Detecção de documentos acadêmicos falsificados: uma solução baseada em aprendizado de máquina

Abstract

Nos últimos anos, no Brasil, o expressivo aumento do número de ingressantes, formandos e de instituições de ensino superior, trouxe consigo desafios relacionados à validação da autenticidade de certificados acadêmicos. Atualmente, o processo consiste na verificação de forma predominantemente manual, sujeita a erros e falhas, como a aceitação de documentos falsificados. Nesse contexto, surge a Jornada do Estudante, um sistema disponibilizado pelo Ministério da Educação (MEC), que oferece, entre outras funcionalidades, o acompanhamento de registros acadêmicos de estudantes por meio de uma rede distribuída permissionada, de forma a garantir que somente instituições de ensino digitalmente comprovadas possam registrar créditos e certificações. O presente trabalho de conclusão de curso revisita o estado da arte em detecção de documentos falsificados por aprendizado de máquina e desenvolve um protótipo de solução híbrida que, a partir da imagem digitalizada de documentos acadêmicos, encadeia o agrupamento em famílias de mesmo template, a geração de falsificações para treinamento e um detector forense supervisionado, capaz de localizar adulterações no nível do pixel, classificando cada exemplar conforme seu grau de legitimidade. Avaliado sobre a classe de falsificações mais realista, que reproduz adulterações sutis e localizadas em campos do documento, o detector conseguiu detectar 75\% dos documentos adulterados, com precisão de 97\% entre os exemplares apontados como fraudulentos. Ao integrar esse sistema à Jornada do Estudante, é possível validar automaticamente os documentos antes de seu registro em blockchain, aumentando significativamente a segurança e a confiabilidade do processo de credenciamento.