Building an ecosystem for uncovering hidden assets : a knowledge graph-based approach

Abstract

A ocultação de ativos e a lavagem de dinheiro representam desafios de escala global, comprometendo a integridade dos sistemas financeiros e a capacidade de governos em todo o mundo de recuperar recursos desviados. No Brasil, essa problemática manifesta-se por meio de estruturas de fraude que se aproveitam da fragmentação de dados para ocultar patrimônio. O problema é universal e está relacionado à dificuldade de conectar bases de dados heterogêneas para identificar o beneficiário final de esquemas de interposição patrimonial, o que torna as investigações tradicionais frequentemente ineficazes. Esta tese propõe um ecossistema agnóstico e adaptável a qualquer ator institucional que atue no combate à fraude financeira. O trabalho estabelece processos metodológicos para a construção de ontologias orientadas a dados e de grafos de conhecimento corporativos, envolvendo elementos essenciais como governança e uma definição clara de papéis, e validando-os em um ambiente real. Foram desenvolvidos, ainda, modelos de Inteligência Artificial para recuperação de relacionamentos ocultos, a exemplo da extração de vínculos de parentesco, com acurácia de 97%, e da criação de um indicador de proximidade entre duas pessoas a partir de endereços, sem o uso de geocoding. O ecossistema foi validado por meio da construção de uma Ontologia para Ocultação de ativos, responsável por criar um arcabouço lógico para o ecossistema, e de um grafo de conhecimento para ocultação de ativos. A validação foi realizada em colaboração entre a Universidade de Brasília e a Advocacia-Geral da União, com a criação de um grafo com mais de 2 bilhões de elementos, entre entidades e relacionamentos, a partir de 15 bases de dados governamentais. Os resultados demonstraram que a aplicação dos processos de construção de grafos e dos modelos de IA desenvolvidos otimizou o processo de detecção de redes de ocultação com múltiplos níveis de profundidade.