Ferramenta gratuita revela grafo secreto que Mac monta sobre você

Privacidade Digital

Descubra como o macOS 13 monitora suas informações pessoais e como a ferramenta iKnow pode revelar esses dados.

Leia também: Google assume data center e investe US$ 17 bi em Wyoming

Todo Mac com macOS 13 ou superior roda em segundo plano dois processos do sistema, entre eles o knowledgeconstructiond, dedicados a montar um grafo extremamente detalhado sobre a vida do usuário — de com quem ele fala a onde vai e o que faz — usando dados de contatos, calendário, fotos, mensagens, e até hábitos de uso da máquina. Uma nova ferramenta open-source, batizada de iKnow, passou a permitir que qualquer pessoa visualize esse mapa pessoal guardado dentro do computador.

O que o macOS sabe sobre você

Na prática, esses daemons constroem um “grafo pessoal” que descreve quem é o usuário, quem ele conhece, como essas pessoas se relacionam entre si, como se comunicam, quais eventos compartilham, em que lugares aparecem e quais atividades realizam ao longo do tempo. Em texto publicado por pesquisadores, o funcionamento é resumido assim: “Every Mac since macOS 13 (2022) ships a pair of daemons whose only purpose in life is to build a graph about who you are, who you know, how those people are related to you and to each other, how you communicate with them, where you go, what you do and when.”

Para chegar a esse nível de detalhamento, o sistema cruza praticamente tudo o que o macOS consegue ler: agenda de contatos, calendário, fotos com reconhecimento facial, histórico de comunicação em Mensagens e Mail, localização, dados de Screen Time e uma série de outros sinais comportamentais do aparelho e de outros dispositivos do mesmo usuário.

Segundo a análise técnica, esse grafo é pensado para alimentar modelos de linguagem e outros recursos “inteligentes” do ecossistema da Apple, permitindo que o computador faça inferências sobre parentesco, amizades, colegas de trabalho, rotinas, deslocamentos e hábitos de sono, exercícios, deslocamentos diários e lazer.

Como o grafo é armazenado no Mac

Toda essa construção fica concentrada em um diretório específico do usuário: ~/Library/IntelligencePlatform. Ali estão 51 bancos de dados SQLite em texto simples, protegidos pela camada de segurança do macOS conhecida como TCC Full Disk Access, que teoricamente impede o acesso por aplicativos sem permissão total ao disco.

Um desses arquivos, o graph.db, é o núcleo do sistema. Ele guarda o grafo em forma de triplas — sujeito, predicado e objeto — usando um vocabulário de 181 classes de entidades (pessoas, organizações, eventos, lugares, atividades) e 278 tipos de relações. Cada linha aponta um fato: por exemplo, que determinada pessoa trabalha em uma empresa específica, que dois contatos são parentes ou que um usuário costuma frequentar certo endereço em determinado horário.

Essas relações vêm acompanhadas de um nível de confiança, um número entre 0 e 1, que indica o quanto o sistema “acredita” naquela inferência. Há ainda classes especiais para representar o próprio vínculo (como emprego, casamento ou amizade), permitindo que cada aresta do grafo possa ser atualizada ou até apagada se, com novos dados, a conclusão deixar de fazer sentido.

Além do graph.db, há bancos auxiliares para armazenar quem aparece com quem em fotos, logs de comunicação (quem falou com quem, quando, por qual app, e em que sentido, sem o conteúdo das mensagens), histórico de localização e movimento, além de sinais físicos do aparelho, como bloqueio de tela, Wi-Fi, Bluetooth, carregamento e luz ambiente.

Entenda o contexto

Os dados identificados pelos pesquisadores mostram que a Apple vem desenvolvendo essa arquitetura há alguns anos como infraestrutura para recursos de “inteligência pessoal” no Mac. Em publicação técnica mencionada pelos autores, os próprios pesquisadores da empresa afirmam: “Apple’s own researchers did publish a paper on the techniques behind this graph construction, back in 2023.”

O levantamento mais recente foi feito em um Mac rodando macOS 26, na versão 26.6.2, usada como base para engenharia reversa do sistema em 2026. O estudo detalha inclusive a presença de modelos de machine learning embarcados, como dois classificadores XGBoost (EntityTagging_Family e EntityTagging_FamilyAndFriends) usados para inferir laços como família, mãe, pai, companheiro e colega de trabalho a partir de 144 variáveis comportamentais.

Esses modelos geram, por exemplo, pontuações diárias de quão provável é que um contato seja parente próximo, cônjuge ou colega. As probabilidades são armazenadas em um banco separado, o entityTagging.db, que mantém uma linha por pessoa com 17 tipos de relacionamento, recalculados diariamente.

O que é o iKnow e para que serve

Com a descoberta e o mapeamento do sistema interno, pesquisadores criaram um painel local chamado iKnow, distribuído como software open-source, para que o próprio usuário consiga enxergar o que esse grafo já sabe sobre ele. “We open-source a local dashboard (iKnow) you can use to read the content of your personal knowledge graph on your Mac”, diz o time responsável.

O iKnow se conecta diretamente aos bancos SQLite do diretório IntelligencePlatform e apresenta, em uma interface gráfica, entidades (como pessoas, lugares e apps), relações inferidas (quem é família, quem é colega, quem é chefe, qual organização emprega quem) e níveis de confiança atribuídos pelo sistema. Também permite visualizar pontuações geradas pelos modelos de parentesco, ver com quem o usuário mais se comunica e quais padrões o macOS identificou como atividades recorrentes.

Como tudo acontece localmente, os dados não saem do dispositivo durante o uso do iKnow, mas a ferramenta escancara a complexidade e a amplitude do mapeamento já existente dentro do Mac, boa parte dele nunca apresentada de forma explícita ao dono da máquina pela Apple.

Riscos de privacidade e “ponto único de falha”

Especialistas ouvidos pelos autores do estudo chamam atenção para o lado menos confortável dessa arquitetura: a concentração de uma quantidade enorme de dados sensíveis em um único conjunto de bancos de dados, acessíveis por qualquer software que consiga romper ou contornar a proteção de Full Disk Access.

Os próprios pesquisadores descrevem a pasta IntelligencePlatform como um repositório em texto claro: “The two daemons keep their work in ~/Library/IntelligencePlatform, a directory of SQLite databases stored in plaintext but located in a zone protected by TCC Full Disk Access.” Em um cenário de invasão ou malware com privilégios elevados, esse grafo vira um alvo de altíssimo valor.

Em um exercício de “ameaça máxima”, o grupo discute como agentes mal-intencionados poderiam combinar o conteúdo do grafo com modelos de linguagem avançados para construir ataques personalizados: desde golpes altamente direcionados até chantagem baseada em rotinas, relações familiares, histórico de movimento e redes de contato profissional. Por trazer em um só lugar quem se fala com quem, com que frequência, em que contexto e com qual tipo de vínculo, o grafo vira o que eles descrevem como um “ponto único de falha” para a privacidade do usuário.

A preocupação vale também para ambientes corporativos: um Mac de um executivo ou funcionário-chave, se comprometido, pode revelar estrutura de equipes, cadeias de comando, agenda de viagens, contatos estratégicos, além de padrões de comportamento que ajudam a planejar ataques físicos ou digitais.

Debate sobre transparência e regulação

Embora a Apple tenha divulgado pesquisas acadêmicas sobre as técnicas por trás do grafo, ainda há pouca documentação pública sobre quais versões do sistema usam cada componente, qual é a lista exata de dados coletados, como eles são combinados e qual o papel desse grafo em recursos recentes de inteligência artificial no macOS.

A descoberta detalhada do IntelligencePlatform e a chegada do iKnow à comunidade devem esquentar o debate entre defensores de privacidade, reguladores e a própria Apple. Especialistas apontam que, mesmo com processamento “on-device”, a forma como as informações são agregadas importa — e muito. Concentração em um grafo único amplia o impacto de qualquer falha de segurança, de brechas de software a configurações frouxas de permissões.

Pressões por maior transparência, opções claras de opt-out, mecanismos oficiais de auditoria pelo usuário e ferramentas para apagar ou limitar o escopo desse grafo tendem a crescer. Em paralelo, equipes de segurança da informação devem intensificar a busca por vulnerabilidades na forma como esse repositório é protegido, enquanto desenvolvedores de aplicativos e pesquisadores de IA tentam equilibrar o potencial de personalização com garantias mais robustas de consentimento e proteção de dados.