-
ANÁLISIS DE REDES DE OPERACIONES NOTARIALESDetectar clusters y anomalías en el contexto de la prevención del blanqueo de capitales
Objetivo
Mejorar la detección de potenciales operaciones blanqueo de capitales con el análisis de redes de personas vinculadas a través de operaciones notariales.
Un organismo especializado en la detección de posibles operaciones de blanqueo de capitales y financiación del terrorismo a partir de operaciones notariales busca mejorar y complementar su metodología.
En su base de datos, están registradas más de 2.300.000 de personas jurídicas y en el periodo 2005-2017 remitieron más de 5.000 notificaciones con indicios de delito de blanqueo o financiación del terrorismo. Ya tienen reglas de negocio implementadas para detectarlo, pero buscan un nuevo enfoque que aporte a su función.
Desde el Instituto de Ingeniería del Conocimiento – IIC, se apuesta por un proyecto basado en el análisis de redes sociales. A partir de los datos de las operaciones notariales realizadas, se pueden evidenciar relaciones entre documentos y personas jurídicas que sirvan de guía en la detección del blanqueo de capitales. En concreto, se proponen dos soluciones: la detección de clusters y de anomalías.
Solución
El primer paso de un proyecto de análisis de redes sociales es definir relaciones, y lo que define una relación entre dos personas jurídicas es haber participado en una o más operaciones notariales. Con esta idea, tras el pre-procesado de 2 años de datos de operaciones, se obtuvieron 100 millones de relaciones y 47 millones de nodos de todo tipo: documentos, personas jurídicas, objetos, etc.
En base a esta información, se trabajó en las dos soluciones propuestas:
Detección de clusters de personas jurídicas y documentos notariales
Se detectan comunidades o grupos de operaciones notariales relacionadas, así como de las personas jurídicas implicadas.
Además, para cada cluster, se obtiene un grafo de relaciones y sus características, para que el organismo sepa por dónde seguir investigando si detecta un caso de blanqueo de capitales.
Detección de anomalías en documentos notariales
Se desarrolló un modelo de Machine Learning para detectar patrones anómalos.
Como input del algoritmo, se analizaron casi 14 millones de documentos notariales y se tuvieron en cuenta más de 400 variables, tradicionales y basadas en el enfoque de redes: ¿con cuántos documentos se relaciona esta operación notarial? ¿Qué posición ocupa este documento en la red? Con todo esto, el algoritmo da un score de anomalía a cada documento notarial, entre 0 y 1, ordenándolos de menos a más anómalo.
Beneficio
La tecnología de análisis de redes sociales permite relacionar la información de la que ya se dispone y aportar un nuevo enfoque y solución. El enfoque de redes permite estructurar y analizar la información mediante una lógica diferente a las bases de datos tabulares (SQL). Y detectar en consecuencia relaciones que de otro modo pasarían desapercibidas. Un enfoque relacional es de gran utilidad en el contexto del blanqueo de capitales.
El score de anomalías, por su parte, lo que aporta es un análisis basado en un modelo no-lineal entrenado a partir del histórico de operaciones, que arroja resultados difícilmente detectables mediante reglas humanas.
En este sentido, las relaciones y redes de operaciones notariales obtenidas permiten al organismo complementar su análisis habitual. Tanto el score de anomalía como la detección de clusters lo guían en la investigación del blanqueo de capitales. Además, los grafos dados le permiten bucear en las relaciones de una forma más visual.
Las operaciones detectadas mediante ambas soluciones fueron analizadas por la Unidad de Análisis de este organismo para su posible comunicación por indicio al SEPBLAC, en base a lo establecido en el artículo 18 de la Ley 10/2010, de 28 de abril, de prevención del blanqueo de capitales y de la financiación del terrorismo.
Proyectos relacionados
Detección de incumplimiento del protocolo de Call Centers
Sistema basado en IA generativa que permite clasificar automáticamente llamadas telefónicas de call center
