Contexto
A inteligência artificial (IA) consiste na capacidade de máquinas ou computadores simularem o pensamento humano e a tomada de decisões. Uma área chave dentro da IA é o machine learning (aprendizado de máquina ou aprendizado automático em tradução livre). Com plataformas e algoritmos de IA e machine learning, é possível medir os níveis de felicidade individual, realizar certas ações para melhorar a experiência com o usuário e até mesmo construir um sistema judicial ou penitenciário com tarefas de análise e classificação muito específicas.
Problema
No México, há necessidade de uma segurança prisional mais eficiente, especialmente em termos de gestão de infraestrutura, segurança física e lógica, e também de pessoas.
Outra questão que coloca um desafio no sistema prisional federal do México tem a ver com a lentidão e a falta de efetividade nos processos de classificação de presos e avaliação de riscos. Além disso, no setor judiciário, o país carece de uma plataforma de análise automática que apoie a jurisprudência.
Solução
A análise do comportamento do usuário e de entidades – UEBA (por sua sigla em inglês: User and Entity Behavior Analytics) consiste no monitoramento, coleta e avaliação de dados e atividades dos usuários que interagem com um sistema, que pode ser informativo, transacional ou baseado em processos.
As tecnologias de UEBA utilizam IA e machine learning para analisar registros históricos de dados (big data), que podem conter números, texto, voz, áudio e vídeo para identificar padrões e alimentar sistemas que facilitam a tomada de decisões em campos como classificação de indivíduos, reintegração social, segurança física, segurança lógica e cibersegurança. Estes sistemas podem tomar medidas ou ações baseadas em suas descobertas e podem se ajustar automaticamente aos sistemas para tomar “decisões inteligentes automatizadas”.
As ferramentas de análise de comportamento do usuário têm funções mais avançadas de monitoramento de perfil e exceções do que os sistemas de computador e são utilizadas para determinar uma linha de base de atividades normais específicas para a organização e seus usuários individuais, e para identificar desvios da norma. A UEBA usa algoritmos de big data e machine learning para avaliar esses desvios em tempo real. Esse tipo de análise permite que uma organização faça classificações, tome decisões, detecte padrões não visíveis e descubra situações de risco ou outras potenciais ameaças à segurança.
A UEBA coleta vários tipos de dados, tais como funções e títulos dos usuários, incluindo acesso, contas e permissões; atividade do usuário e localização geográfica; e alertas de segurança. Estes dados podem ser coletados a partir de atividades passadas e atuais, e a análise considera fatores como os recursos utilizados, a duração das sessões, a conectividade e a atividade do grupo de pares, a fim de comparar comportamentos anômalos. Ela também é atualizada automaticamente quando se realizam alterações nos dados, como permissões adicionadas.
Os sistemas da UEBA não relatam todas as anomalias como de risco. Em vez disso, avaliam o impacto potencial do comportamento. Se envolve recursos menos sensíveis, recebe uma pontuação de baixo impacto; se for algo mais sensível, como informações de identificação pessoal, receberá uma pontuação de impacto maior. Dessa forma, as equipes de segurança podem priorizar qual rastreamento seguir, enquanto o sistema UEBA restringe ou aumenta automaticamente a dificuldade de autenticação para o usuário que apresenta um comportamento anômalo.
Algoritmos de aprendizagem automática permitem que os sistemas UEBA reduzam falsos positivos e forneçam uma inteligência de risco acionável mais clara e precisa para as equipes de segurança cibernética.
No México, os sistemas UEBA estão sendo testados em três áreas dentro do sistema de justiça:
- Segurança prisional mais eficiente: por meio dos modelos de parceria público-privada desenvolvidos para construir a infraestrutura prisional iniciada no México há dez anos, operadores privados começaram a testar plataformas de IA e linguagem de máquinas para gerenciar a infraestrutura de serviços gerais, de segurança – física e lógica – e das pessoas que trabalham diariamente (são mais de cem mil dispositivos e trinta mil pessoas).
- Classificação inteligente: o sistema prisional federal do México realizou testes para poder contar com ferramentas de IA para a realização de processos de classificação de forma mais rápida e eficiente. Os testes foram desenvolvidos para prever se os réus mostram risco de fuga através de seus registros criminais e judiciais. Outro campo onde os testes têm sido realizados com sucesso é o da prevenção, onde um conselho colocou essas ferramentas à prova para apoiar a administração do risco de uma pessoa cometer outro crime (reincidência).
- Plataforma de análise automatizada de litígios: através desta plataforma, o Judiciário está testando um sistema de IA que, ao ouvir um apelo ou consulta automaticamente, revisa um banco de dados de milhões de registros que incluem citações legais, sugere artigos para revisar e até mesmo calcular um nível de confiança, para ajudar os advogados a preparar casos. Além disso, quanto mais consultas recebe, mais aprende e sua eficácia aumenta. Com esses algoritmos, é possível levar em conta a opinião do juiz, das partes envolvidas no julgamento e dos tribunais. Uma vez que processa as informações, ela responde com base nas leis vigentes e traduz a terminologia. A plataforma acompanha, em tempo real, os resultados de vereditos e julgamentos que estabeleceram jurisprudência, de forma que possa alertar sobre qualquer risco que represente uma ameaça aos seus clientes e corrigi-lo. O sistema interpreta, executa juízos de valor de acordo com um estudo meticuloso sobre jurisprudência e os armazena em um repositório de dados estruturados e não estruturados, seguindo as tendências das arquiteturas de dados e análises para big data.
Resultados
Em termos de segurança prisional, a plataforma de IA tem como objetivo não só tornar as equipes de verificação mais eficientes, mas também a logística de visitas, verificações e atenção a eventos realmente necessários. Isso impede o desenvolvimento de um círculo puramente vicioso que pode até levar a situações de corrupção ou fugas de presos. Foram alcançados benefícios tanto no sentido administrativo (custo-benefício) quanto no sentido operacional (melhor planejamento da atenção aos defeitos versus a operação interna diária das instalações prisionais). Hoje, se dispõe de equipes de pessoas que visitam essas instalações para revisar ou verificar o estado atual da infraestrutura.
As ferramentas de classificação inteligente resultaram em ser mais precisas do que os juízes na previsão do que os réus fariam após sua libertação, enquanto, graças às ferramentas de prevenção, o sistema reduziu a taxa de criminalidade de forma controlada.
//
Jorge Medina é especialista em Segurança Global na TUTUM Tech, México. Possui mais de 20 anos de experiência em empresas multinacionais de tecnologia, onde foi responsável por liderar soluções e melhores práticas para governos nas Américas. Ele também foi o CIO do governo federal do México em áreas de segurança pública e segurança nacional por muitos anos. Medina é formado em Engenharia Eletrônica e Segurança Pública, é um Profissional Certificado de Segurança de Sistemas de Informação e possui um MBA.
