Fraude documental em série: como detectar documentos reutilizados

Este artigo tem caráter informativo e não constitui aconselhamento jurídico, regulatório ou de conformidade. Consulte um profissional qualificado para uma análise adaptada à sua organização.

Um holerite falso, analisado sozinho, pode parecer perfeitamente legítimo. O mesmo holerite, com nome e valor alterados, submetido em vinte cadastros de crédito diferentes ao longo de seis meses, é outra coisa: um padrão de fraude em série que só fica visível quando os documentos são comparados entre si. Esse é o ponto cego da maioria dos controles documentais — verificam cada arquivo isoladamente, mas nunca perguntam "esse documento já apareceu antes, com outro nome?"

No Brasil, esse padrão já apareceu em operações concretas: em março de 2026, a Polícia Federal cumpriu 43 mandados de busca e 21 de prisão em São Paulo, Rio de Janeiro e Bahia contra uma quadrilha suspeita de fraudes contra a Caixa Econômica Federal, segundo a Agência Brasil. Meses antes, a Polícia Civil de São Paulo havia desarticulado outro esquema que desviou mais de R$ 18 milhões em empréstimos do Banco do Brasil, beneficiando 24 empresas com CNPJ irregular — raramente um documento isolado, e sim o mesmo modelo reaproveitado dezenas de vezes.

O que é document fingerprinting

Document fingerprinting é a técnica que gera uma "impressão digital" de cada documento — um resumo compacto da estrutura visual, layout e metadados — e a compara com impressões já registradas em outros cadastros. Diferente da perícia de um único documento, que procura manipulação dentro do próprio arquivo, o fingerprinting procura repetições entre arquivos supostamente independentes.

Na prática, um fraudador raramente cria um modelo novo para cada cadastro: é mais rápido e barato reutilizar o mesmo modelo — extrato bancário fabricado, comprovante de endereço, RG ou CNH sintéticos combinados com um CPF de terceiro — trocando apenas nome, foto ou valor. Segundo o ACFE 2024 Report to the Nations, controles manuais detectam apenas 37% da fraude documental, com atraso médio de 87 dias — tempo suficiente para um modelo circular por dezenas de cadastros antes de ser identificado.

Por que quadrilhas reutilizam modelos

Quadrilhas reutilizam modelos porque a IA generativa tornou a falsificação convincente relativamente barata, mas ainda exige tempo para chegar a um resultado que engane o OCR e resista a uma primeira inspeção. Depois que um operador consegue um modelo que "funciona", a lógica econômica aponta para a reutilização em massa — não para criar um novo a cada tentativa. Um estudo recente sobre fraude no Pix descreve essa dinâmica no ecossistema financeiro brasileiro: ferramentas generativas reduzem o custo marginal de cada falsificação adicional a quase zero, empurrando quadrilhas a reutilizar um mesmo modelo em identidades sintéticas distribuídas entre financeiras, seguradoras e plataformas de locação, conforme "A Taxonomy of Pix Fraud in Brazil".

A ENISA Threat Landscape 2024 identifica a fraude de identidade e documental como categoria de ameaça em crescimento sustentado, associada a ferramentas de geração de conteúdo acessíveis a operadores sem competência técnica avançada. Um modelo reutilizado várias vezes, porém, deixa rastro: a mesma marca d'água desalinhada, o mesmo erro de fonte, evidentes quando dois exemplares são colocados lado a lado.

Em que difere da perícia de documento único

Document fingerprinting difere da perícia de um único documento porque o sinal de fraude não está dentro do arquivo, mas na relação entre vários arquivos submetidos separadamente. Técnicas como análise de nível de erro (ELA) ou inspeção de metadados de PDF procuram anomalias internas e funcionam mesmo quando o documento nunca foi visto antes, como já detalhamos em análise tipográfica na detecção de documentos falsificados e em validação cruzada de documentos além do OCR/IDP. Um modelo bem construído, porém, passa facilmente por esses testes em cada cadastro individual: o fingerprinting muda a pergunta de "esse documento foi alterado?" para "já apareceu em outro cadastro?". A tabela abaixo resume a diferença de escopo.

Setores mais expostos à fraude documental em série no Brasil

Os setores mais expostos à fraude documental em série são os que têm alto volume de cadastros, decisão rápida e pouco compartilhamento de dados entre operadores concorrentes. O crédito ao consumidor se encaixa nesse perfil: prazos curtos de decisão e comprovantes de renda fáceis de fabricar tornam o canal um alvo recorrente para holerites e extratos reutilizados — como ilustra o caso dos R$ 18 milhões desviados do Banco do Brasil citado acima. A locação de curto prazo sofre de problema parecido: a pressão para ocupar um imóvel rapidamente reduz o tempo de verificação, e o mesmo cadastro fabricado circula por vários anúncios ao mesmo tempo — risco já tratado em fraude na locação e verificação de inquilinos.

No setor de seguros, sinistros que reutilizam o mesmo comprovante em várias apólices são difíceis de detectar sem comparação entre organizações. Marketplaces enfrentam desafio semelhante no onboarding de vendedores, onde uma identidade fabricada gera dezenas de contas. A abertura de conta bancária digital completa a lista: a pressão para reduzir atrito no onboarding cria o ambiente onde um modelo reutilizado passa despercebido.

Técnicas concretas de detecção de reutilização

As técnicas concretas combinam comparação visual, metadados e análise de rede, aplicadas ao conjunto de documentos recebidos, não a cada arquivo isoladamente.

Hash perceptual de imagem (pHash): diferente de um hash criptográfico, que muda completamente com a mínima alteração de um pixel, o hash perceptual gera uma assinatura que permanece semelhante mesmo com recorte, compressão ou troca de nome e foto num modelo. Dois documentos com hashes próximos, mesmo sem serem bit a bit idênticos, indicam alta probabilidade de compartilharem o mesmo modelo de origem.

Clustering de metadados: documentos supostamente independentes que compartilham o mesmo software de edição (/Producer ou /Creator idêntico) ou a mesma data de criação a poucos segundos de distância revelam origem comum — a mesma lógica descrita em técnicas de detecção de fraude documental com IA, aplicada entre cadastros em vez de dentro de um único arquivo.

Análise de grafo entre cadastros: ligar cadastros que compartilham elementos indiretos — o mesmo IP de submissão, o mesmo celular usado em duas identidades diferentes, a mesma foto reutilizada com nomes de arquivo distintos — revela redes de fraude organizadas que uma verificação caso a caso nunca revelaria.

Controles de velocidade de reutilização: alertar quando o mesmo documento, ou uma variante próxima, é submetido acima de um limite num intervalo de tempo definido, distinguindo picos legítimos (campanhas que geram muitos cadastros genuínos ao mesmo tempo) de padrões de reutilização suspeitos.

Como operacionalizar a detecção nas equipes de compliance e fraude

As equipes de compliance e fraude devem operacionalizar a detecção de reutilização integrando-a ao fluxo de decisão automatizado, não como verificação manual pontual aplicada só a cadastros já suspeitos. Isso implica gerar a impressão digital de cada documento no cadastro, comparar contra uma base histórica de submissões e sinalizar automaticamente correspondências acima de um limite definido.

A Resolução Conjunta BCB/CMN nº 6, de 23 de maio de 2023, obriga instituições financeiras e de pagamento autorizadas pelo Banco Central a compartilhar dados sobre indícios de fraude entre si — exatamente o dado que sustenta um fingerprinting eficaz entre concorrentes, já que a fragilidade do fingerprinting isolado é enxergar apenas o histórico interno de uma instituição, enquanto a quadrilha distribui o mesmo modelo entre vários credores.

A distinção entre coincidência legítima — dois clientes com o mesmo modelo de holerite da mesma empresa — e reutilização fraudulenta está no contexto: um layout idêntico entre holerites da mesma empresa é normal; uma correspondência entre a foto de um documento e os campos ao redor, associada a nomes e datas de nascimento diferentes, não é.

A retenção de dados para essa comparação deve respeitar a minimização e o prazo de guarda da LGPD (Lei 13.709/2018), supervisionada pela ANPD. O Bacen espera que instituições documentem esses controles na política PLD/FT sob a Circular Bacen 3.978/2020, e o COAF deve ser comunicado quando o padrão sustentar suspeita de fraude.

Como o CheckFile aborda a detecção entre cadastros

O CheckFile combina estrutura, metadados e coerência entre documentos para alcançar uma cobertura de detecção elevada, incluindo a coerência entre cadastros separados — não apenas dentro de um único arquivo. A análise contextual distingue variações legítimas — o mesmo modelo oficial de holerite usado por uma empresa para vários funcionários — de sinais genuínos de fraude, mantendo uma taxa de falsos positivos baixa mesmo entre grandes volumes de documentos. Uma camada adicional de sinais de geração por IA pode ser ativada conforme a configuração do cliente. A plataforma cobre mais de 3.200 tipos de documentos, com OCR em 24 idiomas e presença em 32 jurisdições, permitindo aplicar a mesma lógica a cadastros que atravessam fronteiras — cenário comum em quadrilhas que exploram essa fragmentação entre operadores.

Para equipes que combinam onboarding bancário com detecção de fraude, a solução banque-kyc do CheckFile integra esses controles ao fluxo de verificação de identidade. Para instituições de financiamento e leasing expostas a cadastros de crédito em volume, a solução de financiamento e leasing aplica a mesma lógica ao processo de análise de risco.

Nenhuma solução detecta a totalidade das falsificações possíveis, e document fingerprinting não substitui os controles estruturais existentes — funciona como camada complementar. Para reforçar a detecção de conteúdo gerado por IA, frequentemente presente nos modelos reutilizados em fraude organizada, consulte a detecção de sinais de geração por IA e deepfake documental como complemento aos seus controles atuais.

Para uma visão mais ampla do processo de verificação documental, consulte o guia prático de verificação de documentos. Para conhecer a plataforma em detalhe, fale com a equipe CheckFile para uma demonstração aplicada ao seu setor.

Perguntas frequentes

O que é document fingerprinting?

É a técnica que gera uma assinatura visual e de metadados de cada documento submetido e a compara com cadastros anteriores, identificando quando o mesmo modelo — ou uma variante com nome, foto ou valor alterados — é reutilizado em vários cadastros.

Como distinguir uma coincidência legítima de uma reutilização fraudulenta?

A distinção está no contexto: um modelo de holerite idêntico compartilhado por vários funcionários da mesma empresa é normal; uma correspondência entre elementos estruturais de um documento associada a identidades e datas de nascimento diferentes, sem vínculo legítimo entre os titulares, é sinal de alerta.

Que setores no Brasil devem priorizar a detecção de reutilização de documentos?

Setores com alto volume de cadastros e decisão rápida — crédito ao consumidor, locação de curto prazo, seguros, marketplaces e conta bancária digital — estão mais expostos, pois o mesmo modelo fraudulento pode circular por múltiplos canais antes de ser identificado.

A Resolução Conjunta BCB/CMN 6/2023 obriga o compartilhamento de dados de fraude entre instituições?

Sim. Desde novembro de 2023, instituições financeiras e de pagamento autorizadas pelo Banco Central têm a obrigação de compartilhar dados sobre indícios de fraude entre si, o que fortalece a capacidade de detectar um documento reutilizado entre operadores diferentes, não só dentro de uma instituição.

---

Este artigo tem caráter informativo e não constitui aconselhamento jurídico, financeiro ou regulatório.

Leitura relacionada: conheça a CheckFile e a solução KYC para o setor financeiro.