Con un algoritmo llamado Reconocimiento Optimizado de Fraudes (ROF), el sistema combina redes neuronales y modelos probabilísticos para detectar patrones inusuales que podrían indicar actividades ilícitas.

“Trabajamos con conceptos estadísticos y probabilísticos de alta complejidad. A través de la cooperación con la Receita Federal, conseguimos desarrollar una representación probabilística de las trayectorias vehiculares, complementada con un modelo de Deep Learning capaz de interpretar esas representaciones como entradas de datos y generar predicciones confiables”, explicó Kame Haung Zhu, una de las investigadoras.

El sistema fue testeado en el puente, por donde pasan más de 40.000 vehículos diarios, incluyendo autos, taxis, buses y camiones. Los ensayos demostraron que el modelo puede procesar datos en tiempo real y detectar movimientos anómalos, como rutas repetitivas, que coinciden con casos registrados por las autoridades.

“Tradicionalmente, la selección de vehículos sospechosos se realizaba mediante observación visual o criterios empíricos basados en la experiencia de los agentes. Sin embargo, el volumen de tránsito actual y la sofisticación de las operaciones ilícitas exigen métodos más avanzados, apoyados en datos y aprendizaje automático”, afirmó Caio Lira, auditor de la Receita Federal.

Presentado en el Simpósio Brasileiro de Banco de Dados 2025 en Fortaleza, el proyecto destaca por integrar ciencia de datos y control aduanero. Aunque aun en desarrollo, podría aplicarse en otras fronteras de Brasil y servir como ejemplo para la región.

Las cámaras del puente ya registran y analizan cada cruce, marcando un nuevo paso en la modernización de la seguridad fronteriza.