Decidimos definir critérios de defesa para evitar a coleta de dados maliciosos durante a fase de coleta
Como códigos ou documentos gerados por IA podem conter caracteres ASCII modificados, caracteres Unicode confusos, caracteres de controle invisíveis ou strings ofuscadas, precisamos pensar em como detectá‑los e normalizá‑los já na etapa de coleta
Concluímos que, antes de simplesmente acumular muitos dados do GitHub, é mais importante estabelecer critérios para filtrar dados maliciosos, contaminados ou ofuscados
Devido a questões de condição, o trabalho pode ser adiado temporariamente