Pesquisadores dos Estados Unidos usaram uma ferramenta de IA para ajudar o Telegram a derrubar 524 canais e 71 bots dedicados à pirataria em apenas dois meses.
Adicione ao Google NotíciasNeste artigo
A solução, batizada de Anti-RIP, foi criada por especialistas da Universidade do Estado da Louisiana e da Universidade do Texas em Arlington. Entre fevereiro e abril de 2026, o sistema vasculhou mais de 249 mil canais recém-descobertos no Telegram, identificou centenas de grupos ainda nos primeiros dias de atividade (com menos de cinco dias de vida) e produziu relatórios repassados ao departamento de abusos do mensageiro e a detentores de direitos autorais, o que levou ao fechamento dos 524 canais e 71 bots.
O que é o Anti-RIP e como ele pegou os canais de pirataria?
O Anti-RIP é uma ferramenta de Inteligência Artificial criada para detectar, quase em tempo real, comunidades de pirataria dentro do Telegram. Segundo o estudo, a equipe rodou localmente um modelo de linguagem de grande escala para vasculhar mais de mil canais e identificar mais de 19 mil títulos pirateados. O objetivo declarado pelos autores não foi só caçar links isolados, mas rastrear o comportamento dos grupos e entender como o conteúdo ilegal circula e se replica.
Esses canais funcionam em rede, mais perto de um ecossistema articulado do que de grupos isolados disparando arquivos. A pesquisa aponta que cerca de 94% dos grupos mapeados estavam conectados a pelo menos outro canal, formando cadeias de distribuição difíceis de encontrar usando só a busca tradicional do app. O Anti-RIP concentrou esforço em detectar esses nós ainda no começo, quando o canal permanece pequeno, para cortar o alcance antes de o público saltar para dezenas de milhares de membros.
Em lugar de apenas reportar mensagens avulsas, os pesquisadores montaram dossiês completos sobre cada comunidade suspeita, com histórico, conexões e tipo de material distribuído, e enviaram tudo para o time de abuso do Telegram, que fez os banimentos. O mesmo conjunto de dados também foi compartilhado com detentores de direitos autorais interessados em avançar fora da plataforma, em medidas civis ou criminais.
Quão grande é a pirataria no Telegram, segundo o estudo?
O levantamento mostra que a pirataria dentro do Telegram opera em escala de massa. Ao analisar o ecossistema de canais, os pesquisadores estimaram que as publicações ilegais somaram 4,85 bilhões de visualizações. A equipe calcula perdas de cerca de US$ 17,49 bilhões para empresas de entretenimento, levando em conta o consumo desses conteúdos fora dos meios oficiais.
O grosso do tráfego gira em torno de mídias audiovisuais. De acordo com o estudo, conteúdos japoneses puxam a fila, com destaque para animes da Toei Company, seguidos por produções da Netflix e da Warner Bros. Esses canais, porém, extrapolam o vídeo: muitos também distribuem credenciais roubadas de serviços de streaming e tutoriais de VPN para driblar bloqueios geográficos, misturando pirataria com golpes tradicionais de roubo de dados.
A monetização desses espaços, quando existe, costuma vir de publicidade em zona cinzenta: anúncios de casas de aposta ilegais, esquemas duvidosos e outros tipos de oferta de risco. Usuário entra para baixar filme ou anime sem pagar, dá de cara com banner chamando para site de aposta ou golpe financeiro. Sem camada consistente de moderação, o ambiente vira terreno fértil para fraude em série.
Por que é tão difícil derrubar canais piratas no Telegram?
Um dos pontos centrais do estudo é a resiliência da rede pirata. Segundo os pesquisadores, os canais foram montados para resistir a bloqueios sucessivos: quando uma conta cai, outra assume o fluxo, muitas vezes guiando o usuário por uma cadeia de canais intermediários e bots automatizados até chegar ao novo destino. Essa estrutura em rede, na qual 94% dos grupos se conectam a outros, trava qualquer tentativa de limpeza manual baseada só em denúncia ou função de busca.
A maior parte dos links de mídia não está hospedada dentro do Telegram, mas em plataformas externas como TeraBox e GoFile. O mensageiro atua como camada de descoberta e distribuição, enquanto o arquivo permanece fora, em serviços com políticas de remoção próprias. Isso fragmenta o combate: derrubar o canal não necessariamente elimina a URL, que pode continuar ativa em outro grupo, em listas de links ou em redes paralelas.
Do lado oficial, o Telegram registra em sua própria FAQ que se apoia em denúncias de usuários e moderação humana para limitar contas que enviam spam e conteúdo indesejado. O caso do Anti-RIP mostra a reação quando alguém chega com dados organizados em escala — 249 mil canais inspecionados, 524 grupos e 71 bots piratas derrubados em dois meses. A pressão global por limpeza, que já rendeu bloqueios de dezenas de canais em países como a Alemanha, cresce à medida que governos passam a tratar pirataria, desinformação e crimes financeiros dentro do mesmo pacote regulatório e de fiscalização.
O que muda na guerra contra a pirataria com esse tipo de IA?
O impacto imediato está nos números: centenas de canais e bots a menos espalhando conteúdo pirata no Telegram. O recado mais amplo aparece na forma de atuação: o Anti-RIP mira a formação das comunidades, não só o conteúdo que já viralizou. Ao identificar grupos com menos de cinco dias de existência, a ferramenta tenta cortar o ciclo antes que o canal acumule milhares de assinantes e se torne referência na cena de distribuição ilegal.
Isso não encerra o problema de um ambiente de pirataria que, segundo o estudo, concentra bilhões de visualizações e bilhões de dólares em perdas, mas muda o tipo de resposta possível. Em vez de depender apenas de denúncia manual ou de operação policial pontual, titulares de direitos e plataformas passam a ter um radar para localizar e mapear novos focos conforme eles surgem.
A equipe acadêmica sustenta que, com um modelo de linguagem rodando localmente, conseguiu mapear esse ecossistema e ajudar a derrubar 524 canais em dois meses, resultado usado como prova de conceito para a adoção de ferramentas semelhantes por mensageiros, estúdios e governos em ciclos contínuos, com discussão ainda em aberto sobre privacidade e falsos positivos caso a triagem em massa se torne rotina.
