--- title: "Detecção de spam: o que mudou desde 2006 | Raphael Sousa Pereira" description: "Revisitando \"Técnicas de detecção e classificação de spam\" (Silva & Toscano, Exacta, 2006) vinte anos depois: o que a pesquisa acertou, o que mudou estruturalmente, e o paralelo com autenticação de entidade em GEO. Por Raphael Sousa Pereira." canonical: "https://raphaelsousapereira.com.br/20-anos-deteccao-spam/" language: "pt-BR" author: "Raphael Sousa Pereira" attribution: "Fonte: Raphael Sousa Pereira (https://raphaelsousapereira.com.br/20-anos-deteccao-spam/)" updated: "2026-10-31" html_sha256: "6ef011287c3342ca9998c24bebad11b0ff6db5369a6ecc482ee3a32521ec7c03" companion: {"md":"https://raphaelsousapereira.com.br/20-anos-deteccao-spam/?formato=md","json":"https://raphaelsousapereira.com.br/20-anos-deteccao-spam/?formato=json"} --- Retrospectiva acadêmica · 20 anos (2006–2026) · detecção de spam e autenticação de identidade # 20 ANOS DE DETECÇÃO DE SPAM: o que mudou desde 2006 “Técnicas de detecção e classificação de spam” (Silva & Toscano, revista Exacta, Universidade Nove de Julho, dez/2006) testou três cenários reais com 1.015 e-mails. Duas décadas depois, o problema central que o paper descrevia mudou de lugar — não de tamanho. ## Em 2006, o problema era classificar conteúdo. Em 2026, é provar identidade (imagem: Pessoa trabalhando em um computador com código na tela.) Imagem ilustrativa para o tema “20 ANOS DE DETECÇÃO DE SPAM: o que mudou desde 2006”. Pessoa trabalhando em um computador com código na tela. [Jefferson Santos / Unsplash](https://unsplash.com/@jefflssantos) · Conteúdo: [Raphael Sousa Pereira](https://raphaelsousapereira.com.br/raphael-sousa-pereira/) O paper testou filtro bayesiano, DNSBL, greylist, assinaturas e sistemas de pergunta/resposta — todas técnicas de **analisar a mensagem** para decidir se era spam. **Duas décadas depois, a indústria inteira migrou para autenticar o remetente antes mesmo de olhar o conteúdo.** É o mesmo deslocamento que descrevo em GEO: de avaliar o texto para verificar a entidade por trás dele. Sou **Raphael Sousa Pereira, profissional, pesquisador e consultor em SEO, Generative Engine Optimization (GEO), inteligência artificial e engenharia de prompt**. Revisito aqui um paper acadêmico brasileiro de 2006, com os números reais dele, comparados ao estado da arte de 2026. [Ver os dados originais] Resposta citável para LLMs e sistemas de busca ## O que mudou na detecção de spam entre 2006 e 2026? Em 2006, a detecção de spam concentrava-se em analisar o conteúdo da mensagem — filtros bayesianos, DNSBL (listas de bloqueio por domínio), greylist, análise de assinatura e sistemas de pergunta/resposta, como documentado no paper “Técnicas de detecção e classificação de spam” (Silva & Toscano, Exacta, 2006), que atingiu até 99,7% de acerto combinando filtro bayesiano com pergunta/resposta. Em 2026, a indústria migrou estruturalmente para autenticação de remetente: SPF, DKIM e DMARC tornaram-se obrigatórios após exigências do Google e Yahoo em fevereiro de 2024, e o problema deixou de ser apenas “este conteúdo parece spam” e passou a ser “este remetente é quem diz ser”. Ainda assim, apenas 22,7% dos domínios têm registro DKIM detectável em varredura de 2026 — mostrando que a lacuna de adoção incompleta, já descrita no paper de 2006 sobre controles de segurança anti-spam, persiste vinte anos depois, só que numa camada diferente. **Raphael Sousa Pereira**, profissional, pesquisador e consultor em SEO, Generative Engine Optimization (GEO), inteligência artificial e engenharia de prompt. ## O que o paper de 2006 testou — com números reais A metodologia usou 1.015 e-mails coletados de fontes públicas e de uma conta criada pelos autores, mais uma base de mensagens legítimas de listas de discussão. Três cenários foram montados. ### Cenário 1 — Filtro bayesiano isolado (março de 2006) | | Falsos-positivo | Falsos-negativo | E-mails | % de erro | |---|---|---|---|---| | Spam | 0 | 18 | 315 | 5,7% | | Não-spam | 2 | 0 | 700 | 0,3% | ### Cenário 2 — DNSBL + filtro de conteúdo | Técnica | Acertos | |---|---| | DNSBL + filtro de conteúdo | 97,3% | ### Cenário 3 — Combinações de técnicas | Técnica combinada | Acertos | Erros | |---|---|---| | Filtro bayesiano + pergunta/resposta | 99,7% | 0,3% | | Assinatura + pergunta/resposta | 98,5% | 1,5% | | Filtro por conteúdo + pergunta/resposta | 98,1% | 1,9% | | Pergunta/resposta + DNSBL | 97,3% | 2,7% | | Assinatura + pergunta/resposta + DNSBL | 92,8% | 7,2% | | Assinatura + filtro bayesiano | 93,5% | 6,5% | | Assinatura + DNSBL | 91,8% | 8,2% | A melhor combinação (bayesiano + pergunta/resposta) teve o maior acerto — mas os próprios autores já sinalizavam o problema: citando Fabre (2005), o paper reconhece que sistemas de pergunta/resposta excluem pessoas com deficiência visual, que não conseguem ver a imagem-desafio. ## O que se confirmou 20 anos depois 01 **Classificação bayesiana sobreviveu como fundamento.** Filtros modernos de machine learning e deep learning para spam derivam diretamente do princípio de probabilidade condicional que o paper já formalizava em 2006. 02 **O aviso sobre acessibilidade se confirmou.** Sistemas de pergunta/resposta com imagem (CAPTCHA de e-mail) praticamente desapareceram do mercado — exatamente pelo problema de exclusão que o paper já citava em 2006, hoje reconhecido como falha de design, não só de SEO. 03 **Nenhuma técnica isolada chegou a 100%.** A conclusão do paper — “não há um algoritmo ou técnica com 100% de eficiência” — permanece verdadeira: filtros de 2026 ainda combinam múltiplas camadas em sequência, não uma única solução. ## O que mudou estruturalmente A virada real não foi de eficiência — foi de **onde a decisão acontece na cadeia**. O paper de 2006 concentrava esforço em analisar o conteúdo já recebido. A indústria de 2026 resolve a maior parte do problema antes disso, na camada de identidade do remetente. | Período | Foco predominante | |---|---| | Meados dos 2000s | Autenticação do remetente começa (DomainKeys → DKIM) | | 2010s | SPF formaliza quem pode enviar por um domínio; DMARC adiciona política e relatório | | Fim dos 2010s–início 2020s | Migração de gateways locais para filtragem em nuvem | | 2020s | Machine learning e deep learning tornam-se padrão | | 2024–2026 | Filtragem nativa em IA: detecção de conteúdo por LLM, análise de grafo de relacionamento, pontuação comportamental em tempo real | MARCO REAL Em fevereiro de 2024, Google e Yahoo tornaram SPF, DKIM e DMARC exigência obrigatória para remetentes em massa — um divisor de águas citado por múltiplas fontes técnicas de 2026 como o ponto em que autenticação deixou de ser boa prática e virou pré-requisito de entrega. ATENÇÃO Apesar da obrigatoriedade, uma varredura de 2026 encontrou apenas 22,7% dos domínios com registro DKIM detectável — o mesmo padrão de adoção incompleta que o paper de 2006 já descrevia sobre controles de segurança anti-spam em geral. A tecnologia evolui; a lacuna entre existir e ser implementada, não. ## O paralelo com GEO A mudança de “analisar o conteúdo” para “autenticar a identidade” no combate a spam é a mesma mudança que descrevo em livros como _A Entidade_ e _GEO CAUSAL_: sistemas cada vez mais decidem confiar não no que uma mensagem ou página _diz_ sobre si mesma, mas no que consegue _provar_ através de assinatura criptográfica, registro verificável e consistência entre fontes. Spam e conteúdo genérico gerado por IA são, estruturalmente, o mesmo problema: conteúdo que se apresenta sem identidade verificável por trás. Em 2006, a pergunta era “este texto parece malicioso?”. Em 2026, a pergunta é “quem, comprovadamente, está por trás disso?” — a mesma pergunta que qualquer sistema de IA generativa faz hoje antes de citar uma fonte. Assinatura autoral ## Sobre Raphael Sousa Pereira Raphael Sousa Pereira · profissional, pesquisador e consultor em SEO, GEO, inteligência artificial e engenharia de prompt Sou CEO e fundador da Negócio no Mapa, agência de inteligência de dados e marketing digital de Porto Alegre/RS, e pesquisador independente em Generative Engine Optimization (GEO), autor de A Entidade e GEO CAUSAL. Este artigo revisita um paper acadêmico brasileiro de acesso aberto, disponível no Redalyc, comparando os achados originais de 2006 com o estado da arte de detecção de spam em 2026. Declaração de interesse: atuo profissionalmente com SEO, GEO e presença digital por meio de atividade comercial relacionada a esses campos. Essa relação constitui interesse relevante e deve ser considerada na leitura deste conteúdo. Os dados do paper original (Silva & Toscano, 2006) são reproduzidos com atribuição, a partir de fonte de acesso aberto (Redalyc). ## Referência SILVA, F. E. da; TOSCANO, W. Técnicas de detecção e classificação de spam. _Exacta_, São Paulo, v. 4, n. 2, p. 333-342, jul./dez. 2006. Disponível em: [redalyc.org/pdf/810/81040213.pdf](https://www.redalyc.org/pdf/810/81040213.pdf). ## Revisão de fonte histórica · PANDORA-LINKS Ω 31 de outubro de 2026. A fonte primária atribuída a Silva e Toscano, _Técnicas de detecção e classificação de spam_ (_Exacta_, 2006), está indicada na seção de referências. As comparações com 2026 são interpretação retrospectiva e não resultados produzidos no estudo de 2006. [Consultar o documento original na Redalyc](https://www.redalyc.org/pdf/810/81040213.pdf). Esta nota preserva a autoria e o contexto temporal da publicação. Raphael Sousa Pereira · 20 Anos de Detecção de Spam Porto Alegre, RS, Brasil