Resumo Técnico: A Anatomia dos Cenários de Golpe: Caracterização em Larga Escala e Detecção Consciente de Conversação

1. Declaração do Problema

Os golpes online evoluíram para uma epidemia global, infligindo graves danos financeiros e psicológicos, além de imporem cargas operacionais significativas às instituições financeiras. Embora pesquisas anteriores tenham estudado extensivamente as Técnicas Psicológicas (TPs) (ex: autoridade, urgência, medo) como sinais persuasivos isolados, elas frequentemente negligenciam os esquemas operacionais recorrentes (cenários de golpe) nos quais essas técnicas são sistematicamente implantadas. Os golpistas não empilham TPs arbitrariamente; eles as inserem em narrativas reutilizáveis (ex: falsas ofertas de emprego, personificação de serviços de utilidade pública) para escalar campanhas com o mínimo de adaptação.

Além disso, os sistemas de detecção existentes enfrentam dificuldades em ambientes de defesa práticos. A defesa contra golpes ocorre frequentemente durante interações de atendimento ao cliente parciais e em desenvolvimento, onde os defensores devem inferir o cenário de golpe subjacente a partir de narrativas de clientes incompletas, ruidosas e em evolução. As abordagens atuais falham em transferir efetivamente o conhecimento de relatórios de incidentes retrospectivos de larga escala para a análise de conversação em tempo real, turno a turno, particularmente ao lidar com desafios como contexto incompleto, início incerto de evidências e diversos estilos narrativos.

2. Metodologia

O artigo propõe uma abordagem de duas fases: um estudo empírico de larga escala para caracterizar cenários de golpes e um framework de detecção consciente de conversação (EARS).

2.1. Estudo Empírico: Descoberta de Cenários de Golpe

Os autores realizaram uma análise baseada em dados sobre 102.054 relatórios de incidentes de golpes reais do BBB Scam Tracker (fevereiro de 2024 – outubro de 2025).

• Construção da Taxonomia: Utilizando BERTopic para agrupamento inicial, os autores identificaram 99 tópicos preliminares. Estes foram refinados através de um pipeline de sumarização assistida por LLM e anotação por especialistas humanos (envolvendo aprendizado ativo) para consolidá-los em 18 cenários de golpe distintos e detalhados.
• Agrupamento Hierárquico: Os 18 cenários foram agrupados em 6 táticas de alto nível baseadas em seus perfis dominantes de TP (ex: "Autoridade e Conformidade", "Relacionamento e Confiança").
• Análise de Infraestrutura: O estudo analisou infraestruturas compartilhadas (IPs, domínios, e-mails) para identificar campanhas coordenadas, revelando que os golpistas reutilizam recursos para lançar operações de larga escala e trans-táticas.

2.2. EARS: Detecção de Cenário de Golpe Consciente de Conversação

Para traduzir o conhecimento de nível de cenário em detecção precoce, os autores desenvolveram o EARS (Early Anti-scam Recognition System). O sistema trata a detecção como uma tarefa de classificação de texto sequencial, onde o modelo atualiza as previsões conforme os turnos da conversa se acumulam.

• Modelo de Ameaça: O defensor (ex: um agente bancário) observa a narrativa de um cliente durante uma investigação de fraude. O objetivo é identificar o cenário de golpe o mais cedo possível, distinguindo entre consultas legítimas e golpes em evolução.
• Pipeline de Treinamento de Dois Estágios:
  1. Pré-treinamento de Relatórios de Incidentes: Um classificador de cenários é pré-treinado em um corpus de larga escala de relatórios de incidentes. Isso permite que o modelo aprenda semântica de nível de cenário robusta antes de se adaptar ao formato de conversação.
  2. Transfer Learning para Conversações: O modelo pré-treinado é ajustado (fine-tuned) em conversas de atendimento ao cliente usando três inovações principais:
     • Modelagem Consciente de Fase: O sistema classifica cada turno em uma de três fases: Não relacionado (saudações), Narrativa (contexto) ou Evidência de Golpe. Ele injeta características de estado de fase e offsets de início de evidência no modelo para ajudá-lo a reter o julgamento durante fases benignas e se comprometer com uma previsão assim que a evidência diagnóstica aparece.
     • Aumento de Dados Baseado em LLM: Para lidar com a escassez de dados de conversação rotulados e a variabilidade estilística, um LLM reescreve as conversações com personas e estruturas narrativas variadas, preservando os rótulos de cenário subjacentes.
     • Perda de Turno Consciente de Fase (PATL): Uma função de perda customizada aumenta o peso dos turnos que contêm evidências de golpe e reduz o peso dos turnos não relacionados, incentivando o modelo a focar em sinais diagnósticos.

3. Principais Contribuições

1. Taxonomia de Larga Escala: A primeira taxonomia baseada em dados e hierárquica de cenários de golpe, composta por 18 cenários detalhados agrupados em 6 táticas, derivada de mais de 100 mil relatórios de incidentes.
2. Insights Empíricos:
   • Empilhamento de PT: Os golpistas frequentemente empilham TPs; cada PT adicional correlaciona-se com um aumento de 26,27% na perda monetária esperada.
   • Adaptação Estratégica: Os golpistas adaptam os cenários para objetivos específicos (ex: exposição ampla vs. extração de alto valor) e adaptam a infraestrutura (domínios descartáveis vs. resilientes) de acordo.
   • Coordenação de Campanhas: Mais de 30% dos incidentes estão ligados a campanhas distintas, sendo que a maior campanha abrange todos os 18 cenários e 3.809 incidentes.
3. Framework EARS: Um novo sistema de detecção que transfere com sucesso o conhecimento de cenários de relatórios estáticos para conversas dinâmicas, lidando com contexto incompleto e início incerto de evidências através de modelagem consciente de fase e aumento de dados.

4. Resultados

O sistema foi avaliado em 1.115 conversas de atendimento ao cliente (sintetizadas de chamadas reais de investigação de fraude pelo parceiro industrial Charm Security).

• Detecção de Nível de Tática: O EARS alcançou 84,41% de acurácia e 84,14% de F1 na classificação da tática de golpe de alto nível.
• Detecção de Nível de Cenário: O EARS alcançou 75,17% de acurácia e 71,39% de macro-F1 para a classificação de cenário detalhado.
• Capacidade de Detecção Precoce: O sistema classifica o cenário correto dentro de suas 3 principais previsões em até 91,04% dos casos. Notavelmente, a acurácia melhora significativamente apenas um turno após o primeiro aparecimento da evidência de golpe (saltando de ~56% para ~70%+).
• Desempenho Comparativo:
  • O EARS superou a melhor baseline de LLM few-shot (GPT-5.4) em 25,62 pontos em macro-F1 de cenário.
  • Superou as baselines padrão de Transformer (sem modelagem de fase ou aumento de dados) em 5,24 pontos em macro-F1 de cenário.
  • Estudos de ablação confirmaram que tanto o aumento de dados baseado em LLM quanto a modelagem consciente de fase são críticos, contribuindo com aproximadamente 2 a 4 pontos percentuais cada para o desempenho final.

5. Significância e Alegações

O artigo afirma que o conhecimento de nível de cenário destilado de relatórios de incidentes de larga escala é transferível e eficaz para a detecção precoce em conversas de atendimento ao cliente. Ao ir além da detecção de PTs isoladas para uma abordagem holística consciente de cenário, os autores demonstram que:

• Os golpistas operam dentro de esquemas operacionais estruturados e reutilizáveis que podem ser sistematicamente caracterizados.
• Sistemas automatizados podem alavancar esses padrões para apoiar intervenções oportunas, reduzindo a carga de investigação e as perdas financeiras.
• A metodologia proposta preenche a lacuna entre a análise forense retrospectiva e a ação defensiva em tempo real, fornecendo uma base prática tanto para analisar ecossistemas de golpes quanto para implantar sistemas de alerta precoce em instituições financeiras.

Os autores mantêm uma postura modesta, reconhecendo que a taxonomia não é exaustiva (incluindo uma categoria "Outros" para relatórios não identificáveis) e que o sistema depende de dados sintéticos devido a restrições de privacidade, embora argumentem que os dados sintéticos refletem fielmente os padrões de interação do mundo real.