Exportação concluída — 

Complexidade das relações em redes de criminalidade

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Toledo, Alex Sander de Oliveira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Complexidade (Filosofia)
Segurança de redes
Criminalidade
Modelagem
Link de acesso: https://repositorio.cefetmg.br//handle/123456789/877
Resumo: A compreensão de que a sociedade funciona como redes interligadas levou a mudanças significativas nas técnicas e abordagens científicas em diversas disciplinas. Em particular, teve um impacto profundo na criminologia, oferecendo benefícios substanciais em termos de alocação de recursos e até salvando vidas. O surgimento de conhecimentos teóricos avançados de Ciência de Redes e Aprendizado de Máquina abriu novos caminhos para o desenvolvimento de modelos de análise de redes, considerando a relevância topológica e dinâmica dos indivíduos dentro das redes criminosas. Nos últimos anos, as abordagens baseadas em redes melhoraram através da criação de representações interconectadas, permitindo análises de rede mais abrangentes e integradas. Aproveitando vastos bancos de dados de segurança pública do Estado de Minas Gerais, Brasil, este estudo propõe modelos para identificar e classificar agentes-chave com base em redes complexas e mineração de outlier por meio de capital humano, social e misto. Várias estratégias para identificar agentes-chave que perturbam a estrutura da rede são comparadas e o desempenho das estratégias de identificação é avaliado. Os resultados demonstram que a definição proposta de capital social e Outilier Score 1 (OS1) é a abordagem mais eficiente. O modelo de identificação dos principais intervenientes sugerido para perturbar as redes criminosas permite que as autoridades responsáveis pela aplicação da lei identifiquem, visualizem e avaliem as atividades ilegais, aumentando assim a probabilidade de desmantelamento bem sucedido destas redes.
id CEFETMG_3f707b4db97d13c497eb64a5d625ff09
oai_identifier_str oai:repositorio.cefetmg.br:123456789/877
network_acronym_str CEFETMG
network_name_str Repositório Institucional do CEFET-MG
repository_id_str
spelling Complexidade das relações em redes de criminalidadeComplexidade (Filosofia)Segurança de redesCriminalidadeModelagemA compreensão de que a sociedade funciona como redes interligadas levou a mudanças significativas nas técnicas e abordagens científicas em diversas disciplinas. Em particular, teve um impacto profundo na criminologia, oferecendo benefícios substanciais em termos de alocação de recursos e até salvando vidas. O surgimento de conhecimentos teóricos avançados de Ciência de Redes e Aprendizado de Máquina abriu novos caminhos para o desenvolvimento de modelos de análise de redes, considerando a relevância topológica e dinâmica dos indivíduos dentro das redes criminosas. Nos últimos anos, as abordagens baseadas em redes melhoraram através da criação de representações interconectadas, permitindo análises de rede mais abrangentes e integradas. Aproveitando vastos bancos de dados de segurança pública do Estado de Minas Gerais, Brasil, este estudo propõe modelos para identificar e classificar agentes-chave com base em redes complexas e mineração de outlier por meio de capital humano, social e misto. Várias estratégias para identificar agentes-chave que perturbam a estrutura da rede são comparadas e o desempenho das estratégias de identificação é avaliado. Os resultados demonstram que a definição proposta de capital social e Outilier Score 1 (OS1) é a abordagem mais eficiente. O modelo de identificação dos principais intervenientes sugerido para perturbar as redes criminosas permite que as autoridades responsáveis pela aplicação da lei identifiquem, visualizem e avaliem as atividades ilegais, aumentando assim a probabilidade de desmantelamento bem sucedido destas redes.The understanding that society functions as interconnected networks has led to significant changes in scientific techniques and approaches across multiple disciplines. In particular, it has profoundly impacted criminology, offering substantial benefits regarding resource allocation and even saving lives. The emergence of advanced theoretical knowledge of Network Science and Machine Learning has opened new paths for developing network analysis models, considering the topological and dynamic relevance of individuals within criminal networks. In recent years, network-based approaches have been improved by creating interconnected representations, allowing for more comprehensive and integrated network analysis. Taking advantage of a vast public security database from the State of Minas Gerais, Brazil, this study proposes models to identify and classify key agents using methods based on complex networks and outliers mining through human and social capital and mixed. Various strategies for identifying key actors to disrupt network structure are compared, and the performance of the identification strategies is evaluated. The results demonstrate that the definition of the social capital proposal and Outilier Score 1 (OS1) is the most efficient approach. The model for identifying key actors suggested for disrupting criminal networks allows law enforcement agencies to identify, visualize, and evaluate illegal activities, thereby increasing the likelihood of successfully dismantling these networks.Centro Federal de Educação Tecnológica de Minas GeraisPrograma de Pós-Graduação em Modelagem Matemática e ComputacionalBrasilCEFET-MGScarpelli, Antônio Paulo BaetaFaria, Allbens Atman PicardiCarpi, Laura Corinahttp://lattes.cnpq.br/4164041157405626 País de Nacionalidade Brasilhttp://lattes.cnpq.br/9658658789730577http://lattes.cnpq.br/4216801992845696Scarpelli, Antônio Paulo BaetaFaria, Allbens Atman PicardiMagalhaes, Arthur Rodrigo Bosco deHamada, Hélio HiroshiOliveira, Izabela Marques deCarpi, Laura CorinaMattos, Thiago Gomes deJesus, Tiago Alves Schieber deToledo, Alex Sander de Oliveira2025-03-21T19:49:11Z2024-05-162025-03-21T19:49:11Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.cefetmg.br//handle/123456789/877porreponame:Repositório Institucional do CEFET-MGinstname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)instacron:CEFETinfo:eu-repo/semantics/openAccess2026-03-31T14:46:02Zoai:repositorio.cefetmg.br:123456789/877Repositório InstitucionalPUBhttps://repositorio.cefetmg.br/server/oai/requestrepositorio@cefetmg.bropendoar:2026-03-31T14:46:02Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)false
dc.title.none.fl_str_mv Complexidade das relações em redes de criminalidade
title Complexidade das relações em redes de criminalidade
spellingShingle Complexidade das relações em redes de criminalidade
Toledo, Alex Sander de Oliveira
Complexidade (Filosofia)
Segurança de redes
Criminalidade
Modelagem
title_short Complexidade das relações em redes de criminalidade
title_full Complexidade das relações em redes de criminalidade
title_fullStr Complexidade das relações em redes de criminalidade
title_full_unstemmed Complexidade das relações em redes de criminalidade
title_sort Complexidade das relações em redes de criminalidade
author Toledo, Alex Sander de Oliveira
author_facet Toledo, Alex Sander de Oliveira
author_role author
dc.contributor.none.fl_str_mv Scarpelli, Antônio Paulo Baeta
Faria, Allbens Atman Picardi
Carpi, Laura Corina
http://lattes.cnpq.br/4164041157405626 País de Nacionalidade Brasil
http://lattes.cnpq.br/9658658789730577
http://lattes.cnpq.br/4216801992845696
Scarpelli, Antônio Paulo Baeta
Faria, Allbens Atman Picardi
Magalhaes, Arthur Rodrigo Bosco de
Hamada, Hélio Hiroshi
Oliveira, Izabela Marques de
Carpi, Laura Corina
Mattos, Thiago Gomes de
Jesus, Tiago Alves Schieber de
dc.contributor.author.fl_str_mv Toledo, Alex Sander de Oliveira
dc.subject.por.fl_str_mv Complexidade (Filosofia)
Segurança de redes
Criminalidade
Modelagem
topic Complexidade (Filosofia)
Segurança de redes
Criminalidade
Modelagem
description A compreensão de que a sociedade funciona como redes interligadas levou a mudanças significativas nas técnicas e abordagens científicas em diversas disciplinas. Em particular, teve um impacto profundo na criminologia, oferecendo benefícios substanciais em termos de alocação de recursos e até salvando vidas. O surgimento de conhecimentos teóricos avançados de Ciência de Redes e Aprendizado de Máquina abriu novos caminhos para o desenvolvimento de modelos de análise de redes, considerando a relevância topológica e dinâmica dos indivíduos dentro das redes criminosas. Nos últimos anos, as abordagens baseadas em redes melhoraram através da criação de representações interconectadas, permitindo análises de rede mais abrangentes e integradas. Aproveitando vastos bancos de dados de segurança pública do Estado de Minas Gerais, Brasil, este estudo propõe modelos para identificar e classificar agentes-chave com base em redes complexas e mineração de outlier por meio de capital humano, social e misto. Várias estratégias para identificar agentes-chave que perturbam a estrutura da rede são comparadas e o desempenho das estratégias de identificação é avaliado. Os resultados demonstram que a definição proposta de capital social e Outilier Score 1 (OS1) é a abordagem mais eficiente. O modelo de identificação dos principais intervenientes sugerido para perturbar as redes criminosas permite que as autoridades responsáveis pela aplicação da lei identifiquem, visualizem e avaliem as atividades ilegais, aumentando assim a probabilidade de desmantelamento bem sucedido destas redes.
publishDate 2024
dc.date.none.fl_str_mv 2024-05-16
2025-03-21T19:49:11Z
2025-03-21T19:49:11Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.cefetmg.br//handle/123456789/877
url https://repositorio.cefetmg.br//handle/123456789/877
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
dc.source.none.fl_str_mv reponame:Repositório Institucional do CEFET-MG
instname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron:CEFET
instname_str Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron_str CEFET
institution CEFET
reponame_str Repositório Institucional do CEFET-MG
collection Repositório Institucional do CEFET-MG
repository.name.fl_str_mv Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
repository.mail.fl_str_mv repositorio@cefetmg.br
_version_ 1863183903658868736

Registros relacionados