Detection of geospatial objects linked to drug trafficking : an approach based on geospatial intelligence and artificial intelligence

Abstract

Resumo: As Organizações de Tráfico de Drogas (OTDs) não reconhecem fronteiras administrativas ou políticas. A resiliência, evolução e convergência com outras atividades do crime organizado, como os crimes ambientais transnacionais, são as principais características dessas organizações. Aproveitam os espaços geográficos que estão fora do controle efetivo do Estado, onde encontram oportunidades geoestratégicas específicas para cometer o crime. Suas atividades são diversas, utilizam as infraestruturas de transporte terrestre, aéreo, marítimo e fluvial para estabelecer rotas desde as áreas de produção até os mercados consumidores, empregando múltiplos modus operandi e meios de transporte. Nos últimos 10 anos, ecossistemas importantes, como a Amazônia, foram afetados pela degradação ambiental acelerada e pelo estabelecimento de atividades vinculadas às OTDs. Consequentemente, essas organizações criminosas converteram a região sul-americana no epicentro global do tráfico de drogas e do comércio transnacional ilegal de recursos naturais, representando uma séria ameaça ao Estado de Direito e ao desenvolvimento sustentável dos países afetados. A partir do uso de técnicas de inteligência geoespacial e métodos de inteligência artificial, esta tese propõe uma metodologia baseada no ciclo de inteligência para detectar objetos geoespaciais vinculados a organizações de tráfico de drogas, utilizando imagens de satélite multiespectral, dados da verdade do terreno e informação de fontes abertas. Neste contexto, através da criação dos conjuntos de dados de imagens de satélite para aplicações de inteligência artificial, CocaPaste-PI-DETECTION e AmazonCRIME, são treinados modelos de aprendizagem profunda especializados em tarefas de classificação de imagens e de detecção de objetos. Os resultados obtidos geram previsões cujas métricas de avaliação são superiores a 90%. As capacidades de generalização dos modelos foram analisadas e diferentes experimentos foram realizados. Um conjunto de dados também foi gerado usando técnicas de processamento de linguagem natural, o que permite escanear o entorno e identificar tendências e possíveis rotas de tráfico de cocaína. Os conjuntos de dados foram colocados à disposição da comunidade científica e acadêmica para fins de pesquisa. A partir de experiências operacionais em interdição de drogas e da literatura acadêmica, foi descrita uma base conceitual para a compreensão da dinâmica das OTDs, processos de produção de cloridrato de cocaína, inteligência geoespacial a partir de uma perspectiva de aplicação da lei e inteligência artificial aplicada ao sensoriamento remoto. Os resultados obtidos nesta tese mostram coerência com a literatura existente sobre crime organizado e tráfico de drogas, permitindo a geração de uma imagem de inteligência atualizada e demonstrando como a aplicação da metodologia proposta poderia fortalecer a tomada de decisões destinadas à formulação de estratégias de intervenção e prevenção contra as organizações do tráfico de drogas.

Abstract: Drug Trafficking Organizations (DTOs) do not recognize administrative or political boundaries. Resilience, evolution, and convergence with other organized crime activities, such as transnational environmental crimes, are the main characteristics of these organizations. They take advantage of geographic spaces that are outside the effective control of the State, where they find specific geostrategic opportunities for the commission of the crime. Their activities are diverse, using land, air, sea, and river transport infrastructures to establish routes from production areas to consumer markets, employing multiple modus operandi and means of transport. In the last 10 years, important ecosystems such as the Amazon have been affected by accelerated environmental degradation and the establishment of activities linked to DTOs. Consequently, these criminal organizations have turned the South American region into the global epicenter of drug trafficking and illegal transnational trade in natural resources, posing a serious threat to the rule of law and sustainable development in the affected countries. This thesis proposes a methodology based on the intelligence cycle to detect geospatial objects linked to drug trafficking organizations from multispectral satellite imagery, ground truth data, and open-source information, using geospatial intelligence techniques and artificial intelligence methods. In this context, deep learning models specialized in image classification and object detection tasks are trained by creating satellite imagery datasets for artificial intelligence applications, CocaPaste-PI-DETECTION and AmazonCRIME. The results obtained generate predictions whose evaluation metrics are higher than 90%. The generalization capabilities of the models are analyzed, and different experiments are carried out. A dataset is also generated using natural language processing techniques, which allows environment scanning and identifying trends and possible cocaine trafficking routes. The datasets are made available to the scientific and academic community for research purposes. Based on operational experiences in drug interdiction and academic literature, a conceptual basis is described to understand the dynamics of DTOs, cocaine hydrochloride production processes, geospatial intelligence from a law enforcement perspective, and artificial intelligence applied in remote sensing. The results obtained in this thesis show consistency with the existing literature on organized crime and drug trafficking, allowing the generation of an updated intelligence picture, and demonstrating how the application of the proposed methodology could strengthen decision-making to formulate intervention and prevention strategies against drug trafficking organizations.

Resumen: Las Organizaciones del Tráfico de Drogas (OTDs) no reconocen fronteras administrativas o políticas. La resiliencia, evolución y convergencia con otras actividades del crimen organizado como los crímenes ambientales transnacionales, son las principales características de estas organizaciones. Aprovechan espacios geográficos que están fuera del control efectivo del Estado, donde encuentran oportunidades geoestratégicas específicas para la comisión del delito. Sus actividades son diversas, utilizan las infraestructuras de transporte terrestre, aéreo, marítimo y fluvial, para establecer rutas desde las áreas de producción hacia los mercados de consumo, empleando múltiples modus operandi y medios de transporte. En los últimos 10 años, importantes ecosistemas como el Amazonas se han visto afectados por una acelerada degradación ambiental y el establecimiento de actividades vinculadas a las OTDs. Por consiguiente, estas organizaciones criminales han convertido a la región sudamericana en el epicentro mundial del tráfico de drogas y del comercio transnacional ilegal de recursos naturales, representando una grave amenaza para el Estado de Derecho y el desarrollo sostenible de los países afectados. En esta tesis se propone una metodología basada en el ciclo de inteligencia para detectar objetos geoespaciales vinculados a las organizaciones del tráfico de drogas a partir de imágenes satelitales multiespectrales, datos de la verdad en el terreno e información de fuentes abiertas, utilizando técnicas de inteligencia geoespacial y métodos de inteligencia artificial. En este contexto, mediante la creación de los conjuntos de datos de imágenes satelitales para aplicaciones de inteligencia artificial, CocaPaste-PI-DETECTION y AmazonCRIME, se entrenan modelos de aprendizaje profundo especializados en tareas de clasificación de imágenes, y tareas de detección de objetos. Los resultados obtenidos generan predicciones cuyas métricas de evaluación son superiores al 90%. Se analizan las capacidades de generalización de los modelos, y se realizan diferentes experimentos. También se genera un conjunto de datos mediante técnicas de procesamiento de lenguaje natural, que permite escanear el entorno e identificar tendencias y posibles rutas del tráfico de cocaína. Los conjuntos de datos se ponen a disposición de la comunidad científica y académica con fines de investigación. A partir de experiencias operativas en la interdicción de drogas y de la literatura académica, se describe una base conceptual que permite comprender la dinámica de las OTDs, los procesos de producción de clorhidrato de cocaína, la inteligencia geoespacial desde la perspectiva de la aplicación de la ley y la inteligencia artificial aplicada en percepción remota. Los resultados obtenidos en esta tesis muestran consistencia con la literatura existente sobre el crimen organizado y tráfico de drogas, permitiendo generar una imagen de inteligencia actualizada, y demostrando cómo la aplicación de la metodología propuesta podría fortalecer la toma de decisiones destinadas a la formulación de estrategias de intervención y prevención contra las organizaciones del tráfico de drogas.