Foto de dano falsa: os sinais que revelam uma edição

Este artigo tem uma finalidade meramente informativa. Não constitui aconselhamento jurídico nem uma recomendação regulatória, e não substitui o parecer de um advogado ou de um responsável de compliance qualificado.

Uma foto de dano falsa denuncia-se através de cinco sinais principais: padrões de píxeis duplicados pelo uso da ferramenta de clonagem, uma zona com um nível de compressão JPEG diferente do resto da imagem (error level analysis), vestígios do software de edição nos metadados EXIF, uma iluminação ou sombras que não coincidem com o resto da cena, e uma imagem que já existe noutro local da internet. Nenhum sinal isolado prova uma fraude; é a combinação de vários que deve orientar uma decisão.

Porque é que a foto de dano falsa é um problema distinto

Uma foto de dano falsa difere de um documento falsificado clássico num aspeto importante: em vez de fabricar algo do zero, a pessoa parte de uma foto real — muitas vezes a sua própria, por vezes a imagem do produto na própria loja — e acrescenta ou exagera digitalmente um dano. Este gesto serve três padrões de fraude distintos: obter um reembolso sem devolver o artigo, acionar uma reparação em garantia sobre um dano que na realidade não está cobertos (um ecrã de telemóvel "estalado" digitalmente, por exemplo), ou inflacionar um sinistro junto de uma seguradora.

O crescimento das tentativas de fraude em devoluções falsas superou os 80% entre 2022 e 2024 a nível internacional, segundo dados citados pela Marketeer, que descreve as devoluções falsas como um negócio cada vez mais organizado no comércio eletrónico, incluindo em Portugal. Um dano acrescentado digitalmente a uma foto de produto é uma das táticas mais baratas de executar dentro desse volume e uma das mais difíceis de detetar a olho nu, o que explica a proliferação de aplicações móveis gratuitas de edição que prometem um resultado "indetetável".

Sinal 1: clonagem e duplicação de píxeis

Um padrão de píxeis duplicado dentro da zona danificada é quase sempre indício do uso manual da ferramenta de clonagem, a mais utilizada para acrescentar uma fissura, uma mancha ou um amolgamento a uma foto de produto. A ferramenta de clonagem copia uma textura de uma parte da imagem e cola-a noutra para ocultar ou criar um elemento, deixando padrões repetidos — uma trama de tecido, uma textura de ecrã, um veio de cartão — que não surgem naturalmente numa foto sem edição.

Uma ferramenta forense gratuita como a Forensically aplica um mapa de deteção de clonagem que evidencia semelhanças píxel a píxel dentro de uma imagem. Numa foto de dano editada manualmente, essas zonas destacadas concentram-se quase sempre em torno do dano declarado, quase nunca noutra parte do enquadramento.

Sinal 2: compressão localizada (análise de nível de erro)

Uma zona com um nível de compressão JPEG diferente do resto da foto foi quase certamente reeditada após a captura original, o que denuncia uma manipulação localizada mesmo quando é invisível a olho nu. A análise de nível de erro (ELA) funciona porque uma foto JPEG sem edição apresenta um nível de compressão homogéneo em toda a imagem, já que todos os seus píxeis passaram pelo mesmo processo de compressão. Assim que uma zona é editada e o ficheiro é guardado novamente, essa zona parte de um nível de compressão diferente — uma diferença que a ELA torna visível.

O nosso artigo dedicado à análise de nível de erro (ELA) detalha o método aplicado a documentos; numa foto de dano, a mesma lógica aplica-se especificamente à zona do dano, não ao ficheiro inteiro: se apenas essa zona se destacar no mapa ELA, uma edição localizada é provável.

Sinal 3: metadados e vestígios de software

O campo "Software" dos metadados EXIF de uma foto revela quase sempre o nome do programa de edição utilizado, exceto quando esse campo foi deliberadamente apagado. Uma foto supostamente tirada "diretamente com o telemóvel logo após abrir a encomenda", mas cujos metadados mencionam Adobe Photoshop, GIMP ou uma app de edição móvel, constitui um sinal forte e facilmente verificável, sem exigir conhecimentos forenses avançados.

O inverso não é verdade: a ausência total de metadados EXIF não é, por si só, um sinal de alerta. Muitas aplicações de mensagens e redes sociais removem-os automaticamente no momento do envio, mesmo em fotos perfeitamente autênticas, o que torna este sinal útil apenas quando está presente, nunca quando está ausente.

Sinal 4: iluminação e sombras que não correspondem à cena

Um dano adicionado digitalmente raramente projeta uma sombra coerente com a fonte de luz do resto da cena, porque recriar uma sombra fisicamente plausível em duas dimensões exige uma destreza técnica que poucas pessoas que editam uma foto de devolução possuem. O nosso artigo sobre iluminação, ângulo e enquadramento numa foto de dano real explica porque este sinal resiste particularmente bem à edição amadora: uma fissura ou mancha pintada sobre uma foto de produto existente quase nunca interage corretamente com os reflexos e sombras já presentes na imagem original.

Os trabalhos do investigador Hany Farid, professor em Berkeley e referência em forense digital, modelam a coerência das sombras como um problema geométrico resolúvel: se nenhuma posição de fonte de luz satisfizer simultaneamente todas as sombras observadas, a cena não é fisicamente coerente. Numa foto de dano, isto traduz-se numa sombra do dano adicionado que aponta numa direção diferente da dos outros objetos visíveis no enquadramento.

Sinal 5: uma imagem que já circula noutro local

Uma foto de dano idêntica a uma imagem de catálogo, uma foto de stock ou uma imagem já publicada num fórum de revenda constitui a prova mais direta de fraude disponível, porque elimina qualquer ambiguidade sobre a autenticidade da captura. A pesquisa inversa de imagens (Google Imagens, TinEye) permite verificar em segundos se uma foto de "dano" já circula online, associada a um produto diferente ou a um contexto anterior.

Este sinal tem, no entanto, um limite claro: só deteta a reutilização de uma imagem já indexada. Uma foto composta especificamente para um caso concreto, nunca publicada noutro local, não aparecerá em nenhum motor de pesquisa inversa — o que a torna um complemento útil, nunca uma prova suficiente por si só.

O que os vendedores online realmente perguntam

As discussões entre vendedores nos fóruns de comunidade de marketplaces levantam questões concretas, bem distantes do discurso comercial habitual sobre "deteção a 100%".

"Um comprador enviou-me a foto de um artigo que claramente não é o meu para justificar uma devolução — como posso prová-lo?" A pesquisa inversa de imagens, aliada à comparação direta com a foto original do anúncio, é o primeiro passo: se o artigo, a cor ou até o fundo diferirem do que foi enviado, o ónus da prova muda rapidamente de lado.

"Uma foto demasiado nítida ou bem enquadrada deve levantar suspeitas?" Não por si só. Um telemóvel recente produz fotos nítidas e bem expostas por defeito; o sinal a procurar é uma incoerência — marcas de clonagem, uma zona de compressão diferente, uma sombra mal posicionada — não simplesmente uma qualidade de imagem elevada.

Integrar estes sinais num fluxo de trabalho, não num veredicto automático

Nenhum destes cinco sinais deve, por si só, provocar a rejeição automática de uma devolução, uma garantia ou um sinistro: um processo sem qualquer anomalia detetada segue o seu tratamento padrão, um sinal isolado é encaminhado para uma revisão humana documentada, e vários sinais convergentes — por exemplo, clonagem confirmada juntamente com metadados suspeitos — justificam uma investigação mais profunda. O nosso artigo sobre a revisão de fotos de sinistros em grande escala detalha esta estrutura em três níveis, aplicável tanto a devoluções de ecommerce e garantias de produto como a sinistros de seguros. Para uma visão mais ampla dos controlos documentais, consulte o nosso guia de verificação de documentos.

O relatório ACFE 2024 Report to the Nations situa em 37% a taxa de deteção da fraude documental através de controlo manual exclusivo, com um atraso médio de deteção de 87 dias — uma margem que, aplicada a um fluxo de devoluções de grande volume, deixa tempo suficiente para que uma foto manipulada passe vários controlos antes de uma revisão mais profunda detetar o problema.

Perguntas frequentes

Uma app de edição gratuita torna indetetável uma foto de dano falsa?

Não. As apps de edição móvel gratuitas costumam deixar os mesmos vestígios que um software profissional — marcas de clonagem visíveis, zonas de compressão localizada, sombras incoerentes — porque estes sinais resultam de limitações físicas e técnicas, não da sofisticação da ferramenta utilizada.

Comprimir uma foto enviada por mensagem elimina os vestígios de edição?

Atenua-os, mas não os elimina totalmente. As incoerências de clonagem e iluminação mais evidentes costumam continuar detetáveis após uma compressão moderada; só uma compressão muito agressiva e repetida pode ocultar os sinais mais subtis.

É preciso uma ferramenta diferente para devoluções online e sinistros de seguros?

Não necessariamente uma ferramenta diferente, mas limites de calibração adaptados: os perfis de fotos legítimas variam segundo o contexto — produto eletrónico, têxtil, dano em habitação — o que influencia o nível de tolerância a aplicar a cada sinal.

A ausência de metadados EXIF prova que uma foto foi editada?

Não. Muitas aplicações de mensagens e redes sociais removem automaticamente os metadados no envio, mesmo em fotos perfeitamente autênticas. Este sinal só tem valor quando existem vestígios de edição presentes, nunca quando estão ausentes.

Basta uma única foto suspeita para confirmar uma fraude por dano?

Não. Um sinal isolado — mesmo uma marca de clonagem visível — deve ficar documentado e submetido a revisão humana antes de qualquer decisão de rejeição, sobretudo para que a decisão seja defensável caso o cliente a conteste.

---

Os sinais descritos aqui fazem parte de uma abordagem mais ampla de revisão de provas fotográficas, que combina coerência estrutural, metadados e, quando a configuração do cliente o ativa, deteção de conteúdos gerados por IA como complemento aos controlos existentes. Nenhum método atinge uma deteção de 100%, e a decisão final deve continuar a ser um conjunto de indícios documentado e auditável, não uma pontuação binária. A CheckFile integra estes controlos na gestão de devoluções e reclamações, tanto para plataformas de ecommerce como para seguradoras; consulte a nossa página de segurança ou os nossos preços para mais informação.