Como a repressão ao crime pode cegar os sistemas que deveriam detectá-lo
Treinei um computador para reconhecer transações criminosas em bitcoin. Nos testes, ele identificou 86% delas, quase sem alarmes falsos. Então, de uma quinzena para a outra, passou a identificar apenas 2%. Nada mudou no programa. Mudou o mundo que ele observava: naquele momento, as autoridades haviam derrubado um grande mercado criminoso da internet, e quem usava bitcoin para fins ilícitos mudou de comportamento.
Diversos mercados ilegais funcionam na dark web, um conjunto de sites que só se abrem com programas especiais, como o navegador Tor, desenhados para esconder quem visita e quem hospeda. O pioneiro, o Silk Road, lançado em 2011, parecia uma loja virtual qualquer, com vitrines de vendedores e avaliações por estrelas. A diferença estava no catálogo, dominado por drogas, e no meio de pagamento, o bitcoin. Fechado pelo FBI em 2013, teve muitos sucessores. O maior deles, o AlphaBay, que vendia também armas e dados de cartões de crédito roubados, foi derrubado em julho de 2017 por uma operação conjunta de polícias americanas e europeias.
O bitcoin atrai esse comércio porque dispensa bancos: o dinheiro vai de um endereço a outro, identificados por longas sequências de letras e números, sem que ninguém precise conhecer os titulares.
Mas há um detalhe que muitos criminosos subestimaram. Todas as transações ficam registradas, para sempre, num livro-razão público, o blockchain. Não se sabe quem é o dono de cada endereço, mas se sabe quanto passou de um para outro, e quando. Basta ligar um único endereço a uma pessoa para que todo o seu histórico se ilumine. Quem escolhe o bitcoin para esconder dinheiro escolhe, ironicamente, o meio de pagamento mais vigiado do mundo. Surgiu daí uma indústria de empresas que rastreiam o caminho do dinheiro e vendem o serviço a corretoras, bancos e autoridades.
Uma dessas empresas, a Elliptic, tornou pública em 2019, com pesquisadores do MIT, uma base com cerca de 200 mil transações reais de bitcoin, distribuídas em 49 quinzenas e classificadas como lícitas ou ilícitas. As datas e os nomes foram omitidos, mas os autores registram que, na quinzena 43, ocorreu o fechamento de um grande mercado da dark web, provavelmente o AlphaBay. Usei essa base para treinar o detector com as primeiras 34 quinzenas e testá-lo nas seguintes, que ele nunca tinha visto. O método, chamado floresta aleatória, constrói centenas de roteiros de perguntas de sim ou não, como os de um analista de crédito, e classifica cada transação pela “votação” entre eles. Até a quinzena 42, o detector encontra 782 das 914 transações ilícitas. A partir da 43, encontra apenas 3 de 169. E não adianta retreiná-lo com os dados novos: mesmo incluindo as primeiras quinzenas depois do choque, ele continua cego, porque poucas dezenas de exemplos do novo comportamento não pesam contra milhares do antigo.
Os economistas conhecem bem esse fenômeno. Em 1976, há exatos 50 anos, o economista Robert E. Lucas, da Universidade de Chicago, depois ganhador do Prêmio Nobel de Economia, mostrou que relações estimadas com dados do passado deixam de valer quando a política econômica muda, porque os agentes econômicos reagem à própria política, alterando o seu comportamento.
Um detector de lavagem de dinheiro é um modelo desse tipo: resume como os criminosos se comportavam sob certo regime de repressão. Quando a repressão funciona e os criminosos se reorganizam, o detector passa a descrever um mundo que não existe mais. Quem trabalha no mercado financeiro reconhecerá a história: os modelos de risco muitas vezes falham justamente nas crises, quando mais se precisa deles.
A lição interessa ao Brasil neste momento. Desde fevereiro de 2026, as corretoras de criptoativos estão sob a supervisão do Banco Central e têm deveres de prevenção à lavagem de dinheiro semelhantes aos dos bancos, inclusive o de comunicar operações suspeitas ao COAF. Boa parte desse trabalho será feita por sistemas automáticos de monitoramento. O presente exercício sugere três cuidados. Primeiro, nenhum sistema deve ser considerado aprovado de uma vez por todas: precisa ser testado continuamente, sobretudo depois de grandes operações policiais, quando os criminosos mudam de hábitos. Segundo, o desempenho deve ser acompanhado período a período, porque médias longas enganam: na média de todo o teste, o detector teria acertado 72%, número respeitável que esconde o colapso ocorrido. Terceiro, é preciso cuidado com a tentação de compensar a cegueira tornando o sistema mais sensível. O resultado seria uma avalanche de alarmes falsos, em que os casos relevantes se perdem, e um sistema que gera ruído demais também é, a seu modo, cego.
Por fim, vale notar que o golpe mais eficaz contra os mercados da dark web não veio de um algoritmo, mas de investigação policial e cooperação internacional. Os detectores são bons em reconhecer o crime que já conhecem. Reconhecer o crime novo continua sendo uma tarefa complexa, onde pessoas costumam ter maior sucesso.
(*)José Carlos de Souza Santos é professor da Faculdade de Economia, Adminstração, Contabilidade e Atuária da USP.
Os artigos publicados com assinatura não traduzem necessariamente a opinião do portal. A publicação tem como propósito estimular o debate e provocar a reflexão sobre os problemas brasileiros.