Author:
Abreu Breno M. de,Pereira Thomaz H. S.,Gomes-Jr Luiz
Abstract
A detecção de anomalias em conjuntos de dados é de grande relevância para a área contábil onde registros irregulares podem ser considerados indícios de fraude. Este tipo de análise pode ser usado para mitigar riscos e evitar perdas financeiras, sobretudo no setor público. Este trabalho tem como objetivo a detecção de anomalias em dados de notas fiscais reais de licitações do setor público brasileiro de forma autônoma, realizando uma análise comparativa entre os algoritmos Local Outlier Factor, Isolation Forest e Self-Organizing Maps em relação à sua capacidade de localizar possíveis casos de fraude. Os resultados mostraram que o Isolation Forest foi mais efetivo em detectar fraudes em comparação aos demais algoritmos.
Publisher
Sociedade Brasileira de Computação - SBC
Reference17 articles.
1. Brasil (2019). Ncm.
2. Brasil (2021). Lei federal nº 14.133/21 art. 90, de 1 de abril de 1993. Diário Oficial [da] República Federativa do Brasil. Acessado em: 25 Outubro 2023.
3. Breunig, M., Kriegel, H.-P., Ng, R., and Sander, J. (2000). Lof: Identifying density-based local outliers. SIGMOD ’00: Proceedings of the 2000 ACM SIGMOD international conference on Management of data. Acessado em: 15 Outubro 2023.
4. Brzezinska, A. and Horyn, C. (2022). Self-organizing map algorithm as a tool for outlier detection. Procedia Computer Science. Acessado em: 27 Maio 2023.
5. Chandola, V., Banerjee, A., and Kumar, V. (2009). Anomaly detection: A survey. ACM Computing Surveys, 41(3). Acessado em: 27 Maio 2023.