Banca de DEFESA: Alex Cerqueira Pinto

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : Alex Cerqueira Pinto
DATA : 10/10/2025
HORA: 17:30
LOCAL: PPGA
TÍTULO:

Aplicações de Inteligência Artificial na Mitigação de Fraudes e Identificação de Anomalias em Instituições Financeiras

PALAVRAS-CHAVES:

Inteligência Artificial (IA); Risco Operacional Bancário; Detecção de Fraudes; Anomalias; Desbalanceamento de Classes; Dados Sintéticos.

PÁGINAS: 255
RESUMO:

A detecção de fraudes em transações financeiras é uma preocupação crítica para garantir a segurança e a integridade das empresas financeiras. Com o aumento da complexidade das atividades fraudulentas, os avanços nos modelos de detecção têm se tornado essenciais para identificar e mitigar ameaças. Este trabalho tem como objetivo, inicialmente, contextualizar o tema de fraudes no contexto da ciência de dados, apresentando conceitos e abordagens relevantes. Em seguida, busca analisar e verificar as conexões existentes na literatura de ponta sobre a detecção de fraudes e anomalias no setor bancário. Por conseguinte, propõe duas aplicações práticas, desenvolvendo modelos e métodos de inteligência artificial para melhora da performance de modelos de prevenção a fraudes e detecção de anomalias na indústria financeira. Visando alcançar o objetivo proposto, o presente trabalho estrutura-se em um primeiro capítulo de introdução e quatro artigos, detalhados nos capítulos subsequentes. O capítulo dois estabelece o referencial teórico, explorando os conceitos fundamentais de fraudes, ciência de dados e modelos analíticos. Em seguida, o capítulo três apresenta uma revisão sistemática da literatura, empregando técnicas de bibliometria e análise de redes complexas para identificar as relações de citação entre os estudos e evidenciar os principais desafios no tema: desbalanceamento de classes, necessidade de detecção em tempo real, interpretabilidade e escassez de dados rotulados. Com base nesses achados, o capítulo quatro desenvolve modelos de IA Generativa voltados para a criação de dados sintéticos, visando corrigir o desequilíbrio de classes. Além disso, apresenta o modelo inédito Aurora de LLM, especificamente projetado para a geração de dados sintéticos. Por fim, no quinto capítulo, é proposto um estudo de caso que contempla o desenvolvimento e a aplicação empírica de um modelo de detecção de anomalias para pessoas físicas. A relevância destes estudos transcende o âmbito acadêmico da investigação do risco financeiro, estendendo-se à indústria financeira e aos profissionais dedicados à detecção de fraudes. para resolver. Além disso, oferecem alternativas para resolver lacunas e demandas do setor, principalmente no que tange o desbalanceamento de classes. A principal contribuição desta pesquisa reside no aprimoramento de técnicas consolidadas, na aplicação empírica rigorosa dos modelos, na análise crítica aprofundada dos resultados e, notavelmente, na promoção da inovação através da proposição de uma solução original para o desafio específico da geração de dados sintéticos e da data augmentation.

MEMBROS DA BANCA:
Externo à Instituição - ALEXANDRE XAVIER YWATA DE CARVALHO - IPEA
Externo ao Programa - 1320804 - ANDRE LUIZ MARQUES SERRANO - nullPresidente - 2288460 - CARLOS ROSANO PENA
Externo à Instituição - PEDRO HENRIQUE MELO ALBUQUERQUE - BC-EUA
Externo ao Programa - 1586287 - VICTOR RAFAEL REZENDE CELESTINO - null