O principal objetivo do processo de lavagem de dinheiro é ocultar a origem de recursos ganhos por meio de atividades ilícitas. Esse processo geralmente está ligado a crimes como a corrupção, o terrorismo ou o tráfico de drogas, podendo causar danos à segurança nacional e ao sistema financeiro de um país. Logo, com a finalidade de detectar a ocorrência desses crimes, alguns autores abordam esse problema empregando técnicas de aprendizado de máquina, classificando as transações fraudulentas, utilizando, como base, características da lavagem de dinheiro, porém não levam em conta as leis e regulamentos impostos pelos seus países. Portanto, este trabalho tem como objetivo propor um modelo de inferência, composto por uma estrutura de dados e um algoritmo de classificação, responsável por rotular transações financeiras que possuem indícios de lavagem de dinheiro, baseados nas leis e regulamentos do Brasil. Para alcançar tal objetivo, inicialmente se realizou uma revisão bibliográfica sobre a lavagem de dinheiro, buscando-se entender seu processo, formas de detecção e como é tratado esse crime no Brasil. Após a revisão, foi proposta a estrutura de dados, baseando-se regras descritas em regulamentos assim como a seleção do algoritmo de árvore de decisão que, juntos, compõem o modelo de inferência proposto neste trabalho. Depois disso, um estudo de caso foi realizado, utilizando-se o modelo proposto. Dentre os resultados obtidos, podem-se destacar a conformidade da estrutura de dados em relação às regras estabelecidas pelo governo brasileiro e a eficácia do algoritmo de árvore de decisão na detecção de indícios dessa fraude. Esses resultados apontam que o modelo de inferência pode ser utilizado por instituições financeiras pois está de acordo com o regulamento assim como que a detecção de indícios de lavagem foi satisfatória.
The main objective of money laundering is to hide the source of money coming from illegal activities. This process is usually related to other crimes such as corruption, terrorism or drug dealing, which may harm national security and the financial system in that country. As a consequence and having the objective of detecting crimes like these some authors study this problem with techniques of machine learning in which fraud is classified according to the use of money laundering characteristics, what sometimes does not regard the law and rules of a certain country. Therefore, the aim of this study is to offer an inducting model based on a data structure and classifying algorithm that is responsible for labelling financial activities with suspicious money laundering characteristics under the Brazilian law. In order to achieve this goal, a review on the theory on money laundering began our study in order to comprehend the process as well as how to detect and work on this type of crime in Brazil. The next step was to recommend the data structure based on the rules as well as the algorithm selection of the decision tree forming the inductive model that we offer in this study. Subsequently, we show the study of a case analyzed with the model offered. Among the obtained results we focus the correspondence of the data structure and the Brazilian rules and also the efficacy of our model of the decision tree to detect the evidence of fraud. Our results show, then, that this inductive model can be used by financial institutions in accordance to our rules in Brazil as well as it obtained satisfying detection of money laundering activities.
Data da Defesa: 28/11/2016
Banca Examinadora
Orientador (a): Sebastião Ribeiro Júnior (Lactec)
Membro da Banca: Ana Paula Oening (Lactec)
Membro da Banca: Débora Cíntia Marcilio (Lactec)
Membro da Banca: Edson José Pacheco (UFPR)
Palavra(s)-Chave: Lavagem de Dinheiro. Árvore de Decisão. Mineração de Dados.
Keywords: Money Laundering. Decision Tree. Data Mining.