Vazamento expõe códigos internos da Suno e reacende debate sobre direitos autorais, segurança cibernética e treinamento de inteligência artificial com conteúdo protegido
A plataforma de inteligência artificial Suno, conhecida por gerar músicas a partir de comandos de texto, voltou ao centro das discussões sobre direitos autorais após um vazamento de documentos internos indicar que a empresa utilizou milhões de arquivos de áudio extraídos de plataformas como YouTube Music, Deezer, Genius e feeds de podcasts para treinar seus modelos de IA.
- Siga o tecflow no tik tok!
As informações vieram à tona depois que um hacker compartilhou parte do material obtido durante uma invasão ocorrida em novembro de 2025. O caso foi revelado apenas em julho de 2026 e pode reforçar processos judiciais movidos por grandes gravadoras contra a empresa.
Ataque começou por uma falha na cadeia de suprimentos
Segundo a investigação, o invasor conseguiu acessar os sistemas internos da Suno por meio de um ataque conhecido como supply chain attack (ataque à cadeia de suprimentos).
Nesse tipo de ataque, criminosos não invadem diretamente a empresa-alvo. Em vez disso, comprometem um fornecedor, aplicativo ou serviço utilizado internamente para roubar credenciais e obter acesso aos sistemas corporativos.
Com esse acesso, o hacker encontrou:
- Código-fonte da plataforma;
- Documentação interna;
- Scripts de coleta de dados;
- Informações sobre infraestrutura utilizada pela empresa;
- Dados relacionados a usuários.
Documentos indicam coleta em larga escala
Os códigos encontrados descrevem ferramentas utilizadas entre 2023 e 2024 para automatizar a coleta de conteúdo disponível na internet.
Entre as fontes mencionadas estão:
| Plataforma | Conteúdo coletado |
|---|---|
| YouTube Music | Mais de 2 milhões de clipes musicais |
| Deezer | Arquivos de áudio |
| Genius | Letras de músicas |
| Podcasts | Feeds RSS completos |
| Bibliotecas de áudio | Músicas comerciais e de estoque |
Segundo os documentos vazados, a empresa teria reunido mais de 200 milhões de minutos de áudio utilizados durante o treinamento de seus modelos de inteligência artificial.
IA também buscava versões instrumentais e vocais
Outro detalhe encontrado nos documentos chama atenção.
Os sistemas automatizados também buscavam:
- Versões instrumentais;
- Faixas a cappella;
- Áudios separados entre voz e instrumentos.
Esse tipo de material pode ser utilizado para ensinar modelos de IA a compreender diferentes componentes de uma música, como melodia, ritmo, vocais, arranjos e estrutura.
Infraestrutura utilizava proxies
Os códigos também fazem referência ao uso de serviços de proxy, tecnologia normalmente utilizada para distribuir milhares de requisições por diferentes endereços IP.
Na prática, isso reduz bloqueios automáticos feitos por plataformas que identificam acessos excessivos vindos do mesmo endereço de internet.
A existência dessa infraestrutura passou a ser analisada dentro das ações judiciais movidas contra a empresa.
Gravadoras acusam Suno de copiar músicas protegidas
O vazamento fortalece alegações apresentadas anteriormente por grandes gravadoras.
As empresas afirmam que a Suno utilizou sistemas automatizados para:
- Acessar músicas protegidas;
- Copiar arquivos completos;
- Baixar conteúdos do YouTube;
- Contornar mecanismos técnicos de proteção.
Segundo as gravadoras, essas práticas poderiam violar o Digital Millennium Copyright Act (DMCA), legislação americana que proíbe, em determinadas situações, contornar medidas tecnológicas destinadas à proteção de obras autorais.
Suno cita “fair use” como defesa
A Suno sustenta que o treinamento de seus modelos está protegido pela doutrina do fair use, prevista na legislação dos Estados Unidos.
Segundo a empresa, seus modelos não reproduzem diretamente as músicas utilizadas durante o treinamento.
O objetivo seria apenas aprender padrões musicais para criar novas composições inéditas.
Entretanto, a aplicação do fair use em inteligência artificial continua sendo debatida nos tribunais americanos e ainda não existe entendimento definitivo para todos os casos.
Vazamento também expôs dados de usuários
Além das informações técnicas, o hacker teria encontrado dados relacionados a centenas de milhares de usuários da plataforma.
Entre eles estariam:
- Endereços de e-mail;
- Números de telefone;
- Informações ligadas aos pagamentos realizados pela Stripe.
Os relatos indicam que números completos de cartões de crédito não estavam armazenados diretamente na infraestrutura da Suno, já que o processamento financeiro é realizado pela Stripe.
Empresa afirma que incidente foi limitado
Em comunicado, a Suno confirmou que sofreu um incidente de segurança, mas classificou o caso como limitado.
Segundo a companhia:
- O acesso envolveu códigos antigos;
- Informações sensíveis não foram comprometidas;
- Cartões completos não foram expostos;
- O incidente foi rapidamente contido.
A empresa também afirmou que decidiu não notificar publicamente seus usuários após concluir que o episódio não atingia o nível exigido pelas leis de privacidade aplicáveis.
Caso levanta debate sobre transparência
A ausência de comunicação aos clientes gerou questionamentos entre especialistas.
Embora não existam evidências públicas de que todos os dados encontrados tenham sido copiados ou utilizados em fraudes posteriores, o fato de e-mails, telefones e referências de pagamentos estarem disponíveis nos sistemas acessados aumenta a preocupação sobre transparência na resposta ao incidente.
Até o momento, também não foram registradas campanhas de phishing diretamente associadas ao vazamento.
Impacto pode ir além da segurança cibernética
Especialistas avaliam que as maiores consequências do incidente podem ocorrer fora da área de segurança digital.
Os documentos vazados poderão ser analisados pelos tribunais como parte das ações judiciais envolvendo o treinamento de modelos de inteligência artificial.
Caso sejam considerados autênticos, eles podem ajudar a esclarecer:
- Como a Suno obteve seus dados de treinamento;
- Quais plataformas foram utilizadas;
- Se houve coleta automatizada de conteúdo protegido;
- Como funcionava a infraestrutura responsável pela extração dos arquivos.
Ao mesmo tempo, o episódio evidencia três desafios centrais enfrentados pelas empresas de IA generativa: proteger a cadeia de suprimentos contra ataques, garantir a segurança das informações de usuários e manter transparência sobre a origem e o licenciamento dos conjuntos de dados utilizados no treinamento de seus modelos.
Faça como os mais de 10.000 leitores do tecflow, clique no sino azul e tenha nossas notícias em primeira mão! Confira as melhores ofertas de celulares na loja parceira do tecflow.
