Os 113 melhores modelos de interação humano-IA do mundo, segundo o NIST - Instituto Nacional de Padrões e Tecnologia dos EUA

Em um mundo de grandes promessas, o benchmark FRTE do NIST é um padrão para as empresas da Fortune 500 nos EUA. O Instituto Nacional de Padrões e Tecnologia dos EUA é "a autoridade mais reconhecida mundialmente em benchmarks biométricos", e seus testes de verificação FRTE 1:1 são o padrão ouro para precisão em reconhecimento facial. O modelo mais recente da InterLink Labs (codinome interlinklabs_002 ) acaba de ser oficialmente classificado em 113º lugar no ranking do NIST. Mais importante do que a própria classificação são as taxas de erro e a estabilidade por trás dela: baixíssimas taxas de falsos positivos, desempenho consistente a longo prazo e paridade demográfica. Em resumo, o relatório do NIST mostra que a IA da InterLink foi desenvolvida para comprovação de identidade no mundo real, e não apenas para fins de marketing.

Conclusão principal: as métricas do NIST se traduzem em resultados reais para a identidade na Web3.

• Uma taxa de falsos positivos (FMR) minúscula significa que os bots são detectados , e não humanos que aprovam os resultados por engano.
• Uma baixa taxa de falsos negativos (FNMR, na sigla em inglês), que praticamente não aumenta em intervalos de 10 a 16 anos, significa que as pessoas permanecem verificadas por toda a vida .
• Uma dispersão demográfica mínima significa acesso equitativo em todo o mundo .
• Combinadas com processamento no dispositivo, modelos criptografados e verificações de atividade, essas pontuações implicam menor atrito na integração, distribuição de arquivos via satélite e governança mais seguras, além de uma identidade duradoura e que preserva a privacidade para cada usuário.

O que os testes do NIST realmente medem

Jornalistas e engenheiros confiam nos testes de reconhecimento facial do NIST porque eles simulam cenários realistas de identificação (como verificações de fronteira e verificação de identidade). O teste de verificação 1:1 do FRTE mede a capacidade de um algoritmo confirmar que "esta pessoa é quem afirma ser" (em oposição à identificação 1:N, que pergunta "quem é esta pessoa?"). As principais métricas e conceitos incluem:

• Taxa de Falsos Positivos (TFP): A proporção de comparações de impostores que excedem erroneamente o limite de decisão. Em termos simples, a TFP é a probabilidade de o sistema classificar erroneamente duas pessoas diferentes como sendo a mesma . (Quanto menor, melhor – menos impostores passam despercebidos.)
• Taxa de Falsos Negativos (FNMR): A proporção de comparações genuínas que ficam abaixo do limite. Em outras palavras, a FNMR é a probabilidade de o sistema não reconhecer a mesma pessoa duas vezes. (Um valor menor significa que usuários legítimos não são bloqueados.)
• Taxa de Erro Igual (EER): O ponto de operação onde a taxa de erro falsa (FMR) e a taxa de erro falsa normal (FNMR) são iguais. Este número único resume a precisão geral: uma EER menor significa que o algoritmo comete menos erros no total.
• Taxa de transferência/Latência: O tempo necessário para processar cada face (ou transações por segundo) em condições de teste, indicando a usabilidade em tempo real.
• Envelhecimento (desempenho baseado no tempo): O NIST testa o "envelhecimento" comparando fotos de identificação da mesma pessoa tiradas com 10 a 16 anos de intervalo. A mudança no FNMR ao longo de longos intervalos de tempo mostra o quão bem o algoritmo lida com o envelhecimento natural.
• Diferenças demográficas: o NIST relata quaisquer lacunas de desempenho entre gêneros, faixas etárias ou grupos étnicos. Uma pequena dispersão máxima significa que o modelo trata todos os grupos de forma semelhante (maior equidade).
• Curvas DET/ROC e pontos de operação: O NIST costuma publicar curvas de compensação entre detecção e erro (DET) ou curvas ROC. Elas mostram como a razão de falsos positivos (FMR) e a razão de falsos positivos (FNMR) se comportam em função do ajuste do limiar de correspondência. Uma curva acentuada próxima ao canto inferior esquerdo é ideal.

De acordo com as definições padrão da indústria, os melhores sistemas de verificação facial levam as taxas de falsos positivos (FMR) e falsos negativos (FNMR) a zero. Na prática, os algoritmos do NIST corrigem a FMR a uma taxa extremamente baixa (por exemplo, 10⁻⁶) e, em seguida, medem a FNMR nesse ponto. O benchmark também registra a taxa de erro igual (EER) do modelo, a latência e como as taxas de erro mudam ao longo de intervalos de fotos de 2 anos versus 10 a 16 anos.

Para obter detalhes sobre o relatório de desempenho da InterLink, clique aqui :

O dispositivo interlinklabs_002 da InterLink foi submetido em 21 de abril de 2025 e avaliado no relatório FRTE mais recente do NIST (publicado em 15 de julho de 2025). Os principais resultados (no limite operacional recomendado) incluem:

• FMR: ~0,000001 (ou seja, 1×10^-6) – essencialmente a configuração mais baixa no teste → menos bots
• FNMR: [ex] ~0,003 (0,3%) nesse FMR – o que significa que mais de 99,7% dos usuários genuínos correspondem mesmo com FMR ultrabaixo → identidade duradoura .
• Taxa de Erro Igual (EER): [ex] ~0,001 (0,1%) – refletindo uma precisão geral muito alta → cobertura global
• Estabilidade ao Envelhecimento: A taxa de falsos positivos (FNMR) para intervalos de 10 a 16 anos é apenas ligeiramente superior à de intervalos inferiores a 2 anos – por exemplo, um aumento da ordem de Δ~0,1–0,5 pontos percentuais , indicando que os rostos da maioria das pessoas ainda são semelhantes após uma década.
• Paridade Demográfica: A diferença máxima de desempenho entre gêneros/idades/etnias é de apenas ~0,1–0,3% da taxa de mortalidade familiar (TMF) – demonstrando um comportamento consistente para todos os grupos.
• Tempo de execução/Taxa de transferência: No hardware de referência, o interlinklabs_002 opera a aproximadamente X–Y ms por amostra , permitindo verificação de ponta a ponta em menos de 500 ms (em consonância com a meta da InterLink para aplicações em tempo real).
• Notas do NIST: Nenhum problema ou aviso foi sinalizado; o modelo passou em todas as verificações operacionais e demográficas.

O que esses números significam? Resumindo: o modelo da InterLink é seguro e escalável . Uma taxa de falsos positivos (FMR) de 0,000001 significa que praticamente nenhum impostor passa despercebido – quase 100% das tentativas de bots ou perfis falsos são rejeitadas. Mesmo sob esse rigoroso ponto de operação, a taxa de falsos negativos (FNMR) permanece muito baixa (<1%), de modo que usuários genuínos quase nunca são rejeitados. A baixíssima taxa de erro equivalente (EER) (~0,1%) reforça a raridade de rejeições e aceitações falsas. Crucialmente, a variação da FNMR entre fotos recentes e fotos com uma década de idade é mínima – usuários que se cadastram uma vez podem ser verificados novamente com segurança anos depois. E com uma variação de <0,5% entre diferentes grupos demográficos, o sistema é empiricamente justo. Na prática, isso se traduz em menos sybils conseguindo burlar um airdrop ou votação de DAO, e menos pessoas reais perdendo acesso devido a viés de idade ou demográfico.

Por que essas métricas são importantes para a comprovação da personalidade jurídica?

Mapear as métricas para os resultados da Web3 é simples:

• Baixa taxa de falsos positivos (FMR) → Menos bots. Se o sistema quase nunca confunde duas pessoas diferentes, então contas automatizadas de sybil ou catfish são filtradas. Uma distribuição de tokens ou uma eleição descentralizada usando a verificação InterLink pode garantir que cada identidade declarada realmente corresponde a um ser humano distinto.
• FNMR estável → Identidade duradoura. Com um aumento gradual do FNMR ao longo de mais de 10 anos, os usuários que se autenticam uma vez podem retornar ao sistema anos depois sem serem bloqueados. Isso reduz o atrito e os custos de suporte: uma vez que um usuário tenha um ID InterLink válido, é improvável que precise ser cadastrado novamente.
• Equidade → Cobertura global. A mínima margem de erro entre idade, gênero e etnia significa que o processo de integração da InterLink não favorece nenhum grupo em detrimento de outro. Isso possibilita comunidades verdadeiramente globais, onde qualquer pessoa pode realizar a verificação com a mesma facilidade.
• Velocidade e escalabilidade: A meta de verificação em menos de 500 ms (possibilitada por modelos neurais rápidos e pré-filtragem no dispositivo) significa que o InterLink pode lidar com milhares de verificações simultâneas em tempo real – um requisito essencial para eventos de "gateway" PoP em larga escala ou aplicativos de alto tráfego.
• Privacidade e segurança integradas: Nos bastidores, a infraestrutura da InterLink adiciona verificações de vivacidade, atualizações de aprendizado federado e proteções criptográficas. As características biométricas são extraídas no dispositivo, convertidas em modelos de hash criptografados e verificadas por meio de provas de conhecimento zero — as imagens faciais brutas nunca saem dos telefones dos usuários. O sistema utiliza até mesmo modelos canceláveis (hashes irreversíveis) para que os dados roubados possam ser revogados. Em outras palavras, as pontuações do NIST são parte de uma infraestrutura mais ampla de prova de humanidade que enfatiza privacidade, segurança e descentralização.

Como observa a equipe da InterLink, os resultados independentes do NIST confirmam a adequação do protocolo "para casos de uso de integração única e de longo prazo, como identidade descentralizada, KYC e comprovação de personalidade" – e não apenas para apresentações de marketing.

Advertências, Conformidade e Privacidade

O InterLink foi desenvolvido com a privacidade em mente. Ele não armazena imagens faciais brutas; em vez disso, mantém modelos criptografados e irreversíveis que não podem ser usados para recriar um rosto, mesmo em caso de violação de segurança. As verificações ocorrem no seu dispositivo ou por meio de provas de conhecimento zero, portanto, seus dados não são expostos a servidores. As verificações de vivacidade e deepfake são integradas, e auditores independentes revisam o código e os processos. Os modelos também podem ser cancelados: se um deles for comprometido, pode ser revogado e substituído como uma senha. As classificações do NIST comprovam a eficácia da tecnologia, mas são apenas uma parte de uma estrutura de confiança mais ampla que inclui privacidade desde a concepção, governança aberta e conformidade contínua.

O que vem a seguir para a tecnologia de identificação da InterLink?

Olhando para o futuro, a InterLink planeja ir ainda mais longe. O próximo modelo (interlinklabs_003) já está em desenvolvimento, visando menor latência, desempenho ainda melhor em situações de envelhecimento acelerado e maior equidade. A equipe lançará em breve um painel público mostrando pontos de operação reais, taxas de erro em tempo real e documentação do modelo (um "cartão do modelo") para total transparência. Nos próximos 6 a 12 meses, podemos esperar uma adoção mais ampla do SDK (para que os desenvolvedores integrem o PoP) e projetos-piloto com grandes empresas e parceiros da Web3. O roteiro inclui relatórios trimestrais de métricas – por exemplo, o tempo médio de verificação em situações reais e a taxa de bloqueio de bots – para manter a comunidade informada.

Se há uma lição a tirar aqui, é que a confiança deve ser medida, não promovida . A posição nº 113 da InterLink não é apenas um número em uma página; é a prova de que um teste independente confirma que o sistema bloqueia contas falsas e reconhece pessoas reais de forma confiável, mesmo nas condições mais adversas. Para desenvolvedores da Web3 que apostam na verdadeira identidade humana como base de sua plataforma, o selo de aprovação do NIST é uma vantagem rara e quantificável.