São Francisco, CA, 20 de outubro de 2026, Chainwire
Após constatar que praticamente todos os métodos de “impressão digital” testados podiam ser burlados – inclusive o da própria Sentient – o novo Fingerprinting Leaderboard vai avaliar abertamente quais técnicas realmente sobrevivem a cópia, ajuste fino, destilação e ataques.
Treinar modelos de IA pode custar milhões de dólares. Mas, uma vez copiados, ajustados ou destilados em outros modelos, provar sua origem passa a ser um grande desafio.
Pesquisadores da Sentient testaram recentemente dez técnicas propostas para resolver esse problema e descobriram que quase todas podem ser contornadas por um atacante sofisticado, sem comprometer de forma relevante a utilidade do modelo. Isso inclui o próprio método de fingerprinting da Sentient.
Agora, a Sentient Foundation está lançando o Fingerprinting Leaderboard, um benchmark aberto criado para medir quais abordagens de fato funcionam, quanto impactam a performance dos modelos e, em última instância, se suas impressões digitais conseguem sobreviver às tentativas de remoção.
O tema ganha importância à medida que modelos de IA cada vez mais poderosos são lançados, ajustados, destilados e reempacotados. Pesos podem ser copiados, metadados se perdem, e os desenvolvedores ficam com poucas ferramentas confiáveis para demonstrar que outro modelo deriva de seu trabalho.
A impressão digital oferece uma saída diferente: colocar a prova de origem dentro do próprio modelo.
“Modelos de IA estão se tornando alguns dos ativos de propriedade intelectual mais valiosos do mundo e, ainda assim, depois que um modelo é copiado ou destilado, comprovar a titularidade se torna incrivelmente difícil”, afirma Sachi Kamiya, diretora de Venture e Growth da Sentient Foundation. “O fingerprinting coloca a prova dentro do modelo. Pense nisso como o equivalente em IA às marcas ocultas usadas por pintores renascentistas para estabelecer autoria.”
Uma assinatura oculta dentro do modelo
Desenvolvido por pesquisadores do Sentient Labs e de outros grupos na área, o fingerprinting de modelos engloba técnicas que criam, identificam ou verificam sinais característicos associados a um modelo, permitindo testar sua identidade ou linhagem no futuro.
A abordagem da Sentient incorpora assinaturas comportamentais ocultas já na fase de treinamento. Depois, o proprietário precisa apenas de acesso via API a um modelo suspeito de ser derivado. Ao enviar “prompts” secretos de desafio e checar as respostas, é possível testar se ainda restam traços do modelo original.
Em termos simples, o modelo passa a carregar evidências de onde veio.
“A marca é uma assinatura comportamental codificada durante o treinamento e verificada posteriormente por meio de prompts de desafio que revelam se um modelo suspeito ainda carrega traços do original”, explica Eduardo Contente, pesquisador de IA no Sentient Labs.
Isso cria algo que historicamente faltou à IA: proveniência de modelo verificável a partir do próprio modelo, sem depender apenas de logs, metadados ou investigações externas.
24.576 impressões digitais em um único modelo
Pesquisadores da Sentient já demonstraram que o fingerprinting pode escalar muito além das abordagens anteriores.
Seu método Perinucleus, apresentado em destaque na NeurIPS 2025, embutiu 24.576 impressões digitais no Llama-3.1-8B com perda mínima de utilidade, com muitas delas sobrevivendo a ajustes finos posteriores.
Essa escala é crucial. Mais impressões digitais significam maior confiança estatística, mais oportunidades de verificar a origem e maior resiliência à medida que os modelos são copiados e distribuídos.
Mas escala é apenas metade do problema. A questão mais difícil é saber se essas impressões suportam alguém tentando ativamente removê-las.
A Sentient tentou quebrar as impressões digitais, inclusive as próprias
A pesquisa mais recente do Sentient Labs mostra que muitas das atuais técnicas de fingerprinting e marca d’água ainda são vulneráveis a um atacante sofisticado.
Em estudo apresentado na SaTML 2026, pesquisadores da Sentient construíram ataques adaptativos contra dez esquemas de fingerprinting recentemente propostos e constataram que quase todos podiam ser burlados por um adversário suficientemente avançado, preservando a utilidade do modelo.
Isso inclui o próprio método Perinucleus da Sentient.
Em vez de esconder essas fragilidades, a empresa decidiu publicá-las.
O Fingerprinting Leaderboard foi criado para transformar esse processo adversarial em um benchmark aberto. A primeira versão avalia quão bem diferentes técnicas conseguem embutir impressões digitais sem degradar a performance do modelo. Uma próxima atualização incluirá testes de robustez adversarial, medindo até que ponto essas marcas sobrevivem a tentativas deliberadas de remoção ou evasão.
O objetivo é direto: uma impressão digital não deve apenas sobreviver a um benchmark acadêmico; ela deve sobreviver a alguém tentando destruí-la.
Abrindo o teste para a comunidade de pesquisa
Junto com o leaderboard, a Sentient está lançando o mlprints, uma biblioteca open source que reúne técnicas de fingerprinting e ataques em um ambiente comum de avaliação.
Pesquisadores podem implementar novos esquemas, desenvolver ataques, reproduzir resultados existentes e comparar abordagens sob condições padronizadas, à medida que o campo avança.
O Fingerprinting Leaderboard foi projetado para evoluir com a comunidade, transformando o fingerprinting de modelos em um ambiente aberto de testes, no qual alegações sobre robustez possam ser avaliadas de forma independente, em vez de simplesmente aceitas.
Modelos abertos sem abrir mão da propriedade
O fingerprinting pode ajudar a resolver um dos problemas mais difíceis da IA open source.
Hoje, desenvolvedores enfrentam um dilema: manter os pesos fechados para preservar o controle ou liberá-los abertamente e perder visibilidade sobre como são copiados e reutilizados.
O fingerprinting introduz uma terceira via.
Em vez de impedir a cópia, ele cria evidências de origem depois que a cópia acontece. Essas evidências podem, no futuro, embasar mecanismos de atribuição, enforcement de licenciamento, garantias econômicas e outros sistemas ancorados em proveniência verificável de modelos.
Ao tornar a proveniência de modelos verificável, a pesquisa em fingerprinting da Sentient e o Fingerprinting Leaderboard buscam fomentar um ecossistema aberto de IA no qual modelos possam ser compartilhados e reutilizados sem que criadores precisem, automaticamente, abrir mão da capacidade de provar a origem da tecnologia.
A meta de longo prazo é ainda mais ambiciosa: uma impressão digital tão profundamente ligada às capacidades do modelo que removê-la implique danificar o modelo em si.
Propriedade intelectual comprovável. Conheça seu modelo.
Saiba mais: https://fingerprint.sentient.foundation
Sobre a Sentient Foundation
A Sentient Foundation é uma organização sem fins lucrativos dedicada a garantir que a Inteligência Artificial Geral (AGI) permaneça open source e alinhada à humanidade. Com neutralidade e transparência como princípios centrais, a Fundação promove a adoção global de AGI aberta, defende padrões de alinhamento e segurança, distribui grants para desenvolvedores no mundo todo e coordena estruturas de governança para um desenvolvimento responsável de IA. Para contato com a imprensa: [email protected]
Website: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
Sobre o Sentient Labs
O Sentient Labs é a organização de pesquisa técnica e desenvolvimento de produtos da Sentient Foundation.
Pioneiro em pesquisa aplicada em raciocínio, alinhamento e coordenação multiagente, o Labs desenvolve frameworks e modelos open source – incluindo, entre outros, ROMA, OML e Arena – que demonstram a força da inteligência artificial orientada pela comunidade. Isso inclui viabilizar a monetização de ferramentas abertas, elevar a qualidade e a utilidade do ecossistema de IA open source por meio de coordenação em larga escala e oferecer os canais de distribuição necessários para tornar o open source o padrão de fato em IA.
Website: https://sentient.xyz
LinkedIn: https://www.linkedin.com/company/sentientagi
Contato
Sachi Kamiya
Sentient Foundation
[email protected]