Mineração de dados como suporte à detecção de lavagem de dinheiro

Detalhes bibliográficos
Autor(a) principal: Paula, Ebberth Lopes de
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/22598
http://dx.doi.org/10.26512/2016.12.D.22598
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2016.
id UNB_eaf0a10942f7c0cbb6e32aeada06e3d7
oai_identifier_str oai:repositorio.unb.br:10482/22598
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Mineração de dados como suporte à detecção de lavagem de dinheiroMineração de dados (Computação)Lavagem de dinheiroRedes neurais (Computação)Evasão tributáriaExportaçãoDissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2016.Este trabalho apresenta o uso de técnicas de mineração de dados para detecção de empresas exportadoras brasileiras suspeitas de operarem exportações fictícias e conseqüente incorrência no crime de lavagem de dinheiro. A partir de estudos de aprendizagem de máquina com algoritmos supervisionados, foi desenvolvido um modelo capaz de classificar empresas suspeitas de operarem exportações fictícias. Em paralelo, foram desenvolvidos ainda estudos não supervisionados com Deep Learning Autoencoder e identificado um padrão de relacionamento entre os atributos numéricos representativos dos dados econômicos, mercantis, tributários e sociais das empresas que permitem a identificação de anomalias em dados de outras empresas. As empresas identificadas a partir do modelo supervisionado proposto neste trabalho foram submetidas à área específica de fiscalização aduaneira dentro da RFB e julgadas aptas a integrarem a programação de seleção para fiscalizações no ano de 2017. A metodologia desenvolvida, seus resultados e sua aplicabilidade foram divulgadas a todos escritórios de pesquisa e investigação da RFB por meio de Informação de Pesquisa e Investigação (IPEI). Um estudo de caso apresentando a metodologia aqui desenvolvida está previsto para ocorrer no 1o Encontro Nacional da RedeLab de 2017. Melhorias futuras a este trabalho incluem a detecção de anomalias e classificação de suspeição na exportação com maior granularidade dos dados, permitindo a sua identificação independente da empresa: por exemplo, a partir de transações, por rotas de produtos ou por tipo de mercadoria.This research presents the use of data mining techniques to detect brazilian exporting companies suspected of operating dummy exports and consequently incurring the crime of money laundering. Based on studies involving supervised analyzes, a model was developed capable of classifying companies suspected of operating dummy exports. Based on studies with Deep Learning Autoencoder, a pattern of relationship was identified between the numerical attributes representative of the economic and tax data of the companies. From this pattern, is possible to identify anomalies in data of another companies. The companies identified in this study were submitted to the specific area of customs supervision and found fit to integrate the selection schedule for inspections in the year 2017. The technique developed was disclosed to all investigation offices of the RFB through a document called IPEI. A case study presenting the methodology developed is expected to take place at the first national meeting of RedeLab 2017. Future improvements to this work include detection of anomalies and classification of export suspicious with greater granularity of the data, allowing them to be identified independently of the company: for example from transactions, product routes and by commodity type.Ladeira, MarceloPaula, Ebberth Lopes de2017-02-15T20:28:24Z2017-02-15T20:28:24Z2017-02-152016-12-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfPAULA, Ebberth Lopes de. Mineração de dados como suporte à detecção de lavagem de dinheiro. 2016. xvi, 114 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2016.http://repositorio.unb.br/handle/10482/22598http://dx.doi.org/10.26512/2016.12.D.22598A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-14T18:59:41Zoai:repositorio.unb.br:10482/22598Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-14T18:59:41Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Mineração de dados como suporte à detecção de lavagem de dinheiro
title Mineração de dados como suporte à detecção de lavagem de dinheiro
spellingShingle Mineração de dados como suporte à detecção de lavagem de dinheiro
Paula, Ebberth Lopes de
Mineração de dados (Computação)
Lavagem de dinheiro
Redes neurais (Computação)
Evasão tributária
Exportação
title_short Mineração de dados como suporte à detecção de lavagem de dinheiro
title_full Mineração de dados como suporte à detecção de lavagem de dinheiro
title_fullStr Mineração de dados como suporte à detecção de lavagem de dinheiro
title_full_unstemmed Mineração de dados como suporte à detecção de lavagem de dinheiro
title_sort Mineração de dados como suporte à detecção de lavagem de dinheiro
author Paula, Ebberth Lopes de
author_facet Paula, Ebberth Lopes de
author_role author
dc.contributor.none.fl_str_mv Ladeira, Marcelo
dc.contributor.author.fl_str_mv Paula, Ebberth Lopes de
dc.subject.por.fl_str_mv Mineração de dados (Computação)
Lavagem de dinheiro
Redes neurais (Computação)
Evasão tributária
Exportação
topic Mineração de dados (Computação)
Lavagem de dinheiro
Redes neurais (Computação)
Evasão tributária
Exportação
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2016.
publishDate 2016
dc.date.none.fl_str_mv 2016-12-15
2017-02-15T20:28:24Z
2017-02-15T20:28:24Z
2017-02-15
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PAULA, Ebberth Lopes de. Mineração de dados como suporte à detecção de lavagem de dinheiro. 2016. xvi, 114 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2016.
http://repositorio.unb.br/handle/10482/22598
http://dx.doi.org/10.26512/2016.12.D.22598
identifier_str_mv PAULA, Ebberth Lopes de. Mineração de dados como suporte à detecção de lavagem de dinheiro. 2016. xvi, 114 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2016.
url http://repositorio.unb.br/handle/10482/22598
http://dx.doi.org/10.26512/2016.12.D.22598
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508256181092352

Registros relacionados