Frame IA | 12 milhões de imagens copiadas: o caso Cara expõe o limite da proteção contra scraping

Um usuário afirma ter baixado cerca de 12 milhões de trabalhos da rede criada para artistas que não querem alimentar sistemas de inteligência artificial. O episódio não prova que essas imagens foram usadas para treinar IA, mas mostra algo talvez mais importante para fotógrafos: publicar na internet ainda significa negociar entre visibilidade, controle e risco.

A Cara surgiu em 2023 como uma rede social e plataforma de portfólio voltada a artistas, criada pela fotógrafa Jingna Zhang em reação ao avanço do uso de trabalhos criativos em datasets de inteligência artificial sem autorização dos autores. A proposta tornou a plataforma particularmente simbólica para quem procurava um espaço mais alinhado à ideia de consentimento. No dia 14 de agosto, esse princípio foi colocado à prova.

Zhang revelou que um usuário do Reddit havia afirmado ter raspado mais de 12 milhões de trabalhos, totalizando pouco mais de 12 TB de imagens, por um custo inferior a US$ 10. A publicação original do usuário foi posteriormente apagada. Segundo a cobertura do caso, ele descreveu a operação como um projeto feito por diversão.

Os números merecem ser tratados como alegações do responsável pelo scraping, já que não há uma auditoria pública independente demonstrando que cada arquivo citado foi efetivamente obtido.

Mas isso não reduz a relevância do episódio.Também não existe, até aqui, evidência de que o conjunto tenha sido utilizado no treinamento de algum modelo de inteligência artificial. Scraping e treinamento são coisas diferentes.

Scraping é a coleta automatizada de conteúdo disponível em sites e serviços online. O material obtido pode posteriormente ser arquivado, analisado, redistribuído ou incorporado a um dataset, mas uma coisa não prova automaticamente a outra.

Portanto, dizer que “uma IA roubou 12 milhões de imagens da Cara” iria além do que sabemos.

A história comprovada já é suficientemente relevante.

A rede que dizia explicitamente “não”

A Cara não apenas afirma que não utiliza o conteúdo de seus usuários para treinar modelos generativos como também diz não conceder essa permissão a terceiros. A plataforma implementa automaticamente tags NoAI para imagens publicadas e mantém medidas contra bots e scraping.

Há um detalhe particularmente importante. A própria Cara nunca afirmou que isso seria uma proteção absoluta.

Em seu FAQ, a empresa explica que nenhuma imagem publicamente acessível na internet pode ser completamente protegida quando um agente está determinado a copiá-la. As tags funcionam essencialmente como uma manifestação técnica de que aquele conteúdo não deve ser coletado.

É justamente essa diferença que o episódio deixa evidente:

dizer “não autorizo” não é tecnicamente igual a “você não consegue acessar”.

A primeira questão envolve consentimento, políticas e eventualmente direitos legais. A segunda depende da arquitetura da internet e das barreiras colocadas entre o arquivo e quem tenta obtê-lo.

O robots.txt não é um cadeado

Um dos mecanismos utilizados para comunicar essas restrições é o robots.txt, arquivo que informa aos crawlers quais partes de um site eles podem ou não acessar.

Mas obedecer a essas instruções depende do crawler.

A própria Cloudflare deixa isso explícito em sua documentação: robots.txt comunica uma preferência, mas não impede tecnicamente um crawler de acessar o conteúdo. Para bloquear efetivamente acessos é necessário acrescentar mecanismos de controle de rede, identificação de bots, limitação de requisições e outras barreiras.

E já existe pesquisa empírica mostrando o problema.

Um estudo publicado em 2025 analisou o comportamento de dezenas de bots e encontrou casos de crawlers que respeitavam seletivamente as instruções do robots.txt, com determinadas categorias chegando a raramente consultar o arquivo. Outro estudo publicado em julho de 2026 encontrou comportamento variável entre assistentes de IA com acesso à web, incluindo sistemas que acessaram recursos restritos ou utilizaram agentes de identificação difíceis de atribuir.

Ou seja, o episódio da Cara não parece apenas uma peculiaridade daquela plataforma.

Ele revela uma fragilidade estrutural da web aberta.

Então onde o fotógrafo coloca suas imagens?

Essa talvez seja a pergunta mais interessante que o caso deixa.

A resposta incômoda é que não existe hoje uma plataforma pública capaz de oferecer simultaneamente máxima exposição e controle absoluto sobre os arquivos.

Quanto mais facilmente uma imagem pode ser exibida para qualquer pessoa, mais superfície existe para alguém tentar copiá-la.

Isso não significa abandonar Instagram, Cara, sites pessoais ou portfólios online. Significa abandonar a expectativa de uma solução única e pensar em camadas de redução de risco.

Para imagens de portfólio, publicar versões dimensionadas para visualização, em vez do arquivo de maior resolução disponível, reduz o valor do material eventualmente coletado.

Não impede scraping, mas evita oferecer desnecessariamente o melhor arquivo existente.

Watermarks visíveis continuam funcionando principalmente como identificação e fricção. Podem ser removidos ou contornados e não devem ser tratados como segurança absoluta.

Metadados IPTC com autor, copyright e informações de licenciamento também são importantes.

O próprio Google recomenda preservar os principais metadados de direitos das imagens, e o IPTC os considera fundamentais para identificação e gestão autoral. Novamente, entretanto, metadata ajuda a estabelecer identidade e direitos. Não impede alguém de baixar o arquivo.

Content Credentials têm função semelhante em outra camada. O padrão C2PA permite associar informações verificáveis de procedência e histórico a um arquivo, mas sua própria documentação esclarece que o sistema não funciona como DRM e não restringe acesso nem utilização da imagem. A especificação também reconhece que os manifests podem ser completamente removidos de um arquivo.

E Glaze e Nightshade?

Aqui também vale evitar promessas excessivas.

O Glaze, desenvolvido por pesquisadores da Universidade de Chicago e disponível dentro da própria Cara, foi criado principalmente para dificultar a imitação do estilo de um artista por modelos treinados posteriormente com aquelas obras. Ele altera sutilmente a imagem para que sistemas de aprendizado de máquina interpretem suas características visuais de maneira diferente.

Os próprios pesquisadores responsáveis pelo Glaze alertam que ele não é uma solução permanente e que futuras técnicas podem superar suas defesas. Além disso, sua proposta é proteger contra determinados processos de aprendizado e imitação de estilo. Ele não foi concebido para impedir que alguém simplesmente copie um arquivo disponível online.

Essa distinção é especialmente importante para fotógrafos.

Glaze ou Nightshade podem fazer sentido em determinados contextos criativos, mas não devem ser apresentados como um antivírus universal para fotografia publicada na internet.

O site próprio voltou a ter uma vantagem

Curiosamente, toda essa discussão também reforça uma velha ferramenta: o site próprio.

Não porque um site próprio seja impossível de raspar. Não é. A diferença é o nível de controle.

Em uma grande rede social, o fotógrafo depende das decisões técnicas da plataforma. Em seu próprio domínio, pode combinar robots.txt, bloqueio de crawlers conhecidos, firewall, rate limiting, detecção de bots e regras diferentes para determinadas áreas do site.

Serviços como a Cloudflare já oferecem mecanismos capazes de bloquear crawlers identificados, monitorar atividade e até conduzir bots que ignoram restrições para sistemas como o AI Labyrinth.

Ainda assim, nenhum deles transforma uma página pública em um cofre.

Para trabalhos realmente sensíveis, inéditos, comerciais ou destinados apenas a clientes, a conclusão pode ser menos tecnológica: não publicar o arquivo publicamente.

Galerias autenticadas, áreas privadas e sistemas de entrega controlada continuam criando uma barreira muito maior do que simplesmente adicionar uma declaração de opt-out a uma imagem aberta.

O que o caso Cara realmente muda

Talvez a discussão mais útil não seja procurar a plataforma que finalmente resolveu o problema.

Ela provavelmente não existe.

O caso Cara demonstra algo mais importante para quem vive de imagem: estamos entrando em uma fase na qual o fotógrafo precisa decidir não apenas o que publica, mas também qual versão publica, onde publica e para qual finalidade.

Uma fotografia pode precisar existir em várias camadas.

Uma versão pública para descoberta e comunicação.

Outra para portfólio profissional.

Uma versão protegida para cliente.

E o arquivo original preservado fora desse fluxo.

A estratégia deixa de ser simplesmente “como impedir que minha fotografia seja copiada?” e passa a ser “quanto acesso preciso oferecer para que esta imagem cumpra sua função sem entregar mais do que o necessário?”.

Essa é uma mudança pequena na aparência, mas profunda na prática.

Porque a principal lição dos 12 milhões de trabalhos supostamente copiados da Cara não é que proteger imagens online seja inútil. É exatamente o contrário.

Proteção continua necessária. Só não pode mais ser confundida com garantia.

Fotograf.IA Essencial

IA na fotografia já não é apenas uma discussão sobre gerar imagens. Ela envolve autoria, procedência, direitos, plataformas, seleção, edição e decisões sobre onde e como nosso trabalho circula.

No  Fotograf.IA Essencial, acompanho essas mudanças pensando no impacto real para fotógrafos: o que merece atenção, o que é hype, quais riscos estão surgindo e como incorporar inteligência artificial sem abrir mão do controle sobre o próprio trabalho.

Conheça o  Fotograf.IA Essencial.