💸 Projeto A3 – Ciência de Dados – Detecção de Padrões Suspeitos em Transações PIX

🎯 Proposta do Projeto

Este projeto tem como objetivo detectar comportamentos suspeitos relacionados a golpes financeiros praticados via Pix, com base nos cenários descritos pelo Banco Central do Brasil, como:

• Golpe do Falso Funcionário: onde a vítima transfere valores para contas de terceiros acreditando estar lidando com o banco ou autoridade legítima;
• Golpe do Perfil Falso ou Produto Inexistente: onde a vítima realiza uma transferência e o golpista desaparece após o recebimento.

O sistema foi desenvolvido com base na base de dados simulada PaySim1, e utiliza estruturas de dados implementadas manualmente para detectar padrões de risco em contas e transações.

Fonte: Banco Central – Golpes Financeiros

---

🧠 O que fizemos

• Desenvolvemos uma aplicação em Java, conectada a um banco de dados MySQL, capaz de processar milhares de transações Pix simuladas.
• Utilizamos estruturas de dados desenvolvidas do zero (listas encadeadas e árvore binária) para organizar, buscar e classificar os dados.
• Implementamos regras que detectam:
  • Contas zumbis: contas que fazem apenas 1 transação de valor elevado;
  • Contas com alto volume financeiro: possíveis hubs de golpe ou lavagem;
  • Fraudes rotuladas: validação cruzada com a coluna isFraud da base de dados;
• Geramos arquivos .csv para cada análise e disponibilizamos os resultados com clareza.

---

⚙️ Tecnologias Utilizadas

• Linguagem: Java 17
• Banco de Dados: MySQL
• Conexão com o BD: JDBC
• Dataset: PaySim1 – Kaggle
• Ferramentas: Git, GitHub, SCP, SSH

---

🧱 Estrutura e Arquitetura da Solução

A aplicação segue um fluxo simples e eficiente:

1. Importação dos dados do MySQL (transactions).
2. Armazenamento nas estruturas personalizadas, como listas de transações e árvore de contas.
3. Análise de padrões suspeitos usando regras baseadas em comportamento.
4. Exportação dos resultados em arquivos .csv para visualização e análise.

Estruturas de Dados Implementadas:

✔️ Listas Encadeadas

• Usadas para armazenar transações separadas por tipo (TRANSFER, CASH_OUT, etc.).
• Permitem varreduras e análises sequenciais, como filtragem por tipo ou valor.

✔️ Árvore Binária de Busca (ABB)

• Utilizada para armazenar contas com base em valor movimentado.
• Permite extração eficiente das top 10 contas mais ativas.

✔️ Contadores customizados

• Estrutura auxiliar para contar e comparar tipos de transações suspeitas ou fraudulentas.

Todas as estruturas foram criadas manualmente conforme exigido na disciplina, sem uso de bibliotecas externas.

---

📂 Arquivos Gerados (.csv)

Arquivo	Descrição
original_isfraud.csv	Transações identificadas como fraudes pelo campo oficial isFraud = 1
fraud_transactions.csv	Subconjunto de fraudes que também estão nas listas analisadas pela aplicação
zombie_accounts.csv	Contas com apenas 1 transação e alto valor (acima do percentil 95)
top_accounts.csv	Top 10 contas que mais movimentaram valores no sistema

---

🧪 Resultados e Conclusões

A análise demonstrou que é possível:

• Detectar comportamentos atípicos de contas, como uso único ou movimentações desproporcionais;
• Identificar potenciais fraudes sem depender exclusivamente de isFraud, reforçando a robustez analítica;
• Utilizar estruturas de dados simples para tratar grandes volumes de dados com eficiência.

Além disso, mesmo sem cruzamento exato entre nossas detecções e os rótulos de fraude da base, demonstramos a eficácia de critérios comportamentais independentes para triagem de risco.

---

💻 Demonstração na Nuvem

O projeto foi executado em uma máquina virtual Ubuntu 24.04 LTS na Microsoft Azure (via Azure for Students), utilizando:

• SSH para acesso remoto
• SCP para envio/recebimento de arquivos
• JDK 17 instalado diretamente na VM
• Execução remota via terminal

Os arquivos .csv foram gerados diretamente na nuvem e transferidos para análise local.

---

👥 Integrantes do Grupo

• Aline Souza Rodrigues – RA: 12524229895
• Gustavo Henrique da Silva – RA: 12523161925
• Julia Cristina Ferreira Silva – RA: 1252413494
• Victor Otávio Carella de Brito – RA: 12524118312

---

📌 Considerações Finais

Este projeto cumpre integralmente os requisitos da atividade prática A3 da disciplina Estrutura de Dados e Análise de Algoritmos, incluindo:

• Uso da linguagem Java
• Conexão com banco relacional
• Implementação de estruturas dinâmicas manuais
• Geração de arquivos e relatórios

Ao focar na detecção de padrões comportamentais, entregamos um sistema com potencial de aplicação real, que complementa os métodos tradicionais de detecção de fraudes.