: Dynadok. (2026, 7 de setembro). Documentos falsificados com IA generativa: a nova fronteira da fraude. Blog Dynadok. https://blog.dynadok.com/ia/documentos-falsificados-com-ia-generativa-a-nova-fronteira-da-fraude/

Referências

ARDENT PARTNERS. Accounts Payable Metrics That Matter in 2025. 2025. Disponível em: https://www.medius.com/resources/guides-reports/ardent-partners-accounts-payable-metrics-that-matter/. Acesso em: 07 set. 2026.

BRASIL. Decreto-Lei nº 2.848, de 7 de dezembro de 1940. Código Penal. Brasília: Presidência da República, 1940. Disponível em: http://www.planalto.gov.br/ccivil_03/decreto-lei/Del2848compilado.htm. Acesso em: 07 set. 2026.

CARTACAPITAL. Fraudes com documentos são registradas a cada 7 minutos no Brasil. 2024. Disponível em: https://www.cartacapital.com.br/?p=454251. Acesso em: 07 set. 2026.

DELOITTE CENTER FOR FINANCIAL SERVICES. Generative AI is expected to magnify the risk of deepfakes and other fraud in banking. 2024. Disponível em: https://www.deloitte.com/us/en/insights/industry/financial-services/deepfake-banking-fraud-risk-on-the-rise.html. Acesso em: 07 set. 2026.

DYNADOK. Antifraude documental com IA. 2026. Disponível em: https://dynadok.com/anti-fraude/. Acesso em: 07 set. 2026.

DYNADOK. Deepfake em documentos: o que muda na detecção de fraudes. Blog Dynadok, 2026. Disponível em: https://blog.dynadok.com/ia/deepfake-em-documentos-o-que-muda-na-deteccao-de-fraudes/. Acesso em: 07 set. 2026.

DYNADOK. Documentos gerados por IA: como identificar fraudes feitas com IA generativa. Blog Dynadok, 2026. Disponível em: https://blog.dynadok.com/ia/documentos-gerados-por-ia-como-identificar-fraudes-feitas-com-ia-generativa/. Acesso em: 07 set. 2026.

DYNADOK. Validação automática de documentos com IA. 2026. Disponível em: https://dynadok.com/. Acesso em: 07 set. 2026.

LET’S MONEY. Experian mira fraude de documento gerado por IA. 2026. Disponível em: https://www.letsmoney.com.br/noticias/experian-resistant-ai-fraude-documento-gerado-ia/. Acesso em: 07 set. 2026.

SERASA EXPERIAN. Golpe do sósia: fraudadores usam tecnologia para encontrar vítimas parecidas e tentar burlar biometria, aponta Serasa Experian. 2026. Disponível em: https://www.serasaexperian.com.br/sala-de-imprensa/prevencao-a-fraude/golpe-do-sosia-fraudadores-usam-tecnologia-para-encontrar-vitimas-parecidas-e-tentar-burlar-biometria-aponta-serasa-experian/. Acesso em: 07 set. 2026.

SERASA EXPERIAN. Serasa Experian reforça liderança no ecossistema antifraude com aquisição da idwall e avança em identidade digital. 2026. Disponível em: https://www.serasaexperian.com.br/sala-de-imprensa/prevencao-a-fraude/serasa-experian-reforca-lideranca-no-ecossistema-antifraude-com-aquisicao-da-idwall-e-avanca-em-identidade-digital. Acesso em: 07 set. 2026.

SERASA EXPERIAN. Tentativas de fraude de identidade digital crescem 36,6% no 1º trimestre de 2026, aponta Serasa Experian. 2026. Disponível em: https://www.serasaexperian.com.br/sala-de-imprensa/prevencao-a-fraude/tentativas-de-fraude-de-identidade-digital-crescem-366-no-primeiro-trimestre-de-2026-aponta-serasa-experian/. Acesso em: 07 set. 2026.

SUMSUB. Identity Fraud Report 2025-2026. 2025. Disponível em: https://sumsub.com/fraud-report-2025/. Acesso em: 07 set. 2026.