São Francisco, Califórnia, 20 de outubro de 2026, Chainwire
Depois de investigadores concluírem que praticamente todos os métodos de impressão digital testados podiam ser contornados — incluindo o da própria Sentient — o novo Fingerprinting Leaderboard vai testar, de forma aberta, que técnicas realmente resistem a cópia, afinação, destilação e ataques direcionados.
Treinar modelos de IA pode custar milhões de dólares, mas, uma vez copiados, afinados ou destilados para outro modelo, provar de onde vieram torna‑se surpreendentemente difícil.
Investigadores da Sentient testaram recentemente dez técnicas propostas para resolver este problema e verificaram que quase todas podiam ser contornadas por um atacante suficientemente sofisticado, sem perda relevante de utilidade do modelo. Isso incluiu o próprio método de impressão digital da Sentient.
Agora, a Sentient Foundation está a lançar o Fingerprinting Leaderboard, um benchmark aberto concebido para medir que abordagens funcionam na prática, quanto afetam o desempenho do modelo e, em última análise, se as suas impressões digitais conseguem sobreviver a tentativas de remoção.
O problema ganha peso à medida que modelos de IA cada vez mais capazes são lançados, afinados, destilados e reempacotados. Os pesos podem ser copiados, os metadados podem perder‑se e os desenvolvedores ficam com poucas formas fiáveis de demonstrar que outro modelo deriva do seu trabalho.
A impressão digital oferece uma abordagem diferente: colocar a prova de origem dentro do próprio modelo.
“Os modelos de IA estão a tornar‑se alguns dos ativos de propriedade intelectual mais valiosos do mundo e, no entanto, assim que um modelo é copiado ou destilado, provar a titularidade torna‑se incrivelmente difícil”, afirmou Sachi Kamiya, diretora de Venture and Growth na Sentient Foundation. “A impressão digital coloca a prova dentro do modelo. Pensem nisto como o equivalente em IA das marcas ocultas que os pintores do Renascimento usavam para afirmar autoria.”
Uma assinatura oculta no interior do modelo
Desenvolvida por investigadores da Sentient Labs e de outras instituições, a impressão digital de modelos abrange técnicas que criam, detetam ou verificam sinais distintivos associados a um modelo, permitindo testar posteriormente a sua identidade ou linhagem.
A abordagem da Sentient incorpora assinaturas comportamentais ocultas durante o treino. Mais tarde, o detentor só precisa de acesso via API a um modelo suspeito de ser derivado. Enviando desafios secretos (prompts específicos) e analisando as respostas, é possível verificar se subsistem vestígios do modelo original.
Em termos simples, o modelo carrega dentro de si evidência da sua origem.
“A marca é uma assinatura comportamental codificada durante o treino e verificada mais tarde através de prompts de desafio que revelam se um modelo suspeito ainda transporta traços do original”, explicou Eduardo Contente, investigador de IA na Sentient Labs.
Isto cria algo que historicamente faltou à IA: proveniência do modelo verificável a partir do próprio modelo, em vez de depender apenas de registos, metadados ou investigação externa.
24 576 impressões digitais num único modelo
Os investigadores da Sentient já demonstraram que a impressão digital pode escalar muito para além das abordagens anteriores.
O método Perinucleus, apresentado em destaque na NeurIPS 2025, incorporou 24 576 impressões digitais no Llama-3.1-8B com perda mínima de utilidade, com muitas dessas impressões a sobreviverem a afinações posteriores.
Essa escala é relevante. Mais impressões significam maior confiança estatística, mais oportunidades para verificar a proveniência e maior resiliência à medida que os modelos são copiados e distribuídos.
Mas a escala é apenas metade do problema. A questão mais difícil é saber se essas impressões digitais conseguem sobreviver a alguém que ativamente tenta removê‑las.
A Sentient tentou quebrar as impressões digitais — incluindo as suas
A investigação mais recente da Sentient Labs mostra que muitos métodos atuais de impressão digital e marca‑d’água continuam vulneráveis a atacantes sofisticados.
Em trabalho apresentado na SaTML 2026, investigadores da Sentient construíram ataques adaptativos contra dez esquemas recentes de impressão digital e concluíram que quase todos podiam ser iludidos por um adversário suficientemente avançado, mantendo a utilidade do modelo.
Isso incluiu o próprio método Perinucleus da Sentient.
Em vez de ocultar essas fragilidades, a Sentient decidiu publicá‑las.
O Fingerprinting Leaderboard foi concebido para transformar esse processo adversarial num benchmark aberto. A primeira versão avalia quão eficazmente diferentes técnicas inserem impressões digitais sem degradar o desempenho do modelo. Uma versão futura irá acrescentar testes de robustez adversarial, medindo até que ponto essas impressões resistem a tentativas deliberadas de remoção ou evasão.
O objetivo é direto: uma impressão digital não deve apenas sobreviver a um benchmark académico. Deve sobreviver a alguém que procura ativamente destruí‑la.
Um campo de testes aberto para a comunidade científica
Em paralelo com o leaderboard, a Sentient está a lançar o mlprints, uma biblioteca open‑source que reúne técnicas de impressão digital e ataques num quadro comum de avaliação.
Investigadores podem implementar novos esquemas, desenvolver ataques inovadores, reproduzir resultados existentes e comparar abordagens em condições comuns, à medida que o campo evolui.
O Fingerprinting Leaderboard foi desenhado para evoluir com a comunidade de investigação, transformando a impressão digital de modelos num ambiente de teste aberto, em que alegações de robustez podem ser avaliadas de forma independente, em vez de simplesmente aceites.
Modelos abertos sem abdicar da titularidade
A impressão digital pode ajudar a resolver um dos problemas mais complexos da IA open‑source.
Atualmente, criadores enfrentam um dilema: manter os pesos fechados para preservar o controlo ou partilhá‑los abertamente e perder visibilidade sobre como são copiados e reutilizados.
A impressão digital abre uma terceira via.
Em vez de impedir a cópia, cria‑se evidência de origem após essa cópia ocorrer. Essa evidência poderá, no futuro, suportar mecanismos de atribuição, aplicação de licenças, garantias económicas e outros sistemas assentes em proveniência de modelos verificável.
Ao tornar a proveniência de modelos verificável, a investigação da Sentient em impressão digital e o Fingerprinting Leaderboard pretendem estimular um ecossistema de IA aberto, em que modelos podem ser partilhados e reutilizados sem que os criadores abdiquem automaticamente da capacidade de provar onde a tecnologia foi desenvolvida.
O objetivo de longo prazo é ainda mais ambicioso: uma impressão digital tão intimamente ligada às capacidades do modelo que a sua remoção danifique inevitavelmente o próprio modelo.
PI comprovável. Conheça o 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 com os interesses da humanidade. Com neutralidade e transparência no centro da sua missão, a Fundação promove a adoção global de AGI open‑source, defende padrões de alinhamento e segurança, distribui bolsas a desenvolvedores em todo o mundo e coordena estruturas de governação para um desenvolvimento responsável de IA. Para contactos de imprensa: [email protected]
Website: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
Sobre a Sentient Labs
A Sentient Labs é a organização de investigação técnica e de produto da Sentient Foundation.
Na vanguarda da investigação aplicada em raciocínio, alinhamento e coordenação multi‑agente, a Labs desenvolve frameworks e modelos open‑source — incluindo, entre outros, ROMA, OML e Arena — que demonstram o potencial de uma inteligência artificial impulsionada pela comunidade. Isto inclui viabilizar a monetização de ferramentas open‑source, elevar a qualidade e utilidade do ecossistema de IA aberto através de coordenação em larga escala e proporcionar a distribuição necessária para que o open‑source se torne o padrão de referência em IA.
Website: https://sentient.xyz
LinkedIn: https://www.linkedin.com/company/sentientagi
Contacto
Sachi Kamiya
Sentient Foundation
[email protected]