cientistas da computação criaram uma ferramenta inovadora que permite identificar lavagem de dinheiro de forma mais rápida e precisa. o novo software tem a capacidade de analisar 50 milhões de transações em menos de um segundo.
Uma abordagem completamente inovadora para detectar a lavagem de dinheiro foi criada por pesquisadores do Departamento de Informática da King’s College London. Esta é baseada em algoritmos que identificam rapidamente quando uma grande quantia de dinheiro está sendo dividida em múltiplas transações menores entre diversas contas bancárias por criminosos, uma técnica conhecida como “smurfing” ou “estruturação”.
Os algoritmos funcionam com base em dados provenientes de várias contas bancárias, representadas como nós em um grande e complexo gráfico. O software é programado para focar na parte do gráfico onde detecta a atividade mais suspeita.
Se um depósito de um milhão de libras for feito, o software tem a capacidade de rastrear para onde está sendo enviada essa precisão quantidade de dinheiro. Mesmo se o dinheiro for distribuído entre várias contas e em diferentes despesas, ele é capaz de distinguir todas as combinações de transações correspondentes.
Diferencial
do
novo
software
Em um artigo publicado nos anais da 2023 SIAM International Conference on Data Mining, a ferramenta foi detalhada.
Os principais pesquisadores, huiping Chen e grigorios Loukides, juntamente com robert Gwadera e solon Pissis, afirmam que o novo software é mais de três vezes mais eficaz do que os métodos de detecção atuais e também pode analisar quantidades maiores de dados.
Os métodos atuais de detecção de lavagem de dinheiro são baseados em regras ou em aprendizado de máquina.
Isso envolve utilização de alarmes automatizados para detecção de lavagem de dinheiro acionados por cenários de transações “suspeitas”.
Exemplos disso são depósitos excessivos em dinheiro ou processamento de grandes conjuntos de históricos de transações para identificar possíveis atividades de lavagem de dinheiro ao longo de linhas predefinidas.
Esses abordagens podem não ser eficazes ou rápidas para detectar instâncias desse delito, principalmente quando se lida com a prática de smurfing.
Ambos os métodos existentes também exigem experiência específica do domínio – por exemplo, um banco deve ter identificado ataques anteriores com êxito e utilizá-los para detectar outros ataques.
O que pode acontecer ao lidar com métodos de lavagem de dinheiro novos ou em evolução, caso uma organização não tiver esses dados, significa uma precisão reduzida.
Representa um grande desafio global a lavagem de dinheiro. Fornecer segurança às instituições financeiras e enfrentar o problema pode ser feito desenvolvendo uma abordagem mais rápida e eficaz para detectar essa atividade criminosa, o que representa um grande avanço na direção certa.
Uso do software contra a lavagem de dinheiro
O escritório das Nações Unidas sobre Drogas e Crime (UNODC) estima que entre 2% e 5% do PIB global é lavado a cada ano, o que corresponde a cerca de £632 bilhões a mais de £1,5 trilhão.
Desenvolvemos um método excelente que pode encontrar a melhor solução possível para detectar as classificações comuns de ataques de smurfing em milhões de dados. Este método é, em média, 3,2 vezes mais eficaz do que os métodos de última geração atualmente utilizados. Além disso, nossa ferramenta é mais automatizada e possibilita uma análise muito mais rápida dos dados em comparação com as opções disponíveis atualmente. Ao fornecer uma ferramenta que permite aos especialistas em lavagem de dinheiro analisar grandes volumes de dados de forma mais rápida do que nunca, estamos capacitando-os a identificar atores mal-intencionados de maneira eficiente. Atualmente, estamos trabalhando para aprimorar ainda mais a ferramenta, com o objetivo de oferecer uma velocidade superior às abordagens convencionais, mantendo uma precisão ainda maior.
A ferramenta nova tem software de código aberto e pode ser adquirida de graça. Por poder lidar com volumes de dados superiores aos que os métodos de detecção convencionais suportam, sustentam os pesquisadores que esta é capaz de analisar grandes quantidades de dados ao longo de extensos períodos de tempo, atuando de maneira eficaz para filtrar e emitir um sinal-alerta para o banco sempre que detectar uma atividade suspeita.
A abordagem foi testada usando dados reais de um banco tcheco anônimo e em casos fictícios baseados em previsões de padrões comuns e atividades presentes em casos de lavagem de dinheiro reais. Em ambas as situações, os algoritmos foram capazes de identificar todas as anomalias nas transações.
Os pesquisadores afirmam que a nova ferramenta também tem potencial de uso além da detecção de atividades financeiras suspeitas, pois poderia otimizar campanhas de marketing. Assim, ela permitiria que varejistas encontrem e detectem os pacotes de produtos mais lucrativos, melhorando a precisão dos dados de varejo em alta velocidade.
