Ataques de voz deepfake contra equipes financeiras: guia de defesa

Sexta-feira, 16h50. A voz no telefone é a do diretor financeiro: o mesmo ritmo de fala, o mesmo sotaque, aquela impaciência conhecida. Ele quer que um pagamento confidencial saia antes do fechamento. Tudo na voz bate. A única coisa que não bate é que o diretor financeiro nunca fez essa ligação.

Esse cenário deixou de ser hipotético há anos. Na empresa de engenharia Arup, um funcionário do financeiro participou de uma videochamada com pessoas que pareciam e soavam como o diretor financeiro da companhia e vários colegas e, depois, fez 15 transferências que somaram cerca de US$ 25,6 milhões. Todos os outros participantes da chamada eram deepfakes. Desde então a tecnologia só melhorou. Segundo o comunicado de imprensa do Gartner de 22 de setembro de 2025, 62% das organizações sofreram um ataque deepfake no último ano. O Global Threat Report 2025 da CrowdStrike registrou um aumento de 442% do phishing por voz no segundo semestre de 2024 em relação ao primeiro. E o Data Breach Investigations Report 2026 da Verizon aponta o elemento humano em 62% das violações.

Este guia trata do ponto em que essa tecnologia encontra uma única função: as pessoas autorizadas a aprovar saídas de dinheiro. Essas equipes estão no centro do risco humano no setor financeiro. Explicamos por que o financeiro é o alvo, o que três casos bem documentados ensinam sobre o que funciona e o que não funciona, e um processo de confirmação que se sustenta mesmo quando a voz é perfeita.

Por que as ligações vão para o financeiro

A voz deepfake não é um ataque novo, e sim uma ferramenta que multiplica a força de um ataque antigo. O golpe do falso CEO, em que alguém se passa por um alto executivo para pedir um pagamento urgente, é muito anterior à IA. O comprometimento de e-mail corporativo (BEC) continua entre os crimes mais caros que o Internet Crime Complaint Center (IC3) do FBI acompanha em seus relatórios anuais. O que a voz clonada acrescenta é a camada de confiança que o e-mail nunca conseguiu imitar: uma voz conhecida que responde às suas perguntas em tempo real.

Os reguladores apontaram essa mudança de forma explícita. A FinCEN, ligada ao Tesouro dos Estados Unidos, alertou em novembro de 2024 as instituições financeiras sobre o aumento de operações suspeitas com conteúdo deepfake, de documentos de identidade gerados por IA à imitação de executivos.

A lógica da escolha do alvo é simples. Equipes financeiras combinam alçada de pagamento com uma cultura de resposta rápida à liderança, e os fluxos de aprovação (quem pode aprovar o quê e acima de qual valor) costumam ser previsíveis de fora. Um atacante que clona a voz do CEO não precisa comprometer sistema nenhum. Basta uma pessoa que aceite uma voz como prova de identidade. A fraude de faturas funciona com a mesma lógica: o pedido é rotineiro, a pressão é social e o dinheiro sai por canais legítimos.

Três ligações, três lições

Lidos juntos, os três casos são excepcionalmente instrutivos, porque a diferença entre uma perda de oito dígitos e duas tentativas frustradas nunca foi a tecnologia de detecção. Ninguém foi salvo pelo ouvido.

Na Ferrari, a voz que imitava o CEO Benedetto Vigna era convincente; até o sotaque do sul da Itália estava lá. Mas o executivo ao telefone fez algo que nenhum clone consegue contornar: perguntou pelo livro que Vigna tinha recomendado pouco antes. O falso CEO desligou. Na LastPass, o funcionário reconheceu exatamente os sinais para os quais a empresa treina os colaboradores: um contato fora dos canais de trabalho habituais e uma urgência artificial. Na Arup, ao contrário, a própria videochamada dissipou a suspeita inicial que o funcionário tinha sentido diante de um e-mail de phishing. A reunião falsa funcionou como garantia, e entre essa garantia e as transferências não havia nenhum controle de processo.

Uma voz clonada não precisa enganar o seu ouvido para sempre; basta enganá-lo por tempo suficiente para que a urgência passe por cima do procedimento. A confirmação tem que estar no processo, não em quem escuta.

Como uma ligação clonada é preparada

Entender a linha de produção mostra onde a defesa funciona. O primeiro passo é o reconhecimento: os atacantes usam OSINT para escolher a voz, o alvo e um pretexto crível, a partir de teleconferências com investidores, vídeos de eventos, organogramas no LinkedIn e comunicados à imprensa. O segundo é o clone em si: a pesquisa da McAfee sobre clonagem de voz mostrou que ferramentas de acesso gratuito já conseguem imitar uma voz a partir de amostras muito curtas. O terceiro é o canal: os ataques preferem celulares pessoais e WhatsApp, onde a segurança de e-mail e os registros de chamadas nunca olham. É o mesmo ponto cego explorado pela onda mais ampla de vishing e smishing. Algumas campanhas invertem o fluxo e recorrem ao phishing de retorno de ligação: um e-mail deixa um número de telefone, a vítima inicia a ligação e chega à linha já confiando.

Depois vem o roteiro: uma aquisição confidencial, uma emergência com um fornecedor, um prazo regulatório. Sempre urgente, sempre confidencial; sempre termina em um pagamento ou em uma credencial. O alerta público do FBI de dezembro de 2024 descreve a cadeia completa, da voz clonada aos documentos gerados por IA que sustentam o pretexto.

Como isso apareceria em uma empresa brasileira (exemplo fictício)

O cenário a seguir é totalmente fictício; a empresa e as pessoas são inventadas.

A gerente de contas a pagar da Distribuidora Exemplo Ltda., uma distribuidora de médio porte, recebe em uma quinta-feira à tarde uma mensagem de WhatsApp de uma conta com a foto do diretor-presidente: "Estamos em uma negociação confidencial de aquisição, te ligo em um minuto, não comente com ninguém". Dez minutos depois, na ligação, a voz do diretor-presidente diz que hoje precisa sair um adiantamento para um fornecedor no exterior; os dados da fatura vão chegar de [email protected]. A gerente tem um procedimento interno: todo pagamento acima de R$ 100.000 exige uma segunda autorização e um retorno de ligação para o número do diretório. Ela desliga e liga para o ramal do diretor-presidente. Ele está em reunião e não sabe nada desse pedido. O pagamento não sai, e ela reporta o incidente à área de segurança da informação.

O que esse caso fictício ensina é que não importa se ela reconheceu a voz ou não. O que a protegeu foi um processo que não dependia do julgamento dela.

O processo de confirmação para as equipes financeiras

1. Torne inegociável o retorno de ligação para um número conhecido. Todo pedido por voz ou vídeo que envolva saída de dinheiro, mudança de dados de pagamento ou compartilhamento de credenciais é confirmado por um canal independente: desligue e ligue para o número do diretório corporativo. Nunca use o número que ligou para você nem um número informado durante a ligação. O FBI recomenda também combinar antecipadamente uma palavra ou frase secreta para autorizações de alto risco. Trate isso como um dos controles, não como o único; tudo o que pode ser compartilhado pode vazar.

2. Desenhe controles que partam do princípio de que a identidade não pode ser confirmada. Dupla autorização acima de um valor definido, separação entre quem inicia o pagamento e quem aprova e um período de espera obrigatório para beneficiários novos ou alterados. Esses controles funcionam porque não ligam para o quão convincente soa quem pede. A perda da Arup precisou de uma única pessoa capaz de executar quinze transferências a partir de uma única reunião. Com transferências instantâneas, como o Pix, a janela para perceber o golpe depois que o dinheiro sai é ainda menor, o que torna esses controles prévios ainda mais importantes.

3. Proteja o fluxo de alteração de dados de fornecedores. A troca de dados bancários é a prima discreta da ligação dramática do CEO, e é por ali que passa de fato a maior parte do dinheiro do BEC. Toda alteração nos dados de pagamento de um fornecedor é confirmada com uma pessoa conhecida do fornecedor, em um número estabelecido de antemão, por mais legítimo que o pedido pareça.

4. Torne seguro dizer "não" ao CEO. Na Ferrari, a salvação só foi possível porque um executivo se sentiu autorizado a testar o próprio CEO. Deixe por escrito: ninguém que atrasar um pagamento para confirmá-lo será punido, e os executivos reais esperam a confirmação. Um pedido que combina urgência e confidencialidade para desestimular a confirmação é o sinal de fraude mais forte que você vai encontrar.

5. Ensaie e depois meça. Uma política que ninguém praticou perde para uma voz que todo mundo reconhece. Faça simulações de voz deepfake específicas para as funções de finanças e tesouraria e verifique se o retorno de ligação acontece de verdade sob pressão de tempo. Leve os resultados para uma pontuação de risco humano, para que quem tem alçada de pagamento, ou seja, quem paga mais caro por um erro, receba acompanhamento direcionado em vez de um treinamento anual genérico. Quando houver uma tentativa, reporte: primeiro à equipe de segurança e, se o dinheiro tiver saído, imediatamente ao seu banco.

Conclusão

A voz era um dado biométrico que a sua empresa tinha de graça: se você conhece o diretor financeiro, confia nele. A clonagem de voz barata eliminou essa premissa, e ela não vai voltar. As equipes financeiras que lidam bem com isso não são as que compram um detector de deepfake, e sim as que transferem a confiança da percepção humana para o processo e ensaiam esse processo o suficiente para que ele resista a uma voz convincente em uma sexta-feira à tarde. A tecnologia por trás das ligações vai continuar melhorando. O retorno de ligação para um número conhecido vai continuar funcionando.