CYBER WELFARE

Proteja a sua privacidade digital

Estilometria: como o teu estilo de escrita te pode identificar

Ficha complementar da lição “O estilo de escrita como impressão digital (estilometria)” — curso Anonimato online

A estilometria estuda o estilo de escrita como algo que se pode medir: as palavras a que recorres, a forma como pontuas, o tamanho das tuas frases. Juntos, estes hábitos podem funcionar como uma impressão digital de um texto. Este recurso explica como funciona, porque é que os modelos de linguagem a tornam mais barata e o que isso significa se escreves alguma coisa com um pseudónimo.

A ideia-chave: um pseudónimo esconde o teu nome, não a tua voz. Os teus hábitos de escrita vão contigo de um texto para o outro. Saber quais se notam mais permite-te decidir, com calma, onde isso conta e onde não conta.

A. Porque é que isto importa

Neste curso, a privacidade é decidir o que os outros sabem sobre ti; o anonimato é agir sem que aquilo que fazes fique associado a quem és. Os recursos anteriores olharam para associações criadas pelos dispositivos e pelo navegador, como o endereço IP ou os cookies; este olha para uma associação que crias tu, sempre que escreves.

Escrever com um pseudónimo é comum e legítimo: a crítica a uma tasca do bairro, uma pergunta num fórum, um blogue sobre um passatempo. O pseudónimo separa o texto do teu nome. Não o separa da tua maneira de escrever, e essa maneira pode ser comparada com outros textos que trazem o teu nome.

Isto não quer dizer que qualquer texto com alcunha possa ser atribuído a quem o escreveu: o estilo é mais uma associação, em geral fraca sozinha e mais forte quando se soma ao que o texto conta sobre a tua vida.

O que dizem as fontes

Em Portugal, a Carta Portuguesa de Direitos Humanos na Era Digital (Lei n.º 27/2021, de 17 de maio) estabelece, no artigo 8.º, que «Todos têm direito a comunicar eletronicamente usando a criptografia e outras formas de proteção da identidade».

Publicar com pseudónimo é também uma escolha que a lei reconhece. O Código do Direito de Autor e dos Direitos Conexos diz que o autor pode identificar-se com «um pseudónimo ou qualquer sinal convencional» (artigo 28.º) e que, se publicar sem revelar o nome, pode «a todo o tempo revelar a sua identidade e a autoria da obra» (artigo 30.º, n.º 2). São regras de direito de autor: reconhecem a escolha, não impedem que alguém descubra a autoria. Em 2021, o Tribunal Europeu dos Direitos Humanos (Standard Verlagsgesellschaft mbH c. Áustria, n.º 3) reconheceu que o anonimato na internet é importante para a livre circulação de ideias, embora não seja um direito absoluto. A estilometria importa precisamente porque pode tirar essa decisão das mãos do autor.

Medir o estilo para reconhecer um autor não é novo. Em 1963, os estatísticos norte-americanos Frederick Mosteller e David Wallace analisaram doze dos «Federalist Papers», ensaios políticos do século XVIII cuja autoria era disputada entre Alexander Hamilton e James Madison. Parte das melhores provas veio de palavras banais: Hamilton usava «upon» cerca de três vezes em cada mil palavras, Madison mais ou menos uma vez em cada seis mil. Concluíram que os doze ensaios eram todos de Madison.

Em 2013, a pedido do jornal britânico Sunday Times, o linguista computacional Patrick Juola comparou um romance policial publicado com o nome de Robert Galbraith com livros de quatro autores possíveis. Mediu o comprimento das palavras, as 100 palavras mais comuns, pequenas sequências de letras e pares de palavras seguidas. J.K. Rowling surgiu como a candidata mais provável, e Juola sublinhou que a análise apontava para ela, sem o provar. Menos de um dia depois, Rowling confirmou, através de um porta-voz, que tinha escrito o romance.

Na literatura portuguesa, a relação entre nome e estilo tem um caso célebre: numa carta a Adolfo Casais Monteiro, de 13 de janeiro de 1935, Fernando Pessoa escreveu sobre «a origem dos meus heterónimos». Um guia de estudo do 12.º ano, no portal Estudo Autónomo da Direção-Geral da Educação, lembra que os heterónimos «não são simples pseudónimos, mas personalidades completas, com biografias, estilos e filosofias próprias».

A escala, entretanto, cresceu. Um estudo de 2012 de Arvind Narayanan e colegas testou a identificação do autor entre 100 000 bloguistas: em mais de 20 % dos casos, o sistema acertou. Em 2024, investigadores da ETH Zurique mostraram que os grandes modelos de linguagem conseguem deduzir do que as pessoas escrevem dados pessoais como a localização, o rendimento ou o sexo. No mesmo ano, um estudo revisto por pares (EMNLP 2024) concluiu que estes modelos conseguem dizer se dois textos são do mesmo autor e escolhê-lo entre 10 ou 20 candidatos, sem treino específico para a tarefa.

B. Conceitos-chave: como funciona a estilometria

Cinco ideias, dos hábitos ao que as máquinas hoje fazem com eles.

O estilo é um conjunto de hábitos que se podem contar

Visto assim, o estilo são dados: com que frequência usas certas palavras, o tamanho das tuas frases, a pontuação que preferes, como abres e fechas uma mensagem. Uma equipa de investigação europeia que criou um programa para este trabalho define a área como o estudo quantitativo do estilo de escrita. A análise compara estas contagens entre textos e pergunta a que autor conhecido se parece mais um texto novo.

Porque é que isto importa para ti: A maior parte destes hábitos não são escolhas conscientes, por isso mantêm-se quando mudas o nome que assina o texto.

As palavras pequenas dizem mais

As palavras mais reveladoras costumam ser as menos interessantes: «de», «que», «o», «mas», «no entanto». Mosteller e Wallace chamavam-lhes palavras funcionais, ou seja, artigos, preposições e conjunções: a sua frequência mantém-se bastante estável seja qual for o tema, ao contrário de palavras como «guerra». O programa de investigação referido acima parte, por predefinição, das palavras mais frequentes.

Porque é que isto importa para ti: Mudar de tema muda pouco estes hábitos. Uma crítica a um livro e um e-mail de trabalho podem partilhá-los.

A impressão digital da escrita é uma combinação, não um tique

Neste recurso, «impressão digital da escrita» (em inglês, writeprint) é só uma forma de descrever o conjunto, por analogia com a impressão digital dos dedos. Em 2008, os investigadores Ahmed Abbasi e Hsinchun Chen deram o nome Writeprints a uma técnica pensada para identificar identidades anónimas e medir as semelhanças entre elas. Um hábito isolado, como o gosto pelo ponto e vírgula, é partilhado por muita gente. Muitos hábitos juntos formam um perfil muito mais raro: o estudo de 2012 combinava mais de mil características, da pontuação às palavras funcionais.

Porque é que isto importa para ti: Tal como na impressão digital do navegador, é o conjunto que reduz a multidão.

A atribuição de autoria é uma probabilidade, não uma prova

A atribuição de autoria consiste em estimar quem, entre um grupo de candidatos, escreveu mais provavelmente um texto. Funciona melhor quando há poucos candidatos e muito texto de cada um. Juola escreveu que a autora era provavelmente Rowling, e admitiu que o livro podia ser de alguém que, por acaso ou de propósito, escrevesse como ela.

Porque é que isto importa para ti: Uma semelhança de estilo é um indício, não uma identificação. Pesa mais quando alguém já tem uma lista curta de autores possíveis, como colegas de trabalho, colegas de turma ou membros de uma pequena comunidade.

Os modelos de linguagem tornam a análise mais barata

Os grandes modelos de linguagem, os sistemas em que assentam os chatbots de inteligência artificial (programas que conversam por escrito), conseguem ler textos comuns e tirar pistas sozinhos. O estudo de Zurique concluiu que o faziam com um custo 100 vezes menor e num tempo 240 vezes mais curto do que as pessoas. O estudo EMNLP acrescenta que conseguem justificar a resposta com uma análise detalhada das características linguísticas, ou seja, dos hábitos descritos acima.

Porque é que isto importa para ti: Os teus hábitos não mudaram; mudou o esforço para os comparar. Pensar que ninguém se daria ao trabalho é hoje menos seguro.

C. Um exemplo concreto: as críticas literárias da Sara

A Sara tem 28 anos e é professora numa escola secundária de Lisboa. Durante a semana escreve aos encarregados de educação da turma e troca e-mails com colegas; nos tempos livres publica críticas de livros num fórum de leitura, com uma alcunha. Não tem nada a esconder: gosta simplesmente de manter as leituras separadas do trabalho.

Numa tarde, uma colega fala-lhe de uma crítica de que gostou nesse fórum e diz, meio a brincar, que parecia uma mensagem da Sara aos pais. A Sara não se alarma, mas fica curiosa: nunca tinha referido a escola, a cidade nem o nome.

Nessa noite, pôs lado a lado uma dessas mensagens e duas críticas, e as semelhanças saltavam à vista. Nos três textos começava com «Ora bem,», usava travessões nos incisos onde outras pessoas usam parênteses, fechava os parágrafos com uma pergunta curta e escrevia «um bocadinho» onde outros escrevem «um pouco».

A sua expressão preferida, «diga-se de passagem», aparecia duas vezes. E uma crítica falava da corrida à chuva para apanhar o elétrico à porta da escola.

O que mudou quando a Sara olhou para o seu estilo

  • Percebeu que a associação mais forte não era uma palavra, mas uma combinação: a mesma abertura, os mesmos travessões e a mesma expressão, todos juntos.
  • Reparou que a frase sobre o elétrico à porta da escola a ligava à crítica muito mais diretamente do que qualquer sinal de pontuação, e apagou-a.
  • Decidiu que o resto estava bem: uma colega reconhecer o seu gosto em romances não é um problema, e não quer escrever com uma voz que não é a sua.

Se um dia a separação contar mais, já sabe que contam o conteúdo e o estilo. Manter coerentes identidades separadas é um tema de um nível seguinte do curso.

D. Agora é a tua vez: compara dois textos teus (15 minutos)

Quatro passos curtos, com papel e caneta ou um documento em branco. Usa só textos teus e guarda as notas para ti: o exercício funciona sem carregar nada num site ou num chatbot.

Passo 1 — Escolhe dois textos (3 minutos)

  • Escolhe um texto assinado com o teu nome, como um e-mail, e outro escrito noutro sítio, ou simplesmente dois textos sobre temas diferentes.
  • Evita textos com informação privada de outras pessoas.

Passo 2 — Olha para as palavras e as expressões (4 minutos)

  • Sublinha a forma como cada texto começa e acaba.
  • Anota as pequenas palavras de ligação a que recorres mais, como «então», «aliás», «portanto», «já agora» ou «no fundo».
  • Faz um círculo à volta de cada expressão que aparece nos dois textos.

Passo 3 — Olha para a pontuação e o ritmo (4 minutos)

  • Marca travessões, parênteses, pontos e vírgulas, pontos de exclamação, reticências e emojis.
  • Conta, por alto, as palavras de cinco frases de cada texto. As tuas frases são sobretudo curtas, sobretudo longas, ou uma mistura?
  • Anota as escolhas de grafia: «e-mail» ou «email», «ótimo» ou «óptimo», números por extenso ou em algarismos.

Passo 4 — Lista cinco hábitos e decide (4 minutos)

  • Escreve cinco hábitos que aparecem nos dois textos e que te parecem menos comuns.
  • Ao lado de cada um, escreve «está bem» ou «bom saber».
  • Acrescenta qualquer pormenor de conteúdo, como a tua profissão, a tua cidade ou uma rotina, que ligue um texto a ti mais diretamente do que o estilo.

O objetivo é a consciência, não o disfarce.

E. Vídeos, artigos e outros recursos

Primeiro os direitos, depois a investigação. A lei e o Código estão em português; as restantes fontes, em inglês.

Direitos e contexto

Rede de Bibliotecas Escolares — Lei n.º 27/2021, de 17 de maio: Carta Portuguesa de Direitos Humanos na Era Digital
Cópia do texto publicado no Diário da República (1.ª série, n.º 95); o artigo 8.º trata da privacidade em ambiente digital e da proteção da identidade.
https://www.rbe.mec.pt/np4/file/809/Lei_27_2021.pdf

Sociedade Portuguesa de Autores — Código do Direito de Autor e dos Direitos Conexos (versão atualizada)
O texto do Código: o artigo 28.º trata da identificação do autor, incluindo o pseudónimo, e o artigo 30.º da obra de autor anónimo.
https://dev.spautores.pt/wp-content/uploads/2023/06/CodidodoDireitodeAutoredosDireitosConexos.pdf

Global Freedom of Expression (Columbia University) — Standard Verlagsgesellschaft mbH v. Austria (no. 3)
Resumo do acórdão do Tribunal Europeu dos Direitos Humanos de 7 de dezembro de 2021: o anonimato na internet é importante para a livre circulação de ideias, mas não é um direito absoluto.
https://globalfreedomofexpression.columbia.edu/cases/standard-verlagsgesellschaft-mbh-v-austria-no-3/

Investigação sobre a atribuição de autoria

Language Log (University of Pennsylvania) — Rowling and «Galbraith»: an authorial analysis
O relato de 2013 em que Patrick Juola descreve os quatro testes que fez e os seus limites.
https://languagelog.ldc.upenn.edu/nll/?p=5315

Princeton University — On the feasibility of internet-scale author identification
O estudo de 2012, apresentado no IEEE Symposium on Security and Privacy, sobre a identificação do autor entre 100 000 bloguistas.
https://collaborate.princeton.edu/en/publications/on-the-feasibility-of-internet-scale-author-identification/

The R Journal — Stylometry with R: A Package for Computational Text Analysis
Uma equipa europeia (Academia Polaca das Ciências, Universidade Jaguelónica, Universidade de Antuérpia) apresenta um programa para analisar o estilo.
https://journal.r-project.org/articles/RJ-2016-007

Modelos de linguagem, privacidade e autoria

ETH Zurich, SRI Lab — Beyond Memorization: Violating Privacy Via Inference with Large Language Models
O estudo de 2024 que mostra como os modelos de linguagem podem deduzir dados pessoais a partir de textos comuns.
https://eth-sri.github.io/publications/staab2023beyond

ACL Anthology — Can Large Language Models Identify Authorship?
Um estudo de 2024 revisto por pares (Findings of EMNLP 2024) sobre modelos de linguagem que verificam e atribuem a autoria de um texto sem treino específico.
https://aclanthology.org/2024.findings-emnlp.26/

Ligações verificadas em novembro de 2026. Se um endereço mudar, procurar o título no site da entidade ajuda muitas vezes a encontrá-lo.

F. O Framework Cyber Welfare: Competências, Consciência, Comportamento Seguro

Este recurso situa-se no pilar Consciência. O nível de referência deste conteúdo é o FL2 – Inicial: reparar que a maneira como escreves é uma associação, antes de decidir onde isso conta.

Competências

  • Nomear os hábitos que a análise do estilo mede: palavras frequentes, pontuação, tamanho das frases, aberturas e fechos.
  • Comparar dois textos teus e listar os hábitos que têm em comum.
  • Reconhecer num texto os pormenores de conteúdo que o ligam a ti mais diretamente do que o estilo.

Consciência

  • Perceber que um pseudónimo esconde o teu nome, mas não os teus hábitos de escrita.
  • Saber que a atribuição de autoria dá probabilidades e funciona melhor com uma lista curta de candidatos.
  • Reconhecer que os modelos de linguagem reduzem o esforço necessário para comparar textos e deduzir pormenores a partir deles.

Comportamento Seguro

  • Reler um texto que publicas com uma alcunha à procura de pormenores sobre a tua vida que não querias incluir.
  • Decidir, com proporção, quais dos teus textos com pseudónimo precisam mesmo de ficar separados do teu nome.
  • Não colocar textos de outras pessoas em ferramentas de IA quando tens curiosidade em saber quem escreveu alguma coisa.

G. Perguntas para refletir

  • Que textos teus aceitarias ver ligados ao teu nome, e quais preferias manter à parte?
  • Quem já lê o suficiente do que escreves, no trabalho, na escola ou entre amigos, para te reconhecer mesmo sem assinatura?
  • Se uma análise dissesse que um texto é «provavelmente» teu, quanto valeria essa palavra, e para quem?

H. O que fazer agora

As recomendações (R) e as medidas de segurança (MS) da base de dados da Cyber Welfare que melhor se ajustam a este tema.

Nenhum código da base de dados trata diretamente do estilo de escrita, por isso os conselhos abaixo são dados sem código.

1. Antes de publicares com uma alcunha

  • Relê à procura de pormenores sobre a tua vida: a profissão, a cidade, as rotinas, os nomes de quem te rodeia. Em geral, ligam mais do que o estilo.
  • Decide que textos com pseudónimo contam mesmo: uma crítica a um livro e um testemunho pessoal pedem graus de separação diferentes.

Esforço mínimo: da próxima vez que publicares com uma alcunha, relê o texto uma vez e tira um pormenor sobre a tua vida que não querias partilhar.

2. Ter os limites presentes

  • Desconfia de quem diz que uma ferramenta consegue «provar» quem escreveu um texto, e de quem promete que um texto nunca poderá ser ligado a ti.
  • Se tens curiosidade em saber quem escreveu alguma coisa, não coles textos privados de outras pessoas numa ferramenta de IA para o descobrir.

Esforço mínimo: esta semana, faz uma vez a comparação entre dois textos da secção D e guarda para ti a lista dos cinco hábitos.

Em resumo

  • A estilometria mede hábitos de escrita como as palavras frequentes, a pontuação e o tamanho das frases, e compara-os entre textos.
  • Um pseudónimo esconde o teu nome, não os teus hábitos de escrita; é a combinação desses hábitos que pode apontar para ti.
  • A atribuição de autoria dá probabilidades, não provas, e os modelos de linguagem tornam-na hoje mais barata, muitas vezes juntando-lhe os pormenores que um texto conta.
  • Não tens de mudar a tua maneira de escrever. Conhecer os teus hábitos, e o que os teus textos dizem sobre a tua vida, permite-te escolher onde a separação conta.

Recursos associados neste curso

Descobre mais fichas complementares dos cursos do programa Proteja a Sua Privacidade Digital.

Se quiseres seguir o percurso inteiro, o Programa Cyber Welfare é gratuito e aberto a todos.

→ Aderir ao Programa Cyber Welfare

Deixe um comentário