Pesquisadores publicam 2 bilhões de mensagens transmitidas via Discord

Resumo

• Pesquisadores da UFMG divulgaram um banco de dados com mais de 2 bilhões de mensagens públicas do Discord, coletadas entre 2015 e 2024.
• O objetivo é criar um conjunto de dados para apoiar pesquisas sobre saúde mental, análise de discurso político, desinformação e treinamento de chatbots.
• Mesmo com anonimização, o estudo levantou preocupações sobre privacidade.

Uma equipe de pesquisadores da Universidade Federal de Minas Gerais (UFMG) disponibilizou um gigantesco banco de dados com mais de 2 bilhões de mensagens trocadas via plataforma Discord. Os dados, extraídos de servidores considerados públicos, abrangem quase uma década de interações, entre 2015 e 2024.

O material foi divulgado no artigo “Discord Unveiled: A Comprehensive Dataset of Public Communication (2015-2024)”, disponível no arXiv — repositório de pré-publicações científicas em que pesquisadores do mundo todo podem publicar versões preliminares de seus estudos.

O objetivo é criar o “mais extenso conjunto de dados do Discord disponível” para apoiar pesquisas sobre saúde mental, análise de discurso político, desinformação e desenvolvimento de moderação e treinamento de chatbots. No entanto, a atuação do grupo fere os termos de uso da plataforma, além de levantar dúvidas sobre a privacidade das pessoas.

Como os pesquisadores coletaram os dados?

Para desenvolver o banco de dados, a equipe coletou 2 bilhões de mensagens trocadas por mais de 4 milhões de usuários. A pesquisa mapeou todos os 31.673 servidores públicos da plataforma, listados na aba “Discovery” do aplicativo até novembro de 2024, mas selecionou apenas 10% deles para a extração de mensagens.

A coleta foi realizada utilizando a própria API (Interface de Programação de Aplicação) pública do Discord, e o banco de dados foi disponibilizado online em uma série de arquivos JSON, formato usado para armazenar dados de forma organizada e legível por máquinas. O conjunto completo de dados ocupa 118 GB comprimidos.

Anonimato e privacidade questionada

Segundo o portal 404 Media, a publicação acendeu um alerta entre usuários e moderadores de comunidades no Discord, preocupados com a exposição de suas conversas, mesmo que os pesquisadores aleguem ter anonimizado as informações. A plataforma de comunicação é uma das mais populares entre gamers e comunidades de streamers, inclusive no Brasil.

Os pesquisadores da UFMG afirmam, no artigo, que seguiram padrões éticos durante todo o processo. Antes de publicar os dados, substituíram nomes reais por apelidos, embaralharam códigos de identificação de usuários e mensagens e removeram qualquer outra informação que pudesse revelar a identidade dos participantes.

Além disso, o artigo também ressalta que todos os dados foram coletados de grupos explicitamente classificados como públicos segundo os termos de uso do Discord.

Mesmo assim, a publicação parece ter gerado desconforto. Segundo o 404, embora possua servidores públicos, muitos usuários veem o Discord como uma coleção de salas de bate-papo com um grau de privacidade maior em relação a redes como X/Twitter e fóruns como o Reddit.

De acordo com o 404, muitos desses usuários — incluindo crianças e adolescentes, que compõem a base do Discord — podem não ter plena consciência de que suas conversas, embora tecnicamente públicas, poderiam ser coletadas e analisadas.

O site também reforça que a ação parece contrariar os Termos de Serviço e a Política de Desenvolvedor da API, que proíbe a mineração ou coleta de quaisquer dados, conteúdos ou informações disponíveis nos serviços do Discord.

Discord é centro de polêmicas sobre privacidade

Vale lembrar que as angústias dos usuários com a própria privacidade entra em conflito com uma outra preocupação generalizada, relacionada ao conteúdo propagado e consumido na plataforma. O Discord tem sido alvo de controvérsias recentes pela falta de moderação eficaz contra atividades criminosas, muitas vezes envolvendo menores de idade.

A situação levou o Discord a firmar um acordo com o Ministério da Justiça e Segurança Pública para treinar profissionais no combate a crimes virtuais na própria plataforma.

E pode estar dando certo: no primeiro trimestre de 2025, as denúncias de conteúdo criminoso no Discord aumentaram 272% em relação ao mesmo período do ano passado, segundo o Fantástico. Entre os crimes relatados, estão chantagem com fotos íntimas, indução à automutilação, estupro virtual e incitação a delitos.

Em São Paulo, por exemplo, a plataforma é alvo de investigação por apologia à violência digital. A apuração foi motivada por uma live transmitida em janeiro, na qual um adolescente de 15 anos se mutilava diante de cerca de 50 espectadores. O Discord respondeu com uma investigação interna, banindo usuários e desativando servidores.

Obviamente, muitos desses casos ocorrem em canais fechados dentro da plataforma, fora do escopo da pesquisa da UFMG, que não menciona o uso dos dados para investigações criminais — embora cite estudos sobre a propagação de discursos de ódio no Discord.

O que diz o Discord

O Discord explicou em nota ao Tecnoblog que a extração de dados sem consentimento constitui uma violação dos Termos de Serviço e Diretrizes da Comunidade. A plataforma também disse que está investigando a atividade e que tomará as medidas cabíveis. “Esse é um assunto sério e estamos comprometidos com a proteção da privacidade e dos dados dos nossos usuários.” A investigação inicial confirmou o acesso aos servidores que eram detectáveis e amplamente acessíveis.

De acordo com a empresa, é possível que os pesquisadores tenham adotado medidas para proteger as identidades dos usuários, mas “isso ainda viola nossas políticas”.

Com informações do 404 Media, Fantástico e CNN Brasil