Identificação de entidades destaque na análise de relatórios de inteligência financeira

Abstract

A presente pesquisa tem como principal objetivo o desenvolvimento de um método de identificação automática de elementos relevantes em Relatórios de Inteligência Financeira. Estes relatórios contêm importantes informações para a investigação de crimes de lavagem de dinheiro, pois indicam operações suspeitas ocorridas no sistema financeiro nacional. Em muitos casos, a análise de um Relatório de Inteligência Financeira é feita somente pela leitura do seu texto, sem o uso de programas de análise. Isto pode ser insatisfatório em razão do grande volume de dados e da complexidade das informações contidas nos relatórios. Mesmo quando são empregadas ferramentas analíticas, costumam ser usadas somente para a análise visual dos dados. Nestes casos, a percepção do que é relevante depende totalmente da interpretação humana do analista. Então, decidiu-se verificar a possibilidade de usar programas para identificar automaticamente elementos relevantes e destacá-los em grafos. Assim, foi necessário estabelecer as características do que pode ser relevante, o que se chamou de ?métrica de relevância?. Estas métricas foram configuradas e processadas em programa de business intelligence e, posteriormente, os resultados foram mostrados em ferramentas de análise de vínculos por meio de grafos com destaque de entidades. Isto facilitou sobremaneira a análise do grande volume de dados e diminuiu a complexidade das informações de Relatórios de Inteligência Financeira testados neste trabalho.

Abstract: The current research has as main objective the development of a method of automatic identification of relevant elements in Financial Intelligence Reports. These reports contain important information for investigating money laundering crimes, as they indicate suspicious operations in the national financial system. In many cases, the analysis of a Financial Intelligence Report is done only by reading its text, without the use of analysis programs. This can be unsatisfactory due to the large data volume and the complexity of the information contained in the reports. Even when analytical tools are employed, they are often used only for visual data analysis. In these cases, the perception of what is relevant depends entirely on the analyst's human interpretation. So, it was decided to check the possibility of using programs to automatically identify relevant elements and highlight them in graphs. Thus, it was necessary to establish the characteristics of what may be relevant, which was called the ?relevance metric?. These metrics were configured and processed in a business intelligence program and, later, the results were shown in link analysis tools through entity-highlighted graphs. This greatly facilitated the analysis of the large volume of data and lessened the complexity of the Financial Intelligence Reporting information tested in this paper.