Além da Distribuição: Validação Empírica da Defesa em Nível de Entidade na Proteção de Decisões de IA Multi-Modelos

A Hipótese da Distribuição (Chang, 2026) estabeleceu que a alocação controlada de fragmentos — e não apenas a fragmentação em si — determina a proteção de decisões de IA, alcançando uma taxa de aprovação de 81,3% ± 3,1% sob ataques de reconstrução colaborativa multi-modelos. Este artigo apresenta evidências empíricas de 50 consultas realizadas em 7 modelos de IA de ponta, durante 3 execuções com semente aleatória fixa (seed=42), abordando duas questões abertas: se camadas adicionais de defesa podem aumentar a proteção acima de 90%, e se a similaridade textual mede com precisão a proteção quando os mecanismos de defesa operam no nível da entidade. Introduzimos o Semantic Surrogate — substituição de entidade por ficção plausível — e DA ponderada por entidade. Sob defesa L2+L3, a taxa de aprovação de DA baseada em texto melhora para 93,3% ± 1,2% (teste exato de McNemar, p < 0,001), com a recuperação de entidade caindo para 0,023 ± 0,006. DA ponderada por entidade alcança 97,3% ± 1,2%. Linhas de base de ablação revelam que a redação ingênua é uma anti-defesa (54,7%, −20,0pp em relação à linha de base), enquanto análise de utilidade da resposta mostra que o Semantic Surrogate é o único método que satisfaz tanto as restrições de defesa quanto de viabilidade de utilidade. Identificamos vazamento de vocabulário do domínio como uma condição limite que requer defesa na camada comportamental (MSBA). Versão 2.4.