Extração de features de blockchain e perfilamento comportamental para análise de transações ilícitas
Artigo aceito na Forensic Science International: Digital Investigation (volume 58, setembro de 2026), assinado por Mahdi Daghmehchi Firoozjaei, MinChang Kim, Hyoungshick Kim, Arash Habibi Lashkari e Ali A. Ghorbani, propõe métodos de extração de características e perfilamento comportamental sobre dados de blockchain para apoiar a análise de transações ilícitas. Os autores fazem parte de grupos de pesquisa reconhecidos em forense digital e análise de tráfego (entre eles o Canadian Institute for Cybersecurity), o que dá peso metodológico ao trabalho. O texto completo está atrás de paywall na ScienceDirect, então a leitura abaixo é contextual, baseada no título, autoria e periódico.
O artigo foi publicado na FSI: Digital Investigation, periódico de referência em forense digital revisado por pares, no volume 58 (edição de setembro de 2026). A autoria reúne pesquisadores com histórico em análise de tráfego de rede e forense de dados (o grupo de Arash Habibi Lashkari é conhecido por ferramentas como CICFlowMeter, usadas amplamente em pesquisa de detecção de intrusão), o que sugere uma abordagem orientada a extração sistemática de atributos e não apenas a um estudo teórico.
Não foi possível recuperar o texto integral do artigo: a tentativa de acesso à página da ScienceDirect retornou erro 403 (bloqueio de acesso automatizado), e não há resumo (abstract) disponível no item coletado pelo RSS. Por isso, esta análise não reproduz metodologia, dataset ou métricas específicas do trabalho — o que seria mera especulação. Pelo título, é razoável inferir que o artigo trata de técnicas para extrair características de transações e endereços em blockchains públicas (ex.: grafos de transação, padrões temporais, agrupamento de endereços) e aplicar perfilamento comportamental para diferenciar atividade lícita de ilícita, mas os detalhes de implementação, algoritmos e resultados numéricos não podem ser confirmados sem acesso ao PDF.
Na prática, esse tipo de pesquisa importa para peritos e analistas que trabalham com rastreamento de criptoativos em investigações de lavagem de dinheiro, extorsão via ransomware, mercados na dark web e fraudes financeiras baseadas em cripto. Ferramentas de análise comportamental sobre blockchain (na linha de soluções comerciais como Chainalysis ou Elliptic) dependem justamente de features bem definidas e de modelos capazes de generalizar para novos padrões de ofuscação, como mixers e chain-hopping. Publicações revisadas por pares nessa área servem de base metodológica auditável, algo relevante quando esse tipo de evidência precisa resistir a contestação em processo judicial.
O fato de o artigo estar em periódico forense (e não em veículo genérico de segurança) reforça que o enquadramento pretendido é investigativo — apoio à perícia financeira digital — e não apenas defesa de rede. Recomenda-se, para quem acompanha esse subcampo, buscar acesso institucional ao artigo completo para avaliar a validade prática do método proposto antes de considerá-lo aplicável em casos reais.