Desde 2024
ANDRÉ RIBAS

Você está sendo rastreado

· 31 min de leitura ·
Totem de vigilância com câmeras de segurança em evento noturno, com logotipo vermelho iluminado e público ao fundo.
Totem Tutor S.A.

Uma rede privada de videomonitoramento com reconhecimento facial se espalha por Goiânia, amparada por uma lei estadual que entrega imagens privadas ao Estado. Uma análise técnica sobre a Tutor S.A., o vácuo jurídico da biometria no Brasil, a matemática do alarme falso e o que tudo isso significa para quem caminha na rua.

Da próxima vez que você andar por Goiânia, repare nas corujas . Tem uma leva nova delas surgindo pela cidade, com câmeras, sensores e luzes, plantadas em esquinas, condomínios, praças e estacionamentos, quase sempre com a mesma identidade visual discreta. São totens. Boa parte é da Tutor S.A., e o que essa empresa faz, somado ao que o estado de Goiás escreveu em lei para viabilizar, merece muito mais do que um comentário de passagem. A pressa do dia a dia é exatamente o que permite que uma coisa dessas se instale sem que ninguém pergunte o que é.

Aqui não tem denúncia anônima nem teoria da conspiração. Isto é uma leitura técnica de informação pública, do tipo que qualquer pessoa com paciência consegue reproduzir numa tarde. O site da própria empresa, o aplicativo na loja Android, a lei estadual que sustenta a operação, as políticas que a empresa publica e os registros públicos do domínio. Tudo está à vista de quem quiser olhar. Eu trabalho com segurança ofensiva, passo o dia entendendo como sistemas se comportam quando ninguém está prestando atenção, e foi com esse olhar que montei o quadro abaixo. Se eu errei em algum ponto, me corrija. Mas o que dá para ver, sem forçar nenhuma porta, já basta para acender um grande alerta.

Vou ser honesto sobre o método antes de começar. Nada do que está aqui veio de acesso indevido, de engenharia social ou de qualquer coisa parecida. Veio de fonte aberta. A diferença entre um folheto de marketing e uma análise de OSINT não é o acesso, é a leitura. A mesma página que vende tranquilidade para um síndico conta, para quem sabe ler, qual é a arquitetura de vigilância que está sendo montada por baixo do discurso.

Parte 1. A fachada

O lema estampado no site é direto, “A Segurança do Futuro é Colaborativa”. A empresa se apresenta como uma malha de monitoramento urbano que integra a infraestrutura de segurança privada com os órgãos de segurança pública. O catálogo, nas palavras deles, inclui totens de monitoramento em vários tamanhos, câmeras, software de central de operações, controle de acesso por reconhecimento facial e, o ponto que organiza todo o resto, inteligência artificial para reconhecimento facial e leitura automática de placas de veículos.

O menu do site reforça o desenho. Há seções de Produtos, de I.A, de Como Funciona, de Expansão e de Apoiadores. A palavra Expansão diz muito. Não estamos falando de uma câmera numa portaria, estamos falando de um projeto de adensamento, de cobrir o máximo de território possível com pontos de captura que conversam entre si e com uma central. A palavra Apoiadores também é reveladora, porque sugere uma rede de adesão, de gente e de instituições que emprestam o seu pedaço de calçada ou de muro para que a malha cresça.

Vale registrar um detalhe de OSINT que o marketing não destaca. O aplicativo Android associado ao ecossistema tem o identificador de pacote com.dextak.analiticotutor. O prefixo com.dextak é o namespace de uma desenvolvedora, a Dextak, o que indica que a parte analítica do produto é construída ou operada por uma empresa que não aparece com o mesmo destaque na vitrine. Isso é comum no mercado e não é, por si só, um problema. Mas mostra que por trás de uma marca de fachada existe uma cadeia de fornecedores, e cada elo dessa cadeia é mais um lugar por onde os seus dados passam, são processados, são armazenados e podem vazar. Em segurança, a gente aprende cedo que o sistema é tão forte quanto o seu elo mais fraco, e numa cadeia terceirizada de biometria os elos se multiplicam.

Traduzindo o material de marketing para o português comum, o que está sendo vendido é uma rede privada de vigilância em massa apresentada como segurança de bairro. Câmeras que não apenas gravam, mas tentam saber quem você é pelo rosto e qual carro é o seu pela placa, em tempo real, disparando alertas para o que a própria empresa chama de usuários de inteligência policial. Ou seja, há gente do outro lado, com acesso, podendo consultar quem passou, onde e quando.

Parte 2. Gravar não é vigiar

Antes da parte técnica fina, preciso assentar uma distinção que muda tudo e que quase ninguém faz. Gravar não é a mesma coisa que vigiar.

Uma câmera comum grava. Se acontece um crime, alguém vai até o aparelho, baixa o arquivo e assiste. É reativo, é pontual e, na prática, é limitado pela paciência humana de revisar horas de imagem. Esse tipo de câmera existe há décadas e a sociedade já fez as pazes com ela, com razão ou não. A novidade não é a câmera, é o que se faz com o que ela vê.

Vigiar é outra coisa. Vigiar é transformar cada quadro num evento pesquisável. É poder perguntar ao sistema, depois, onde uma pessoa esteve, quando, com que frequência e perto de quem, e receber a resposta em segundos. A diferença entre as duas está em três propriedades que o reconhecimento facial e a leitura de placas acrescentam à velha câmera. A primeira é a identificação, ou seja, ligar a imagem a uma pessoa específica. A segunda é a persistência, guardar isso de forma estruturada por muito tempo. A terceira é a pesquisabilidade, conseguir fazer perguntas ao acervo inteiro de uma vez.

Existe um conceito jurídico que ajuda aqui, a teoria do mosaico. Um único registro de que você passou numa esquina é quase nada. Mas centenas de registros, cruzados ao longo de meses, formam um retrato detalhado da sua vida, das suas relações, das suas rotinas, das suas crenças e das suas vulnerabilidades. O todo revela infinitamente mais do que a soma das partes. Tribunais mundo afora já reconheceram que vigilância prolongada e agregada é qualitativamente diferente de uma observação isolada, e que por isso exige proteção jurídica mais forte. A malha de totens é, por definição, uma máquina de fabricar mosaicos.

Parte 3. O rosto vira número

Agora a parte técnica fina, porque é nela que mora o susto.

O reconhecimento facial moderno, simplificado, tem quatro etapas. Primeiro vem a detecção, em que o software encontra rostos no quadro. Depois vem o alinhamento, que normaliza pose, escala e iluminação para que rostos capturados em ângulos diferentes possam ser comparados de forma justa. Em seguida vem a extração de características, o coração da coisa, em que uma rede neural converte o rosto num vetor numérico, um embedding, em geral com algumas centenas de dimensões. Esse vetor é a sua assinatura biométrica. Por fim vem a comparação, em que esse vetor é confrontado contra uma galeria de vetores conhecidos para encontrar o mais parecido dentro de um limiar de similaridade.

Repare no que isso significa na prática. O sistema não precisa guardar a sua foto para te reconhecer depois. Basta guardar o vetor. E um vetor é pequeno, barato de armazenar e trivial de comparar aos milhões por segundo. É essa economia que permite sair de uma câmera que grava para uma malha que identifica continuamente, sem cansaço e sem custo humano proporcional.

Há dois modos de operação que valem distinguir, porque a confusão entre eles é usada para tranquilizar o público. O modo um para um, a verificação, confere se você é quem diz ser, como ao desbloquear o celular. É consentido e limitado. O modo um para muitos, a identificação, pega um rosto qualquer e o procura numa galeria inteira de pessoas. É esse o modo da vigilância em massa, e é nele que os erros se multiplicam, porque cada rosto capturado é comparado contra milhares de outros, e cada comparação é uma chance de engano.

Também é preciso falar do limiar. Todo sistema de reconhecimento facial trabalha com um corte de similaridade. Acima dele, é considerado um acerto, abaixo, não. Esse número é uma escolha, e ele equilibra dois tipos de erro. Baixar o limiar pega mais gente de verdade, mas aumenta os falsos positivos, inocentes confundidos. Subir o limiar reduz os falsos positivos, mas deixa escapar gente. Não existe configuração que zere os dois ao mesmo tempo. Existe só uma escolha sobre qual erro você prefere cometer, e essa escolha, num sistema público, deveria ser transparente e debatida. Ela nunca é.

E há a questão de onde tudo acontece e por quanto tempo dura. Se a extração do vetor é feita na borda, no próprio totem, ou enviada para a nuvem, muda o perfil de exposição dos dados. Se a galeria de comparação fica só com a polícia ou também com a empresa privada, muda quem responde por ela. Por quanto tempo um registro de passagem é guardado, isso define se estamos falando de um flagrante momentâneo ou de um arquivo histórico permanente da população. Nada disso está claro no material público, e a ausência de resposta, num sistema que coleta biometria, é em si uma resposta sobre as prioridades de quem o opera.

Parte 4. Rosto, placa e a fusão

O reconhecimento facial não anda sozinho. Ao lado dele vem a leitura automática de placas, o ALPR. A lógica é a mesma, com texto no lugar de rosto. A câmera detecta a placa, faz reconhecimento óptico de caracteres e gera um registro de que tal veículo passou em tal ponto, em tal horário, naquele sentido.

Isoladamente, ler uma placa parece inofensivo. O problema é a fusão. Quando você junta rosto e placa no mesmo ponto de captura, e junta vários pontos numa malha, e junta tudo isso ao longo do tempo, o que sai é um registro de presença contínuo. Uma linha numa tabela dizendo que uma pessoa identificável estava num lugar identificável num instante identificável, repetida milhões de vezes. O nome disso, na literatura de inteligência, é pattern of life, o padrão de vida. Onde você dorme, por onde passa, a que horas, com que frequência, perto de quem, em que dias muda a rotina. Esse é o produto real de uma rede densa de captura, mesmo que ninguém o anuncie com essas palavras no folheto.

E a fusão não para na própria rede. Uma placa lida e cruzada com a base do Detran vira um nome e um endereço. Um rosto cruzado com uma base de habilitação ou de identificação civil vira um CPF. Cada integração nova multiplica o poder de deanonimização do conjunto. É por isso que olhar para uma câmera de cada vez engana. A ameaça não é a câmera, é a capacidade agregada de fazer perguntas ao acervo inteiro e receber respostas que nenhuma câmera sozinha poderia dar.

Parte 5. A lei terceirizada

Nada disso aconteceria nessa escala sem uma base legal conveniente. Ela existe. A empresa apoia boa parte da narrativa na Lei estadual 22.217/2023, que segundo o próprio material cria diretrizes para o compartilhamento de imagens de videomonitoramento privado com o poder público estadual.

“compartilhamento voluntário de imagens com o Poder Público estadual” — Lei 22.217/2023, Goiás

A palavra que faz todo o trabalho pesado nessa frase é “voluntário”. A pergunta que a lei não responde é simples. Voluntário para quem? Quando o seu condomínio, a sua rua, a sua escola ou a empresa onde você trabalha aderem, as câmeras que apontam para você, para os seus vizinhos e para quem passa na calçada passam a alimentar o Estado. Você não foi consultado. Quem assinou foi o síndico, o gestor, o dono do estacionamento. O seu rosto entrou no sistema sem que ninguém perguntasse, e a moldura jurídica chama isso de voluntariedade porque a vontade que conta é a de quem é dono da câmera, nunca a de quem é filmado por ela. Isso é o oposto do consentimento que a proteção de dados exige, que precisa ser livre, informado e dado pela própria pessoa titular.

A lei ainda oferece um incentivo elegante para quem adere, a isenção de responsabilidade.

“isentas de qualquer responsabilidade pelo uso dessas imagens, desde que tenham agido de boa-fé” — Lei 22.217/2023, Goiás

Ou seja, o particular entrega as imagens e fica protegido contra as consequências do uso delas. O desenho de incentivos é quase perfeito para quem quer escala. O dono da câmera ganha um selo de boa cidadania e uma blindagem jurídica, o Estado ganha capilaridade sem licitar câmera por câmera, a empresa ganha um produto com respaldo legal para vender, e o cidadão filmado é o único que não recebe nada nesse arranjo, além do papel involuntário de matéria-prima.

Essa lei não está sozinha. Faz parte de um ecossistema de videomonitoramento do estado que inclui, entre outras, a Lei 19.891. Recomendo a leitura do texto integral de ambas, com calma, porque o diabo mora nos parágrafos e nas definições. Os links estão no fim. O importante é o padrão. O Estado não está construindo a vigilância com dinheiro e nome próprios, está erguendo um arcabouço que faz a sociedade construí-la por ele, de forma distribuída, com aparência de iniciativa privada e de colaboração espontânea. É terceirização da vigilância, com a conta de imagem pública e de responsabilidade jogada para fora.

Parte 6. O vácuo jurídico

Aqui está a parte que mais me preocupa, e ela não é técnica, é jurídica. A Lei Geral de Proteção de Dados, a LGPD, que deveria ser a primeira linha de defesa do cidadão, simplesmente não se aplica a esse caso na parte que mais importa.

O artigo 4º, inciso III, exclui do regime geral da LGPD o tratamento de dados pessoais feito para fins exclusivos de segurança pública, defesa nacional, segurança do Estado e atividades de investigação e repressão de infrações penais. A própria LGPD previa que uma legislação específica cuidaria desse tema, com princípios, garantias e mecanismos de fiscalização proporcionais ao risco. Essa legislação nunca foi aprovada. Um anteprojeto chegou a ser elaborado por uma comissão de juristas, mas não virou lei, e o tema segue órfão.

O resultado é um buraco do tamanho de um país. Reconhecimento facial aplicado para segurança pública roda num espaço onde as garantias da LGPD não alcançam, sem a fiscalização efetiva da Autoridade Nacional de Proteção de Dados e sem as regras de finalidade específica, de transparência, de necessidade e de prazo de retenção que valem para qualquer loja online que peça o seu CPF. Dados biométricos, que a própria LGPD classifica como dados sensíveis e cerca de proteção reforçada quando o uso é comercial, ficam praticamente a descoberto quando o rótulo aplicado é segurança pública. O rótulo vira uma chave que destranca tudo.

Some a isso a Constituição. O artigo 5º, inciso X, protege a intimidade, a vida privada, a honra e a imagem das pessoas. O inciso XII trata do sigilo e abre toda uma discussão sobre dados. Existe inclusive o instituto do habeas data, pensado para que o cidadão saiba e corrija aquilo que bancos de dados, sobretudo públicos, guardam sobre ele. Tudo isso está em tensão direta com uma malha que coleta biometria de quem passa na rua sem aviso, sem consentimento e sem um canal claro para que a pessoa sequer descubra que está dentro do sistema. Não dá para exercer um direito que você não sabe que precisa exercer.

E não é só teoria de gabinete. Defensorias públicas, o Ministério Público e organizações de direitos digitais vêm questionando, em vários estados, a instalação de reconhecimento facial em espaços públicos e no transporte, apontando a ausência de base legal adequada, a falta de avaliação de impacto à proteção de dados e a desproporção da medida. O debate está vivo nos tribunais e no Congresso. O que Goiás fez foi correr na frente do debate, com totens e câmeras, antes que as regras existissem. Construir primeiro e discutir depois, com o fato já consumado na esquina, sabendo que desinstalar é muito mais difícil do que instalar.

Parte 7. O mundo já decidiu

Para não parecer que isso é implicância local, vale olhar o que lugares que levam o tema a sério já concluíram, depois de anos de debate público.

Na Europa, o Regulamento Geral de Proteção de Dados, o GDPR, trata dados biométricos usados para identificar uma pessoa como categoria especial, com proteção reforçada e proibição de tratamento salvo hipóteses estritas. Mais recentemente, o Regulamento de Inteligência Artificial da União Europeia, o AI Act, classificou a identificação biométrica remota em tempo real em espaços públicos por forças da lei como uma prática de risco inaceitável, proibida como regra, com exceções estreitas, autorização prévia e controles pesados. Ou seja, exatamente o tipo de uso que está sendo normalizado aqui sem debate foi colocado na lista das coisas que, por padrão, não se faz.

Nos Estados Unidos, onde não há uma lei federal de proteção de dados, estados e cidades agiram por conta própria. O estado de Illinois tem desde 2008 uma lei de privacidade biométrica, a BIPA, que exige consentimento prévio e prevê indenização por violação, e foi com base nela que a Clearview AI, empresa que raspou bilhões de rostos da internet, sofreu sua maior derrota judicial. Cidades como San Francisco proibiram o uso de reconhecimento facial pelos próprios órgãos municipais. A Clearview, aliás, foi multada por autoridades de proteção de dados de vários países europeus justamente por montar uma base de rostos sem base legal e sem consentimento.

Não cito isso para dizer que devemos copiar ninguém. Cito para mostrar que o sentido da maré, nos lugares que estudaram o assunto a fundo, é de restrição e de cautela, não de expansão silenciosa. Quando uma tecnologia é proibida ou fortemente limitada em tantos lugares ao mesmo tempo, e ao mesmo tempo instalada sem alarde no seu bairro, vale desconfiar de quem está vendendo a pressa.

Parte 8. A matemática do alarme falso

Tem um ponto técnico que quase nunca aparece no debate e que, sozinho, deveria bastar para frear a euforia. É a matemática das probabilidades base. Vou explicar com números redondos, só para ilustrar a lógica, porque a lógica vale independentemente dos números exatos.

Imagine que um sistema de reconhecimento facial é muito bom e acerta a não identificação de inocentes em 99,9% das vezes. Parece ótimo. Isso quer dizer que ele confunde um inocente com alguém da lista de procurados em apenas 0,1% das comparações. Agora imagine uma cidade onde, num dia, a malha de câmeras observa cem mil pessoas diferentes, das quais, digamos, cinco são realmente procuradas. Os números são inventados, a estrutura não.

Dos quase cem mil inocentes, 0,1% gera cem alarmes falsos. Das cinco pessoas procuradas, o sistema, sendo bom, acerta talvez quatro. Resultado, no fim do dia o sistema disparou cento e quatro alarmes, dos quais cem são pessoas inocentes. Mais de noventa e cinco por cento dos alarmes apontam para a pessoa errada. Esse é o efeito da probabilidade base. Quando você procura uma agulha rara num palheiro enorme, mesmo um detector excelente produz uma montanha de palha sinalizada como agulha. É a mesma falácia que já condenou inocentes em tribunais, a confusão entre a chance de o teste apontar errado e a chance de a pessoa apontada ser de fato culpada.

Agora traga isso para a rua. Cada um daqueles cem alarmes falsos é uma abordagem potencial, uma pessoa parada, revistada, constrangida, talvez levada à delegacia, por causa de um vizinho mais próximo num espaço vetorial. E como a operação é em massa, a conta de inocentes incomodados cresce todo santo dia, em silêncio, sem que ninguém publique a taxa. A pergunta que nunca é respondida em público é justamente essa. Qual é a taxa de acerto real, medida em campo, e quantos inocentes ela atropela para cada acerto verdadeiro. Sem esse número, falar em eficiência é fé, não evidência.

Parte 9. O erro tem rosto

A matemática da parte anterior já seria suficiente para exigir transparência. Mas existe uma segunda camada técnica, menos intuitiva. A taxa de erro de um sistema de reconhecimento facial não é uma constante universal. Ela muda conforme algoritmo, base de comparação, qualidade da imagem, iluminação, ângulo, limiar de similaridade e perfil das pessoas avaliadas.

O NIST, instituto de padrões dos Estados Unidos, mediu isso no relatório NISTIR 8280, conhecido como FRVT Part 3, sobre efeitos demográficos. O estudo avaliou 189 algoritmos de 99 desenvolvedores. A conclusão técnica não é “todo reconhecimento facial é enviesado do mesmo jeito”. Isso seria simplificação ruim. A conclusão é que a maioria dos algoritmos testados apresentou diferenças de desempenho entre grupos demográficos, e que essas diferenças variam muito por fornecedor e por cenário. Em comparação um para um, o NIST encontrou taxas de falso positivo mais altas para rostos asiáticos e afro-americanos em relação a rostos caucasianos, muitas vezes por fatores de 10 a 100, dependendo do algoritmo. Em busca um para muitos, o estudo encontrou falsos positivos mais altos para mulheres afro-americanas em parte dos testes, mas também registrou que alguns algoritmos mais precisos eram mais equilibrados.

Esse é o ponto que importa para uma cidade monitorada por câmeras. Se o operador não publica qual algoritmo usa, qual base compara, qual limiar adota, qual taxa de falso positivo mede em campo e como revisa os alertas antes de uma abordagem, o público fica sem como avaliar a confiabilidade real do sistema. A pergunta correta não é abstrata, nem ideológica. É operacional. Em cem alertas gerados na rua, quantos viram identificação correta, quantos são descartados na checagem humana e quantos chegam a produzir abordagem indevida.

Há também dados brasileiros que justificam cautela, mas eles precisam ser lidos corretamente. Num levantamento de 2019 da Rede de Observatórios da Segurança, divulgado pelo Intercept Brasil, 90,5% das pessoas presas por monitoramento facial nos casos em que havia informação de cor eram negras. Esse número não prova, sozinho, a taxa de erro do algoritmo. Ele mistura composição das listas de procurados, prática policial, distribuição territorial das câmeras, critérios de abordagem e eventual erro técnico. Justamente por isso, ele reforça a necessidade de auditoria independente. Sem relatório público de alertas, acertos, descartes e abordagens indevidas, não dá para separar eficiência real de automação de um processo policial já seletivo.

Parte 10. Olhar de red team

Agora a parte que é o meu ofício. Quando avalio um fornecedor, o primeiro instinto não é olhar o que ele promete, é olhar como ele cuida das próprias coisas. A higiene técnica de uma empresa conta, com surpreendente precisão, como ela vai tratar aquilo que coleta. E aqui o quadro é desanimador.

O site principal roda em WordPress. Dá para ver pelos caminhos de wp-content espalhados pela página. Isso, sozinho, não é pecado. Metade da web roda WordPress e muita coisa séria também. Mas WordPress é, historicamente, uma das maiores superfícies de ataque da internet, principalmente por causa do ecossistema de plugins e temas de terceiros, que é uma fonte inesgotável de vulnerabilidades conhecidas. Para uma vitrine institucional, tudo bem. Para uma empresa que se posiciona como guardiã de biometria da população, é um sinal de prioridades. Diz que o investimento foi em vender, não em construir com cuidado.

O sinal mais eloquente, porém, são as políticas. A Política de Privacidade e os Termos de Uso, que para uma empresa de dados deveriam ser o documento mais sério da casa, foram gerados no politicaprivacidade.com, um serviço gratuito de geração de textos genéricos que, segundo o próprio site, já produziu mais de cinquenta mil políticas desde 2011. Não é preciso ser advogado para perceber. A política fala de Google AdSense, de cookies do DoubleClick e de marketing de afiliados, coisas que não têm a menor relação com um totem de rua que lê o rosto de quem passa. Ela não diz quais dados biométricos a empresa coleta, não diz por quanto tempo os guarda, não diz onde os armazena, não diz com quem os compartilha além do óbvio e não nomeia um encarregado de dados, o DPO, que a LGPD exige para o tratamento. É um documento de fachada, feito para preencher um campo, não para informar ninguém.

A hospedagem e o e-mail, até onde verifiquei pelo WHOIS público do registro.br e por consultas DNS abertas, ficam na Locaweb. Os nameservers do domínio apontam para ns1.locaweb.com.br, ns2.locaweb.com.br e ns3.locaweb.com.br; os registros MX apontam para mx.core.locaweb.com.br, mx.a.locaweb.com.br, mx.b.locaweb.com.br e mx.jk.locaweb.com.br; e o SPF publicado inclui _spf.locaweb.com.br. Você não precisa acreditar em mim, a ferramenta de WHOIS, o WhatsMyDNS e qualquer dig público permitem refazer a consulta. O ponto não é torcer o nariz para um fornecedor popular. O ponto é coerência. Uma empresa que centraliza dados sensíveis precisa demonstrar uma postura técnica compatível com o risco que está criando.

E há um princípio que vale martelar, porque ele muda tudo. Um banco de dados biométrico é um passivo, não um ativo. No momento em que você concentra os vetores faciais de milhares de pessoas num único lugar, você cria um alvo, um honeypot. Senha vazada se troca em cinco minutos. Cartão clonado, o banco cancela e emite outro. O seu rosto, não. Você não troca de rosto depois de um vazamento. Um banco de reconhecimento facial comprometido é um dano permanente para cada pessoa que está nele, e a probabilidade de comprometimento, ao longo de anos, com terceirização, com WordPress e com infraestrutura escolhida a peso, não é baixa. Em segurança, a gente não pergunta se vaza, pergunta quando.

Parte 11. A ameaça não assinada

Em segurança, a gente trabalha com modelo de ameaça. Quem é o adversário, o que ele quer, o que ele pode fazer e o que está em jogo. O problema da vigilância em massa privada com respaldo estatal é que ela inverte o modelo de ameaça normal do cidadão sem que o cidadão tenha sido consultado.

O primeiro é o desvio de finalidade, o function creep. Um sistema vendido para combater roubo de carro e vandalismo é tecnicamente capaz de rastrear qualquer pessoa. Quem garante que amanhã ele não será usado para mapear quem frequenta um sindicato, uma igreja minoritária, uma clínica, uma manifestação, um partido. A capacidade já está instalada. A única coisa que separa o uso anunciado do uso abusivo é uma política interna que ninguém de fora pode auditar.

O segundo é a integração, que já mencionei. Cada base nova cruzada multiplica o poder de deanonimização. O todo vira muito maior que a soma das câmeras, e o cidadão nunca é avisado quando uma nova fonte é conectada.

O terceiro é o acesso. Quem, exatamente, pode consultar o sistema. Quantas pessoas têm login. Existe registro de auditoria de quem consultou o quê, quando e por quê. Um servidor curioso consegue procurar a ex-namorada no sistema. Um agente mal-intencionado consegue vender a localização de alguém para quem paga. Sem transparência sobre controle de acesso e trilha de auditoria, essas perguntas não têm resposta, e a história de bancos de dados sensíveis no mundo inteiro mostra que, quando o acesso é mal controlado, o abuso interno é a regra, não a exceção.

O quarto é o vazamento, que já discuti, e que não é hipótese remota, é certeza estatística no longo prazo. O quinto, e talvez o mais sutil, é a permanência. Uma vez instalada, uma infraestrutura de vigilância raramente é desinstalada. Ela sobrevive a governos, a contratos e a promessas. Vira parte da paisagem, como os totens já estão virando, e a discussão sobre se ela deveria existir some, substituída pela pergunta menor de como administrá-la melhor. O custo político de remover é altíssimo, porque sempre haverá um crime recente para justificar a manutenção.

Parte 12. Quem vigia os vigilantes

Há uma pergunta antiga que resume tudo. Quem vigia os vigilantes. Num sistema de vigilância saudável, se é que existe, a resposta seria uma cadeia clara de prestação de contas. Um órgão independente que fiscaliza, uma trilha de auditoria que registra cada consulta, um prazo de descarte que é cumprido e verificado, relatórios públicos de uso e de erro, e uma via para o cidadão saber se está no sistema e contestar.

Nada disso aparece. Não há, no que é público, um relatório de transparência dizendo quantas consultas foram feitas, quantos alertas geraram abordagem, quantos se confirmaram e quantos eram engano. Não há avaliação de impacto à proteção de dados publicada. Não há um canal óbvio de contestação para quem foi parado por engano. Não há indicação de auditoria independente sobre quem acessa a base e com que justificativa. A prestação de contas, num sistema desses, não é um detalhe burocrático. É a única coisa que separa uma ferramenta de segurança de um instrumento de poder sem freio.

E é justamente a parte mais cara e menos vendável. Câmera dá para fotografar no folheto. Auditoria independente, política de retenção cumprida e fiscalização externa não rendem imagem bonita, então tendem a ficar para depois, e depois nunca chega. O resultado é uma assimetria de prestação de contas perfeita. O sistema sabe tudo sobre você, e você não tem como saber quase nada sobre o sistema.

Parte 13. Panóptico a céu aberto

No fundo de tudo, o que está em jogo é uma assimetria de poder. Eles veem tudo, você não vê nada. Não há transparência pública sobre quantos totens existem, onde estão exatamente, quais bases consultam, quem tem acesso aos alertas, quais limiares de similaridade usam, qual taxa de erro aceitam e por quanto tempo guardam imagens e vetores. A malha cresce em silêncio e a sociedade não tem nem o vocabulário para discutir o que está sendo construído à sua volta.

Vigilância em massa nem precisa ser usada de forma abertamente abusiva para fazer mal. A simples consciência de que existe um olho que registra já muda o comportamento das pessoas. Isso tem nome, o efeito inibidor, o chilling effect, e tem uma imagem antiga que o descreve bem, o panóptico, a prisão circular pensada para que o prisioneiro, sem saber se está sendo observado num dado instante, se comporte o tempo todo como se estivesse. A genialidade perversa do desenho é que a vigilância nem precisa ser real e contínua para funcionar. Basta ser possível e invisível. A cidade coberta de totens é um panóptico a céu aberto.

panóptico - modelo arquitetônico e conceitual de vigilância criado pelo filósofo Jeremy Bentham em 1785

Você pensa duas vezes antes de ir a um protesto, a um culto incomum, a uma clínica, a um encontro, a uma reunião, porque sabe, mesmo que de forma vaga, que há um registro. Uma sociedade que se acostuma com isso aceita, aos poucos e sem perceber, ser administrada como um conjunto de suspeitos permanentes que precisam provar inocência o tempo todo, em vez de cidadãos com direito à presunção do contrário. A privacidade não é o direito de quem tem algo a esconder. É a condição que permite pensar, discordar, errar, mudar de ideia e se associar sem medo. Sem ela, a democracia funciona pior, e quem mais sente são justamente os que já têm menos poder.

Não estou dizendo que crime não exista ou que segurança não importe. Importa, e muito. Estou dizendo que a resposta a um problema real não pode ser uma tecnologia que cria um problema maior, instalada sem lei adequada, sem transparência, sem fiscalização e sem que ninguém tenha perguntado às pessoas filmadas se elas concordam. Segurança que custa a privacidade de todos, para sempre, em troca de uma eficiência que ninguém mediu publicamente, é um péssimo negócio.

Parte 14. O que você pode fazer

Não é um quadro animador, mas também não é caso de cruzar os braços. Há coisas concretas ao alcance de qualquer pessoa, e elas funcionam melhor em conjunto.

Se você mora em condomínio ou trabalha num lugar que pensa em aderir a esse tipo de compartilhamento, pergunte antes e leve a discussão para a assembleia. Peça para ver a política de tratamento de dados, o prazo de guarda, a base legal e a lista de com quem as imagens serão compartilhadas. Como a adesão é apresentada como voluntária, a recusa também é uma opção legítima, e essa decisão não deveria caber a uma pessoa só.

Use a Lei de Acesso à Informação, a Lei 12.527/2011, para cobrar do poder público estadual os números que faltam. Pergunte de forma específica. Quantos pontos de captura existem, onde estão, sob qual contrato, com qual empresa, com qual base legal, qual a política de retenção das imagens e dos vetores, qual a taxa de erro medida em campo e quem audita os acessos. Informação pública é um direito seu, e a recusa em fornecê-la já é, por si só, um dado importante sobre o que estão escondendo.

No uso comercial dos seus dados, fora da bolha de segurança pública, a LGPD continua valendo. Você pode exigir de empresas privadas o acesso, a correção e a eliminação dos seus dados pessoais, e pode levar uma queixa à Autoridade Nacional de Proteção de Dados quando esse direito é negado ou ignorado.

Apoie quem trabalha com isso a sério. Organizações brasileiras de direitos digitais vêm documentando, processando e questionando o reconhecimento facial no país há anos, com competência técnica e jurídica. Elas dependem de gente prestando atenção, divulgando o trabalho e financiando a luta.

E, no plano individual, mantenha a consciência situacional. Saber que os totens existem, entender o que fazem e conversar sobre isso com vizinhos, colegas e família já é mais do que a maioria faz. A vigilância prospera no silêncio e na distração. Atenção é resistência, e resistência começa por nomear a coisa pelo que ela é.

Parte 15. Refaça você mesmo

Já que prego transparência, é justo que eu seja transparente sobre o método. Tudo aqui é reproduzível numa tarde, sem nenhuma ferramenta especial e sem nada que dependa de acesso privilegiado.

Comecei pelo site da empresa, lendo o que ela diz que faz, anotando os produtos e prestando atenção nas palavras que ela escolhe, porque o vocabulário entrega a intenção. Confirmei a plataforma pelo código fonte público da página, procurando os rastros de wp-content que denunciam o WordPress. Identifiquei a desenvolvedora do aplicativo pelo identificador de pacote na loja Android. Li a página da própria empresa sobre a lei estadual e busquei o texto integral da norma na fonte oficial do estado. Abri a política de privacidade e os termos de uso e comparei a linguagem deles com a de um gerador gratuito conhecido, encontrando a mesma estrutura genérica. Consultei o WHOIS público do domínio na ferramenta do registro.br para entender registro e hospedagem, e refiz as consultas DNS de NS, MX e TXT para confirmar os provedores expostos. E cruzei tudo isso com o que já se sabe, de fonte pública e acadêmica, sobre as taxas de erro e o viés do reconhecimento facial.

Nenhum passo exigiu mais do que curiosidade e paciência. Esse é o ponto, e talvez a maior ironia de tudo. A transparência involuntária de uma operação assim é total para quem olha com calma, e nula para o cidadão comum que passa apressado na frente do totem. A informação que protege quem está sendo vigiado é exatamente a que ninguém tem tempo de ler.

Encerramento

Eu vou continuar olhando. Se você está em Goiânia, repare nos totens da próxima vez que sair. Eles estão te vendo, te medindo e, em alguma tabela, te registrando. E refaça as consultas. Abra o WHOIS, consulte os registros DNS, olhe os MX, leia as políticas, compare as fontes. O mínimo que a gente pode fazer é vê-los de volta, entender o que são, perguntar quem decidiu por nós e recusar a ideia preguiçosa de que isso tudo é apenas o preço normal de viver numa cidade. Não é normal. Virou comum, que é coisa diferente. E o que é comum a gente ainda pode discutir, limitar e, onde for o caso, desfazer, enquanto ainda houver quem se importe em prestar atenção.

Fontes