Aplicação de técnicas de mineração de dados no auxílio à investigações criminais

Abstract

Resumo: Técnicas de aprendizado de máquina têm sido cada vez mais adotadas para auxiliar na análise de grandes volumes de dados. O campo de aplicação é amplo e abrange diversos ramos do conhecimento. Considerando os benefícios potenciais, o presente trabalho propõe a aplicação de técnicas de aprendizado de máquina não supervisionado no auxílio à investigação criminal. Foram utilizados dados de movimentações financeiras decorrentes do afastamento do sigilo bancário e a análise foi realizada em três perspectivas com a aplicação de algoritmos distintos: detecção de anomalias com o algoritmo ISOlation Forest, análise de agrupamento de dados mistos com k-Prototype e mineração de regras de associação com Apriori. Ao final, o trabalho realizado mostrou-se viável como estratégia de auxílio ao exame preliminar dos dados revelando aspectos que poderão direcionar outras análises promovidas pelo analista

Abstract: Machine learning techniques have been increasingly adopted to aid in the analysis of large volumes of data. The field of application is broad and encompasses several branches of knowledge. Considering the potential benefits, the present work proposes the application of unsupervised machine learning techniques to aid criminal investigation. Data from financial transactions resulting from the removal of bank secrecy were used and the analysis was performed in three perspectives with the application of different algorithms: anomaly detection with the Isolation Forest algorithm, analysis of mixed data clusters with k-Prototype and rule mining of association with Apriori. In the end, the work carried out proved to be viable as a strategy to aid the preliminary examination of the data, revealing aspects that may direct other analyzes promoted by the analyst