Deep-Lemonade: separação de interesses na exploração de evidências digitais em Big Data Criminal

• Ano de defesa: 2025
• Autor(a) principal: Fernandes, Fernanda Caroline Alcântara
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Ciência de dados; Inteligência artificial - Aspectos jurídicos; Informática aplicada à investigação criminal
• Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/591502

Esta dissertação apresenta a Digital Evidence Exploration Platform based on Lemonade (DEEP-Lemonade), uma plataforma projetada para sistematizar a exploração de evidências digitais em investigações criminais utilizando Big Data. Fundamentada no princípio de Separação de Interesses (SoC) (do inglês, Separation of Concerns), a DEEP-Lemonade organiza suas funcionalidades em camadas distintas para programadores, cientistas de dados e investigadores criminais, permitindo que cada perfil atue exclusivamente em seu domínio, sem necessidade de conhecimentos técnicos aprofundados em outras áreas. Os programadores são responsáveis pela implementação de operações específicas, como processamento de imagens e análise de texto na plataforma Live Exploration and Mining Of a Non-trivial Amount of Data from Everywhere (Lemonade). Os cientistas de dados utilizam a plataforma para projetar fluxos de trabalho investigativos, abstraindo-se dos detalhes técnicos subjacentes, o que facilita o atendimento das demandas dos investigadores. Por fim, os investigadores criminais exploram uma interface web para analisar evidências digitais, assegurando a integridade processual e o respeito aos direitos de privacidade. Essa estrutura modular, fundamentada no princípio de SoC, isola responsabilidades e restringe acessos, visando minimizar riscos legais, proteger dados sensíveis e garantir a integridade do processo investigativo. Ao mesmo tempo, essa abordagem aprimora a usabilidade e a eficácia da aplicação, além de facilitar sua manutenção, expansão e adaptação às inovações tecnológicas, oferecendo uma experiência personalizada e eficiente para cada perfil de usuário. A validação da proposta foi realizada por meio de uma prova de conceito, em que operações e funcionalidades relacionadas a reconhecimento facial e processamento de linguagem natural foram desenvolvidas e avaliadas. Essa validação foi corroborada pela aplicação de um questionário estruturado, direcionado a uma amostra composta por desenvolvedores, analistas de dados e investigadores criminais. A análise das respostas destacou a eficácia da DEEP-Lemonade em transformar ferramentas de Ciência de Dados (CD) e Inteligência Artificial (IA) em soluções acessíveis e eficazes para investigações, além de reforçar a importância de sua arquitetura modular baseada no princípio de SoC. Palavras-chaves: Separação de Interesses, Modularidade, Ciência de Dados, Inteligência Artificial, Big Data, Investigação Criminal.