Hacker invade Suno e encontra dados extraídos do YouTube Music e Deezer

Um ataque cibernético contra a Suno expôs códigos-fonte e documentos internos que indicam que a plataforma de geração musical por inteligência artificial coletou milhões de músicas, letras, podcasts e outros arquivos de áudio disponíveis em serviços como YouTube Music, Deezer e Genius para treinar seus modelos.

A invasão ocorreu em novembro de 2025, mas somente veio a público em julho de 2026, após o hacker responsável compartilhar parte do material obtido com o site 404 Media. Segundo a investigação, o invasor comprometeu as credenciais de um funcionário por meio de um ataque à cadeia de suprimentos e, a partir desse acesso, entrou nos ambientes internos da Suno.

Um ataque de supply chain, ou cadeia de suprimentos, ocorre quando o invasor compromete um fornecedor, aplicativo, serviço ou componente confiável utilizado pela organização-alvo. Em vez de atacar diretamente a empresa, o hacker explora um elo externo para alcançar credenciais, sistemas ou informações internas.

O material acessado incluía código utilizado pela Suno durante 2023 e 2024 para automatizar a coleta de grandes volumes de áudio e metadados. Os registros indicam que o conteúdo teria sido extraído do YouTube Music, Deezer, Genius, bibliotecas de músicas de estoque e feeds RSS de podcasts.

A documentação exposta aponta para a coleta de mais de 2 milhões de clipes do YouTube Music. Outras fontes teriam fornecido dezenas de milhares de horas de áudio, totalizando mais de 200 milhões de minutos de conteúdo reunido para os processos de treinamento e desenvolvimento dos modelos da empresa.

De acordo com as informações divulgadas, a Suno também buscava versões instrumentais e a cappella de músicas. A separação entre vocais e instrumentos pode ser relevante no treinamento de modelos capazes de compreender e gerar diferentes elementos de uma composição, incluindo voz, melodia, arranjos, ritmo e estrutura musical.

Os códigos também fariam referência a ferramentas e serviços externos usados para executar a coleta em escala, incluindo infraestrutura de proxies. Esse tipo de recurso permite distribuir requisições entre diferentes endereços de internet, dificultando bloqueios baseados em volume de acessos ou origem do tráfego.

A Suno já havia reconhecido que seus sistemas foram treinados com arquivos musicais e metadados publicamente acessíveis na internet. A empresa sustenta que esse uso é permitido pela doutrina norte-americana do fair use, ou uso justo, que admite determinadas utilizações de obras protegidas sem autorização prévia, dependendo da finalidade, da natureza do material e do efeito sobre o mercado original.

A aplicação do fair use ao treinamento de modelos generativos, contudo, continua sendo objeto de disputas judiciais. Não existe uma autorização automática para que qualquer conteúdo disponível publicamente seja usado no desenvolvimento de sistemas de IA, e cada caso pode depender das circunstâncias específicas da coleta e do uso das obras.

A revelação é especialmente relevante porque grandes gravadoras já acusavam a Suno de extrair músicas diretamente do YouTube sem autorização. Uma atualização da ação judicial apresentada pela indústria fonográfica afirmou que a empresa teria empregado código para acessar, copiar e baixar obras protegidas, contornando mecanismos técnicos da plataforma.

Segundo as gravadoras, essa prática poderia violar as regras antievasão do Digital Millennium Copyright Act, o DMCA, legislação norte-americana que proíbe, em determinadas circunstâncias, o contorno deliberado de medidas tecnológicas destinadas a proteger obras contra cópia e acesso não autorizado.

Além das possíveis violações de direitos autorais, a extração automatizada de conteúdo também pode contrariar os termos de serviço das plataformas utilizadas como fonte. O fato de um arquivo poder ser reproduzido publicamente não significa necessariamente que esteja autorizado seu download em massa para treinamento de modelos comerciais.

A Suno argumenta que seus sistemas não reproduzem simplesmente as gravações utilizadas no treinamento, mas aprendem padrões musicais para permitir a criação de novas composições. As gravadoras contestam essa interpretação e afirmam que o uso de catálogos sem licenciamento permite que as plataformas de IA criem produtos que competem com as próprias obras e com os artistas responsáveis por elas.

A concorrente Udio também foi acusada de utilizar músicas protegidas sem autorização para treinar sua tecnologia. As duas empresas responderam às ações judiciais argumentando que o treinamento representa uma utilização transformativa protegida pelo fair use.

O hacker também teria acessado informações relacionadas a centenas de milhares de usuários da Suno. Entre os dados expostos estavam endereços de e-mail, números de telefone e informações associadas a pagamentos processados pela Stripe.

A reportagem original mencionou a presença de números parciais de cartões de crédito. Como a Stripe processa os pagamentos da plataforma, os dados completos dos cartões não estariam armazenados diretamente nos sistemas internos acessados pelo invasor.

A Suno afirmou que o incidente envolveu códigos antigos e negou que informações pessoais sensíveis ou números completos de cartões tenham sido comprometidos. A companhia classificou o caso como um “incidente de segurança limitado”, que teria sido rapidamente contido.

A empresa não notificou publicamente seus clientes quando identificou o ataque, em novembro de 2025. Segundo a resposta fornecida à imprensa, a avaliação interna concluiu que o incidente não atingiu o nível de exposição que obrigaria o envio de notificações de acordo com as leis de privacidade aplicáveis.

A decisão de não comunicar usuários pode gerar questionamentos sobre transparência, especialmente diante dos relatos de que e-mails, telefones e referências parciais de pagamento estavam presentes nos ambientes acessados.

O material divulgado não permite concluir que todos os dados encontrados pelo hacker tenham sido copiados, vendidos ou utilizados em ataques posteriores. Também não foram relatadas campanhas de phishing ou fraudes diretamente associadas às informações obtidas na invasão.

Embora a invasão represente um problema de cibersegurança e proteção de dados, seu principal impacto pode ocorrer nas disputas judiciais sobre o treinamento da IA da Suno.

Os códigos e documentos supostamente obtidos no ataque podem corroborar alegações apresentadas pelas gravadoras sobre a coleta direta de músicas em plataformas de streaming e sites de letras. A Suno tenta manter em sigilo judicial o tamanho exato do conjunto de dados utilizado para treinar seus modelos, argumentando que a divulgação poderia causar prejuízo competitivo.

Entretanto, as informações vazadas precisam ser avaliadas e autenticadas no contexto dos processos judiciais. O acesso a código interno não estabelece, por si só, que todas as atividades descritas sejam ilegais, nem substitui a análise dos tribunais sobre direitos autorais, fair use, termos de serviço e eventual evasão de medidas técnicas.

O episódio conecta três riscos enfrentados por empresas de inteligência artificial: segurança da cadeia de suprimentos, proteção dos dados de usuários e governança dos conjuntos de dados empregados no treinamento.

Para organizações que desenvolvem IA generativa, a origem, o licenciamento e a documentação dos dados tornaram-se componentes relevantes de risco jurídico e reputacional. Quando essas informações aparecem por meio de um vazamento, a empresa perde parte do controle sobre como suas práticas são apresentadas e analisadas por clientes, reguladores, titulares de direitos e tribunais.