Pode a bitcoin facilitar o cometimento do crime de lavagem de dinheiro?
Bibliographic record
Abstract
Umas das inovações que vêm gerando discussões na seara jurídica tratam-se das criptomoedas, especialmente da bitcoin, que é a criptomoeda precursora e com mais valor de mercado. A tecnologia da bitcoin garante um funcionamento descentralizado e, portanto, com total ausência de controle, tornando-a imune à soberania Estatal. Tal ausência de controle Estatal é visto por muitos como uma oportunidade para o cometimento de crimes, portanto, o problema e objeto central da presente investigação trata-se do surgimento da bitcoin, que em razão de suas caraterísticas únicas trouxe consigo novos desafios ao Direito Penal. Desta forma, questiona-se: pode a bitcoin facilitar o cometimento do crime de lavagem de dinheiro? Tem-se como hipótese que a bitcoin em razão de suas características, em especial as relativas à descentralização, poderia facilitar o cometimento do crime de lavagem de dinheiro, vez que um dinheiro oriundo de crime poderia se transformar em bitcoins, perdendo, portanto, o vínculo com o crime anterior praticado, ou seja, ocorrendo neste caso a lavagem de dinheiro utilizando-se da bitcoin. No tocante a metodologia, será utilizado o método lógico dedutivo a partir da revisão bibliográfica, buscando conceitos técnicos tanto da tecnologia quanto do Direito. Como resultado, a pesquisa demonstrou a hipótese como parcialmente verdadeira, pois, embora a bitcoin seja um facilitador, na realidade não é o melhor facilitador por ter formas de rastreio das transações realizadas, ficando atrás de métodos tradicionais utilizados pelo crime, como por exemplo, a lavagem de dinheiro com moedas correntes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".