Um Modelo para Identificação de Tráfico de Animais Silvestres na Internet

• Ano de defesa: 2012
• Autor(a) principal: Carrasco, Rafael da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Metodologias e técnicas da Computação; Sistemas de Computação; Mestrado em Ciência da Computação; UFV
• Palavras-chave em Português: Inteligência artificial; Sistemas multiagentes; Frames semânticos; Ontologia; Tráfico de animais silvestres; Artificial intelligence, multi-agent systems, semantic frames; Ontology; trafficking of wild animals; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://locus.ufv.br/handle/123456789/2641

O tráfico de animais silvestres figura entre as várias formas de crime praticadas na Internet. A dimensão do tráfico de animais silvestres demanda muito esforço por parte das autoridades especializadas em combatê-lo. Infelizmente, estes últimos dispõem de poucos recursos. Acredita-se que sistemas de monitoramento automático sejam capazes de oferecer um grande ganho em termos de produtividade no combate ao tráfico de animais silvestres. O monitoramento de tais atividades criminosas na Internet provavelmente já seria de grande valia na sua prevenção. O objetivo deste trabalho é desenvolver um modelo que seja capaz de detectar indícios de atividades do tráfico de animais silvestres na Internet, com foco nas redes sociais. Essa detecção deve fornecer informações que sejam úteis nas medidas de combate à ação em questão. O sistema deve ser capaz de extrair informações suspeitas, apresentando um valor numérico que expresse uma estimativa de que a atividade reportada realmente esteja ocorrendo. Para que isto seja possível, o sistema deve se basear em uma ontologia de domínio e em frames semânticos durante a etapa de análise. Ambos, ontologia e frames, também são desenvolvidos por este trabalho. A conciliação destas duas técnicas em um mesmo propósito é o maior desafio do modelo, e por isso ambas foram exploradas em maior profundidade. A arquitetura proposta pelo modelo é a de Sistemas Multiagentes, muito embora qualquer outra possa ser usada. O modelo de análise das sentenças foi projetado e implementado. Os testes realizados com o módulo indicaram um nível de acerto acima de 80%.