Pesquisadores propõem sistema de registro de terras em blockchain com detecção de fraudes por inteligência artificial

Autores do artigo original: Rasad Regmi, Dipesh DC, Birat Aryal, Pranav Subedi

Pesquisadores do Nepal desenvolveram um protótipo de sistema que combina a tecnologia blockchain com inteligência artificial para modernizar o registro de terras e reduzir fraudes em documentos. O sistema proposto armazena apenas dados criptográficos na rede Ethereum para garantir a privacidade dos cidadãos, enquanto uma ferramenta de aprendizado de máquina auxilia na validação de certidões. Os testes demonstram a viabilidade técnica do modelo híbrido, que preserva as etapas de verificação física exigidas pela legislação nepalesa.

Por Rasad Regmi, Dipesh DC, Birat Aryal e Pranav Subedi, Nepal College of Information Technology (Pokhara University) — Kathmandu, Nepal

Publicado em 02-10-2026 • Atualizado em 03/10/2026, 14:06:41

O atual processo de registro de propriedades no Nepal é predominantemente baseado em papel físico, o que exige múltiplas visitas presenciais a repartições públicas e expõe os registros a riscos de falsificação, perda e disputas judiciais. Para mitigar esses problemas, um estudo conduzido por engenheiros de software do Nepal College of Information Technology propôs uma solução que integra contratos inteligentes na rede de testes Ethereum Sepolia e análise automatizada de documentos.

O modelo desenvolvido utiliza uma arquitetura híbrida de armazenamento. Para proteger a privacidade dos usuários, os dados pessoais e os documentos legais completos permanecem salvos em um banco de dados convencional off-chain (PostgreSQL). Apenas os identificadores de propriedade e os hashes criptográficos SHA-256 (assinaturas digitais únicas geradas a partir dos arquivos) são registrados diretamente na blockchain, funcionando como um rastro auditável e imutável contra adulterações de dados de propriedade.

Inteligência artificial contra falsificações

Como a legislação nepalesa exige a verificação física e biométrica dos envolvidos na transferência de terras, a proposta não substitui os funcionários públicos por automação total, mas atua como uma ferramenta de triagem prévia. Os pesquisadores integraram um pipeline de inteligência artificial que combina reconhecimento óptico de caracteres (OCR) com um classificador do tipo Random Forest calibrado para identificar alterações nos certificados de propriedade (conhecidos localmente como Lalpurja).

O modelo de IA foi avaliado utilizando um conjunto de dados sintético com 2.000 certidões, sendo 1.000 autênticas e 1.000 com fraudes simuladas (como substituição de campos, rasuras, alterações de fontes e assinaturas falsas). Em sua configuração completa, que analisa metadados dos formulários, o sistema alcançou uma área sob a curva ROC (ROC-AUC) de 0,854 e obteve uma taxa de recuperação de fraudes de 70% com uma tolerância de 10% para falsos positivos.

Para contornar as diferenças estruturais que documentos digitalizados reais possam apresentar em relação aos sintéticos usados no treino do modelo, o sistema conta com uma camada adicional de validação estrutural baseada em palavras-chave que ajusta a pontuação de confiabilidade do arquivo analisado.

Desempenho e limitações do sistema

Testes de desempenho do sistema indicaram tempos de resposta de API satisfatórios, com operações locais de leitura e gravação em banco de dados concluídas em menos de 30 milissegundos. No entanto, os tempos de resposta para as funcionalidades que dependem de interação com a rede blockchain Sepolia variaram entre 0,34 e 0,85 segundos devido à latência de comunicação com a rede distribuída. O tempo estimado para a confirmação de transações na rede de testes ficou entre 12 e 15 segundos.

Os autores apontaram limitações importantes no trabalho. A tecnologia foi validada estritamente em ambiente de testes e ainda não foi submetida a um cenário de implantação real. Além disso, o modelo de inteligência artificial apresentou desempenho reduzido na detecção de fraudes altamente complexas, como alterações sutis em fontes tipográficas (26,1% de detecção), remoção de...

Ler o artigo científico original

Revisado e aprovado por lss.duda antes da publicação.