Um framework baseado em aprendizado de máquina e dados de processos res judicata para análise e previsão de sanções penais referentes a crimes cibernéticos

• Ano de defesa: 2023
• Autor(a) principal: Fonseca, Cibele Andréa de Godoy
• Orientador(a): Silveira, Ismar Frango
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por; eng
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: algoritmos; aprendizado de máquina; crimes cibernéticos; framework; res judicata
• Link de acesso: https://dspace.mackenzie.br/handle/10899/32790

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.