Contexto e crise de acesso
A preservação da memória da internet, historicamente garantida pela plataforma Wayback Machine do Internet Archive, enfrenta uma crise existencial sem precedentes. Há 30 anos, o portal archive.org guarda a memória da internet, contendo mais de um bilhão de sites arquivados. No entanto, um número cada vez maior de empresas de comunicação vem negando o acesso da plataforma aos seus conteúdos, criando um cenário de risco para a integridade de dados históricos e forenses.
Segundo uma pesquisa da Nieman Foundation for Journalism, da Universidade de Harvard, pelo menos 241 portais de notícias de nove países já bloquearam o acesso da Wayback Machine. Entre eles estão o britânico The Guardian, o americano New York Times, o francês Le Monde e o USA Today. O motivo central não é técnico, mas jurídico e comercial: os jornais temem que empresas de inteligência artificial, como OpenAI ou Google, acessem os conteúdos jornalísticos arquivados na plataforma para treinar seus modelos de linguagem sem autorização e sem pagamento.
Riscos de segurança e incidentes passados
Além do conflito comercial, o Internet Archive já enfrentou incidentes de segurança graves que impactam a confiança na infraestrutura de preservação. Em setembro de 2024, um ataque hacker ao site resultou no roubo de 31 milhões de contas de usuário. Foi um duro golpe, mas a organização conseguiu se recuperar. Esse incidente destaca a vulnerabilidade de grandes repositórios de dados públicos a ataques diretos, reforçando a necessidade de monitoramento contínuo e proteção de dados sensíveis armazenados em plataformas de arquivamento.
Além disso, o Archive perdeu um processo de direitos autorais em um tribunal de apelação dos EUA no mesmo ano. As editoras Hachette, Penguin Random House, HarperCollins e Wiley entraram com uma ação contra o programa gratuito de empréstimo de e-books que o Archive havia lançado durante a pandemia de Covid-19, e obtiveram sucesso. Mais de 500 mil livros tiveram que ser retirados da plataforma. Mas o archive.org ainda enfrenta pedidos de indenização na casa dos milhões. Essas batalhas legais e incidentes de segurança acumulados aumentam a fragilidade da infraestrutura de preservação digital.
Impacto na forense digital e evidências
Para profissionais de segurança da informação e CISOs, a perda de acesso ao Internet Archive representa um risco operacional significativo. O repórter especializado em mídia e fundador do socialmedia watchblog.de, Martin Fehrensen, vê no archive.org o único registro funcional da web aberta. Caso a plataforma não consiga mais cumprir essa função, isso teria consequências graves para a forense digital.
"Milhões de trechos da Wikipedia perderiam a referência; pesquisas sobre a responsabilidade das plataformas – ou seja, quais termos de uso vigoravam em cada momento, quais regras de moderação foram reformuladas e de que maneira – se tornariam significativamente difíceis; e as evidências digitais com valor probatório judicial seriam perdidas", explica Fehrensen. A perda de evidências digitais com valor probatório judicial é um ponto crítico para investigações de segurança, onde o histórico de alterações em sites e serviços é frequentemente utilizado para reconstruir incidentes e validar alegações de violação de dados.
Ataques de negação de serviço e abuso de bots
Um aspecto de segurança operacional diretamente mencionado no contexto da crise é o tráfego de bots. Dados mostram que, no site archive.org, inúmeros robôs são usados para buscar conteúdos jornalísticos e utilizá-los no treinamento de modelos de IA. O diretor do Wayback Machine, Mark Graham, afirmou à revista Wired que algumas empresas chegaram a acessar os arquivos com dezenas de milhares de solicitações por segundo, a ponto de sobrecarregar temporariamente os servidores.
Esse comportamento de tráfego massivo pode ser classificado como um ataque de negação de serviço (DoS) não malicioso, mas que impacta a disponibilidade do serviço. A sobrecarga temporária dos servidores demonstra a vulnerabilidade da infraestrutura do Archive a picos de tráfego gerados por agentes de IA, o que exige medidas de mitigação de abuso e proteção de infraestrutura para garantir a continuidade do serviço de arquivamento.
Implicações para a governança de segurança
A fragmentação da internet pública, impulsionada por bloqueios de acesso, cria um ambiente de risco para a governança de segurança corporativa. A Electronic Frontier Foundation (EFF), organização de direitos humanos especializada em questões digitais, compara a atitude dos veículos de imprensa a uma situação em que "um jornal proibisse bibliotecas de manter cópias de seu periódico". Essa fragmentação dificulta a auditoria de histórico de mudanças em sistemas e serviços, essencial para a conformidade e resposta a incidentes.
Para executivos de segurança, a perda de acesso a registros históricos da web pode comprometer a capacidade de investigar incidentes passados, validar a integridade de dados e cumprir requisitos de conformidade que exigem rastreabilidade de mudanças em sistemas e políticas. A dependência de uma única organização para o arquivamento da internet, como aponta Fehrensen, é uma falha estrutural que precisa ser endereçada para garantir a resiliência da infraestrutura digital.
Recomendações para CISOs e equipes de segurança
Diante desse cenário, profissionais de segurança devem adotar medidas proativas para mitigar riscos associados à perda de evidências digitais e à dependência de infraestrutura de preservação pública. Recomenda-se a implementação de políticas internas de arquivamento de dados que não dependam exclusivamente de serviços externos, garantindo a retenção de logs e evidências críticas em ambientes controlados.
Além disso, é crucial monitorar o tráfego de bots e implementar medidas de proteção contra abuso de API para evitar sobrecarga de serviços internos. A colaboração com órgãos de segurança e a participação em discussões sobre o status jurídico dos arquivos da web também são essenciais para proteger a infraestrutura de preservação digital. A criação de um status jurídico especial para os arquivos da web, como sugerido por especialistas, pode ajudar a garantir a continuidade do serviço e a proteção de dados históricos.
Conclusão e perspectivas futuras
A crise do Internet Archive não é apenas uma questão de direitos autorais, mas um desafio de segurança e preservação de dados. A perda de acesso a registros históricos da web pode comprometer a capacidade de investigar incidentes, validar a integridade de dados e cumprir requisitos de conformidade. A colaboração entre setores, a implementação de políticas internas de arquivamento e a proteção de infraestrutura são medidas essenciais para mitigar esses riscos.
Enquanto o desfecho das conversas entre o Archive e as empresas de jornalismo permanece incerto, a comunidade de segurança deve estar preparada para lidar com as consequências de uma internet fragmentada e menos transparente. A preservação da memória da internet é um bem público que deve ser protegido contra ameaças comerciais e técnicas, garantindo a integridade e a disponibilidade de dados históricos para futuras investigações e análises de segurança.