“Deletar” é algo comum na vida moderna. Estamos sempre enviando arquivos e pastas para a lixeira de nossos aparelhos e, muitas vezes, nos livramos de contas pessoais indesejadas. Mas você sabe o que realmente acontece quando você clica no botão “deletar”?
O processo de exclusão costuma ser mal explicado pelos provedores de tecnologia. A falta de transparência sobre como as solicitações são processadas e a ausência de uma confirmação clara de que os dados foram removidos são frequentemente destacadas em pesquisas.
Essas questões não se limitam aos sistemas operacionais. Em plataformas de mídia social e em uma ampla gama de serviços por assinatura, os mecanismos de exclusão costumam ser igualmente pouco claros. Tais equívocos podem ter sérias implicações para o bem-estar dos usuários, expondo-os a vulnerabilidades de segurança e problemas de privacidade.
Uma complicação adicional é que muitos usuários temem perder dados, arquivos, fotos e vídeos por meio de exclusão acidental – uma condição apelidada de “diagrafofobia”. Embora não se trate de uma patologia reconhecida, estudos sobre o comportamento de acumulação digital mostram que algumas pessoas ficam muito ansiosas com a ideia de perder ou excluir acidentalmente informações pessoais, como fotos e músicas.
Essas preocupações aumentam a quantidade de dados pessoais que não são acessados, mas também não são excluídos, ficando expostos a um possível uso indevido.
Deletar x apagar
Um equívoco comum é achar que “deletar” significa “apagar” – a ideia de que, uma vez que um item excluído não esteja mais visível, ele tenha sido completamente apagado, sem possibilidade de recuperação. Isso está, em grande parte, errado.
Quando os usuários deletam arquivos – movendo-os para a lixeira e, em seguida, excluindo-os permanentemente –, os dados não são, na verdade, apagados. Em vez disso, o sistema marca o espaço de armazenamento como reutilizável e atualiza os metadados para desvincular o arquivo. Mas o conteúdo subjacente muitas vezes permanece recuperável com as ferramentas certas, especialmente quando os dados estão duplicados em vários sistemas ou dispositivos.
Formas mais robustas de exclusão incluem a destruição física do meio de armazenamento, a sobrescrita dos blocos de memória com novos dados para ocultar o original, ou a criptografia dos dados seguida da destruição da chave.
Tais métodos, no entanto, podem ser caros ou tornar o dispositivo de armazenamento inutilizável (por exemplo, ao sobrescrever dados em mídias magnéticas). As características da infraestrutura em nuvem também representam desafios para a exclusão segura de dados.
Da mesma forma, o conteúdo em redes sociais públicas pode não ser realmente apagado após a exclusão devido a respostas, comentários e arquivos da internet, que podem armazenar as postagens de alguma forma. O significado de um tuíte excluído pode, por exemplo, ser recriado com base em respostas e menções.
Contas “zumbis”
Outro equívoco é achar que excluir um aplicativo de um dispositivo apaga automaticamente a conta associada. Os usuários frequentemente deixam contas de aplicativos móveis sem excluir porque não sabem de sua existência, já que excluíram o aplicativo relacionado.
São as chamadas contas “zumbis” – perfis abandonados em uma ampla variedade de serviços, desde aplicativos de compras e armazenamento até namoro, finanças e streaming. Milhões de usuários têm contas zumbis, com dados pessoais que estão vulneráveis a ataques cibernéticos e violações de dados.
O crescimento exponencial da IA levanta uma outra questão: os dados podem realmente ser excluídos depois de terem sido usados para treinar modelos de IA? Os módulos de aprendizado de máquina memorizam facilmente os dados com os quais foram treinados, mas “desaprender” é difícil.
Em teoria, pessoas na Europa e em muitos outros países ao redor do mundo têm um “direito de ser esquecido” previsto em lei. Isso significa que podem solicitar o apagamento total de quaisquer dados pessoais que uma plataforma ou empresa possa ter. Os desenvolvedores de IA são considerados controladores de dados de acordo com as leis do Regulamento Geral de Proteção de Dados (RGPD) da UE, por exemplo, e estão sujeitos a essa obrigação.
Mas não há diretrizes claras sobre como a exclusão deve ser aplicada nos sistemas de IA. Os órgãos reguladores podem solicitar a exclusão, mas as empresas de IA podem argumentar que a conformidade é inviável devido a restrições técnicas.
Exclusão explicável
Para combater os riscos decorrentes da exclusão incompleta, acredito que haja uma necessidade urgente de fornecer informações concisas, acessíveis e claras sobre como a exclusão realmente funciona.
Uma abordagem possível é a “exclusão explicável” – um protocolo desenvolvido por Marvin Ramokapane no Centro Nacional de Pesquisa sobre Privacidade, Redução de Danos e Influência Adversária Online (Rephrain), sediado na Universidade de Bristol, Reino Unido.
A intenção é tornar os processos de exclusão mais transparentes e compreensíveis, sem sobrecarregar o usuário com informações excessivas de uma só vez.
A exclusão explicável divide as informações em seis categorias: o quê, como, quando, quem, onde e por quê (veja o diagrama). Cada uma oferece ao usuário informações sucintas sobre essa parte do processo.
As seis categorias da “exclusão explicável”:
A exclusão explicável foi projetada para dar aos usuários controle sobre suas ações, autonomia para escolher o tipo de exclusão mais adequado para eles e a garantia de que as ações desejadas foram realizadas. Ela também pode amenizar a ansiedade de perder dados acidentalmente, oferecendo opções para recuperação.
Embora a exclusão explicável ainda não tenha sido adotada na prática, os provedores de serviços — tanto plataformas quanto desenvolvedores — poderiam aumentar a confiança dos usuários ao adotar tais protocolos. Essa estrutura também pode servir como prova de conformidade com as normas do GDPR da UE e com o direito ao esquecimento.
A maioria de nós usa sistemas que coletam e armazenam nossos dados diariamente. Se esses sistemas explicassem claramente o que armazenam e o que a exclusão realmente significa, isso poderia nos ajudar a identificar as contas e os dados que representam um risco real — e a retomar o controle de nossas pegadas digitais.
Dana Lungu não presta consultoria, trabalha, possui ações ou recebe financiamento de qualquer empresa ou organização que poderia se beneficiar com a publicação deste artigo e não revelou nenhum vínculo relevante além de seu cargo acadêmico.