Aplicação de técnicas de descoberta do conhecimento em investigações de lavagem de dinheiro

Abstract

Lavagem de dinheiro é um método utilizado por criminosos para dar aparência lícita a recursos obtidos de maneira ilícita. Estimativas de entidades mundialmente reconhecidas apontam que tal atividade é responsável por algo entre 2 e 5% do PIB mundial e está se tornando cada vez mais sofisticada. Pela dificuldade de identificação utilizando métodos tradicionais de investigação, a tecnologia tem desempenhado um papel importante nesse processo. Busca-se com este trabalho identificar as técnicas de descoberta do conhecimento aplicadas nas investigações da lavagem de dinheiro, o que foi conseguido através de uma revisão sistemática de literatura. As técnicas encontradas foram utilizadas em uma pesquisa experimental com o objetivo de verificar sua eficácia e precisão na identificação de relacionamentos em transações bancárias provenientes de investigações reais de lavagem de dinheiro. As técnicas de correspondência de grafos obtiveram os melhores resultados porém verificou-se que, apesar da baixa eficácia, as técnicas de mineração de padrões frequentes são importantes e não devem ser descartadas.

Money laundering is a method used by criminals to give lawful appearance to funds obtained illegally. Recognized worldwide entities estimates that such activity is responsible forbetween2to5%ofworldGDPandisbecomingincreasinglysophisticated.Duetothe difficulty of identification using traditional methods of research, technology has played an important role in this process. This work aims to identify the techniques of knowledge discovery applied in money laundering investigations, which was achieved through a systematic review of the literature. The techniques used were used in an experimental research with the objective of verifying their effectiveness and accuracy in the identification of relationships in banking transactions from real money laundering investigations. The graph matching techniques obtained the best results but it was found that, despite the low efficiency, frequent pattern mining techniques are important and should not be avoided.