Especialistas em ciência da computação da universidade King’s College London criaram uma inovadora tecnologia com software capaz de identificar atividades de lavagem de dinheiro com agilidade e precisão sem precedentes. Esta nova aplicação consegue processar e avaliar até 50 milhões de operações financeiras em um tempo inferior a um segundo.
Os cientistas desenvolveram uma estratégia totalmente nova para rastrear atividades de lavagem de dinheiro. Utilizando algoritmos avançados, o sistema rapidamente reconhece quando atos ilícitos, como dividir grandes somas de dinheiro em várias transferências menores entre contas diferentes, estão acontecendo – uma prática frequentemente chamada de “estruturação” ou “smurfing”.
O software opera analisando informações de múltiplas contas bancárias, que são visualizadas como pontos em um extenso e intrincado diagrama. A tecnologia é configurada para concentrar sua atenção nas áreas do gráfico onde percebe comportamentos mais questionáveis.
O uso do software
A inovadora tecnologia foi descrita em uma publicação científica apresentada no evento internacional de mineração de dados SIAM de 2023. Liderados por Huiping Chen e Grigorios Loukides, e com a colaboração de Robert Gwadera e Solon Pissis, os autores declaram que a nova aplicação é mais de três vezes mais eficiente do que as abordagens convencionais para identificar lavagem de dinheiro, além de ter a capacidade de processar volumes de dados significativamente maiores.
A agência da ONU para drogas e crime (UNODC) calcula que anualmente entre 2% e 5% do produto interno bruto mundial é alvo de lavagem de dinheiro, o que equivale a uma faixa monetária que varia de aproximadamente £632 bilhões até ultrapassar £1,5 trilhão.
Segundo os cientistas, a nova tecnologia tem aplicações que vão além do rastreamento de transações financeiras duvidosas. Ela também pode ser empregada para aprimorar estratégias de marketing, permitindo que comerciantes identifiquem com maior exatidão os conjuntos de produtos que geram mais lucro, ao mesmo tempo em que analisa dados do varejo com elevada rapidez.
O método foi avaliado utilizando informações verdadeiras de uma instituição financeira tcheca não identificada, bem como em cenários simulados que replicam comportamentos e atividades tipicamente observados em casos reais de lavagem de dinheiro. Em todos os contextos testados, os algoritmos conseguiram identificar todas as atividades questionáveis nas operações financeiras.
