Pular para o conteúdo principal

🧮 Fundamentos Teóricos

Base matemática e teórica que sustenta o Cidadão.AI.

📐 Teoria dos Grafos​

Modelagem de Relacionamentos​

Utilizamos grafos direcionados G = (V, E) onde:

  • V: Conjunto de entidades (contratos, empresas, órgãos)
  • E: Conjunto de relações (pagamentos, vínculos)

Detecção de Comunidades​

Algoritmo de Louvain para identificar clusters suspeitos:

  • Modularidade Q > 0.3 indica estrutura significativa
  • Comunidades densas podem indicar cartéis

🎲 Teoria da Informação​

Entropia de Shannon​

Medimos a incerteza em distribuições de contratos.

Alta entropia indica distribuição equilibrada, baixa entropia sugere concentração suspeita.

Divergência KL​

Comparamos distribuições esperadas vs observadas para detectar anomalias.

🤖 Machine Learning​

Isolation Forest​

Para detecção de anomalias não supervisionada:

  • Isola pontos anômalos com menos partições
  • Score de anomalia baseado em profundidade

LSTM Networks​

Para análise temporal de padrões:

  • Memória de longo prazo para tendências
  • Gates para controle de informação

📊 Estatística Aplicada​

Teste de Benford​

Verificação de autenticidade em valores financeiros:

  • Primeiro dígito deve seguir distribuição logarítmica
  • Desvios indicam possível manipulação

Z-Score Modificado​

Para detecção robusta de outliers usando MAD (Median Absolute Deviation).

🎯 Aplicação Prática​

Todos esses fundamentos convergem para criar um sistema que:

  1. Detecta anomalias com alta precisão
  2. Explica suas decisões matematicamente
  3. Aprende continuamente com novos dados
  4. Adapta estratégias baseado em resultados