Um framework baseado em aprendizado de máquina e dados de processos res judicata para análise e previsão de sanções penais referentes a crimes cibernéticos
Tipo
Tese
Data de publicação
2023-04-19
Periódico
Citações (Scopus)
Autores
Fonseca, Cibele Andréa de Godoy
Orientador
Silveira, Ismar Frango
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Avelino, Pedro Buck
Knihs, Everton
Omar, Nizam
Bezerra, Luís Naito Mendes
Knihs, Everton
Omar, Nizam
Bezerra, Luís Naito Mendes
Programa
Engenharia Elétrica e Computação
Resumo
Devido ao desenvolvimento das tecnologias e ao crescimento da utilização da internet,
principalmente em decorrência do período de pandemia global iniciado em 2020, percebe-se o
avanço dos crimes cibernéticos em todo o mundo. Isso se deve ao fato de os infratores
acreditarem no anonimato, na certeza de que suas ações não são monitoradas e que não existem
punições severas para suas condutas. Outras novidades também são explícitas, como as que se
referem à quantidade de dados disponíveis nos meios digitais, o avanço da computação em
nuvem provendo maior capacidade computacional, o uso de algoritmos e da Inteligência
Artificial. Esta tese apresenta uma proposta de framework para prever penas de multa aplicadas
pelos tribunais brasileiros referentes aos crimes cibernéticos utilizando dados coletados dos
processos de coisa julgada e do aprendizado de máquina. Essa previsão será feita obedecendo
às fases da metodologia de descoberta de conhecimento em banco de dados (em inglês
knowledge discovery in database – KDD) e utilizando algoritmos de aprendizado de máquina
supervisionado, especificamente os de classificação. Os resultados tendem a ajudar
especialistas da área do Judiciário, do direito e correlatas a descobrirem padrões de aplicação
de penas de multa pelos tribunais diante de um conjunto de leis por eles utilizadas e, com base
nesses padrões, fazer análises e previsões.
Descrição
Palavras-chave
algoritmos , aprendizado de máquina , crimes cibernéticos , framework , res judicata