Análisis de redes de operaciones notariales

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

Resumen de privacidad
Instituto de Ingeniería del Conocimiento

En Asociación para el Desarrollo de la Ingeniería del Conocimiento usamos cookies propias y de terceros necesarias para que nuestro sitio web funcione adecuadamente y para fines analíticos. política de cookies

Al pulsar “Guardar cambios”, se guardará la selección de cookies que hayas realizado. Si no has seleccionado ninguna opción, pulsar este botón equivaldrá a rechazar todas las cookies.

Cookies necesarias

Son aquellas que ayudan a hacer una página web utilizable activando funciones básicas como la navegación en la página y el acceso a áreas seguras de la página web. La página web no podrá funcionar adecuadamente sin estas cookies. Le informamos de que puede configurar su navegador para bloquear o alertar sobre estas cookies, sin embargo, es posible que determinadas áreas de la página web no funcionen. Estas cookies no almacenan ninguna información de identificación personal. El reproductor de Youtube usa cookies publicitarias, el cual usamos para poder ver vídeos insertados.

Cookies de analítica

Son aquellas que permiten al Editor de las mismas, el seguimiento y análisis del comportamiento de los usuarios de los sitios web a los que están vinculadas. La información recogida mediante este tipo de cookies se utiliza en la medición de la actividad de los sitios web, aplicación o plataforma, con el fin de introducir mejoras en función del análisis de los datos de uso que hacen los usuarios del servicio. Las cookies analíticas utilizadas son:

Cookies que se utilizan:
_ga (Google Analytics) | _gid (Google Analytics) |