Detecting Cognitive Signatures in Typing Behavior for Non-Intrusive Authorship Verification

Este artigo apresenta um quadro de verificação de autoria não intrusivo que utiliza assinaturas cognitivas extraídas dos tempos de digitação para distinguir a composição genuína de transcrição mecânica ou texto gerado por IA, oferecendo uma alternativa privada e robusta às abordagens baseadas apenas no conteúdo do texto.

O essencial

Imagine que você está em um tribunal e alguém acusa um aluno de ter usado Inteligência Artificial (IA) para escrever uma redação. O professor olha para o texto final e diz: "Isso parece muito perfeito, muito robótico". Mas como ter certeza? O texto em si não conta a história completa.

Este artigo propõe uma solução inteligente: em vez de olhar apenas para o resultado (o texto), vamos olhar para o processo (como a pessoa digitou).

Aqui está a explicação simples, usando analogias do dia a dia:

1. O Problema: A "Fotografia" vs. O "Filme"

Atualmente, as ferramentas que tentam detectar IA olham apenas para a "fotografia" final do texto. Elas procuram padrões estatísticos nas palavras. O problema é que as IAs estão ficando tão boas que suas "fotos" são indistinguíveis das humanas.

O autor do artigo diz: "Esqueça a foto final. Vamos assistir ao filme de como o texto foi feito."

2. A Solução: A "Dança" dos Dedos

Quando um humano escreve algo original, o cérebro trabalha em três etapas:

1. Planejamento: "O que vou dizer?" (O cérebro pensa).
2. Tradução: "Como vou dizer isso?" (O cérebro transforma ideias em frases).
3. Revisão: "Isso soou bem? Vou mudar." (O cérebro edita).

Essas etapas criam uma "assinatura cognitiva" no teclado.

• O Humano: Pausa longamente antes de uma frase difícil (pensando), digita rápido em blocos (quando a ideia flui) e apaga para corrigir (revisando). É como um músico improvisando: há momentos de silêncio, surtos de notas rápidas e ajustes.
• A IA (ou quem copia): Se alguém apenas copia um texto pronto ou digita mecanicamente, o ritmo é constante. É como um metrônomo: tic-tac, tic-tac, tic-tac. Não há pausas para pensar, porque a ideia já existe pronta.

3. A "Fórmula Mágica" (Correlação de Carga Cognitiva)

Os pesquisadores criaram uma medida chamada Correlação de Carga Cognitiva (CLC). Pense nisso como um teste de "sincronia":

• Cenário Humano: Quando a frase é difícil, a pessoa pausa mais. Quando é fácil, ela digita rápido. Existe uma conexão entre a dificuldade do conteúdo e o tempo de espera. É como um motorista que freia antes de uma curva fechada e acelera na reta.
• Cenário Robótico: O tempo de digitação não muda, não importa se a frase é difícil ou fácil. O "motorista" mantém a mesma velocidade o tempo todo, ignorando as curvas.

4. Privacidade: O "Rascunho" vs. O "Diário"

Uma grande preocupação é: "Isso vai espionar o que estou escrevendo?"
O artigo diz não. O sistema é projetado para ser um "detetive cego":

• Ele não lê o texto.
• Ele não salva o que você digitou.
• Ele apenas mede o tempo entre uma tecla e outra (milissegundos).

É como se o sistema olhasse apenas para o relógio do seu dedo, sem nunca olhar para o papel. Para proteger ainda mais a privacidade, eles "arredondam" os tempos (ex: transformam 123ms em 120ms), o que apaga detalhes que poderiam identificar quem é você (biometria), mas mantêm os detalhes que mostram como você pensa.

5. Por que é difícil enganar o sistema?

Alguém poderia tentar fingir ser humano, pausando propositalmente antes de frases difíceis?
O artigo explica que isso é como tentar imitar a respiração de alguém enquanto corre.

• Para enganar o sistema, o falsificador teria que:
  1. Memorizar o texto inteiro.
  2. Analisar onde são as partes difíceis.
  3. Planejar pausas artificiais.
  4. Executar tudo isso sob pressão de tempo, mantendo o ritmo natural de edição.

Fazer isso exigiria mais esforço do que simplesmente escrever o texto original! É como tentar imitar a voz de um cantor enquanto toca piano: o cérebro humano tem dificuldade em controlar duas coisas complexas ao mesmo tempo de forma natural.

Resumo Final

O artigo propõe mudar a pergunta de "Quem escreveu isso?" (identidade) para "Isso foi pensado por um humano?" (processo).

Ao analisar o ritmo, as pausas e os erros de digitação, podemos ver a "pegada mental" de quem está criando. É uma forma de provar que um texto é humano sem precisar vigiar a tela do computador ou roubar a privacidade do autor. É como ouvir o som de uma ferramenta sendo usada: um artesão faz um barulho diferente de uma máquina, mesmo que o produto final pareça idêntico.

Resumo técnico

Título: Detecção de Assinaturas Cognitivas no Comportamento de Digitação para Verificação Não Intrusiva de Autoria

1. O Problema

A proliferação de textos gerados por Inteligência Artificial (IA) criou uma lacuna crítica na verificação de autoria. Instituições acadêmicas, editoras e tribunais enfrentam dificuldades para confirmar se um texto foi composto por um humano ou por um modelo de linguagem (LLM).

• Falhas das Defesas Atuais: Os métodos baseados na análise do texto final (detectores de IA, marcação d'água) estão falhando. À medida que os modelos de IA convergem para distribuições estatísticas humanas, os detectores tornam-se menos confiáveis. A marcação d'água é facilmente removida por paráfrase, e a vigilância (proctoring) é invasiva e ineficaz.
• A Lacuna: Não existe um meio confiável de verificar a autoria focando no processo de criação, e não apenas no produto final.

2. Metodologia e Abordagem

O artigo propõe uma mudança de paradigma: em vez de analisar o texto gerado, o sistema analisa o processo de digitação através de uma interface de escrita padrão. A premissa central é que a digitação humana carrega "assinaturas cognitivas" que refletem os estágios recursivos da composição (planejamento, tradução e revisão), os quais são ausentes na transcrição mecânica.

• Conceito Chave: Assinaturas Cognitivas vs. Dinâmica de Teclas Motoras:
  • A maioria dos sistemas de biometria foca na identidade do digitador (quem digitou), baseada em intervalos de tempo motores (microssegundos). O artigo argumenta que isso é forjável.
  • O foco deste trabalho é a autoria do processo (quem compôs), baseada na correlação entre a complexidade semântica do conteúdo e a latência da digitação.
• Métrica Principal: Correlação de Carga Cognitiva (CLC - Cognitive Load Correlation):
  • Definição: O CLC mede a correlação entre a complexidade do conteúdo (ex: profundidade sintática, surpresa de n-gramas) e o tempo de latência entre teclas (IKI - Inter-Key Interval).
  • Composição Humana: Exibe um CLC positivo moderado a forte ($\rho \approx 0.3–0.6$). O escritor pausa mais antes de conteúdo difícil porque está gerando o pensamento em tempo real.
  • Transcrição/IA: Exibe um CLC próximo de zero ou fraco ($\rho < 0.15$). A velocidade é determinada pela fluência motora, não pela dificuldade do conteúdo.
• Coleta de Dados:
  • Utiliza metadados de tempo de digitação (timestamps) coletados por uma extensão de navegador ou plugin leve.
  • Privacidade: Aplica quantização aos dados de tempo (ex: arredondamento para múltiplos de 5 ms). Isso remove a capacidade de identificar a biometria motora do usuário (que opera em resoluções <15 ms), preservando apenas os sinais cognitivos (pausas de 1.000–5.000 ms), garantindo que o sistema não funcione como vigilância de identidade.

3. Principais Contribuições

1. Definição do CLC: Estabelecimento de uma métrica discriminativa que separa a composição genuína da transcrição mecânica baseada na entrelaçamento entre semântica e tempo.
2. Framework Não Intrusivo: Proposta de uma arquitetura que opera como um processo de fundo, coletando apenas metadados de tempo quantizados, sem capturar o conteúdo do texto ou a identidade do usuário.
3. Análise de Robustez Adversarial: Demonstração teórica de que as assinaturas cognitivas são estruturalmente mais difíceis de forjar do que as assinaturas motoras. Um adversário precisaria não apenas digitar o texto, mas simular o processo cognitivo (pausas planejadas, padrões de revisão) condicionados ao conteúdo semântico específico, o que exige um esforço comparável à escrita original.
4. Diretrizes Éticas: Proposta de um modelo de "Integridade Contextual" para implementação educacional, focando em transparência, consentimento voluntário e minimização de dados (deletar dados brutos após a verificação).

4. Resultados e Avaliação

A avaliação apresentada é analítica, baseada na síntese de estatísticas de grandes conjuntos de dados públicos (como o dataset Aalto com 136 milhões de eventos e o ScholaWrite), já que não há um único dataset unificado de composição vs. transcrição em larga escala.

• Precisão de Discriminação: Sob as premissas de que o CLC se generaliza e a complexidade do conteúdo pode ser estimada, o sistema estima uma precisão de discriminação entre 85% e 95% para distinguir composição humana de transcrição.
• Limitações de População: A precisão pode variar para populações específicas, como digitadores de "caça-e-clic" (hunt-and-peck), falantes não nativos (que podem ter pausas maiores por acesso lexical) ou usuários com deficiências motoras. O sistema propõe uma fase de calibração pessoal para mitigar isso.
• Custo de Ataque: A análise sugere que forjar uma assinatura cognitiva positiva requereria que um adversário memorizasse o texto, analisasse sua complexidade e executasse uma performance de digitação ensaiada com pausas específicas. O custo de tempo (30-60 min por 1.500 palavras) anula a vantagem de usar IA para "colar" o texto.

5. Significado e Conclusão

O artigo conclui que a verificação de autoria deve ser reformulada como um problema de Interação Humano-Computador (HCI) e não apenas de processamento de linguagem natural.

• Alternativa à Vigilância: Oferece uma via de verificação que preserva a privacidade (ao não coletar conteúdo ou identidade biométrica fina) e é resistente a ataques de IA.
• Limitação Atual: A precisão de 85-95% é uma estimativa teórica baseada em dados cruzados. O trabalho identifica a necessidade urgente de estudos empíricos controlados (com os mesmos participantes fazendo composição e transcrição) e validação em populações diversas (móveis, não nativos, deficientes).
• Impacto Futuro: O trabalho abre caminho para sistemas de "atestado de processo" que validam a autoria humana através da "pegada temporal" da mente criando em tempo real, uma assinatura que a IA atual não consegue replicar sem recriar o processo cognitivo humano.