Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Teixeira, Marcelo | - |
Autor(es): dc.contributor | Pereira Junior, Francisco | - |
Autor(es): dc.contributor | Mantovani, Rafael Gomes | - |
Autor(es): dc.contributor | Teixeira, Marcelo | - |
Autor(es): dc.creator | Trindade, Cesar Ricardo Velasque | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:11:10Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:11:10Z | - |
Data de envio: dc.date.issued | 2022-11-21 | - |
Data de envio: dc.date.issued | 2022-11-21 | - |
Data de envio: dc.date.issued | 2021-12-12 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/30144 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1108809 | - |
Descrição: dc.description | Endemic corruption is difficult to detect and treat, being a solid link of impunity. In computeri- zed systems, which are part of the complex public management network, it is possible that legitimate data are manipulated with an unlawful intention, shadowing reality with the purpose of evading the tax authorities. Detecting such patterns of illegitimacy is not a trivial task and, in general, it is associated with interpretive aspects of legitimate data before the system. As this interpretation depends on tracking and crossing a wide and complex tangle of information, of multiple natures, such as the web, external bases, state and federal public interfaces, etc., this task is often unfeasible, becoming the backbone of endemic corruption. In this article, data science techniques are applied to support the extraction of irregularity patterns and trends in real public databases. In particular, the LOF algorithm is applied, based on the concept of local density through k nearest neighbors, where distance is used to assess density, on public databases relating to fleet maintenance, to identify potentially transactions fraudulent. Two analyzes were carried out to illustrate the method, one concerning the refueling of vehicles with gasoline and the other concerning the refueling of vehicles with diesel oil. Results show that the performance of the algorithm evidences the existence of refueling records for vehicles above the fuel tank capacity, with 27 for refueling with gasoline and 90 for refueling with diesel oil. | - |
Descrição: dc.description | A corrupção endêmica é de difícil detecção e tratamento, sendo elo sólido de impunidade. Nos sistemas informatizados, que integram a complexa rede de gestão pública, é possível que dados legítimos sejam manipulados com intenção não legítima, sombreando a realidade com o propósito de burlar o fisco. Detectar tais padrões de ilegitimidade não é uma tarefa trivial e, em geral, está associada a aspectos interpretativos sobre dados legitimados perante o sistema. Como essa interpretação depende de rastrear e cruzar um amplo e complexo emaranhado de informações, de múltiplas naturezas, como web, bases externas, interfaces públicas estadual e federal, etc., tal tarefa é muitas vezes inviável, se tornando a espinha dorsal da corrupção endêmica. Neste artigo, técnicas de ciência de dados são aplicadas para subsidiar a extração de padrões de irregularidades e tendências em bases reais de dados públicos. Em particular, é aplicado o algoritmo Local Outlier Factor (LOF), baseado no conceito de densidade local através dos k vizinhos mais próximos, onde a distância é usada para avaliar a densidade, sobre bases de dados públicos relativos à manutenção de frotas, para identificar transações potencialmente fraudulentas. Duas análises foram conduzidas para ilustrar o método, uma relativa a abastecimentos de veículos a gasolina e outra referente a abastecimentos de veículos com óleo diesel. Resultados dão conta de que o desempenho do algoritmo evidencia a existência de registros de abastecimentos de veículos acima da capacidade do tanque de combustível, sendo 27 para abastecimentos com gasolina e 90 para abastecimentos com óleo diesel. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Dois Vizinhos | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Especialização em Ciência de Dados | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | Attribution-ShareAlike 4.0 International | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
Palavras-chave: dc.subject | Corrupção | - |
Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
Palavras-chave: dc.subject | Banco de dados | - |
Palavras-chave: dc.subject | Corruption | - |
Palavras-chave: dc.subject | Data mining | - |
Palavras-chave: dc.subject | Data bases | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Detecção de anomalias em sistemas de administração de frotas públicas municipais | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: