{"_formato":{"versao":2,"detalhe":"dados-detalhe.json"},"definicoes":{"relacoes":{"é tipo de":"A é tipo, subclasse ou variante de B. Teste: todo A é um B?","é parte de":"A é componente, dimensão ou etapa de B. Teste: A está DENTRO de B, sem ser um B?","obtém":"A busca obter B da vítima: credenciais, dados, dinheiro, acesso.","imita":"A se passa por B ou copia sua aparência: instituição, marca, domínio, pessoa, comunicação legítima.","explora":"A se aproveita de B para produzir seu efeito: gatilho psicológico, vulnerabilidade humana ou técnica.","visa":"A tem B como alvo: tipo de vítima, grupo, setor ou organização.","usa":"A emprega B como instrumento, canal, dado, característica ou insumo. Teste: B é recurso de que A se serve?","mitiga":"A é contramedida (prática, controle, tecnologia ou política) que previne, detecta ou reduz o dano de B.","mede":"A é indicador, métrica, escala ou teste que QUANTIFICA B.","aplica-se a":"A é método, modelo ou técnica APLICADO a B. Teste: A é a ferramenta e B o objeto ou tarefa?","inibe":"A reduz, bloqueia, limita ou constrange B, sem ser contramedida.","causa":"A PRODUZ ou GERA B; o texto usa verbo causal explícito.","possibilita":"A torna B possível ou é pré-requisito. Teste: sem A, B não ocorre?","prediz":"A é preditor de B: permite antecipar B, como em um modelo preditivo.","influencia":"A afeta B com direção, sem produção nem papel de preditor.","supera":"A tem desempenho superior a B. A é o superior.","contrasta com":"A e B se OPÕEM ou diferem, sem ordem de superioridade.","associa-se a":"Vínculo explícito SEM direção nem diferença: conceitos correlacionados ou examinados conjuntamente.","relaciona-se com":"Conexão presente no texto, mas vaga demais para nomear. Raro."},"aspectos":{"Indefinido":"Não classificável no framework atual","Quantitativo":"Medidas, estatísticas, métricas, magnitudes, frequências, quantidades discretas","Espacial":"Localização, geografia, distribuição territorial, proximidade, distância","Cinemático":"Movimento, fluxo, sequência, mudança temporal, ritmo, ciclos","Físico":"Propriedades materiais, infraestrutura, dispositivos, redes físicas","Biótico":"Saúde, vida, organismos, ecologia, impactos ambientais e biológicos","Sensitivo":"Percepção, emoção, resposta psicológica, atitude","Analítico":"Desenho de pesquisa, análise, método, inferência, distinção, classificação","Formativo":"Planejamento, design, estratégia, inovação, gestão, construção de artefatos","Lingual":"Comunicação, mensagem, discurso, documentação, linguagem, signos","Social":"Redes, comunidade, dinâmicas coletivas, relações","Econômico":"Custos, mercados, finanças, capital, incentivos, ganho financeiro","Estético":"Narrativa, imagem, aparência, reputação, simbolismo, imitação visual","Jurídico":"Lei, regulação, conformidade, direitos, normas formais, governança institucional","Ético":"Responsabilidade moral, equidade, dever, integridade, justiça","Pístico":"Confiança, convicção fundamental, crença, cosmovisão, valores últimos, fé"},"zonas":{"Objetivo":"Intenção, pergunta, hipótese ou referencial teórico adotado pelo estudo atual.","Lacuna":"Ausência, limitação ou problema que motiva o estudo, incluindo agenda de pesquisa futura.","Método":"Como o estudo foi conduzido ou operacionalizado, incluindo dados e configuração experimental.","Resultado":"Observação, métrica ou achado produzido pelo estudo.","Conclusão":"Interpretação, implicação ou contribuição derivada do estudo.","Recomendação":"Ação que alguém deve tomar para prevenir, detectar ou responder ao golpe.","Objeto":"Nomeação, definição ou delimitação do objeto estudado sem outra função predominante.","Contexto Prévio":"Conhecimento anterior ou contexto apresentado como estabelecido."},"confianca":{"Alta":"Segmentação, zona, conceitos, relações e estatutos são diretamente sustentados pelo trecho e não exigem decisão interpretativa relevante.","Média":"A extração é sustentada, mas exige normalização, escolha entre categorias próximas ou alguma inferência semântica moderada.","Baixa":"A evidência textual é fraca, indireta ou permite classificações alternativas igualmente plausíveis."},"estatutos":{"Afirmada":"O texto afirma que a relação existe, como achado do estudo ou fato estabelecido.","Hipotética":"O texto propõe a relação sem afirmá-la: hipótese, expectativa, sugestão ou explicação possível.","Investigada":"O texto pergunta ou examina se a relação existe, sem afirmá-la nem propor resposta.","Negada":"O texto afirma que a relação não existe ou que o efeito não ocorreu.","Inconclusiva":"O texto relata falta de evidência, resultado não significativo, misto ou inconclusivo."},"focos":{"Mecanismo do Ataque":"Como o ataque é construído, disfarçado, direcionado ou escalado: o que imita, o que explora, o que busca obter, como evade defesas.","Vítima":"Por que o ataque funciona com pessoas: suscetibilidade, percepção, comportamento e fatores de risco.","Detecção":"Como identificar o golpe de forma automatizada: classificadores, modelos, sistemas e suas avaliações.","Prevenção e Resposta":"O que fazer contra o golpe: conscientização, treinamento, políticas, contramedidas organizacionais, normas e resposta a incidentes.","Ecossistema do Atacante":"A operação do atacante: domínios, hospedagem, kits, campanhas e fluxos financeiros.","Não Especificado":"Nenhuma parte acima descreve o artigo, ou o texto é genérico demais para distinguir."},"tipos":{"Revisão Sistemática":"Revisão com protocolo explícito de busca, seleção e síntese, incluindo SoK e mapeamento sistemático.","Revisão Narrativa":"Revisão ou survey sem protocolo explícito de busca e seleção.","Proposta de Sistema":"Novo artefato computacional (modelo, sistema, framework, arquitetura), avaliado ou não.","Estudo Empírico":"Medição, experimento, benchmark ou análise de dados sobre algo que já existe.","Proposta Conceitual":"Nova taxonomia, ontologia, índice, modelo conceitual ou ensaio teórico, validado empiricamente ou não."},"atores":{"Usuário":"Pessoa que recebe a mensagem ou usa o serviço.","Organização":"Empresa ou instituição que protege seus membros, sistemas ou clientes.","Plataforma ou Provedor":"Provedor de e-mail, rede social, mensageria, hospedagem, registro de domínio ou navegador.","Instituição Financeira":"Banco, fintech, operadora de pagamento ou corretora de criptoativos.","Poder Público":"Legislador, regulador, órgão de governo ou de aplicação da lei.","Desenvolvedor de Sistemas":"Quem projeta ou mantém detectores, filtros e sistemas de defesa."}},"campos":[{"nome":"descricao","papel":"descricao","tipo":"TEXT","escopo":"SOURCE","descricao":"Resumo de uma frase (15-30 palavras) do foco e objetivo principal do artigo.","obrigatorio":true,"n_valores":0},{"nome":"golpe_estudado","papel":"golpe_estudado","tipo":"TEXT","escopo":"SOURCE","descricao":"Golpe ou ataque contra vítimas que o artigo estuda, como os autores o nomeiam.","obrigatorio":true,"n_valores":0},{"nome":"foco_de_pesquisa","papel":"foco_de_pesquisa","tipo":"ENUMERATED","escopo":"SOURCE","descricao":"Parte do fenômeno do golpe sobre a qual o artigo produz conhecimento.","obrigatorio":true,"n_valores":6},{"nome":"tipo_de_contribuicao","papel":"tipo_de_contribuicao","tipo":"ENUMERATED","escopo":"SOURCE","descricao":"Natureza da contribuição principal que o artigo entrega; indica o peso da evidência que ele fornece.","obrigatorio":true,"n_valores":5},{"nome":"metodo","papel":"metodo","tipo":"TEXT","escopo":"SOURCE","descricao":"Métodos de pesquisa explicitamente nomeados no texto, na ordem de aparição.","obrigatorio":true,"n_valores":0},{"nome":"canal","papel":"canal","tipo":"TEXT","escopo":"SOURCE","descricao":"Canal ou vetor pelo qual o golpe estudado chega à vítima ou se propaga.","obrigatorio":false,"n_valores":0},{"nome":"fonte_de_dados","papel":"fonte_de_dados","tipo":"TEXT","escopo":"SOURCE","descricao":"Base, dataset ou população de onde os dados foram obtidos.","obrigatorio":false,"n_valores":0},{"nome":"ferramentas","papel":"ferramentas","tipo":"TEXT","escopo":"SOURCE","descricao":"Software, biblioteca ou plataforma nomeada usada como instrumento para processar ou analisar os dados.","obrigatorio":false,"n_valores":0},{"nome":"unidade_de_analise","papel":"unidade_de_analise","tipo":"TEXT","escopo":"SOURCE","descricao":"Tipo de entidade que cada observação do estudo representa.","obrigatorio":false,"n_valores":0},{"nome":"periodo","papel":"periodo","tipo":"TEXT","escopo":"SOURCE","descricao":"Intervalo temporal coberto pelos dados analisados.","obrigatorio":false,"n_valores":0},{"nome":"contexto_geografico","papel":"contexto_geografico","tipo":"TEXT","escopo":"SOURCE","descricao":"Território ao qual os dados ou resultados do estudo se referem.","obrigatorio":false,"n_valores":0},{"nome":"contexto_setorial","papel":"contexto_setorial","tipo":"TEXT","escopo":"SOURCE","descricao":"Setor de atividade das organizações ou vítimas estudadas.","obrigatorio":false,"n_valores":0},{"nome":"trecho","papel":"trecho","tipo":"QUOTATION","escopo":"ITEM","descricao":"Trecho literal do texto integral cobrindo uma única zona retórica (1-3 frases).","obrigatorio":true,"n_valores":0},{"nome":"secao","papel":"secao","tipo":"TEXT","escopo":"ITEM","descricao":"Título da seção do documento em que o trecho aparece.","obrigatorio":false,"n_valores":0},{"nome":"zona","papel":"zona","tipo":"ENUMERATED","escopo":"ITEM","descricao":"Zona retórico-funcional (CoreSC x AZ-II calibrado para texto integral).","obrigatorio":true,"n_valores":8},{"nome":"chain","papel":"relacao","tipo":"CHAIN","escopo":"ITEM","descricao":"Relação explícita entre conceitos nomeados no trecho (aresta ou caminho do grafo).","obrigatorio":false,"n_valores":19},{"nome":"estatuto","papel":"estatuto","tipo":"ENUMERATED","escopo":"ITEM","descricao":"Estatuto epistêmico da cadeia imediatamente anterior, como o texto a apresenta.","obrigatorio":false,"n_valores":5},{"nome":"justificativa","papel":"justificativa","tipo":"MEMO","escopo":"ITEM","descricao":"Fundamento da cadeia imediatamente anterior e condições em que ela vale.","obrigatorio":false,"n_valores":0},{"nome":"ator","papel":"ator","tipo":"ENUMERATED","escopo":"ITEM","descricao":"Quem deve executar a ação recomendada no trecho.","obrigatorio":false,"n_valores":6},{"nome":"observacao","papel":"observacao","tipo":"MEMO","escopo":"ITEM","descricao":"Registro do ITEM que não pertence a uma cadeia específica.","obrigatorio":false,"n_valores":0},{"nome":"confianca","papel":"confianca","tipo":"ENUMERATED","escopo":"ITEM","descricao":"Confiança na qualidade da extração deste ITEM.","obrigatorio":false,"n_valores":3},{"nome":"teorias_mobilizadas","papel":"teorias_mobilizadas","tipo":"TEXT","escopo":"ITEM","descricao":"Teoria ou modelo teórico explicitamente nomeado no trecho e usado como lente.","obrigatorio":false,"n_valores":0},{"nome":"definicao","papel":"definicao","tipo":"TEXT","escopo":"ONTOLOGY","descricao":"Definição semântica do conceito (40-70 palavras), baseada exclusivamente no uso no corpus.","obrigatorio":true,"n_valores":0},{"nome":"aspecto","papel":"aspecto","tipo":"ORDERED","escopo":"ONTOLOGY","descricao":"Aspecto modal de Herman Dooyeweerd como classificador semântico do conceito.","obrigatorio":true,"n_valores":16},{"nome":"topico","papel":"topico","tipo":"TOPIC","escopo":"ONTOLOGY","descricao":"Categoria temática ampla de agrupamento do conceito, emergente do corpus.","obrigatorio":true,"n_valores":0}],"exemplo":{"item":"g0066_phishing_item0006","artigo":"g0066_phishing","anotacao":"ITEM @g0066_phishing\n    trecho: Phishing can be defined as a method of attempting to solicit information such as usernames, passwords, or credit card details from internet users by posing as a trustworthy entity in an electronic communication system.\n    secao: 2. Types of Social Engineering Attacks\n    zona: Objeto\n    chain: phishing -> OBTEM -> credenciais_de_acesso\n    estatuto: Afirmada\n    justificativa: \"solicit information such as usernames, passwords, or credit card details\" sustenta OBTEM; definição operacional adotada pelo artigo. condição: não declarada no trecho.\n    chain: phishing -> IMITA -> entidade_confiável\n    estatuto: Afirmada\n    justificativa: \"posing as a trustworthy entity\" sustenta IMITA; definição operacional adotada pelo artigo. condição: não declarada no trecho.\n    confianca: Alta\nEND ITEM","declaracoes":[{"nome":"trecho","papel":"trecho","tipo":"QUOTATION","escopo":"ITEM","descricao":"Trecho literal do texto integral cobrindo uma única zona retórica (1-3 frases).","arity":"","usados":[],"n_outros":0},{"nome":"secao","papel":"secao","tipo":"TEXT","escopo":"ITEM","descricao":"Título da seção do documento em que o trecho aparece.","arity":"","usados":[],"n_outros":0},{"nome":"zona","papel":"zona","tipo":"ENUMERATED","escopo":"ITEM","descricao":"Zona retórico-funcional (CoreSC x AZ-II calibrado para texto integral).","arity":"","usados":[{"rotulo":"Objeto","descricao":"Nomeação, definição ou delimitação do objeto estudado sem outra função predominante."}],"n_outros":7},{"nome":"chain","papel":"relacao","tipo":"CHAIN","escopo":"ITEM","descricao":"Relação explícita entre conceitos nomeados no trecho (aresta ou caminho do grafo).","arity":">= 2","usados":[{"rotulo":"OBTEM","descricao":"A busca obter B da vítima: credenciais, dados, dinheiro, acesso."},{"rotulo":"IMITA","descricao":"A se passa por B ou copia sua aparência: instituição, marca, domínio, pessoa, comunicação legítima."}],"n_outros":17},{"nome":"estatuto","papel":"estatuto","tipo":"ENUMERATED","escopo":"ITEM","descricao":"Estatuto epistêmico da cadeia imediatamente anterior, como o texto a apresenta.","arity":"","usados":[{"rotulo":"Afirmada","descricao":"O texto afirma que a relação existe, como achado do estudo ou fato estabelecido."}],"n_outros":4},{"nome":"justificativa","papel":"justificativa","tipo":"MEMO","escopo":"ITEM","descricao":"Fundamento da cadeia imediatamente anterior e condições em que ela vale.","arity":"","usados":[],"n_outros":0},{"nome":"confianca","papel":"confianca","tipo":"ENUMERATED","escopo":"ITEM","descricao":"Confiança na qualidade da extração deste ITEM.","arity":"","usados":[{"rotulo":"Alta","descricao":"Segmentação, zona, conceitos, relações e estatutos são diretamente sustentados pelo trecho e não exigem decisão interpretativa relevante."}],"n_outros":2}],"bundle":["chain","estatuto","justificativa"]},"meta":{"gerado_em":"2026-10-27","projeto":"Phishing — Literatura Científica em Texto Integral","artigos":646,"corpus_previsto":646,"cobertura_pct":100.0,"conceitos":791,"relacoes":1436,"afirmacoes":1128,"repeticoes_removidas":5,"trechos":2647,"topicos":135,"autores":1701,"distribuicao_area":{"Detecção":162,"Mecanismo do Ataque":146,"Prevenção e Resposta":121,"Vítima":96,"Ecossistema do Atacante":70,"Não Especificado":51},"distribuicao_tipo":{"Estudo Empírico":238,"Proposta Conceitual":188,"Proposta de Sistema":133,"Revisão Narrativa":66,"Revisão Sistemática":21},"distribuicao_golpe":{"Ransomware":225,"Phishing":207,"Golpes de Investimento":156,"Golpes de Personificação":58},"distribuicao_lote":{"Ransomware, Depois da triagem":225,"Antes da triagem":158,"Golpes de Investimento, Depois da triagem":156,"Golpes de Personificação, Depois da triagem":34,"Depois da triagem":26,"Golpes de Personificação, Antes da triagem":24,"Primeira rodada":17,"Primeira rodada, Triagem":6},"distribuicao_significancia":{"0":646},"distribuicao_ano":{"2014":1,"2016":9,"2017":24,"2018":27,"2019":33,"2020":56,"2021":44,"2022":57,"2023":83,"2024":87,"2025":103,"2026":122},"corpus_por_ano":{"2014":{"total":1,"anotados":1},"2016":{"total":9,"anotados":9},"2017":{"total":24,"anotados":24},"2018":{"total":27,"anotados":27},"2019":{"total":33,"anotados":33},"2020":{"total":56,"anotados":56},"2021":{"total":44,"anotados":44},"2022":{"total":57,"anotados":57},"2023":{"total":83,"anotados":83},"2024":{"total":87,"anotados":87},"2025":{"total":103,"anotados":103},"2026":{"total":122,"anotados":122}},"tipos_documentais":{"article":371,"misc":191,"conference":78,"inproceedings":3,"book":2,"mastersthesis":1},"distribuicao_relacao":{"é tipo de":39,"é parte de":16,"obtém":48,"imita":36,"explora":79,"visa":58,"usa":140,"mitiga":131,"mede":34,"aplica-se a":102,"inibe":39,"causa":40,"possibilita":44,"prediz":29,"influencia":209,"supera":38,"contrasta com":22,"associa-se a":24},"distribuicao_estatuto":{"Afirmada":1142,"Hipotética":167,"Investigada":95,"Negada":17,"Inconclusiva":15},"distribuicao_aspecto":{"Quantitativo":42,"Cinemático":14,"Físico":71,"Biótico":7,"Sensitivo":62,"Analítico":133,"Formativo":157,"Lingual":53,"Social":95,"Econômico":96,"Estético":11,"Jurídico":25,"Ético":12,"Pístico":13},"aspecto_por_area":{"Vítima":{"Quantitativo":3,"Cinemático":3,"Físico":15,"Biótico":5,"Sensitivo":50,"Analítico":11,"Formativo":22,"Lingual":10,"Social":34,"Econômico":30,"Estético":2,"Jurídico":4,"Ético":8,"Pístico":9},"Mecanismo do Ataque":{"Quantitativo":4,"Cinemático":6,"Físico":29,"Biótico":1,"Sensitivo":16,"Analítico":20,"Formativo":35,"Lingual":16,"Social":38,"Econômico":36,"Estético":4,"Jurídico":6,"Ético":1,"Pístico":4},"Prevenção e Resposta":{"Quantitativo":3,"Cinemático":3,"Físico":23,"Biótico":3,"Sensitivo":20,"Analítico":17,"Formativo":80,"Lingual":25,"Social":28,"Econômico":27,"Estético":8,"Jurídico":8,"Pístico":6},"Detecção":{"Quantitativo":32,"Cinemático":1,"Físico":16,"Sensitivo":4,"Analítico":96,"Formativo":72,"Lingual":19,"Social":10,"Econômico":17,"Estético":3,"Jurídico":5,"Ético":1,"Pístico":2},"Ecossistema do Atacante":{"Quantitativo":3,"Cinemático":4,"Físico":8,"Sensitivo":1,"Analítico":11,"Formativo":22,"Lingual":5,"Social":21,"Econômico":17,"Estético":1,"Jurídico":5,"Ético":2,"Pístico":2},"Não Especificado":{"Físico":5,"Analítico":4,"Formativo":11,"Lingual":2,"Social":7,"Econômico":3}},"confianca_por_zona":{"Objetivo":{"alta":235,"media":307,"baixa":24,"total":566,"pct_alta":42},"Conclusão":{"alta":35,"media":198,"baixa":15,"total":248,"pct_alta":14},"Lacuna":{"alta":168,"media":125,"baixa":5,"total":298,"pct_alta":56},"Método":{"alta":203,"media":89,"baixa":10,"total":302,"pct_alta":67},"Contexto Prévio":{"alta":77,"media":230,"baixa":17,"total":324,"pct_alta":24},"Recomendação":{"alta":24,"media":102,"baixa":15,"total":141,"pct_alta":17},"Resultado":{"alta":88,"media":481,"baixa":38,"total":607,"pct_alta":14},"Objeto":{"alta":103,"media":54,"baixa":4,"total":161,"pct_alta":64}},"ordem_aspectos":["Indefinido","Quantitativo","Espacial","Cinemático","Físico","Biótico","Sensitivo","Analítico","Formativo","Lingual","Social","Econômico","Estético","Jurídico","Ético","Pístico"],"zonas":["Objetivo","Lacuna","Método","Resultado","Conclusão","Recomendação","Objeto","Contexto Prévio"],"estatutos":["Afirmada","Hipotética","Investigada","Negada","Inconclusiva"],"atores":["Desenvolvedor de Sistemas","Organização","Poder Público","Usuário"],"contexto":{"golpes":{"rotulo":"Golpe estudado","especificados":617,"distribuicao":{"Ransomware":173,"Phishing":72,"Esquema Ponzi":21,"Golpe de investimento":19,"Phishing por e-mail":13,"Esquema Ponzi em contratos inteligentes":10,"Esquema de pirâmide":10,"Ransomware como serviço":7,"Esquemas Ponzi":6,"Comprometimento de e-mail corporativo (BEC)":6,"Golpe de suporte técnico":5,"Fraude online":4,"Golpe de investimento em criptoativos":4,"Esquemas de pirâmide":4,"Ransomware de dupla extorsão":4,"Crypto-ransomware":4,"Engenharia social":3,"Roubo de identidade":3,"Vishing":3,"Fraude de investimento":3,"Spam":3,"Golpe de investimento com criptoativos":3,"Esquema Ponzi com criptoativos":3,"Esquema Ponzi em contratos inteligentes Ethereum":3,"Golpes com criptomoedas":3,"Pig butchering":3,"Comprometimento de e-mail corporativo (Business Email Compromise)":3,"Phishing em sites":2,"Phishing gerado por LLM":2,"Phishing na web":2,"Phishing contra usuários de internet banking":2,"Spam por e-mail":2,"Phishing gerado por IA":2,"Cibercrime":2,"Spear phishing":2,"Astroturfing digital":2,"Spam no Twitter":2,"Spam de avaliações":2,"Crimes com criptoativos":2,"Golpe romântico com criptoativos":2,"Golpes com criptoativos":2,"Esquema Ponzi de Madoff":2,"Golpe de investimento online":2,"Esquema Ponzi em Ethereum":2,"Fraudes com criptomoedas":2,"Esquemas Ponzi em contratos inteligentes":2,"Fraude com criptomoedas":2,"Esquema Ponzi em contratos inteligentes do Ethereum":2,"Golpe de plataforma de negociação fraudulenta":2,"Comprometimento de e-mail corporativo":2,"Business Email Compromise (BEC)":2,"Fraude do CEO":2,"Ransomware contra dispositivos NAS":2,"Ransomware criptográfico":2,"Ransomware WannaCry":2,"Golpe de adiantamento de taxa com criptoativos":1,"Phishing com criptoativos":1,"Phishing em mensageiros instantâneos":1,"Phishing por e-mail em dispositivos móveis":1,"Phishing por simulação de transações":1,"Ataques de engenharia social no Twitter":1,"Smishing":1,"Phishing assistido por IA":1,"Golpes e fraudes online":1,"Fraude financeira":1,"Crimes financeiros e fraudes habilitados por IA generativa":1,"Deepfake":1,"Spoofing de autenticação biométrica":1,"Ataques de engenharia social gerados por IA generativa":1,"Malware bancário":1,"Crimes cibernéticos":1,"Golpe de adiantamento de taxa":1,"Botnets baseadas em tweets":1,"Spam social":1,"Campanhas de spear phishing automatizadas por IA":1,"Phishing por sites":1,"Fraude cibernética":1,"Phishing de alerta bancário falso":1,"Crimes com fins lucrativos contra finanças descentralizadas (DeFi)":1,"golpes de rug pull":1,"Fraude em e-banking (phishing, vishing, smishing e malware)":1,"Fraude bancária digital":1,"Golpe de troca de SIM":1,"Golpes de QR Code e UPI":1,"Skimming em caixas eletrônicos":1,"Ransomware no setor de saúde":1,"Spoofing de chamadas":1,"Robocalls":1,"Decepção online independente de domínio (notícias falsas":1,"phishing":1,"golpes de emprego)":1,"Crimes cibernéticos, incluindo phishing e engenharia social":1,"Ataques cibernéticos ao setor financeiro":1,"Engenharia social baseada em deepfake":1,"Fraude de OTP":1,"SIM-swapping":1,"Aplicativos de pagamento fraudulentos":1,"Phishing por URL":1,"Phishing em redes sociais":1,"Fraude com skimming de caixas eletrônicos":1,"Falsificação de identidade em redes sociais":1,"Fraude de recrutamento com deepfake":1,"Golpes bancários online":1,"Vishing para fraude de mobile money":1,"Desinformação gerada por IA (AI-fakes), incluindo deepfakes e phishing em anúncios":1,"Engenharia social aumentada por LLM":1,"Golpes de pagamento":1,"Engano baseado em IA no metaverso":1,"Spam acadêmico":1,"Fraudes cibernéticas em UPI e bancos online (phishing, vishing, smishing, manipulação de QR Code, SIM-swap e fraude de acesso remoto)":1,"Spoofing":1,"Cibercrime facilitado pela dark web, incluindo phishing":1,"comprometimento de e-mail corporativo":1,"ransomware":1,"Fraude financeira baseada em IA":1,"Fraude de identidade sintética":1,"Engenharia social com deepfakes":1,"Tomada de conta":1,"Campanhas de propaganda e desinformação estatais":1,"Spam social no Twitter":1,"Contas falsas e bots de spam no Twitter":1,"Campanhas de informação falsa em redes sociais online":1,"Ataques de bots sociais no Twitter":1,"Vingança online de consumidores":1,"Contas Sybil de vendedores em mercados cripto da darknet":1,"Fraude financeira digital":1,"Ataques contra usuários de mobile banking":1,"Golpes de exploração financeira contra idosos":1,"Phishing do Medicare":1,"Vulnerabilidades em contratos inteligentes":1,"Violação de segurança com vazamento de dados":1,"Dark patterns de interface para dissuadir a desativação de contas em redes sociais":1,"Falsificação de certificados de vacinação contra COVID-19":1,"Notícias falsas em redes sociais":1,"Disseminação de notícias falsas por bots e usuários maliciosos em redes sociais":1,"Malware Android":1,"Ataque Sybil":1,"Gasto duplo":1,"Documentos maliciosos do Microsoft Office":1,"Spam em avaliações de produtos e serviços":1,"Contas maliciosas de decepção de identidade em redes sociais":1,"Botnets Android":1,"Colusão impulsionada por mercado negro em mídias online":1,"Ataques em nível de rede contra a rede P2P do Bitcoin":1,"SQL injection":1,"Desinformação e notícias falsas":1,"Ataque Sybil com identidades falsas em redes sociais online":1,"Prompt injection contra navegadores web habilitados por IA":1,"Captcha Attack (CAPA) para evasão de moderação automática de conteúdo":1,"Ataque de gasto duplo em blockchain":1,"Ataque de mineração egoísta":1,"Abuso de bots em conversas online":1,"Social bots na comunicação política":1,"Intrusão de malware em dispositivos móveis":1,"Recrutamento e propaganda online do Isis em redes sociais":1,"Atividades de hackers black hat":1,"Avaliações online falsificadas":1,"Desinformação em redes sociais":1,"Malware SMS em aplicativos Android":1,"Golpes e fraudes por falsificação de identidade em serviços de chamada web":1,"Vulnerabilidades de incentivo em sistemas baseados em blockchain":1,"Crimes e atividades ilícitas com mensagens criptografadas":1,"Desinformação digital (fake news, deepfakes e anúncios enganosos)":1,"Notícias falsas":1,"Manipulação de avaliações e reviews em sistemas de reputação de comércio eletrônico":1,"Discurso de ódio em redes sociais":1,"Malware":1,"Falsificação da barra de endereços (address bar spoofing)":1,"estudo de chatbots benignos em organizações de voluntariado, sem golpe":1,"Carding":1,"Spam em vídeos do YouTube":1,"Ataques de engenharia social":1,"Ataques cibernéticos":1,"Ataques cibernéticos contra UAVs":1,"Ameaças persistentes avançadas (APT)":1,"Intrusões em redes":1,"Phishing por URL em recomendações de assistentes de e-commerce baseados em LLM":1,"Ataques cibernéticos em geral":1,"Esquemas Ponzi online (HYIPs, programas de investimento de alto rendimento)":1,"Fraude bancária com criptoativos":1,"Rug-pull em exchanges descentralizadas":1,"Pirâmide financeira das minhocas":1,"Money game":1,"Marketing multinível ilegal":1,"Contratos inteligentes fraudulentos no Ethereum (Ponzi":1,"honeypot":1,"jogos de azar":1,"phishing)":1,"Esquemas Ponzi em Bitcoin":1,"Fraude com esquema de pirâmide":1,"Fraudes financeiras com criptomoedas":1,"Extorsão com criptoativos":1,"Pig butchering com criptoativos":1,"Golpe de investimento de alto rendimento com Bitcoin":1,"Ataque hacker a corretora de criptoativos":1,"Fraude por afinidade":1,"Pig-butchering":1,"Golpe romântico online":1,"Esquema de Ponzi inteligente em contratos inteligentes":1,"Golpe romântico de adiantamento de taxa":1,"Golpe romântico de investimento (pig-butchering)":1,"Marketing multinível (MLM) e esquemas de pirâmide":1,"Golpe de prêmio/loteria":1,"Fraude com criptoativos":1,"Exit scam com criptoativos (rug pull)":1,"Mint-and-run com NFTs":1,"Esquema Ponzi de Bernie Madoff (fraude de investimento)":1,"Golpes por mensagens de texto operados com LLM":1,"Golpe de romance com investimento (pig butchering)":1,"Golpe de falsa emergência familiar":1,"Golpe de personificação de segurança de conta":1,"Sextorsão":1,"Golpe romântico com investimento em criptoativos (romance baiting":1,"cryptorom":1,"pig butchering)":1,"Fraude de Madoff":1,"Esquema Ponzi inteligente":1,"Esquemas de Ponzi":1,"Esquema de Ponzi em contratos inteligentes":1,"Esquemas piramidais de pseudo-investimento":1,"Apostas online":1,"Golpe de investimento (fraude do Stanford Financial Group)":1,"Pirâmide financeira":1,"Fraude de investimento do esquema Madoff":1,"Pump-and-dump de criptoativos":1,"Programas de investimento de alto rendimento (HYIP)":1,"Lavagem de dinheiro":1,"Venda piramidal ilegal":1,"Esquema Ponzi de captação de recursos":1,"Esquema de pirâmide baseado em contratos inteligentes":1,"Esquema Ponzi com criptomoedas":1,"Golpe de investimento de alto rendimento com tokens baseado em approval phishing":1,"Fraude em plataformas de empréstimo peer to peer":1,"Golpe de robô de trading de forex":1,"Esquemas de pirâmide e Ponzi":1,"Esquemas Ponzi inteligentes em blockchain":1,"Plataformas fraudulentas de negociação":1,"Golpe pig-butchering":1,"Golpe de investimento em grupos de mensageria instantânea":1,"Marketing multinível fraudulento":1,"Pirâmides financeiras":1,"Esquemas de investimento de alto rendimento":1,"Pump and dump":1,"Fraude de marketing de massa (golpe de investimento":1,"golpe de loteria e sorteio":1,"golpe de romance e personificação de familiares ou amigos":1,"produtos e serviços falsos":1,"golpe de caridade)":1,"Esquema Ponzi com Bitcoin (MMM)":1,"Fraudes com criptoativos (ransomware, manipulação de preços, pump and dump, falsa declaração, spoofing e esquema Ponzi)":1,"Golpe pig butchering (fraude híbrida de romance e investimento)":1,"Esquemas de marketing multinível em fintech":1,"Exploração financeira de idosos":1,"Fraude por engano (deception)":1,"Fraude de investimento híbrida (pig butchering)":1,"Contratos inteligentes de esquema Ponzi na Ethereum":1,"Golpe de pig-butchering":1,"Uso não autorizado de cartão de crédito":1,"Fraude de adiantamento de taxa":1,"Fraudes em blockchain":1,"Marketing multinível e esquemas de pirâmide":1,"Golpes online de compra e de investimento":1,"Fraude em hedge funds com manipulação de retornos":1,"Esquema de pirâmide de investimento do tipo Ponzi":1,"Esquema Ponzi inteligente em Ethereum":1,"Golpes de investimento com criptoativos":1,"Golpe de investimento híbrido":1,"Esquema Ponzi por afinidade":1,"Golpe de investimento do tipo programa de investimento de alto rendimento (HYIP) com Bitcoin":1,"Esquemas Ponzi em contratos inteligentes na Ethereum":1,"Fraude de investimento digital":1,"Golpes com criptoativos com tema de COVID-19":1,"Esquemas de pirâmide não regulamentados":1,"Pig butchering (Sha Zhu Pan)":1,"Fraudes no Ethereum":1,"Esquema Ponzi em jogos de criptoativos play-to-earn":1,"Fraude de investimento online":1,"Scam tokens (rugpulls, honeypots e esquemas Ponzi)":1,"Golpe de investimento em criptoativos (pig butchering)":1,"Fraude de esquema de pirâmide":1,"Esquema Ponzi (European Kings Club)":1,"Esquema Ponzi online":1,"Esquema Ponzi natural (bolha de ações da Enron)":1,"Esquema Ponzi com stablecoins algorítmicas":1,"Golpe de personificação de executivo com deepfake":1,"Golpe telefônico com clonagem de voz por IA":1,"Golpe de emergência familiar":1,"Golpe de personificação de autoridade":1,"Fraude de personificação de fornecedor":1,"Golpe romântico":1,"Fraude contra idosos":1,"Phone spoofing (call spoofing)":1,"Golpe de personificação em redes sociais com criptomoedas":1,"Golpe de personificação institucional":1,"Contrato fraudulento":1,"Fatura fantasma":1,"Ataques de comunicação telefônica de saída (OPC)":1,"Golpes de personificação":1,"Deepfakes direcionados":1,"Golpes telefônicos e robocalls":1,"Golpes financeiros contra idosos":1,"Golpe de caridade":1,"Golpe de personificação de agência governamental":1,"Golpe de suporte técnico baseado em criptomoedas":1,"E-mails maliciosos gerados por LLM":1,"Phishing com criptomoedas":1,"Golpes de personificação bancária":1,"Golpes de aluguel":1,"Golpes de falsas ofertas de emprego":1,"Prisão digital":1,"Golpes online":1,"Spoofing de chamadas de socorro VHF DSC marítimas":1,"Crimes financeiros nos Estados Unidos":1,"Personificação de agentes governamentais":1,"Fraude do CEO com audio deepfake":1,"Golpe de voz com audio deepfake":1,"Fraude de personificação":1,"Golpe do Game Hack":1,"Deepfake de áudio":1,"Golpe de voz":1,"Falsificação de identificador de chamadas (caller ID spoofing) em fraude telefônica":1,"Spam por domínios maliciosos":1,"Falsificação de identificador de chamadas (caller ID spoofing)":1,"Falsificação de identificação de chamadas em VoIP no Android":1,"Fraude de identidade em exames online (contract cheating)":1,"Spoofing facial com imagens estáticas":1,"Caller ID spoofing":1,"Falsificação de identificador de chamadas (caller-ID spoofing)":1,"Declarações enganosas":1,"Phishing por e-mail com extorsão":1,"Vishing com clonagem de voz por IA":1,"Creepware (aplicativos usados em ataques interpessoais)":1,"Golpes contra trabalhadores remotos":1,"Ataques cibernéticos com tema Covid-19 (phishing, malware, roubo de identidade e ransomware)":1,"Phishing e engenharia social com tema COVID-19":1,"Chamadas de spam com falsificação de identificador de chamadas (Caller ID spoofing)":1,"Cibercrimes":1,"Ransomware baseado em Rust":1,"Ransomware como serviço (RaaS)":1,"Ataques cibernéticos contra provedores de serviços gerenciados (MSPs), incluindo ransomware":1,"Ransomware contra sistemas de inteligência artificial":1,"Ransomware em redes IIoT":1,"Ataques cibernéticos marítimos":1,"GPS spoofing":1,"Ataque cibernético a instituições de ensino superior e bibliotecas":1,"Extorsão cibernética em tecnologia operacional":1,"Fraudes com criptoativos (ransomware":1,"manipulação de preços":1,"pump and dump":1,"deturpação":1,"spoofing":1,"esquema Ponzi)":1,"Ransomware com dupla extorsão":1,"Extorsão de validadores de Ethereum por ameaça de slashing (resgate)":1,"Ameaças de cibersegurança":1,"Phishing de extorsão por e-mail":1,"Clippers":1,"Sextortion":1,"Golpes de sorteio com criptoativos":1,"Golpes de corretoras de criptoativos":1,"Ransomware direcionado":1,"Cibercrimes diversos: ransomware":1,"fraude por e-mail":1,"fraude bancária online":1,"fraude em vendas online":1,"roubo de identidade":1,"Ransomware contra sistemas ciber-físicos":1,"Ataques cibernéticos contra PMEs":1,"Ransomware TorrentLocker":1,"Ransomware Clop":1,"Ransomware em Android":1,"Extorsão cibernética e ameaças cibernéticas":1,"Ransomware Avaddon":1,"Crypto-ransomware em Windows":1,"Ransomware com venda de dados roubados (ransomware 2.0)":1,"Ransomware com ameaça de divulgação de dados (ransomware 1.5)":1,"Cryptoware":1,"Ataques criptovirais":1,"Cryptojacking":1,"Botnets":1,"Roubo virtual":1,"Ransomware com enclaves":1,"Ransomware direcionado a gateways de borda de IIoT":1,"Ransomware baseado em invasão de privacidade em dispositivos IoT":1,"Eventos de cibersegurança (violação de dados":1,"ransomware)":1,"Ransomware em Linux":1,"Ransomware baseado em blockchain":1,"Ciberataques de phishing, ransomware e outros malwares":1,"Ransomware para robôs industriais":1,"Ransomware Android":1,"Scareware":1,"Ataques cibernéticos ao setor de água, incluindo ransomware e cryptojacking":1,"Ransomware em carro conectado e automatizado":1,"Ransomware em dispositivos IoT":1,"Locker-ransomware em Android":1,"Ransomware móvel":1},"procedencia":{"Phishing":{"n":72,"titulos":["Quang et al., 2022 — Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions","Aassal et al., 2020 — An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs","Alhashmi et al., 2021 — Taxonomy of Cybersecurity Awareness Delivery Methods: A Countermeasure for Phishing Threats","Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks","Gupta et al., 2017 — Defending against Phishing Attacks: Taxonomy of Methods, Current Issues and Future Directions","Ogaili et al., 2023 — A Critical Review: Revisiting Phishing Attacks Classification and Analysis of Techniques Employed in Taxonomies","Oliveira et al., 2023 — Toward a phishing attack ontology","Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads"]},"Phishing por e-mail":{"n":13,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection","Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","Eilertsen et al., 2025 — LLM-Powered Intent-Based Categorization of Phishing Emails","Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift","Asani et al., 2021 — A maximum entropy classification scheme for phishing detection using parsimonious features","Rastenis et al., 2020 — E-mail-Based Phishing Attack Taxonomy","Abdelhamid, 2020 — The Role of Health Concerns in Phishing Susceptibility: Survey Design Study","Khadka, 2025 — Persuasion and Phishing"]},"Phishing em sites":{"n":2,"titulos":["Li et al., 2024 — A State-of-the-Art Review on Phishing Website Detection Techniques","Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection"]},"Golpe de adiantamento de taxa com criptoativos":{"n":1,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites"]},"Phishing com criptoativos":{"n":1,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites"]},"Phishing em mensageiros instantâneos":{"n":1,"titulos":["Qaseem et al., 2014 — Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach"]},"Engenharia social":{"n":3,"titulos":["Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks","Samuel Prakash et al., 2026 — UNDERSTANDING STUDENT MISUSE OF AI TOOLS: A COGNITIVE SCIENCE AND CYBERSECURITY PERSPECTIVE","Dave et al., 2023 — The New Frontier of Cybersecurity: Emerging Threats and Innovations"]},"Phishing por e-mail em dispositivos móveis":{"n":1,"titulos":["Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email"]},"Phishing por simulação de transações":{"n":1,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing"]},"Phishing gerado por LLM":{"n":2,"titulos":["Chen et al., 2025 — SoK: Systematizing Generation, Characteristics, and Defenses in LLM-Generated Phishing","Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Ataques de engenharia social no Twitter":{"n":1,"titulos":["Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework"]},"Phishing na web":{"n":2,"titulos":["Apea et al., 2023 — A Review of the Current Status, Categorization, And Future Prospects of Web Phishing Detection Methods","Vijayalakshmi et al., 2020 — Web phishing detection techniques: a survey on the state‐of‐the‐art, taxonomy and future directions"]},"Smishing":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Phishing assistido por IA":{"n":1,"titulos":["Samuel Prakash et al., 2026 — UNDERSTANDING STUDENT MISUSE OF AI TOOLS: A COGNITIVE SCIENCE AND CYBERSECURITY PERSPECTIVE"]},"Golpes e fraudes online":{"n":1,"titulos":["Kolupuri et al., 2025 — Scams and Frauds in the Digital Age: ML-Based Detection and Prevention Strategies"]},"Roubo de identidade":{"n":3,"titulos":["Kolupuri et al., 2025 — Scams and Frauds in the Digital Age: ML-Based Detection and Prevention Strategies","Adwan et al., 2026 — Technological Advancements in Online Fraud Prevention and Legal Frameworks","Luong et al., 2024 — Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective"]},"Fraude financeira":{"n":1,"titulos":["Kolupuri et al., 2025 — Scams and Frauds in the Digital Age: ML-Based Detection and Prevention Strategies"]},"Crimes financeiros e fraudes habilitados por IA generativa":{"n":1,"titulos":["Kurshan et al., 2024 — AI versus AI in Financial Crimes & Detection: GenAI Crime Waves to Co-Evolutionary AI"]},"Deepfake":{"n":1,"titulos":["Kurshan et al., 2024 — AI versus AI in Financial Crimes & Detection: GenAI Crime Waves to Co-Evolutionary AI"]},"Spoofing de autenticação biométrica":{"n":1,"titulos":["Kurshan et al., 2024 — AI versus AI in Financial Crimes & Detection: GenAI Crime Waves to Co-Evolutionary AI"]},"Ataques de engenharia social gerados por IA generativa":{"n":1,"titulos":["Schmitt et al., 2024 — Digital deception: generative artificial intelligence in social engineering and phishing"]},"Phishing contra usuários de internet banking":{"n":2,"titulos":["Aribake et al., 2020 — Modelling the phishing avoidance behaviour among internet banking users in Nigeria: The initial investigation","Dipo, 2024 — Phishing Attacks among Internet Banking Users in Nigeria: An Exploration of Remedial Strategies"]},"Malware bancário":{"n":1,"titulos":["Leukfeldt et al., 2016 — A typology of cybercriminal networks: from low-tech all-rounders to high-tech specialists"]},"Crimes cibernéticos":{"n":1,"titulos":["Kigerl, 2016 — Cyber Crime Nation Typologies: K-Means Clustering Of Countries Based On Cyber Crime Rates"]},"Golpe de adiantamento de taxa":{"n":1,"titulos":["Kigerl, 2016 — Cyber Crime Nation Typologies: K-Means Clustering Of Countries Based On Cyber Crime Rates"]},"Botnets baseadas em tweets":{"n":1,"titulos":["Derhab et al., 2021 — Tweet-Based Bot Detection Using Big Data Analytics"]},"Spam social":{"n":1,"titulos":["Al-Hassan et al., 2023 — DSpamOnto: An Ontology Modelling for Domain-Specific Social Spammers in Microblogging"]},"Spam por e-mail":{"n":2,"titulos":["Iqbal et al., 2016 — Study on the Effectiveness of Spam Detection Technologies","Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Campanhas de spear phishing automatizadas por IA":{"n":1,"titulos":["Anderljung et al., 2024 — Protecting society from AI misuse: when are restrictions on capabilities warranted?"]},"Phishing por sites":{"n":1,"titulos":["Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection"]},"Fraude cibernética":{"n":1,"titulos":["Василькова et al., 2023 — Digital Technologies as Tools of Cyber Fraud: Typological Approach"]},"Phishing de alerta bancário falso":{"n":1,"titulos":["Seun et al., 2024 — Machine Learning Model to Mitigate Fake Bank Alert Phishing Fraud in Nigeria: The Initial Investigation"]},"Crimes com fins lucrativos contra finanças descentralizadas (DeFi)":{"n":1,"titulos":["Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture"]},"golpes de rug pull":{"n":1,"titulos":["Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture"]},"Fraude em e-banking (phishing, vishing, smishing e malware)":{"n":1,"titulos":["Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention"]},"Fraude bancária digital":{"n":1,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context"]},"Vishing":{"n":3,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","Astrakhantsev et al., 2024 — Improving user security during a call","Kapur, 2025 — How do online banking scams affect consumer behaviour and financial system stability in developing economies like India?"]},"Golpe de troca de SIM":{"n":1,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context"]},"Golpes de QR Code e UPI":{"n":1,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context"]},"Skimming em caixas eletrônicos":{"n":1,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context"]},"Esquemas Ponzi":{"n":6,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","Fratrič et al., 2022 — Computational Discovery of Transaction-Based Financial Crime via Grammatical Evolution: The Case of Ponzi Schemes","Ruiz, 2026 — Who gets scammed? The roles of financial literacy, digital financial security, and overconfidence in Europe","Porras Poma et al., 2025 — Application of unsupervised machine learning techniques for autonomous financial fraud detection in decentralized blockchain environments: a systematic review; [Aplicación de técnicas de machine learning no supervisado para la detección autónoma de fraudes financieros en entornos blockchain descentralizados: una revisión sistemática]","Jin et al., 2025 — Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision","Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Ransomware no setor de saúde":{"n":1,"titulos":["Shahzadi et al., 2025 — Safeguarding the healthcare sector from ransomware attacks: insights from a literature review"]},"Spoofing de chamadas":{"n":1,"titulos":["Astrakhantsev et al., 2024 — Improving user security during a call"]},"Robocalls":{"n":1,"titulos":["Astrakhantsev et al., 2024 — Improving user security during a call"]},"Decepção online independente de domínio (notícias falsas":{"n":1,"titulos":["Verma et al., 2025 — Domain-independent deception: a new taxonomy and linguistic analysis"]},"phishing":{"n":1,"titulos":["Verma et al., 2025 — Domain-independent deception: a new taxonomy and linguistic analysis"]},"golpes de emprego)":{"n":1,"titulos":["Verma et al., 2025 — Domain-independent deception: a new taxonomy and linguistic analysis"]},"Crimes cibernéticos, incluindo phishing e engenharia social":{"n":1,"titulos":["McGrath, 2026 — Mapping state cybercrime law: A typology of statutory coverage across the U.S."]},"Ataques cibernéticos ao setor financeiro":{"n":1,"titulos":["Kiss et al., 2025 — The taxonomy of financial cybercrime"]},"Phishing gerado por IA":{"n":2,"titulos":["Sinha, 2026 — Artificial Intelligence for Cybersecurity: Threats, Defenses, and Emerging Challenges in the Era of Generative AI","James, 2026 — Cybersecurity Threats And Defenses In The Generative AI Era"]},"Engenharia social baseada em deepfake":{"n":1,"titulos":["James, 2026 — Cybersecurity Threats And Defenses In The Generative AI Era"]},"Fraude de OTP":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"SIM-swapping":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"Aplicativos de pagamento fraudulentos":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"Phishing por URL":{"n":1,"titulos":["S.A. et al., 2026 — Intelligent Cyber-Attack Prediction: Integrating Machine Learning, Deep Learning, and Generative AI"]},"Phishing em redes sociais":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Cibercrime":{"n":2,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies"]},"Fraude online":{"n":4,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","Adwan et al., 2026 — Technological Advancements in Online Fraud Prevention and Legal Frameworks","Nataraj-Hansen, 2024 — ‘Should’ve known better’: Using Lerner’s Belief in a Just World to understand how the Fraud Justice Network observe victims of online romance and investment frauds","Lazarus et al., 2022 — Advantageous comparison: using Twitter responses to understand similarities between cybercriminals (“Yahoo Boys”) and politicians (“Yahoo men”)"]},"Fraude com skimming de caixas eletrônicos":{"n":1,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024"]},"Falsificação de identidade em redes sociais":{"n":1,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024"]},"Fraude de recrutamento com deepfake":{"n":1,"titulos":["Nastuła, 2025 — Cyber threats and ai risks in human resources management"]},"Golpes bancários online":{"n":1,"titulos":["Kapur, 2025 — How do online banking scams affect consumer behaviour and financial system stability in developing economies like India?"]},"Vishing para fraude de mobile money":{"n":1,"titulos":["Asante et al., 2026 — Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana"]},"Desinformação gerada por IA (AI-fakes), incluindo deepfakes e phishing em anúncios":{"n":1,"titulos":["Tergembay et al., 2025 — IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY"]},"Engenharia social aumentada por LLM":{"n":1,"titulos":["Jajanidze et al., 2025 — Large Language Models and Their Abuse in High-Level Social Engineering Campaigns"]},"Golpes de pagamento":{"n":1,"titulos":["Adwan et al., 2026 — Technological Advancements in Online Fraud Prevention and Legal Frameworks"]},"Fraude de investimento":{"n":3,"titulos":["Adwan et al., 2026 — Technological Advancements in Online Fraud Prevention and Legal Frameworks","Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies","Lokanan et al., 2022 — Fraud prediction using machine learning: The case of investment advisors in Canada"]},"Engano baseado em IA no metaverso":{"n":1,"titulos":["Adwan et al., 2026 — Technological Advancements in Online Fraud Prevention and Legal Frameworks"]},"Spam acadêmico":{"n":1,"titulos":["da Silva et al., 2026 — COLLECTIVE ACTION IS REQUIRED TO REDUCE THE BURDEN OF SPAM EMAILS IN ACADEMIA: THE CASE OF NEUROSCIENCE"]},"Fraudes cibernéticas em UPI e bancos online (phishing, vishing, smishing, manipulação de QR Code, SIM-swap e fraude de acesso remoto)":{"n":1,"titulos":["KL et al., 2026 — Investigation of Cyber Frauds in India: Legal and Digital Forensic Challenges in the Era of UPI and Online Banking"]},"Spoofing":{"n":1,"titulos":["Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies"]},"Ransomware":{"n":173,"titulos":["Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies","Razaulla, 2023 — The Age of Ransomware: A Survey on the Evolution, Taxonomy, and Research Directions","Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States","Čentéš et al., 2025 — Ransomware and Ransom Payments in the Context of Criminal Law; [Ransomvér a úhrada výkupného v kontexte trestného práva]","Bhunia et al., 2025 — Analyzing the 2021 Kaseya Ransomware Attack: Combined Spearphishing Through SonicWall SSLVPN Vulnerability","Pappy et al., 2026 — STRIKE: A Structured Taxonomy of Cybercrime for Risk, Impact, Knowledge, and Evolution","Roumani et al., 2025 — Predicting Ransomware Incidents with Time-Series Modeling","Mokoma et al., 2025 — RanViz: Ransomware Visualization and Classification Based on Time-Series Categorical Representation of API Calls"]},"Cibercrime facilitado pela dark web, incluindo phishing":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"comprometimento de e-mail corporativo":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"ransomware":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"Fraude financeira baseada em IA":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Fraude de identidade sintética":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Engenharia social com deepfakes":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Tomada de conta":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Campanhas de propaganda e desinformação estatais":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Spear phishing":{"n":2,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT","Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"Spam social no Twitter":{"n":1,"titulos":["Bahia Halawi, 2018 — Few are as Good as Many: An Ontology-Based Tweet Spam Detection Approach"]},"Contas falsas e bots de spam no Twitter":{"n":1,"titulos":["MOHAMMED JABARDI, 2020 — Twitter Fake Account Detection and Classification using Ontological Engineering and Semantic Web Rule Language"]},"Campanhas de informação falsa em redes sociais online":{"n":1,"titulos":["Savvas Zannettou, 2019 — The Web of False Information"]},"Ataques de bots sociais no Twitter":{"n":1,"titulos":["Raad Al-azawi, 2022 — Feature extractions and selection of bot detection on Twitter A systematic literature review"]},"Vingança online de consumidores":{"n":1,"titulos":["Zaid Mohammad Obeidat, 2018 — Social media revenge: A typology of online consumer revenge"]},"Contas Sybil de vendedores em mercados cripto da darknet":{"n":1,"titulos":["Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection"]},"Fraude financeira digital":{"n":1,"titulos":["Mansoor Ahmed, 2021 — A semantic rule based digital fraud detection"]},"Astroturfing digital":{"n":2,"titulos":["Marko Kovic, 2018 — Digital astroturfing in politics: Definition, typology, and countermeasures","V.V. Vasilkova, 2019 — Social bots in political communication"]},"Ataques contra usuários de mobile banking":{"n":1,"titulos":["Saman Mirza Abdullah, 2018 — A New Taxonomy of Mobile Banking Threats, Attacks and User Vulnerabilities"]},"Golpes de exploração financeira contra idosos":{"n":1,"titulos":["Scott Beach, 2020 — Vulnerability to Financial Scams Among Older Adults: Cognitive and Psychosocial Factors"]},"Phishing do Medicare":{"n":1,"titulos":["Scott Beach, 2020 — Vulnerability to Financial Scams Among Older Adults: Cognitive and Psychosocial Factors"]},"Vulnerabilidades em contratos inteligentes":{"n":1,"titulos":["Sepideh HajiHosseinKhani, 2023 — Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset"]},"Violação de segurança com vazamento de dados":{"n":1,"titulos":["Carol Xiaojuan Ou, 2022 — Security breaches and organization response strategy: Exploring consumers’ threat and coping appraisals"]},"Dark patterns de interface para dissuadir a desativação de contas em redes sociais":{"n":1,"titulos":["Dominique Kelly, 2024 — Identifying Dark Patterns in User Account Disabling Interfaces: Content Analysis Results"]},"Falsificação de certificados de vacinação contra COVID-19":{"n":1,"titulos":["Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb"]},"Notícias falsas em redes sociais":{"n":1,"titulos":["Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects"]},"Disseminação de notícias falsas por bots e usuários maliciosos em redes sociais":{"n":1,"titulos":["Wajiha Shahid, 2022 — Are You a Cyborg, Bot or Human?—A Survey on Detecting Fake News Spreaders"]},"Malware Android":{"n":1,"titulos":["P. García-Teodoro, 2022 — Multi-labeling of complex, multi-behavioral malware samples"]},"Ataque Sybil":{"n":1,"titulos":["Mubashar Iqbal, 2021 — Exploring Sybil and Double-Spending Risks in Blockchain Systems"]},"Gasto duplo":{"n":1,"titulos":["Mubashar Iqbal, 2021 — Exploring Sybil and Double-Spending Risks in Blockchain Systems"]},"Documentos maliciosos do Microsoft Office":{"n":1,"titulos":["Vasilios Koutsokostas, 2021 — Invoice #31415 attached: Automated analysis of malicious Microsoft Office documents"]},"Spam em avaliações de produtos e serviços":{"n":1,"titulos":["Atika Qazi, 2024 — Machine Learning-Based Opinion Spam Detection: A Systematic Literature Review"]},"Contas maliciosas de decepção de identidade em redes sociais":{"n":1,"titulos":["Michail Tsikerdekis, 2019 — A taxonomy of features for preventing identity deception in online communities and their estimated efficacy"]},"Botnets Android":{"n":1,"titulos":["Abdullah M. Almuhaideb, 2022 — Applications of Artificial Intelligence to Detect Android Botnets: A Survey"]},"Colusão impulsionada por mercado negro em mídias online":{"n":1,"titulos":["Hridoy Sankar Dutta, 2021 — Blackmarket-Driven Collusion on Online Media: A Survey"]},"Spam":{"n":3,"titulos":["Iñaki Velez de Mendizabal, 2020 — SDRS: A new lossless dimensionality reduction for text corpora","María Novo-Lourés, 2024 — An enhanced algorithm for semantic-based feature reduction in spam filtering","Hao et al., 2025 — Do Spammers Dream of Electric Sheep? Characterizing the Prevalence of LLM-Generated Malicious Emails"]},"Ataques em nível de rede contra a rede P2P do Bitcoin":{"n":1,"titulos":["Federico Franzoni, 2022 — SoK: Network-Level Attacks on the Bitcoin P2P Network"]},"SQL injection":{"n":1,"titulos":["Antonio Coscia, 2024 — PROGESI: A PROxy Grammar to Enhance Web Application Firewall for SQL Injection Prevention"]},"Desinformação e notícias falsas":{"n":1,"titulos":["Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection"]},"Ataque Sybil com identidades falsas em redes sociais online":{"n":1,"titulos":["Muhammad Al-Qurishi, 2017 — Sybil Defense Techniques in Online Social Networks: A Survey"]},"Prompt injection contra navegadores web habilitados por IA":{"n":1,"titulos":["Pedro Henrique Sachete Garcia, 2026 — The New Web Attack Surface: A Taxonomy of Semantic and Agentic Threats in AI Browsers"]},"Captcha Attack (CAPA) para evasão de moderação automática de conteúdo":{"n":1,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media"]},"Ataque de gasto duplo em blockchain":{"n":1,"titulos":["Kervins Nicolas, 2020 — Blockchain System Defensive Overview for Double-Spend and Selfish Mining Attacks: A Systematic Approach"]},"Ataque de mineração egoísta":{"n":1,"titulos":["Kervins Nicolas, 2020 — Blockchain System Defensive Overview for Double-Spend and Selfish Mining Attacks: A Systematic Approach"]},"Abuso de bots em conversas online":{"n":1,"titulos":["Florian Daniel, 2019 — Bots Acting Like Humans: Understanding and Preventing Harm"]},"Social bots na comunicação política":{"n":1,"titulos":["V.V. Vasilkova, 2019 — Social bots in political communication"]},"Spam no Twitter":{"n":2,"titulos":["Faiza Masood, 2019 — Spammer Detection and Fake User Identification on Social Networks","Tingmin Wu, 2017 — Twitter spam detection: Survey of new approaches and comparative study"]},"Intrusão de malware em dispositivos móveis":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Spam de avaliações":{"n":2,"titulos":["Muhammad Zubair Asghar, 2017 — Lexicon-enhanced sentiment analysis framework using rule-based classification scheme","Shirin Noekhah, 2017 — Evaluation of Data Mining Features, Features Taxonomies and their Applications"]},"Recrutamento e propaganda online do Isis em redes sociais":{"n":1,"titulos":["Awan, 2017 — Cyber-Extremism: Isis and the Power of Social Media"]},"Atividades de hackers black hat":{"n":1,"titulos":["Tiberiu Marian GEORGESCU, 2017 — Using Ontologies in Cybersecurity Field"]},"Avaliações online falsificadas":{"n":1,"titulos":["Doga Istanbulluoglu, 2023 — Forms of falsified online reviews: the good, the bad, and the downright ugly"]},"Desinformação em redes sociais":{"n":1,"titulos":["Juanita Zainudin, 2024 — Intervention Strategies for Misinformation Sharing on Social Media: A Bibliometric Analysis"]},"Malware SMS em aplicativos Android":{"n":1,"titulos":["Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection"]},"Golpes e fraudes por falsificação de identidade em serviços de chamada web":{"n":1,"titulos":["Ibrahim Tariq Javed, 2017 — TrustCall: A Trust Computation Model for Web Conversational Services"]},"Vulnerabilidades de incentivo em sistemas baseados em blockchain":{"n":1,"titulos":["Hector Roussille, 2023 — A Taxonomy of Blockchain Incentive Vulnerabilities for Networked Intelligent Systems"]},"Crimes e atividades ilícitas com mensagens criptografadas":{"n":1,"titulos":["Syed Hussain, 2024 — A state-of-the-art universal machine learning framework for decoding suspect coded messages"]},"Desinformação digital (fake news, deepfakes e anúncios enganosos)":{"n":1,"titulos":["Mohamed A. Nassar, 2023 — Digital Disinformation Effect on Hotels Customer Response: An Overview and Future Research Directions"]},"Notícias falsas":{"n":1,"titulos":["Azad, 2023 — A Novel Taxonomy for Arabic Fake News Datasets"]},"Manipulação de avaliações e reviews em sistemas de reputação de comércio eletrônico":{"n":1,"titulos":["Jitendra Singh Yadav, 2023 — A Layered Architecture and Taxonomy for Blockchain-empowered Reputation-based Reward Systems"]},"Discurso de ódio em redes sociais":{"n":1,"titulos":["Mahmoud Abusaqer, 2026 — BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention"]},"Malware":{"n":1,"titulos":["Joyce Champie, 2026 — Large Language Models for Malware Detection: A Systematic Review, Taxonomy, and Open Challenges"]},"Falsificação da barra de endereços (address bar spoofing)":{"n":1,"titulos":["Renua Hiwa Ismael, 2025 — Address Bar Spoofing in Contemporary Web Browsers: A Taxonomy, Exploitation Study, and Mitigation Guidelines"]},"estudo de chatbots benignos em organizações de voluntariado, sem golpe":{"n":1,"titulos":["V. V. Vasilkova, 2019 — Use of Chatbots in Volunteering"]},"Carding":{"n":1,"titulos":["Mathieu Guillot1, 2019 — Cryptomarchés et carding : impact sur l’offre et la demande"]},"Spam em vídeos do YouTube":{"n":1,"titulos":["Priscila Oliveira da Mata, 2017 — Prática spammer e semiose: implicações nos processos de organização e circulação da informação em ambientes colaborativos"]},"Ataques de engenharia social":{"n":1,"titulos":["Zaoui, 2024 — A Comprehensive Taxonomy of Social Engineering Attacks and Defense Mechanisms: Toward Effective Mitigation Strategies"]},"Ataques cibernéticos":{"n":1,"titulos":["Rodríguez, 2024 — A process mining-based method for attacker profiling using the MITRE ATT&CK taxonomy"]},"Ataques cibernéticos contra UAVs":{"n":1,"titulos":["Basan, 2022 — A Data Normalization Technique for Detecting Cyber Attacks on UAVs"]},"Ameaças persistentes avançadas (APT)":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"Intrusões em redes":{"n":1,"titulos":["Azam, 2023 — Comparative Analysis of Intrusion Detection Systems and Machine Learning-Based Model Analysis Through Decision Tree"]},"Phishing por URL em recomendações de assistentes de e-commerce baseados em LLM":{"n":1,"titulos":["Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control"]},"Ataques cibernéticos em geral":{"n":1,"titulos":["Chizari, 2026 — A Tri-Axis Systematic Literature Review of AI-Powered Cyber Defense: ATT&CK-Aligned Analysis of Cyberattacks, Machine Learning Methods, and Datasets"]},"Esquemas Ponzi online (HYIPs, programas de investimento de alto rendimento)":{"n":1,"titulos":["Agarwal et al., 2022 — Investigating the concentration of High Yield Investment Programs in the United Kingdom"]},"Crimes com criptoativos":{"n":2,"titulos":["Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Florea, 2026 — Cryptocrime in the Context of Digital Transformation"]},"Golpe de investimento com criptoativos":{"n":3,"titulos":["Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services","Florea, 2026 — Cryptocrime in the Context of Digital Transformation"]},"Golpe romântico com criptoativos":{"n":2,"titulos":["Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Florea, 2026 — Cryptocrime in the Context of Digital Transformation"]},"Fraude bancária com criptoativos":{"n":1,"titulos":["Florea, 2026 — Cryptocrime in the Context of Digital Transformation"]},"Golpe de investimento":{"n":19,"titulos":["Rand et al., 2025 — Retail Investors and Investment Fraud Victims: Is There a Connection?","Zin et al., 2024 — Understanding the Vulnerabilities Contributing to Investor Victimization in Scams","Luong et al., 2024 — Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective","Agunbiade, 2026 — The Palm-Wine Drinkard as African Indigenous intelligence: a metaphoric inquest into global investment fraud","Gano, 2026 — Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery","Deliema et al., 2020 — Financial fraud among older americans: Evidence and implications","Anggriawan, 2025 — Recovering Ponzi Scheme Losses and Integrating the Victim Impact Statement into Indonesia’s Criminal Justice System","Abeysekera, 2025 — A framework for investment scam reporting: Deception and reverse agency in an Australian context"]},"Rug-pull em exchanges descentralizadas":{"n":1,"titulos":["Nguyen et al., 2023 — Rug-pull malicious token detection on blockchain using supervised learning with feature engineering"]},"Esquema Ponzi":{"n":21,"titulos":["Harison et al., 2021 — On Financial Bubbles and Earthworms: Lessons from Hungary's Rural Pyramid during its Economic Transition","Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)","Boyle et al., 2025 — Ponzi schemes: a review","Samanta, 2025 — Analysing motivations of Ponzi victims in West Bengal, India","Agunbiade, 2026 — The Palm-Wine Drinkard as African Indigenous intelligence: a metaphoric inquest into global investment fraud","Manning, 2018 — Exploiting the social fabric of networks: a social capital analysis of historical financial frauds","Ofori, 2023 — The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana","Nosita et al., 2025 — The Role of Greed in Moderating Factors That Enhance Investment Decisions"]},"Pirâmide financeira das minhocas":{"n":1,"titulos":["Harison et al., 2021 — On Financial Bubbles and Earthworms: Lessons from Hungary's Rural Pyramid during its Economic Transition"]},"Money game":{"n":1,"titulos":["Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)"]},"Marketing multinível ilegal":{"n":1,"titulos":["Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)"]},"Contratos inteligentes fraudulentos no Ethereum (Ponzi":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"honeypot":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"jogos de azar":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"phishing)":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"Esquemas Ponzi em Bitcoin":{"n":1,"titulos":["Bartoletti et al., 2018 — Data mining for detecting bitcoin ponzi schemes"]},"Fraude com esquema de pirâmide":{"n":1,"titulos":["Manurung, 2022 — Juridical Review on The Crime of Fraud in The Implementation of The Pyramid Scheme System of Business Actors"]},"Fraudes financeiras com criptomoedas":{"n":1,"titulos":["Saha et al., 2024 — Cryptocurrency and financial crimes: A bibliometric analysis and future research agenda"]},"Golpes com criptoativos":{"n":2,"titulos":["Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services","Badawi et al., 2020 — Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review"]},"Extorsão com criptoativos":{"n":1,"titulos":["Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services"]},"Pig butchering com criptoativos":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Golpe de investimento de alto rendimento com Bitcoin":{"n":1,"titulos":["Theodosiadou et al., 2023 — Change Point Analysis of Time Series Related to Bitcoin Transactions: Towards the Detection of Illegal Activities"]},"Ataque hacker a corretora de criptoativos":{"n":1,"titulos":["Theodosiadou et al., 2023 — Change Point Analysis of Time Series Related to Bitcoin Transactions: Towards the Detection of Illegal Activities"]},"Esquema Ponzi de Madoff":{"n":2,"titulos":["Hardy et al., 2020 — A crime script analysis of the Madoff Investment Scheme","Hardy et al., 2020 — Resilience in sophisticated financial crime networks: a social network analysis of the Madoff Investment Scheme"]},"Fraude por afinidade":{"n":1,"titulos":["Hardy et al., 2020 — A crime script analysis of the Madoff Investment Scheme"]},"Pig-butchering":{"n":1,"titulos":["Luong et al., 2024 — Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective"]},"Esquema Ponzi em contratos inteligentes":{"n":10,"titulos":["Chen et al., 2018 — Detecting ponzi schemes on ethereum: Towards healthier blockchain technology","Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction","Wu et al., 2023 — ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning","Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model","Chen et al., 2021 — Improving ponzi scheme contract detection using multi-channel textcnn and transformer","Pennella et al., 2025 — X-SPIDE: An eXplainable Machine Learning Pipeline for Detecting Smart Ponzi Contracts in Ethereum","Bian et al., 2021 — Image-Based Scam Detection Method Using an Attention Capsule Network","Jiang et al., 2025 — MVCG-SPS: A Multi-View Contrastive Graph Neural Network for Smart Ponzi Scheme Detection"]},"Golpe romântico online":{"n":1,"titulos":["Nataraj-Hansen, 2024 — “More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud"]},"Golpe de investimento online":{"n":2,"titulos":["Nataraj-Hansen, 2024 — “More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud","Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Esquema de Ponzi inteligente em contratos inteligentes":{"n":1,"titulos":["Chen et al., 2019 — Exploiting Blockchain Data to Detect Smart Ponzi Schemes on Ethereum"]},"Golpe romântico de adiantamento de taxa":{"n":1,"titulos":["Wang, 2026 — A scoping review of online romance scams: Conceptual construction and comparative analysis"]},"Golpe romântico de investimento (pig-butchering)":{"n":1,"titulos":["Wang, 2026 — A scoping review of online romance scams: Conceptual construction and comparative analysis"]},"Golpe de investimento em criptoativos":{"n":4,"titulos":["Wang et al., 2026 — Influencing factors and mechanisms of action on the participation intentions of cryptocurrency investment fraud victims—A quantitative examination from the perspective of the theory of planned behavior","Muzammil et al., 2025 — The Poorest Man in Babylon: A Longitudinal Study of Cryptocurrency Investment Scams","Siu et al., 2022 — 'Invest in crypto!': An analysis of investment scam advertisements found in Bitcointalk","Siu et al., 2023 — 'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms"]},"Marketing multinível (MLM) e esquemas de pirâmide":{"n":1,"titulos":["Groβ et al., 2026 — The law and consumer harm in multi-level marketing: a review"]},"Golpe de prêmio/loteria":{"n":1,"titulos":["Deliema et al., 2020 — Financial fraud among older americans: Evidence and implications"]},"Fraude com criptoativos":{"n":1,"titulos":["Costello et al., 2026 — Decoding crypto asset fraud: A crime script analysis of crypto Ponzi, rug pull, and mint-and-run schemes"]},"Esquema Ponzi com criptoativos":{"n":3,"titulos":["Costello et al., 2026 — Decoding crypto asset fraud: A crime script analysis of crypto Ponzi, rug pull, and mint-and-run schemes","Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation","Jin et al., 2024 — Time-Aware Metapath Feature Augmentation for Ponzi Detection in Ethereum"]},"Exit scam com criptoativos (rug pull)":{"n":1,"titulos":["Costello et al., 2026 — Decoding crypto asset fraud: A crime script analysis of crypto Ponzi, rug pull, and mint-and-run schemes"]},"Mint-and-run com NFTs":{"n":1,"titulos":["Costello et al., 2026 — Decoding crypto asset fraud: A crime script analysis of crypto Ponzi, rug pull, and mint-and-run schemes"]},"Esquema Ponzi de Bernie Madoff (fraude de investimento)":{"n":1,"titulos":["Manning et al., 2018 — Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud"]},"Esquema de pirâmide":{"n":10,"titulos":["Feng et al., 2019 — A case study of pyramid scheme finance flow network based on social network analysis","Anggriawan et al., 2023 — The Rising Tide of Financial Crime: A Ponzi Scheme Case Analysis","Xue et al., 2021 — Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks","Feng et al., 2021 — Social network analysis model for research on organizational structure of the pyramid scheme communication network","Weerasinghe, 2025 — Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context","Antler, 2023 — Multilevel marketing: Pyramid-shaped schemes or exploitative scams?","Doğan et al., 2026 — Pyramid schemes","Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"Golpes por mensagens de texto operados com LLM":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Golpe de romance com investimento (pig butchering)":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Golpe de falsa emergência familiar":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Golpe de personificação de segurança de conta":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Sextorsão":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Golpe romântico com investimento em criptoativos (romance baiting":{"n":1,"titulos":["Cross, 2024 — Romance baiting, cryptorom and ‘pig butchering’: an evolutionary step in romance fraud"]},"cryptorom":{"n":1,"titulos":["Cross, 2024 — Romance baiting, cryptorom and ‘pig butchering’: an evolutionary step in romance fraud"]},"pig butchering)":{"n":1,"titulos":["Cross, 2024 — Romance baiting, cryptorom and ‘pig butchering’: an evolutionary step in romance fraud"]},"Fraude de Madoff":{"n":1,"titulos":["Manning, 2018 — Exploiting the social fabric of networks: a social capital analysis of historical financial frauds"]},"Esquema Ponzi inteligente":{"n":1,"titulos":["Song et al., 2022 — A Study on Characteristics and Identification of Smart Ponzi Schemes"]},"Esquemas de pirâmide":{"n":4,"titulos":["Saputra, 2024 — LEGAL LOOPHOLES IN PYRAMID AND PONZI SCHEME REGULATIONS: A CAUTIONARY TALE FROM ALBANIA TO INDONESIA","Keshavarzi et al., 2021 — Mechanisms of identity construction among members of Pyramid schemes in Iran: A critical ethnography","Dinh et al., 2026 — Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam","Hock et al., 2023 — Non-Ideal Victims or Offenders? The Curious Case of Pyramid Scheme Participants"]},"Esquemas de Ponzi":{"n":1,"titulos":["Saputra, 2024 — LEGAL LOOPHOLES IN PYRAMID AND PONZI SCHEME REGULATIONS: A CAUTIONARY TALE FROM ALBANIA TO INDONESIA"]},"Esquema de Ponzi em contratos inteligentes":{"n":1,"titulos":["Zheng et al., 2023 — Securing the Ethereum from Smart Ponzi Schemes: Identification Using Static Features"]},"Esquemas piramidais de pseudo-investimento":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Apostas online":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Esquema Ponzi em contratos inteligentes Ethereum":{"n":3,"titulos":["Hisham et al., 2025 — An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]","Hossain et al., 2025 — A hybrid machine learning approach for improved ponzi scheme detection using advanced feature engineering","Wang et al., 2023 — Detecting Ethereum Ponzi Schemes Through Opcode Context Analysis and Oversampling-Based AdaBoost Algorithm"]},"Esquema Ponzi em Ethereum":{"n":2,"titulos":["Zhang et al., 2022 — Ethereum Ponzi Scheme Detection Based on PD-SECR","Jacinta et al., 2023 — Detection of Ponzi scheme on Ethereum using machine learning algorithms"]},"Fraudes com criptomoedas":{"n":2,"titulos":["Kutera, 2022 — Cryptocurrencies as a subject of financial fraud","Krishnan et al., 2023 — Scams and Solutions in Cryptocurrencies—A Survey Analyzing Existing Machine Learning Models"]},"Golpe de investimento (fraude do Stanford Financial Group)":{"n":1,"titulos":["Leslie, 2022 — Hope Amid Crisis: Normative Ambiguity, the Middle Class, and Investment Fraud in 2000s Venezuela"]},"Pirâmide financeira":{"n":1,"titulos":["Santos et al., 2017 — The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]"]},"Fraude de investimento do esquema Madoff":{"n":1,"titulos":["Manning, 2018 — Madoff’s Ponzi investment fraud: a social capital analysis"]},"Pump-and-dump de criptoativos":{"n":1,"titulos":["Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation"]},"Esquemas Ponzi em contratos inteligentes":{"n":2,"titulos":["Galletta et al., 2024 — Explainable Ponzi Schemes Detection on Ethereum","Qu et al., 2025 — Detecting Ethereum Ponzi Scheme Based on Hybrid Sampling for Smart Contract"]},"Programas de investimento de alto rendimento (HYIP)":{"n":1,"titulos":["Krishnan et al., 2023 — Scams and Solutions in Cryptocurrencies—A Survey Analyzing Existing Machine Learning Models"]},"Lavagem de dinheiro":{"n":1,"titulos":["Krishnan et al., 2023 — Scams and Solutions in Cryptocurrencies—A Survey Analyzing Existing Machine Learning Models"]},"Venda piramidal ilegal":{"n":1,"titulos":["Shen, 2020 — Women Who Participate in Illegal Pyramid Selling: Voices from Female Rural Migrant Offenders in China"]},"Esquema Ponzi de captação de recursos":{"n":1,"titulos":["Huang et al., 2021 — Gender and age-based investor affinities in a Ponzi scheme"]},"Esquema de pirâmide baseado em contratos inteligentes":{"n":1,"titulos":["Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme"]},"Esquema Ponzi com criptomoedas":{"n":1,"titulos":["Heyman, 2024 — A red flag checklist for cryptocurrency Ponzi schemes"]},"Fraude com criptomoedas":{"n":2,"titulos":["Trozze et al., 2022 — Cryptocurrencies and future financial crime","Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Golpe de investimento de alto rendimento com tokens baseado em approval phishing":{"n":1,"titulos":["Adamczyk, 2025 — Dissection of an Approval-Based Trusted-Token Fraud Scheme Used Across Multiple Blockchain Systems"]},"Fraude em plataformas de empréstimo peer to peer":{"n":1,"titulos":["Chen et al., 2025 — Too Much Technology and Too Little Regulation? The Spectacular Demise of P2P Lending in China"]},"Esquema Ponzi em contratos inteligentes do Ethereum":{"n":2,"titulos":["Shen et al., 2021 — Mining bytecode features of smart contracts to detect ponzi scheme on blockchain","Wen et al., 2023 — Code Will Tell: Visual Identification of Ponzi Schemes on Ethereum"]},"Golpe de robô de trading de forex":{"n":1,"titulos":["Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia"]},"Esquemas de pirâmide e Ponzi":{"n":1,"titulos":["Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends"]},"Esquemas Ponzi inteligentes em blockchain":{"n":1,"titulos":["Kumar et al., 2026 — Detecting Smart Ponzi Schemes on Blockchain Using Machine Learning: A Comprehensive Survey"]},"Plataformas fraudulentas de negociação":{"n":1,"titulos":["Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Golpe pig-butchering":{"n":1,"titulos":["Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Golpes com criptomoedas":{"n":3,"titulos":["Perdana et al., 2024 — Crypto-Cognitive Exploitation: Integrating Cognitive, Social, and Technological perspectives on cryptocurrency fraud","Ordekian et al., 2024 — A Sinister Fattening: Dissecting the Tales of Pig Butchering and Other Cryptocurrency Scams","Dulisse et al., 2025 — Old techniques, new technologies: Exploring patterns from scammers that commit financial fraud via cryptocurrency"]},"Golpe de plataforma de negociação fraudulenta":{"n":2,"titulos":["Perdana et al., 2024 — Crypto-Cognitive Exploitation: Integrating Cognitive, Social, and Technological perspectives on cryptocurrency fraud","Dulisse et al., 2025 — Old techniques, new technologies: Exploring patterns from scammers that commit financial fraud via cryptocurrency"]},"Pig butchering":{"n":3,"titulos":["Perdana et al., 2024 — Crypto-Cognitive Exploitation: Integrating Cognitive, Social, and Technological perspectives on cryptocurrency fraud","Asyalı et al., 2026 — Fake it till you make it: the psychological and communication tactics behind “Pig Butchering” scams","Dulisse et al., 2025 — Old techniques, new technologies: Exploring patterns from scammers that commit financial fraud via cryptocurrency"]},"Golpe de investimento em grupos de mensageria instantânea":{"n":1,"titulos":["Su et al., 2024 — Investment Fraud Cases Study in Chinese Context of Instant Messaging Software"]},"Marketing multinível fraudulento":{"n":1,"titulos":["Suwitho et al., 2023 — The nexus between Ponzi scheme and multi-level marketing systems: Evidence in Indonesia"]},"Pirâmides financeiras":{"n":1,"titulos":["Akhmadiyev et al., 2023 — STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION"]},"Esquemas de investimento de alto rendimento":{"n":1,"titulos":["Badawi et al., 2020 — Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review"]},"Pump and dump":{"n":1,"titulos":["Badawi et al., 2020 — Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review"]},"Fraude de marketing de massa (golpe de investimento":{"n":1,"titulos":["DeLiema et al., 2025 — The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims"]},"golpe de loteria e sorteio":{"n":1,"titulos":["DeLiema et al., 2025 — The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims"]},"golpe de romance e personificação de familiares ou amigos":{"n":1,"titulos":["DeLiema et al., 2025 — The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims"]},"produtos e serviços falsos":{"n":1,"titulos":["DeLiema et al., 2025 — The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims"]},"golpe de caridade)":{"n":1,"titulos":["DeLiema et al., 2025 — The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims"]},"Esquema Ponzi com Bitcoin (MMM)":{"n":1,"titulos":["Boshmaf et al., 2020 — Investigating MMM Ponzi Scheme on Bitcoin"]},"Fraudes com criptoativos (ransomware, manipulação de preços, pump and dump, falsa declaração, spoofing e esquema Ponzi)":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"Golpe pig butchering (fraude híbrida de romance e investimento)":{"n":1,"titulos":["Han et al., 2026 — An Anatomy of ‘Pig Butchering Scams’: Chinese Victims’ and Police Officers’ Perspectives"]},"Esquemas de marketing multinível em fintech":{"n":1,"titulos":["Dinh et al., 2026 — Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam"]},"Exploração financeira de idosos":{"n":1,"titulos":["Nguyen et al., 2021 — Perceived Types, Causes, and Consequences of Financial Exploitation: Narratives from Older Adults"]},"Fraude por engano (deception)":{"n":1,"titulos":["Akartuna et al., 2025 — Shifting routines and the industrialisation of scams: the impact of Covid-19 on deception crimes in Hong Kong"]},"Fraude de investimento híbrida (pig butchering)":{"n":1,"titulos":["Maras et al., 2024 — Deconstructing a form of hybrid investment fraud: Examining ‘pig butchering’ in the United States"]},"Contratos inteligentes de esquema Ponzi na Ethereum":{"n":1,"titulos":["He et al., 2022 — CTRF: Ethereum-Based Ponzi Contract Identification"]},"Golpe de pig-butchering":{"n":1,"titulos":["Ordekian et al., 2024 — A Sinister Fattening: Dissecting the Tales of Pig Butchering and Other Cryptocurrency Scams"]},"Uso não autorizado de cartão de crédito":{"n":1,"titulos":["Ruiz, 2026 — Who gets scammed? The roles of financial literacy, digital financial security, and overconfidence in Europe"]},"Fraude de adiantamento de taxa":{"n":1,"titulos":["Webster et al., 2017 — Policing advance fee fraud (AFF): Experiences of fraud detectives using a victim-focused approach"]},"Fraudes em blockchain":{"n":1,"titulos":["Porras Poma et al., 2025 — Application of unsupervised machine learning techniques for autonomous financial fraud detection in decentralized blockchain environments: a systematic review; [Aplicación de técnicas de machine learning no supervisado para la detección autónoma de fraudes financieros en entornos blockchain descentralizados: una revisión sistemática]"]},"Marketing multinível e esquemas de pirâmide":{"n":1,"titulos":["Groß et al., 2025 — Buy! Buy! Buy!—How Multilevel Marketing Companies Pressure Their Participants to Buy Their Products"]},"Golpes online de compra e de investimento":{"n":1,"titulos":["Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia"]},"Fraude em hedge funds com manipulação de retornos":{"n":1,"titulos":["van Vuuren et al., 2022 — Detecting Investment Fraud Using the Bias Ratio"]},"Esquema de pirâmide de investimento do tipo Ponzi":{"n":1,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]"]},"Esquema Ponzi inteligente em Ethereum":{"n":1,"titulos":["Jiang et al., 2025 — Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes"]},"Golpes de investimento com criptoativos":{"n":1,"titulos":["Blue et al., 2025 — Cryptocurrencies: Who is vulnerable and what are the vulnerabilities?"]},"Golpe de investimento híbrido":{"n":1,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm"]},"Esquema Ponzi por afinidade":{"n":1,"titulos":["Boyle et al., 2025 — The Oversea Chinese Fund: A complex affinity-based Ponzi scheme"]},"Golpe de investimento do tipo programa de investimento de alto rendimento (HYIP) com Bitcoin":{"n":1,"titulos":["Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification"]},"Esquemas Ponzi em contratos inteligentes na Ethereum":{"n":1,"titulos":["Bartoletti et al., 2020 — Dissecting Ponzi schemes on Ethereum: Identification, analysis, and impact"]},"Fraude de investimento digital":{"n":1,"titulos":["Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Golpes com criptoativos com tema de COVID-19":{"n":1,"titulos":["Xia et al., 2020 — Don't Fish in Troubled Waters! Characterizing Coronavirus-Themed Cryptocurrency Scams"]},"Esquemas de pirâmide não regulamentados":{"n":1,"titulos":["Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Pig butchering (Sha Zhu Pan)":{"n":1,"titulos":["Whittaker et al., 2024 — Are fraud victims nothing more than animals? Critiquing the propagation of “pig butchering” (Sha Zhu Pan, 杀猪盘)"]},"Fraudes no Ethereum":{"n":1,"titulos":["Jin et al., 2025 — Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision"]},"Esquema Ponzi em jogos de criptoativos play-to-earn":{"n":1,"titulos":["de Souza et al., 2025 — Red Flags in Play-to-Earn Crypto Games: Proposal and Testing of a Checklist Based on Ponzi Scheme; [Sinais de Alerta em Cripto Jogos: Proposta e Teste de uma Lista de Verificação com Base em Esquemas Ponzi]"]},"Fraude de investimento online":{"n":1,"titulos":["Anderson et al., 2024 — Exploring the roles played by trust and technology in the online investment fraud victimisation process"]},"Scam tokens (rugpulls, honeypots e esquemas Ponzi)":{"n":1,"titulos":["Wu et al., 2024 — TokenScout: Early Detection of Ethereum Scam Tokens via Temporal Graph Learning"]},"Golpe de investimento em criptoativos (pig butchering)":{"n":1,"titulos":["Botha et al., 2025 — Analysis of a Cryptocurrency Investment Scam: Pig Butchering"]},"Fraude de esquema de pirâmide":{"n":1,"titulos":["Greenman et al., 2023 — County trajectories of pyramid scheme victimization"]},"Esquema Ponzi (European Kings Club)":{"n":1,"titulos":["Truffer et al., 2026 — From Swiss Farmers to European Kings? ‘Folklore,’ ‘Common Sense,’ and Structural Crisis in Western Europe's Largest Ponzi Scheme"]},"Esquema Ponzi online":{"n":1,"titulos":["Onanuga et al., 2020 — Discursive features of nigerian online ponzi schemes’ narratives; [Diskurzivne značilnosti naracije v nigerijskih spletnih ponzijevih shemah]"]},"Esquema Ponzi natural (bolha de ações da Enron)":{"n":1,"titulos":["Karaša et al., 2025 — Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis"]},"Esquema Ponzi com stablecoins algorítmicas":{"n":1,"titulos":["Fu et al., 2024 — Leveraging Ponzi-like designs in stablecoins"]},"Golpe de personificação de executivo com deepfake":{"n":1,"titulos":["Ampel, 2026 — Teaching Case Seeing Is Not Believing: A Deepfake Video Call Scam at Pan-Asia Trading"]},"Golpe telefônico com clonagem de voz por IA":{"n":1,"titulos":["Sharevski et al., 2026 — \"you Creep! It Really Worked!\": An Empirical Study of Telephone Scams with Cloned Familiar Voices and Trusted Caller IDs"]},"Golpe de emergência familiar":{"n":1,"titulos":["Sharevski et al., 2026 — \"you Creep! It Really Worked!\": An Empirical Study of Telephone Scams with Cloned Familiar Voices and Trusted Caller IDs"]},"Golpe de personificação de autoridade":{"n":1,"titulos":["Dinh et al., 2026 — Authority Impersonation and Digital Victimization in a Transnational Cyber Fraud Network: Evidence from Vietnam"]},"Golpe de suporte técnico":{"n":5,"titulos":["Miramirkhani et al., 2017 — Dial One for Scam: A Large-Scale Analysis of Technical Support Scams","Payne, 2020 — Criminals Work from Home during Pandemics Too: a Public Health Approach to Respond to Fraud and Crimes against those 50 and above","Gupta et al., 2018 — Towards measuring the role of phone numbers in twitter-advertised spam","Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models","Srinivasan et al., 2018 — Exposing search and advertisement abuse tactics and infrastructure of technical support scammers"]},"Fraude de personificação de fornecedor":{"n":1,"titulos":["Canillas et al., 2020 — GraphSIF: analyzing flow of payments in a Business-to-Business network to detect supplier impersonation"]},"Golpe romântico":{"n":1,"titulos":["Lazarus, 2026 — ‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations"]},"Comprometimento de e-mail corporativo":{"n":2,"titulos":["Lazarus, 2026 — ‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations","Hao et al., 2025 — Do Spammers Dream of Electric Sheep? Characterizing the Prevalence of LLM-Generated Malicious Emails"]},"Comprometimento de e-mail corporativo (BEC)":{"n":6,"titulos":["Almutairi et al., 2025 — Business Email Compromise: A Comprehensive Taxonomy for Detection and Prevention","Cross et al., 2020 — Exploiting trust for financial gain: an overview of business email compromise (BEC) fraud","Václavík et al., 2026 — RESILIENCE AGAINST BUSINESS EMAIL COMPROMISE: A CORPORATE CASE STUDY; [OTPORNOST NA KOMPROMITIRANJE POSLOVNE E-POŠTE: STUDIJA SLUČAJA KORPORACIJE]","Atlam et al., 2023 — Business Email Compromise Phishing Detection Based on Machine Learning: A Systematic Literature Review","Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations","Papathanasiou et al., 2024 — BEC Defender: QR Code-Based Methodology for Prevention of Business Email Compromise (BEC) Attacks"]},"Fraude contra idosos":{"n":1,"titulos":["Payne, 2020 — Criminals Work from Home during Pandemics Too: a Public Health Approach to Respond to Fraud and Crimes against those 50 and above"]},"Phone spoofing (call spoofing)":{"n":1,"titulos":["Verma, 2024 — The Impact of Call Spoofing on Trust and Communication: A User Perception Study"]},"Business Email Compromise (BEC)":{"n":2,"titulos":["Almutairi et al., 2025 — Business email compromise: A systematic review of understanding, detection, and challenges","Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks"]},"Golpe de personificação em redes sociais com criptomoedas":{"n":1,"titulos":["Chergarova et al., 2022 — Cryptocurrency fraud: A study on the characteristics of criminals who are using fake profiles on a social media platform to persuade individuals to invest into cryptocurrency"]},"Golpe de personificação institucional":{"n":1,"titulos":["Liu et al., 2024 — Constructing identities in institutional impersonation fraud: self-styling and other-styling practices through stances"]},"Comprometimento de e-mail corporativo (Business Email Compromise)":{"n":3,"titulos":["Lazarus, 2025 — Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity","Bakarich et al., 2020 — Something phish-y is going on here: A teaching case on business email compromise","Papathanasiou et al., 2023 — Business Email Compromise (BEC) Attacks: Threats, Vulnerabilities and Countermeasures—A Perspective on the Greek Landscape"]},"Fraude do CEO":{"n":2,"titulos":["Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits","Choi et al., 2024 — Introduction to Audio Deepfake Generation: Academic Insights for Non-Experts"]},"Contrato fraudulento":{"n":1,"titulos":["Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits"]},"Fatura fantasma":{"n":1,"titulos":["Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits"]},"Ataques de comunicação telefônica de saída (OPC)":{"n":1,"titulos":["Gupta et al., 2018 — Towards measuring the role of phone numbers in twitter-advertised spam"]},"Golpes de personificação":{"n":1,"titulos":["Rajan et al., 2026 — Digital Vulnerability in Later Life: How Older Adults in Chennai Experience and Manage Impersonation Scams"]},"Deepfakes direcionados":{"n":1,"titulos":["Frick et al., 2024 — A Photo and a Few Spoken Words Is All It Needs?! On the Challenges of Targeted Deepfake Attacks and Their Detection"]},"Golpes telefônicos e robocalls":{"n":1,"titulos":["Pietri et al., 2025 — Telecom spam and scams in the 5G and artificial intelligence era: analyzing economic implications, technical challenges and global regulatory efforts"]},"Golpes financeiros contra idosos":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Golpe de caridade":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Golpe de personificação de agência governamental":{"n":1,"titulos":["Yu et al., 2023 — Vulnerability of Older Adults to Government Impersonation Scams"]},"Golpe de suporte técnico baseado em criptomoedas":{"n":1,"titulos":["Acharya et al., 2024 — Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams"]},"E-mails maliciosos gerados por LLM":{"n":1,"titulos":["Hao et al., 2025 — Do Spammers Dream of Electric Sheep? Characterizing the Prevalence of LLM-Generated Malicious Emails"]},"Phishing com criptomoedas":{"n":1,"titulos":["Devi et al., 2026 — Protecting Drug Delivery Systems from Cryptocurrency Phishing Attacks: A New Frontier in Pharmaceutical Cybersecurity"]},"Golpes de personificação bancária":{"n":1,"titulos":["Camilleri et al., 2026 — \"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland"]},"Golpes de aluguel":{"n":1,"titulos":["Camilleri et al., 2026 — \"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland"]},"Golpes de falsas ofertas de emprego":{"n":1,"titulos":["Camilleri et al., 2026 — \"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland"]},"Prisão digital":{"n":1,"titulos":["Robert et al., 2026 — Digital arrest in the cyber age: a psychological perspective on fear, authority, and consciousness"]},"Golpes online":{"n":1,"titulos":["Hoffman et al., 2026 — ScamPilot: Simulating Conversations with LLMs to Protect Against Online Scams"]},"Spoofing de chamadas de socorro VHF DSC marítimas":{"n":1,"titulos":["Lindback et al., 2024 — Demonstration of Digital Selective Call Spoofing"]},"Crimes financeiros nos Estados Unidos":{"n":1,"titulos":["Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States"]},"Personificação de agentes governamentais":{"n":1,"titulos":["Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States"]},"Fraude do CEO com audio deepfake":{"n":1,"titulos":["Schäfer et al., 2024 — Explore the World of Audio Deepfakes: A Guide to Detection Techniques for Non-Experts"]},"Golpe de voz com audio deepfake":{"n":1,"titulos":["Schäfer et al., 2024 — Explore the World of Audio Deepfakes: A Guide to Detection Techniques for Non-Experts"]},"Fraude de personificação":{"n":1,"titulos":["Banerjee et al., 2023 — Experience, learning and the detection of deception"]},"Golpe do Game Hack":{"n":1,"titulos":["Badawi et al., 2019 — Automatic detection and analysis of the “game hack” scam"]},"Deepfake de áudio":{"n":1,"titulos":["Choi et al., 2024 — Introduction to Audio Deepfake Generation: Academic Insights for Non-Experts"]},"Golpe de voz":{"n":1,"titulos":["Choi et al., 2024 — Introduction to Audio Deepfake Generation: Academic Insights for Non-Experts"]},"Falsificação de identificador de chamadas (caller ID spoofing) em fraude telefônica":{"n":1,"titulos":["Wang et al., 2023 — Spoofing Against Spoofing: Toward Caller ID Verification in Heterogeneous Telecommunication Systems"]},"Spam por domínios maliciosos":{"n":1,"titulos":["Fernandez et al., 2022 — Early Detection of Spam Domains with Passive DNS and SPF"]},"Falsificação de identificador de chamadas (caller ID spoofing)":{"n":1,"titulos":["Deng et al., 2018 — CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification"]},"Falsificação de identificação de chamadas em VoIP no Android":{"n":1,"titulos":["He et al., 2020 — Understanding Android VoIP Security: A System-Level Vulnerability Assessment"]},"Fraude de identidade em exames online (contract cheating)":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"Spoofing facial com imagens estáticas":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"Caller ID spoofing":{"n":1,"titulos":["Deng et al., 2018 — Demo: Combating caller ID spoofing on 4G Phones Via CEIVE"]},"Falsificação de identificador de chamadas (caller-ID spoofing)":{"n":1,"titulos":["Tas et al., 2024 — Blockchain-Based Caller-ID Authentication (BBCA): A Novel Solution to Prevent Spoofing Attacks in VoIP/SIP Networks"]},"Declarações enganosas":{"n":1,"titulos":["Boumber et al., 2024 — LLMs for Explainable Few-shot Deception Detection"]},"Phishing por e-mail com extorsão":{"n":1,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"Vishing com clonagem de voz por IA":{"n":1,"titulos":["Martínez-Echevarría et al., 2026 — The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?"]},"Creepware (aplicativos usados em ataques interpessoais)":{"n":1,"titulos":["Roundy et al., 2020 — The many kinds of creepware used for interpersonal attacks"]},"Golpes contra trabalhadores remotos":{"n":1,"titulos":["Angafor et al., 2024 — Securing the remote office: reducing cyber risks to remote working through regular security awareness education campaigns"]},"Ataques cibernéticos com tema Covid-19 (phishing, malware, roubo de identidade e ransomware)":{"n":1,"titulos":["Rameem Zahra et al., 2022 — Detecting Covid-19 chaos driven phishing/malicious URL attacks by a fuzzy logic and data mining based intelligence system"]},"Phishing e engenharia social com tema COVID-19":{"n":1,"titulos":["Venkatesha et al., 2021 — Correction to: Social Engineering Attacks During the COVID-19 Pandemic (SN Computer Science, (2021), 2, 2, (78), 10.1007/s42979-020-00443-1)"]},"Chamadas de spam com falsificação de identificador de chamadas (Caller ID spoofing)":{"n":1,"titulos":["Zheng et al., 2026 — Spam Call Detection with Hybrid Call ID Spoofing Detection and Cryptographic User Authentication"]},"Ransomware contra dispositivos NAS":{"n":2,"titulos":["Meurs et al., 2026 — NAS ransomware: ransomware targeting NAS devices","Yasui et al., 2024 — SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices"]},"Cibercrimes":{"n":1,"titulos":["Pappy et al., 2026 — STRIKE: A Structured Taxonomy of Cybercrime for Risk, Impact, Knowledge, and Evolution"]},"Ransomware baseado em Rust":{"n":1,"titulos":["Wang et al., 2026 — RTCatch: a real-time detection method to combat evolving rust language ransomware"]},"Ransomware de dupla extorsão":{"n":4,"titulos":["Nershi, 2025 — Informal allies: State-cybercriminal alignment in the ransomware ecosystem","Hirano et al., 2025 — Hypervisor-based Double Extortion Ransomware Detection Method Using Kitsune Network Features","Meurs et al., 2023 — Double-Sided Information Asymmetry in Double Extortion Ransomware","Meurs et al., 2024 — What to Do Against Ransomware? Evaluating Law Enforcement Interventions"]},"Ransomware como serviço (RaaS)":{"n":1,"titulos":["Ruellan et al., 2024 — Conti Inc.: understanding the internal discussions of a large ransomware-as-a-service operator with machine learning"]},"Ataques cibernéticos contra provedores de serviços gerenciados (MSPs), incluindo ransomware":{"n":1,"titulos":["Neupane et al., 2026 — A Qualitative Synthesis of Cyberattack Trends in Managed Service Providers: Analyzing Multi-Tenant Vulnerabilities and Mitigation Strategies"]},"Ransomware como serviço":{"n":7,"titulos":["Pradhan et al., 2025 — Generational perception of ransomware-as-a-service (raas) and attitudes toward ransomware payments","Botchkovar et al., 2025 — The organized activities of ransomware groups: A social network approach","Moallim et al., 2026 — AI-Amplification Indicator: An Actor-Level Scoring Framework for Ransomware Operations on the Dark Web","Connolly et al., 2023 — Applying Neutralisation Theory to Better Understand Ransomware Offenders","Chauhan et al., 2023 — Ransomware as a Service Kit: A Novel Cybercrime Strategy to Monetize Victims' Data","Meland et al., 2020 — The Ransomware-as-a-Service economy within the darknet","Karapapas et al., 2020 — Ransomware as a Service using Smart Contracts and IPFS"]},"Ransomware contra sistemas de inteligência artificial":{"n":1,"titulos":["Min et al., 2026 — Rethinking Ransomware Protection Targets for AI Systems"]},"Ransomware em redes IIoT":{"n":1,"titulos":["Huang et al., 2025 — Ransomware in Resource-Constrained Industrial IoT Networks: There Actually is a Threat"]},"Ataques cibernéticos marítimos":{"n":1,"titulos":["Raymaker et al., 2025 — A Sea of Cyber Threats: Maritime Cybersecurity from the Perspective of Mariners"]},"GPS spoofing":{"n":1,"titulos":["Raymaker et al., 2025 — A Sea of Cyber Threats: Maritime Cybersecurity from the Perspective of Mariners"]},"Crypto-ransomware":{"n":4,"titulos":["Gómez Hernández et al., 2023 — Crypto-Ransomware: A Revision of the State of the Art, Advances and Challenges","Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification","Berrueta et al., 2020 — Open Repository for the Evaluation of Ransomware Detection Tools","Y. Connolly et al., 2019 — The rise of crypto-ransomware in a changing cybercrime landscape: Taxonomising countermeasures"]},"Ataque cibernético a instituições de ensino superior e bibliotecas":{"n":1,"titulos":["Fiscus, 2024 — Knowledge Held Hostage: What the British Library Ransomware Attack Can Teach Us"]},"Extorsão cibernética em tecnologia operacional":{"n":1,"titulos":["Derbyshire et al., 2024 — Dead Man's PLC: Towards Viable Cyber Extortion for Operational Technology"]},"Fraudes com criptoativos (ransomware":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"manipulação de preços":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"pump and dump":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"deturpação":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"spoofing":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"esquema Ponzi)":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"Ransomware com dupla extorsão":{"n":1,"titulos":["Meurs et al., 2024 — Deception in double extortion ransomware attacks: An analysis of profitability and credibility"]},"Extorsão de validadores de Ethereum por ameaça de slashing (resgate)":{"n":1,"titulos":["Bhudia et al., 2023 — Game Theoretic Modelling of a Ransom and Extortion Attack on Ethereum Validators"]},"Ransomware criptográfico":{"n":2,"titulos":["Zakaria et al., 2024 — Early Detection of Windows Cryptographic Ransomware Based on PreAttack API Calls Features and Machine Learning","Carlin et al., 2018 — Dynamic Opcode Analysis of Ransomware"]},"Ameaças de cibersegurança":{"n":1,"titulos":["Dave et al., 2023 — The New Frontier of Cybersecurity: Emerging Threats and Innovations"]},"Phishing de extorsão por e-mail":{"n":1,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"Clippers":{"n":1,"titulos":["Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Sextortion":{"n":1,"titulos":["Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Golpes de sorteio com criptoativos":{"n":1,"titulos":["Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Golpes de corretoras de criptoativos":{"n":1,"titulos":["Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Ransomware direcionado":{"n":1,"titulos":["Ryan et al., 2022 — Dynamics of Targeted Ransomware Negotiation"]},"Cibercrimes diversos: ransomware":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"fraude por e-mail":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"fraude bancária online":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"fraude em vendas online":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"roubo de identidade":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"Ransomware contra sistemas ciber-físicos":{"n":1,"titulos":["Benmalek, 2024 — Ransomware on cyber-physical systems: Taxonomies, case studies, security gaps, and open challenges"]},"Ataques cibernéticos contra PMEs":{"n":1,"titulos":["Tetteh, 2024 — Cybersecurity needs for SMEs"]},"Ransomware TorrentLocker":{"n":1,"titulos":["Kara, 2024 — Analyzing TorrentLocker Ransomware Attacks: A Real Case Study"]},"Ransomware Clop":{"n":1,"titulos":["Lee et al., 2024 — Clop Ransomware in Action: A Comprehensive Analysis of Its Multi-Stage Tactics"]},"Ransomware em Android":{"n":1,"titulos":["Hu et al., 2020 — Research on Android Ransomware Protection Technology"]},"Extorsão cibernética e ameaças cibernéticas":{"n":1,"titulos":["Vasiu et al., 2020 — Forms and consequences of the cyber threats and extortion phenomenon"]},"Ransomware Avaddon":{"n":1,"titulos":["Yuste et al., 2021 — Avaddon ransomware: An in-depth analysis and decryption of infected systems"]},"Crypto-ransomware em Windows":{"n":1,"titulos":["Lemmou et al., 2021 — A behavioural in-depth analysis of ransomware infection"]},"Ransomware WannaCry":{"n":2,"titulos":["Akbanov et al., 2019 — WannaCry ransomware: Analysis of infection, persistence, recovery prevention and propagation mechanisms","Zhang et al., 2021 — A Study of Cyber Attack Behavior based on Algebraic Topology"]},"Ransomware com venda de dados roubados (ransomware 2.0)":{"n":1,"titulos":["Li et al., 2021 — Game Theory of Data-selling Ransomware"]},"Ransomware com ameaça de divulgação de dados (ransomware 1.5)":{"n":1,"titulos":["Li et al., 2021 — Game Theory of Data-selling Ransomware"]},"Cryptoware":{"n":1,"titulos":["Custers et al., 2020 — Laundering the Profits of Ransomware; Money Laundering Methods for Vouchers and Cryptocurrencies"]},"Ataques criptovirais":{"n":1,"titulos":["Zimba et al., 2019 — Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks"]},"Cryptojacking":{"n":1,"titulos":["Zimba et al., 2019 — Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks"]},"Botnets":{"n":1,"titulos":["van der Wagen et al., 2020 — The hybrid victim: Re-conceptualizing high-tech cyber victimization through actor-network theory"]},"Roubo virtual":{"n":1,"titulos":["van der Wagen et al., 2020 — The hybrid victim: Re-conceptualizing high-tech cyber victimization through actor-network theory"]},"Ransomware com enclaves":{"n":1,"titulos":["Bhudia et al., 2021 — RansomClave: Ransomware Key Management using SGX"]},"Ransomware direcionado a gateways de borda de IIoT":{"n":1,"titulos":["Al-Hawawreh et al., 2019 — Targeted Ransomware: A New Cyber Threat to Edge System of Brownfield Industrial Internet of Things"]},"Ransomware baseado em invasão de privacidade em dispositivos IoT":{"n":1,"titulos":["Brierley et al., 2021 — Industrialising Blackmail: Privacy Invasion Based IoT Ransomware"]},"Eventos de cibersegurança (violação de dados":{"n":1,"titulos":["Satyapanich et al., 2019 — Extracting Rich Semantic Information about Cybersecurity Events"]},"ransomware)":{"n":1,"titulos":["Satyapanich et al., 2019 — Extracting Rich Semantic Information about Cybersecurity Events"]},"Ransomware em Linux":{"n":1,"titulos":["Hristev et al., 2022 — Ransomware Target: Linux. Recover Linux Data Arrays after Ransomware Attack."]},"Ransomware baseado em blockchain":{"n":1,"titulos":["Delgado-Mohatar et al., 2020 — Blockchain-based semi-autonomous ransomware"]},"Ciberataques de phishing, ransomware e outros malwares":{"n":1,"titulos":["Pyke et al., 2021 — Predicting individual differences to cyber attacks: Knowledge, arousal, emotional and trust responses"]},"Ransomware para robôs industriais":{"n":1,"titulos":["Mayoral-Vilches et al., 2020 — Industrial robot ransomware: Akerbeltz"]},"Ransomware Android":{"n":1,"titulos":["Alsoghyer et al., 2019 — Ransomware detection system for android applications"]},"Scareware":{"n":1,"titulos":["Hamid et al., 2017 — Android Malware Classification Using K-Means Clustering Algorithm"]},"Ataques cibernéticos ao setor de água, incluindo ransomware e cryptojacking":{"n":1,"titulos":["Hassanzadeh et al., 2020 — A Review of Cybersecurity Incidents in the Water Sector"]},"Ransomware em carro conectado e automatizado":{"n":1,"titulos":["Payre et al., 2022 — How System Failures and Ransomwares Affect Drivers’ Trust and Attitudes in an Automated Car? A Simulator Study"]},"Ransomware em dispositivos IoT":{"n":1,"titulos":["Brierley et al., 2020 — PaperW8: An IoT bricking ransomware proof of concept"]},"Locker-ransomware em Android":{"n":1,"titulos":["Su et al., 2019 — Detecting Android Locker-Ransomware on Chinese Social Networks"]},"Ransomware móvel":{"n":1,"titulos":["Zheng et al., 2017 — GreatEatlon: Fast, static detection of mobile ransomware"]}}},"canais":{"rotulo":"Canal do ataque","especificados":265,"distribuicao":{"Blockchain":77,"Web":73,"Redes Sociais":65,"E-mail":46,"Voz":29,"Mensageria Instantânea":16,"SMS":9,"QR Code":3},"procedencia":{"E-mail":{"n":46,"titulos":["Aassal et al., 2020 — An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs","Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection","Gupta et al., 2017 — Defending against Phishing Attacks: Taxonomy of Methods, Current Issues and Future Directions","Ogaili et al., 2023 — A Critical Review: Revisiting Phishing Attacks Classification and Analysis of Techniques Employed in Taxonomies","Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email","Eilertsen et al., 2025 — LLM-Powered Intent-Based Categorization of Phishing Emails","Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Web":{"n":73,"titulos":["Aassal et al., 2020 — An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs","Li et al., 2024 — A State-of-the-Art Review on Phishing Website Detection Techniques","Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites","Gupta et al., 2017 — Defending against Phishing Attacks: Taxonomy of Methods, Current Issues and Future Directions","Ogaili et al., 2023 — A Critical Review: Revisiting Phishing Attacks Classification and Analysis of Techniques Employed in Taxonomies","Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads","Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection","Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection"]},"Redes Sociais":{"n":65,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites","Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads","Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework","AlEroud et al., 2017 — Phishing environments, techniques, and countermeasures: A survey","Derhab et al., 2021 — Tweet-Based Bot Detection Using Big Data Analytics","Al-Hassan et al., 2023 — DSpamOnto: An Ontology Modelling for Domain-Specific Social Spammers in Microblogging","Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES","Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024"]},"Blockchain":{"n":77,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites","Wang et al., 2026 — Blockchain Transaction Simulation Phishing","Agrawal et al., 2022 — An Extensive Blockchain Based Applications Survey: Tools, Frameworks, Opportunities, Challenges and Solutions","Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture","Sepideh HajiHosseinKhani, 2023 — Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset","Mubashar Iqbal, 2021 — Exploring Sybil and Double-Spending Risks in Blockchain Systems","Federico Franzoni, 2022 — SoK: Network-Level Attacks on the Bitcoin P2P Network","Kervins Nicolas, 2020 — Blockchain System Defensive Overview for Double-Spend and Selfish Mining Attacks: A Systematic Approach"]},"Mensageria Instantânea":{"n":16,"titulos":["Qaseem et al., 2014 — Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach","Tergembay et al., 2025 — IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY","Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT","Syed Hussain, 2024 — A state-of-the-art universal machine learning framework for decoding suspect coded messages","V. V. Vasilkova, 2019 — Use of Chatbots in Volunteering","Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era","Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study","Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation"]},"SMS":{"n":9,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift","KL et al., 2026 — Investigation of Cyber Frauds in India: Legal and Digital Forensic Challenges in the Era of UPI and Online Banking","Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection","Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era","Abeysekera, 2025 — A framework for investment scam reporting: Deception and reverse agency in an Australian context","Gupta et al., 2018 — Towards measuring the role of phone numbers in twitter-advertised spam","Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models","Venkatesha et al., 2021 — Correction to: Social Engineering Attacks During the COVID-19 Pandemic (SN Computer Science, (2021), 2, 2, (78), 10.1007/s42979-020-00443-1)"]},"Voz":{"n":29,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","Astrakhantsev et al., 2024 — Improving user security during a call","Asante et al., 2026 — Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana","KL et al., 2026 — Investigation of Cyber Frauds in India: Legal and Digital Forensic Challenges in the Era of UPI and Online Banking","Scott Beach, 2020 — Vulnerability to Financial Scams Among Older Adults: Cognitive and Psychosocial Factors","Ibrahim Tariq Javed, 2017 — TrustCall: A Trust Computation Model for Web Conversational Services","Abeysekera, 2025 — A framework for investment scam reporting: Deception and reverse agency in an Australian context","Ampel, 2026 — Teaching Case Seeing Is Not Believing: A Deepfake Video Call Scam at Pan-Asia Trading"]},"QR Code":{"n":3,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","KL et al., 2026 — Investigation of Cyber Frauds in India: Legal and Digital Forensic Challenges in the Era of UPI and Online Banking","Papathanasiou et al., 2024 — BEC Defender: QR Code-Based Methodology for Prevention of Business Email Compromise (BEC) Attacks"]}}},"metodos":{"rotulo":"Método","especificados":540,"distribuicao":{"Revisão narrativa":66,"Estudo de caso":23,"Aprendizado de máquina":21,"Random Forest":15,"Entrevistas":15,"Survey":13,"Revisão sistemática":12,"Entrevistas semiestruturadas":12,"Análise temática":9,"Teoria dos jogos":9,"Revisão sistemática da literatura":7,"Regressão logística":6,"XGBoost":6,"Revisão de literatura":6,"Métodos mistos":6,"Análise de redes sociais":6,"BERT":5,"Aprendizado profundo":5,"SHAP":5,"Estudos de caso":5,"Análise comparativa":5,"Entrevistas em profundidade":5,"Mineração de dados":4,"LSTM":4,"Modelagem de equações estruturais":4,"Amostragem intencional":4,"Análise de conteúdo":4,"Grupos focais":4,"Análise qualitativa":4,"Modelo de teoria dos jogos":4,"J48":3,"Naïve Bayes":3,"Modelagem de tópicos":3,"Árvore de decisão":3,"Anotação manual":3,"Classificação multirrótulo":3,"Aprendizado supervisionado":3,"Seleção de características":3,"Análise bibliométrica":3,"Engenharia reversa":3,"Aprendizado contrastivo":3,"Regressão binomial negativa":3,"Aprendizado de máquina interpretável":3,"Entrevistas qualitativas":3,"Simulação":3,"Entropia de Shannon":3,"Análise de conteúdo indutiva":3,"Deep learning":2,"Geração aumentada por recuperação (RAG)":2,"Estudo piloto":2,"Análise estática de programas":2,"Modelagem de ontologia":2,"Raciocínio ontológico":2,"Raciocínio baseado em regras":2,"Revisão da literatura":2,"LIME":2,"Análise de dados secundários":2,"Análise de séries temporais":2,"Abordagem qualitativa":2,"Substituição de sinônimos":2,"Modelo de espaço vetorial":2,"Naive Bayes":2,"Ajuste de hiperparâmetros":2,"OCR":2,"Ontologia":2,"Aprendizado não supervisionado":2,"Estudo comparativo":2,"Latent Dirichlet Allocation":2,"PRISMA":2,"Correlação de Pearson":2,"Análise descritiva":2,"Abordagem criminológica":2,"Pesquisa estatística":2,"Questionário":2,"Conversão de bytecode em imagens RGB":2,"Pesquisa jurídica normativa":2,"Modelo de classificação":2,"Revisão de escopo":2,"Pesquisa por questionário":2,"Grafo de fluxo de controle":2,"Análise de motifs":2,"TF-IDF":2,"Oversampling":2,"Abordagem quantitativa":2,"Transformer":2,"Abordagem conceitual":2,"Simulação numérica":2,"Modelo de jornada da fraude em cinco estágios":2,"Modelagem semântica baseada em transformer":2,"Modelos ensemble":2,"Detecção de anomalias":2,"Análise quantitativa":2,"Pesquisa quantitativa":2,"Revisão de mídia":2,"Pesquisa qualitativa":2,"Questionário estruturado":2,"LLM":2,"Classificação de extorsão":2,"Análise de sentimento":2,"Identificação de idioma":2,"DistilBERT":2,"DeBERTa":2,"Experimento com vinhetas":2,"Análise linguística":2,"Análise de sensibilidade":2,"Jogo de sinalização":2,"Qui-quadrado":2,"Análise dinâmica":2,"Workshops":2,"Análise de malware":2,"Análise estática":2,"Análise empírica":1,"Benchmarking de características de phishing":1,"Avaliação de classificadores sob razões variadas de legítimo e phishing":1,"Descoberta de conhecimento":1,"Ponderação de termos de phishing":1,"Stemming":1,"Ontologia WordNet":1,"DBSCAN":1,"Análise da origem e destino de fundos":1,"Extração de informação baseada em ontologia (OBIE)":1,"Classification based on Association (CBA)":1,"Algoritmo PDS Monitoring":1,"Modelagem conceitual de taxonomia":1,"Modelagem conceitual em OntoUML":1,"Framework neuro-simbólico":1,"Regras simbólicas":1,"Redação automatizada de dados sensíveis":1,"Raciocínio formal em ontologia OWL":1,"Método Delphi":1,"Avaliação baseada em cenários":1,"Análise dinâmica de programas":1,"Clusterização":1,"Classificação de e-mails por LLMs":1,"Classificação binária":1,"Classificação multiclasse por intenção":1,"Taxonomia de propriedade de domínios":1,"Análise de dados em larga escala":1,"Detecção baseada em propagação":1,"Comparação com LLMs":1,"Taxonomia de métodos de manipulação de LLMs":1,"Benchmark de detectores de phishing":1,"Taxonomia bidimensional":1,"Avaliação empírica de ataques de prompt injection":1,"Prompt hardening":1,"Retrieval augmentation baseada em allowlist":1,"Validação de saída":1,"Aprendizado sensível a custo":1,"Stacked generalization":1,"Sobreamostragem segura por dobra":1,"LightGBM":1,"Análise de curvas de custo":1,"RNN":1,"Mapeamento para TTPs do MITRE ATT&CK":1,"Regressão logística com TF-IDF em nível de palavra e caractere":1,"Aumento de dados balanceado por célula":1,"Ajuste fino de DistilRoBERTa":1,"Transformador hierárquico":1,"Adjudicação humana dual":1,"Avaliação com portões de segurança pré-especificados":1,"Diagnóstico disjunto por família":1,"Federated Learning":1,"Taxonomia preliminar":1,"Agrupamento em clusters":1,"Máxima entropia":1,"Support Vector Machine":1,"Análise de conteúdo de e-mails":1,"Modelo ontológico de Mouton et al.":1,"Análise de investigações policiais":1,"Análise de agrupamento K-means":1,"Deep Learning":1,"Regressão":1,"Inception V4":1,"Função sigmoide":1,"PRISMA 2020":1,"Análise de listas de referências":1,"Análise tipológica":1,"Desenho descritivo quantitativo e qualitativo":1,"Tf-idf":1,"Solicitação de dados via Lei de Acesso à Informação":1,"Análise de conformidade legal":1,"Taxonomia de crimes em DeFi":1,"Mapeamento na pilha DeFi":1,"Quantificação de danos financeiros":1,"Análise recursiva de cadeias de redirecionamento":1,"Integração dinâmica de fontes de dados de ameaças":1,"Abordagem interpretativista":1,"Modelo interativo de análise de dados":1,"Abordagem abdutiva":1,"Knowledge Graph corporativo":1,"Rede de ontologias de cibersegurança":1,"Pipeline automatizado de conversão de dados":1,"Questões de competência":1,"Regras de qualidade de dados":1,"Modelagem matemática":1,"Abordagem ontológica":1,"Modelos de otimização multicritério":1,"Triangulação de dados e metodológica":1,"Meta-análise entre domínios":1,"Aprendizado de máquina clássico":1,"Experimentos entre domínios":1,"Clusterização não supervisionada":1,"Síntese da literatura":1,"Teoria da Identificação da Ação":1,"Avaliação por oito avaliadores":1,"Confiabilidade entre avaliadores":1,"Taxonomia de ameaças baseadas em IA":1,"Avaliação comparativa de defesas":1,"Desenho de pesquisa conceitual com base em dados secundários":1,"Estudo de caso comparativo":1,"Modelo Tecnologia-Organização-Ambiente":1,"Stacking ensemble":1,"Processamento hierárquico de informação":1,"Índice integrativo de ameaça":1,"Atualização bayesiana de confiança":1,"Softmax":1,"Adaptação orientada por feedback":1,"Federated learning":1,"Privacidade diferencial":1,"Desenho investigativo":1,"Análise inferencial":1,"Decomposição em tendência, sazonalidade e componente aleatória":1,"Engenharia de prompt":1,"Abordagem no-code":1,"Engenharia de ontologias com LLM":1,"Engenharia de prompts":1,"Prompting no-code com primitivas de condição, laço e função":1,"GPT-5":1,"Modelagem de ameaças":1,"Análise de cenários":1,"Isolation Forest":1,"Votação ponderada":1,"Métodos qualitativos e quantitativos":1,"Análise de survey":1,"Avaliação experimental de sistemas de detecção de intrusão baseados em aprendizado de máquina":1,"Modelos de detecção de anomalias em ensemble":1,"Abordagem de métodos mistos":1,"Estudos de caso compostos":1,"Análise de registros policiais":1,"Monitoramento de mercados da darknet":1,"Projeção Triaxial de Critério (F–C–P)":1,"Validação com casos individuais, de trajetória e diagnósticos":1,"Benchmark de runtime":1,"Estudo de caso único qualitativo":1,"Análise documental":1,"Síntese OSINT":1,"Protocolo de verificação LHFP":1,"SVM":1,"Ontologia fuzzy":1,"Lista negra de páginas censuradas":1,"Detecção de spam baseada em ontologia":1,"Razão de similaridade com dicionário":1,"Engenharia ontológica":1,"Semantic Web Rule Language (SWRL)":1,"Web Ontology Language (OWL)":1,"Raciocinadores semânticos":1,"Teoria da Motivação de Proteção":1,"Análise de sentimentos":1,"Abordagem semântica baseada em ontologia":1,"Aprendizado multi-view não supervisionado":1,"Representação estilométrica":1,"Representação de localização":1,"Algoritmo de geração de alertas Intimation Rule Based (IRB)":1,"Análise de similaridade semântica":1,"Watermarking de bancos de dados relacionais":1,"Ontologia lexicalizada":1,"XLNet":1,"Bi-LSTM":1,"Análise de sentimento baseada em aspectos":1,"SM-CHI":1,"Qui-quadrado aprimorado":1,"Fusão de sinônimos":1,"Estudo longitudinal":1,"Avaliação de credibilidade de cenários de golpe":1,"Framework semântico fuzzy":1,"Algoritmo Genético":1,"Survey baseado em vinhetas":1,"Análise de conteúdo sistemática":1,"Meta-análise":1,"Síntese narrativa":1,"Framework TCCM":1,"Análise de mercados da darkweb":1,"Verificação de validade de certificados em aplicativos nacionais":1,"Survey da literatura":1,"Passive Aggressive Algorithm":1,"Etnografia digital participativa":1,"Multirrotulagem automática":1,"Modelo de domínio de gerenciamento de riscos de segurança (SRM)":1,"Pipeline de análise automatizada":1,"Análise da base de dados Retraction Watch":1,"Análise de citações":1,"Algoritmos Evolutivos Multiobjetivo":1,"NSGA-II":1,"Representação baseada em synsets":1,"Modelo conceitual":1,"Análise preditiva":1,"Simulações contrafactuais":1,"Geração de regras baseada em gramática":1,"Mecanismos de generalização de regras":1,"Esquema de anotação RUN-AS":1,"Árvore de Decisão":1,"Design sensível a valores":1,"Entrevistas iterativas":1,"Investigação conceitual em ética das virtudes":1,"Investigação técnica":1,"Regras SWRL":1,"Processo DCWEB-SOBA":1,"Transformação de problema":1,"Adaptação de algoritmo":1,"Reamostragem":1,"LPROS":1,"BRkNN":1,"Testes estatísticos":1,"Taxonomia AIA-WEB":1,"Análise de postagens":1,"Taxonomia de ataques":1,"Modelagem de comportamento do usuário":1,"Análise heurística":1,"Janelas deslizantes":1,"Lematização":1,"Ponderação de termos":1,"Aprendizado de máquina incremental":1,"Filtragem semântica de e-mails":1,"Medidas de similaridade":1,"Análise de Componentes Principais":1,"Seleção de Características por Correlação":1,"Regressão Logística":1,"Máquina de Vetores de Suporte":1,"Redes de função de base radial":1,"Word embeddings":1,"Classificador linear":1,"Ensemble":1,"Combinação de características superficiais e profundas":1,"Análise estatística":1,"Análise de sentimentos baseada em léxico":1,"Classificação baseada em regras":1,"Metodologia de desenvolvimento de ontologias 101":1,"Tecnologias de Web Semântica":1,"Ontologias":1,"Processamento de linguagem natural":1,"Desenho de pesquisa exploratório":1,"Análise de desempenho":1,"Mapeamento científico":1,"Ontologia OWL":1,"Método misto":1,"Survey online":1,"Teoria fundamentada":1,"Arquitetura baseada em agentes":1,"Algoritmo de ativação por propagação":1,"Modelo de confiança baseado em reputação":1,"Confiança de autenticidade":1,"Confiança comportamental":1,"Análise fatorial confirmatória":1,"Teste de Friedman":1,"Análise multivariada de variância":1,"Modelagem organizacional multiagente AGR4BS":1,"Criptoanálise":1,"Ontologia de web semântica":1,"Abordagem iterativa de desenvolvimento de taxonomia (do observado ao racional e do racional ao observado)":1,"Graph Convolutional Network":1,"Atenção por produto escalar":1,"Revisão temática":1,"Testes sistemáticos de vulnerabilidades":1,"Divulgação responsável":1,"Redução de dimensionalidade semântica sem perdas":1,"Algoritmos evolutivos":1,"Classificação de sentimento multitendência colaborativa":1,"Decomposição do classificador em componente global e componente específico":1,"Algoritmos Greedy e Dynamic Blocking":1,"Análise comparativa de chatbots":1,"Tipologia de produtos e serviços":1,"Semiótica Peirceana":1,"Análise de frequência de palavras com nuvem de palavras":1,"Estudo comparativo de ocorrências de tópicos":1,"Comparação de modelos conceituais":1,"Process Mining":1,"Mapeamento de eventos de sistema para a taxonomia MITRE ATT&CK":1,"Estudo experimental do impacto de ataques":1,"Técnica de normalização de dados":1,"SecureBERT":1,"BiLSTM com atenção":1,"Ontologia de domínio e modelo de inferência":1,"Prompting como defesa":1,"Pré-filtro lexical e estrutural determinístico":1,"Raciocínio em passagem única aumentado por evidências":1,"Pós-verificação deny-by-default":1,"Reconhecimento de entidades nomeadas":1,"Extração de relações":1,"Extração conjunta de entidades e relações":1,"Grafo de correlação":1,"Algoritmo iterativo":1,"Síntese em três eixos com referência cruzada":1,"Regressão de riscos proporcionais de Cox":1,"Seleção híbrida de atributos":1,"ECA-EfficientNet":1,"Augmentação de dados por troca de canais":1,"Pesquisa bibliográfica":1,"Testes psicométricos":1,"Classificador não supervisionado baseado em LLM":1,"Classificador supervisionado":1,"Extração com LLMs multimodelo":1,"Claude Sonnet 4.5":1,"GPT-5.2":1,"Gemini 3 Pro":1,"Expressões regulares":1,"spaCy NER":1,"Kappa de Cohen":1,"Agrupamento Partition Around Medoids":1,"Análise de pontos de mudança":1,"Análise de roteiro do crime":1,"Combinação de bases de dados primárias e secundárias":1,"Análise literária":1,"Novo Historicismo":1,"Verificação manual de contratos":1,"Fenomenologia descritiva":1,"Método de Colaizzi":1,"Análise de roteiro de crime":1,"Estudo de caso único":1,"Análise de fontes arquivísticas e secundárias":1,"n-gram TF":1,"n-gram TF-IDF":1,"SVM_SMOTE":1,"Modelo de grafos aleatórios exponenciais":1,"Entrevistas com insiders":1,"Codificador de grafos pré-treinado":1,"Augmentação de dados de bytecode":1,"CountVectorizer":1,"Word2Vec":1,"CNN":1,"BiGRU":1,"Ensemble de empilhamento com meta-aprendiz neural":1,"Geração de dados sintéticos":1,"Multi-view Cascade Ensemble":1,"Desenho qualitativo multifonte":1,"Codificação por tipo de fonte":1,"Joint displays com preservação de proveniência":1,"Aprendizado de ensemble":1,"Soft voting":1,"Meta-classificadores":1,"Boruta":1,"Searching for Uncorrelated List of Variables":1,"Amostragem por conveniência":1,"Questionário padronizado":1,"Regressão logística binária":1,"SMOTEENN":1,"PD-SECR":1,"Rede Neural Convolucional":1,"MTCformer":1,"Structure-Based Traversal":1,"TextCNN multicanal":1,"Função de perda sensível ao custo":1,"Questionário online":1,"Modelagem de equações estruturais por mínimos quadrados parciais":1,"Entrevista direta":1,"Análise de capital social":1,"Detecção de bots":1,"Classificador de contratos inteligentes":1,"eXplainable AI":1,"GRU":1,"Modelo híbrido com concatenação de características":1,"Análise comparativa jurídica":1,"Etnografia crítica":1,"Observação participante":1,"Análise manual de código":1,"Simulador de transações":1,"Análise de vídeos promocionais":1,"Pesquisa jurídica normativa ou doutrinária":1,"Abordagem legal":1,"Abordagem de casos":1,"Revisão estruturada da literatura":1,"PRISMA-ScR":1,"Consenso de especialistas":1,"Índice de detecção de fraude baseado na medida de desempenho GUN":1,"Teoria de campo médio":1,"Critério de Routh-Hurwitz":1,"Função de Lyapunov":1,"Princípio da comparação":1,"Opinião de especialistas":1,"Pesquisa telefônica":1,"Representação de bytecode em bigramas de bytes":1,"Survey com questionário":1,"Modelagem de Equações Estruturais":1,"Mínimos Quadrados Parciais":1,"Análise jurídica comparada":1,"Codificação sistemática de narrativas de vítimas":1,"Análise comparativa de grupos":1,"Nuvem de palavras":1,"Análise textual":1,"Redes neurais artificiais":1,"Estudo de literatura":1,"Método teórico":1,"Método dialético":1,"Método formal-jurídico":1,"Dedução":1,"Indução":1,"Síntese":1,"Modelo PIDI":1,"Modelagem epidêmica em redes complexas":1,"Modelo de grafo aleatório exponencial":1,"Aprendizado de máquina explicável":1,"Pesquisa operacional":1,"Índice de detecção de anomalias IDeA":1,"Medida de desempenho GUN*":1,"Análise de transações em blockchain":1,"Índice de Gini":1,"Análise crítica do discurso":1,"Análise de transitividade":1,"Sistema de avaliatividade":1,"Linguística sistêmico-funcional":1,"PLS-SEM":1,"Entrevistas individuais em profundidade":1,"Codificação temática":1,"Análise longitudinal":1,"Heurísticas":1,"Auto ARIMA":1,"Teoria das atividades rotineiras":1,"Teoria do deslocamento do crime":1,"Análise de conteúdo de notícias e documentos judiciais":1,"Evolução gramatical":1,"Experimento com participantes":1,"Tratamentos experimentais":1,"SE-CapsNet":1,"Fancy PCA para aumento de dados":1,"Time-aware Metapath Feature Augmentation":1,"Modelagem de grafos heterogêneos com metacaminhos":1,"Extração de características de palavras e de sequência":1,"Estudo documental":1,"Estudo qualitativo":1,"PICOC":1,"Aprendizado semissupervisionado":1,"Classificação multiclasse de texto":1,"Survey quantitativo":1,"Bias ratio":1,"Análise de momentos estatísticos":1,"Rede neural de grafos contrastiva multivisão":1,"Construção de visões baseada em meta-caminhos":1,"Agregação multivisão por aprendizado por reforço":1,"Aprendizado contrastivo multiescala":1,"Pesquisa quantitativa descritivo-correlacional":1,"Desenho não experimental transversal":1,"Questionário digital":1,"Qui-quadrado de Pearson":1,"Modelagem analítica em redes complexas":1,"Rede aleatória de Erdös-Rényi":1,"Rede de mundo pequeno de Strogatz-Watts":1,"Rede livre de escala de Barabási-Albert":1,"Modelo potential-investor–divestor (PID)":1,"Simulação em redes artificiais e reais":1,"n-gram":1,"ADASYN":1,"AdaBoost":1,"Redes neurais de grafos direcionados":1,"Aprendizado autossupervisionado":1,"Aprendizado generativo":1,"ADASYN aprimorado":1,"Contract Transaction Graph":1,"Rede neural de grafos":1,"Codificação de narrativas com livro de códigos":1,"Coeficiente de Gini":1,"Delta de Cliff":1,"Execução simbólica de opcodes":1,"Extração de grafo de fluxo de controle":1,"Visualização em grafo direcionado":1,"Scraping":1,"Aprendizado de máquina supervisionado":1,"Técnica de conversão de taxa":1,"Técnica de amostragem":1,"Análise de mediação":1,"Regressão OLS":1,"Regressão de Poisson":1,"Abordagem legislativa":1,"Direito comparado":1,"Rede neural":1,"K-nearest neighbor":1,"Análise manual de golpes reportados":1,"Abordagem híbrida de coleta e detecção":1,"Pesquisa exploratória qualitativa":1,"Entrevistas presenciais":1,"Matriz de enquadramento do Nvivo":1,"Autossupervisão generativa":1,"Autossupervisão contrastiva":1,"Aprendizado de características de interação multivisão":1,"Long Range Sequence De-noising":1,"Contrast Trading Pattern Mining":1,"Validação por especialistas em forense digital":1,"Teste empírico de checklist":1,"Mínimos quadrados parciais":1,"Análise temática indutiva":1,"Rede neural de grafos temporais":1,"Análise on-chain":1,"Análise off-chain":1,"Análise de vínculos":1,"Modelagem de trajetórias baseada em grupos":1,"Análise de conteúdo qualitativa":1,"Rede neural convolucional unidimensional":1,"Conv1D-LSTM":1,"Conv1D-MLP":1,"Conv1D-transformer":1,"Verificação formal":1,"Análise do discurso":1,"Modelo de saturação baseado em crescimento logístico":1,"Modelo de jogo de Ponzi racional":1,"SMOTE-Tomek":1,"Estudo de caso para ensino":1,"Estudo empírico com simulação de golpe":1,"Estudo de caso qualitativo":1,"Análise de sentença criminal pseudonimizada":1,"Experimento controlado aprovado por IRB":1,"Interação com golpistas":1,"Abordagem baseada em grafo":1,"Sistema de detecção de anomalias":1,"Self-Organizing Map":1,"Etnografia forense":1,"Análise de dados de reclamações":1,"Análise linguística de estilização e tomada de posição (stance)":1,"Entrevista":1,"Teoria Ator-Rede":1,"Teoria das Redes Sociais":1,"Análise de scripts de crime":1,"Análise de casos":1,"Coleta de dados com amplificação de tweets":1,"Agrupamento de tweets":1,"Revisão de literatura acadêmica":1,"Análise de relatórios de Cyber Threat Intelligence":1,"Análise de dados de resposta a incidentes":1,"Avaliação cumulativa de risco por turno":1,"Fine-tuning de modelos de linguagem pequenos":1,"Phi-4":1,"LLaMA-3.2":1,"DeepSeekR1":1,"Qwen3":1,"Estudo transversal":1,"Experimento comportamental":1,"Honey tweets":1,"Interação automatizada com golpistas":1,"Honey wallet addresses":1,"Detecção de texto gerado por LLM":1,"Calibração com e-mails anteriores ao ChatGPT":1,"Consultas de suporte técnico em múltiplos mecanismos de busca":1,"Técnica de amplificação baseada em DNS":1,"Estudo entre sujeitos":1,"Simulação com agentes LLM":1,"Opções europeias de compra e venda":1,"Orçamento de risco":1,"Teste de estresse":1,"Abordagem orientada por dados":1,"Consultas de busca em múltiplos mecanismos de busca":1,"Autenticação por desafio-resposta":1,"Dual-tone Multi-frequency":1,"Classificação com características de DNS passivo":1,"Inferência e verificação de estado da chamada":1,"Verificação específica por tipo de chamada":1,"Aprendizado":1,"Fuzzing de Intent/API no dispositivo":1,"Fuzzing de pacotes no lado da rede":1,"Auditoria de código direcionada":1,"FaceNet":1,"DeepFace":1,"Detecção de piscadas":1,"Validação cruzada K-fold":1,"MTCNN":1,"Validação por painel de especialistas":1,"Campanhas de phishing simuladas":1,"Atribuição aleatória a grupos":1,"Red team":1,"Blockchain":1,"Algoritmo de consenso de baixa latência":1,"Processo de verificação em duas etapas":1,"Geração Aumentada por Recuperação":1,"Aprendizado few-shot":1,"Residual CNN":1,"Aprendizado one-class":1,"ResNet-18":1,"CreepRank":1,"Guilt by association":1,"Métodos quantitativos":1,"Métodos qualitativos":1,"Experimento de prova de conceito":1,"Simulação de phishing":1,"Lógica fuzzy":1,"Detecção híbrida de Caller ID spoofing baseada em rede e dispositivo":1,"SMSpoof":1,"ReCall":1,"Codificação de tweets":1,"Comparação vantajosa como mecanismo de desengajamento moral":1,"Processo de validação multicamadas":1,"Algoritmo BEC-Defender":1,"Análise de relatos policiais":1,"Estudo de caso de intervenção policial":1,"Estudo empírico de comportamento":1,"Correlação de processos":1,"Decomposição em tendência, sazonalidade e resíduo":1,"Visualização de séries temporais categóricas":1,"Aprendizado de máquina baseado em frequência, intervalo temporal e sequência de chamadas de API":1,"Filtragem por informação mútua":1,"Eliminação recursiva de atributos":1,"Análise de dados de vítimas de ransomware":1,"Análise de mensagens vazadas":1,"Análise qualitativa de documentos":1,"Processamento de Linguagem Natural":1,"Estratégias de visualização":1,"Modelos de eventos relacionais":1,"Modelos de riscos proporcionais de Cox":1,"Mapeamento sistemático":1,"Síntese temática qualitativa":1,"Open-Source Intelligence (OSINT)":1,"Análise qualitativa colaborativa":1,"Análise indutiva":1,"Análise dedutiva":1,"Análise de enquadramento midiático":1,"Survey experimental online":1,"Modelo SEIR":1,"Estudo de caso ilustrativo":1,"Survey baseado em cenários":1,"Árvores de decisão binárias":1,"Raciocínio estruturado com LLM":1,"Jogo de barganha de ofertas alternadas de horizonte finito":1,"Mecanismo bayesiano compatível com incentivos":1,"Computação segura entre duas partes":1,"Circuitos embaralhados":1,"Revisão sistemática PRISMA":1,"Análise qualitativa crítica":1,"Kitsune Network Intrusion Detection System":1,"Experimentos baseados em emulação":1,"Análise temática de Braun e Clarke":1,"Estratégia híbrida de codificação dedutiva e indutiva":1,"Construção ideal-típica de Weber":1,"Regressão de mínimos quadrados ordinários":1,"Reconhecimento de imagem":1,"Análise quantitativa de padrões de comunicação direcionada":1,"Análise de entrevistas segundo o modelo de técnicas de neutralização de Kaptein e Van Helvoort":1,"Análise qualitativa de registros de chat":1,"Experimento com vinhetas entre sujeitos":1,"Atribuição aleatória":1,"Pré-registro":1,"Mapeamento de CVEs para o MITRE ATT&CK":1,"Análise comparativa de gangues generalistas e especialistas":1,"Jogo evolutivo tripartite":1,"Equações de dinâmica do replicador":1,"Monitoramento contínuo de portais de vazamento da dark web":1,"Indicador AIAI de pontuação em nível de ator":1,"Anotação adjudicada em dois estágios baseada em LLM":1,"Análise de tipos de diálogo":1,"Análise de movimentos de diálogo":1,"Análise de esquemas de argumentação":1,"Tipos ideais analíticos":1,"Prompting chain-of-thought":1,"Prompting multi-shot":1,"Perfis SKRAM":1,"Heurística de geração de dados sintéticos":1,"Codificação narrativa":1,"Regressão de Poisson modificada":1,"GLM Gamma":1,"Regressão quantílica":1,"Multi Layer Perceptron":1,"Random Forest adaptativo":1,"Aprendizado incremental online":1,"Experimento intrassujeitos":1,"Classificação e ranqueamento de telas de resgate":1,"Survey nacional":1,"Prototipagem de prova de conceito":1,"Análise de discurso":1,"Teoria dos atos de fala":1,"Modelagem de simulação":1,"Metodologia de codesign":1,"Abordagem de estilo de vida e atividades rotineiras":1,"Captura-recaptura":1,"Teoria fundamentada em dados":1,"Coleta de dados por crawling":1,"Triagem manual":1,"Categorização de postagens":1,"Método formal-dogmático":1,"Revisão argumentativa da literatura":1,"Entrevistas com especialistas do setor":1,"Modelo hurdle":1,"Honeypot":1,"Sandbox de malware":1,"Observação longitudinal":1,"Análise qualitativa de casos":1,"Estudo de coorte":1,"Revisão de registros departamentais de atividade":1,"Ensaios reflexivos":1,"Entrevistas com partes interessadas":1,"Prova de conceito":1,"Análise de entrevistas de mídia":1,"Modelo de escolha racional do crime":1,"Crime scripting":1,"Modelos lineares generalizados":1,"Abordagem follow-the-money orientada a dados":1,"Big-Five":1,"Teoria do comportamento planejado":1,"Teoria da motivação preventiva":1,"Modelo de pesquisa com variáveis de consciência de ameaça":1,"Testes de entropia":1,"Correlação serial":1,"Abordagem híbrida de combinação de testes":1,"Gaussian Naive Bayes":1,"KNN":1,"Análise estática de binários":1,"Índice de Jaccard absoluto":1,"Agrupamento":1,"Jogo Atacante-Defensor":1,"Jogo Defensor-Seguradora":1,"Gradient boosted regression trees":1,"Redes neurais":1,"Validação cruzada de 10 partições":1,"Agrupamento de endereços":1,"Estudo de caso exploratório":1,"Análise de similaridade baseada na matriz ATT&CK":1,"Similaridade do cosseno":1,"k-nearest neighbours":1,"Support Vector Machines":1,"Equilíbrio de Nash":1,"Análise de blockchain":1,"Análise de pagamentos de ransomware":1,"Perturbações de texto por homógrafos":1,"Clusterização de múltiplas entradas":1,"Replicação de metodologias de estimativa de receita":1,"Análise temática qualitativa":1,"Análise qualitativa comparativa":1,"Entrevistas diretas":1,"Jogo não cooperativo assimétrico de dois jogadores":1,"Análise de incidentes reais":1,"Anotação semântica":1,"Análise baseada em padrões":1,"Ransomware Feature Selection Algorithm":1,"Gini Impurity":1,"Informação Mútua":1,"Matriz de correlação":1,"Análise temporal":1,"Análise de caso real":1,"Emulação de ransomware":1,"Imitação do comportamento de E/S":1,"Análise de grafos endereço-transação":1,"Atribuição de comportamento de endereços":1,"Auditoria sem fio":1,"Survey com funcionários públicos":1,"Rede neural para classificação multiclasse":1,"Experimento split-ballot":1,"Honeypot virtualizado":1,"Curva de adoção de inovação do ransomware":1,"Avaliação crítica da literatura":1,"Verificação cruzada com relatórios do setor":1,"Análise em sandbox":1,"Survey com usuários":1,"Pesquisa netnográfica":1,"Análise de transações na blockchain":1,"Análise de pegadas de endereços Bitcoin":1,"Análise Semântica Latente":1,"Abordagem de stakeholders baseada em cuidado de Daniel Engster":1,"Netnografia":1,"Modelo preditivo Randep":1,"Questionários":1,"Análise manual de famílias de ransomware":1,"Busca automática de comportamentos":1,"Modelo de valor esperado":1,"Média aritmética":1,"Estimativa de Monte Carlo para Pi":1,"Coeficiente de correlação serial":1,"Análise teórica dos jogos":1,"Estudo de simulação":1,"Pesquisa documental":1,"Análise de arquivos policiais":1,"Processo de decisão de Markov":1,"Autópsia digital do código-fonte do malware":1,"Análise dinâmica em sandbox":1,"Estudos de caso empíricos":1,"Reconhecimento óptico de caracteres":1,"Captura de janela pop-up":1,"Extração de arquivos":1,"Dump de memória virtual":1,"Máquina de estados finitos":1,"Estudo de caso do WannaCry":1,"Análise de segurança e desempenho":1,"Modelagem de vítimas":1,"Análise econômica":1,"Pesquisa piloto":1,"Testbed de segurança de ransomware":1,"Desenvolvimento de ransomware de teste":1,"Medições de parâmetros de atividade do kernel":1,"One-shot learning":1,"Augmentação de dados":1,"Aproximação bayesiana":1,"Análise de tendências temporais e geográficas":1,"Área diferencial entre curvas de entropia":1,"Prova de conceito de malware":1,"Pipeline de extração de informação baseado em aprendizado profundo":1,"Análise dinâmica de opcodes":1,"Análise forense digital":1,"Rastreamento de transações em Bitcoin":1,"Análise de binários de ransomware":1,"Telemetria de infecções":1,"Contratos inteligentes":1,"Primitivas criptográficas":1,"Implementação em rede de teste":1,"Tradução automática":1,"Distância de Levenshtein":1,"Análise comparativa de variantes de ransomware":1,"Abordagem de teoria dos grafos":1,"Análise dinâmica de malware":1,"K-Means":1,"Revisão crítica de incidentes":1,"Estudo em simulador de direção":1,"Topologia algébrica":1,"Variedade celular":1,"Grafo de sequência de comportamento de ataque cibernético":1,"Desenvolvimento de malware de prova de conceito":1,"Teste em dispositivos IoT vulneráveis":1,"Ensemble de quatro algoritmos de aprendizado de máquina":1,"Análise comportamental":1,"Levantamento do mercado de transações":1,"Resolução de reflexão":1,"Análise de fluxo de dados":1,"Pré-filtro rápido":1},"procedencia":{"Revisão sistemática da literatura":{"n":7,"titulos":["Quang et al., 2022 — Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions","Shahzadi et al., 2025 — Unveiling personalized and gamification-based cybersecurity risks within financial institutions","Raad Al-azawi, 2022 — Feature extractions and selection of bot detection on Twitter A systematic literature review","Omar H. Fares, 2026 — Consumer Acceptance of Conversational Bots: Systematic Literature Review and Meta‐Analysis","Chizari, 2026 — A Tri-Axis Systematic Literature Review of AI-Powered Cyber Defense: ATT&CK-Aligned Analysis of Cyberattacks, Machine Learning Methods, and Datasets","Kutera, 2022 — Cryptocurrencies as a subject of financial fraud","Reshmi, 2021 — Information security breaches due to ransomware attacks - a systematic literature review"]},"Deep learning":{"n":2,"titulos":["Quang et al., 2022 — Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions","Haoliang Cui, 2021 — A classification method for social information of sellers on social network"]},"Análise empírica":{"n":1,"titulos":["Quang et al., 2022 — Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions"]},"Benchmarking de características de phishing":{"n":1,"titulos":["Aassal et al., 2020 — An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs"]},"Avaliação de classificadores sob razões variadas de legítimo e phishing":{"n":1,"titulos":["Aassal et al., 2020 — An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs"]},"Descoberta de conhecimento":{"n":1,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection"]},"Mineração de dados":{"n":4,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection","Bartoletti et al., 2018 — Data mining for detecting bitcoin ponzi schemes","Chen et al., 2018 — Detecting ponzi schemes on ethereum: Towards healthier blockchain technology","Rameem Zahra et al., 2022 — Detecting Covid-19 chaos driven phishing/malicious URL attacks by a fuzzy logic and data mining based intelligence system"]},"Ponderação de termos de phishing":{"n":1,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection"]},"Stemming":{"n":1,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection"]},"Ontologia WordNet":{"n":1,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection"]},"Random Forest":{"n":15,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection","Volokitina et al., 2026 — Research of Data Processing, Detection and Protection Algorithms to Minimize the Impact of Malware and Phishing Attacks on Users of Digital Platforms","FRAUDES00091, 2026 — Comprehensive Analysis of Network Security Attacks and Adaptive Countermeasures A Hybrid Machine Learning Detection Framework","Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects","Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods","Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction","Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model","Zhang et al., 2022 — Ethereum Ponzi Scheme Detection Based on PD-SECR"]},"J48":{"n":3,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection","Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods","Zakaria et al., 2024 — Early Detection of Windows Cryptographic Ransomware Based on PreAttack API Calls Features and Machine Learning"]},"DBSCAN":{"n":1,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites"]},"Análise da origem e destino de fundos":{"n":1,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites"]},"Extração de informação baseada em ontologia (OBIE)":{"n":1,"titulos":["Qaseem et al., 2014 — Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach"]},"Classification based on Association (CBA)":{"n":1,"titulos":["Qaseem et al., 2014 — Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach"]},"Algoritmo PDS Monitoring":{"n":1,"titulos":["Qaseem et al., 2014 — Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach"]},"Revisão narrativa":{"n":66,"titulos":["Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks","Apea et al., 2023 — A Review of the Current Status, Categorization, And Future Prospects of Web Phishing Detection Methods","Kolupuri et al., 2025 — Scams and Frauds in the Digital Age: ML-Based Detection and Prevention Strategies","Kurshan et al., 2024 — AI versus AI in Financial Crimes & Detection: GenAI Crime Waves to Co-Evolutionary AI","Derhab et al., 2021 — Tweet-Based Bot Detection Using Big Data Analytics","Sharma et al., 2025 — A comprehensive review of explainable AI in cybersecurity: Decoding the black box","Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","Ebert et al., 2025 — Learning from safety science: designing incident reporting systems in cybersecurity"]},"Modelagem conceitual de taxonomia":{"n":1,"titulos":["Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks"]},"Modelagem conceitual em OntoUML":{"n":1,"titulos":["Oliveira et al., 2023 — Toward a phishing attack ontology"]},"Framework neuro-simbólico":{"n":1,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning"]},"Geração aumentada por recuperação (RAG)":{"n":2,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","Balan et al., 2026 — Fighting Cybercrime: Identifying Ransomware Families Using API Sequences and Retrieval-Augmented Ransom Note Analysis"]},"Regras simbólicas":{"n":1,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning"]},"Redação automatizada de dados sensíveis":{"n":1,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning"]},"Raciocínio formal em ontologia OWL":{"n":1,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning"]},"Método Delphi":{"n":1,"titulos":["Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email"]},"Estudo piloto":{"n":2,"titulos":["Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email","Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"Avaliação baseada em cenários":{"n":1,"titulos":["Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email"]},"Análise estática de programas":{"n":2,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing","Zheng et al., 2017 — GreatEatlon: Fast, static detection of mobile ransomware"]},"Análise dinâmica de programas":{"n":1,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing"]},"Clusterização":{"n":1,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing"]},"Classificação de e-mails por LLMs":{"n":1,"titulos":["Eilertsen et al., 2025 — LLM-Powered Intent-Based Categorization of Phishing Emails"]},"Classificação binária":{"n":1,"titulos":["Eilertsen et al., 2025 — LLM-Powered Intent-Based Categorization of Phishing Emails"]},"Classificação multiclasse por intenção":{"n":1,"titulos":["Eilertsen et al., 2025 — LLM-Powered Intent-Based Categorization of Phishing Emails"]},"Taxonomia de propriedade de domínios":{"n":1,"titulos":["Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads"]},"Análise de dados em larga escala":{"n":1,"titulos":["Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads"]},"Detecção baseada em propagação":{"n":1,"titulos":["Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads"]},"Comparação com LLMs":{"n":1,"titulos":["Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads"]},"Taxonomia de métodos de manipulação de LLMs":{"n":1,"titulos":["Chen et al., 2025 — SoK: Systematizing Generation, Characteristics, and Defenses in LLM-Generated Phishing"]},"Benchmark de detectores de phishing":{"n":1,"titulos":["Chen et al., 2025 — SoK: Systematizing Generation, Characteristics, and Defenses in LLM-Generated Phishing"]},"Taxonomia bidimensional":{"n":1,"titulos":["Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection"]},"Avaliação empírica de ataques de prompt injection":{"n":1,"titulos":["Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection"]},"Prompt hardening":{"n":1,"titulos":["Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection"]},"Retrieval augmentation baseada em allowlist":{"n":1,"titulos":["Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection"]},"Validação de saída":{"n":1,"titulos":["Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection"]},"Aprendizado sensível a custo":{"n":1,"titulos":["Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection"]},"Stacked generalization":{"n":1,"titulos":["Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection"]},"Regressão logística":{"n":6,"titulos":["Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection","Rand et al., 2025 — Retail Investors and Investment Fraud Victims: Is There a Connection?","Deliema et al., 2020 — Financial fraud among older americans: Evidence and implications","Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size","Neprash et al., 2022 — Trends in Ransomware Attacks on US Hospitals, Clinics, and Other Health Care Delivery Organizations, 2016-2021","Alsaif, 2023 — Machine Learning-Based Ransomware Classification of Bitcoin Transactions"]},"Sobreamostragem segura por dobra":{"n":1,"titulos":["Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection"]},"LightGBM":{"n":1,"titulos":["Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection"]},"Análise de curvas de custo":{"n":1,"titulos":["Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection"]},"LSTM":{"n":4,"titulos":["Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework","Фаддеев et al., 2025 — Типологизация развития опасных ситуаций для реагирования оперативных служб территорий на основе анализа многолетней статистики","Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects","Qu et al., 2025 — Detecting Ethereum Ponzi Scheme Based on Hybrid Sampling for Smart Contract"]},"RNN":{"n":1,"titulos":["Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework"]},"BERT":{"n":5,"titulos":["Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework","Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection","Haoliang Cui, 2021 — A classification method for social information of sellers on social network","Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media","Mahmoud Abusaqer, 2026 — BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention"]},"Mapeamento para TTPs do MITRE ATT&CK":{"n":1,"titulos":["Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework"]},"Regressão logística com TF-IDF em nível de palavra e caractere":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Aumento de dados balanceado por célula":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Ajuste fino de DistilRoBERTa":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Transformador hierárquico":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Adjudicação humana dual":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Avaliação com portões de segurança pré-especificados":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Diagnóstico disjunto por família":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Federated Learning":{"n":1,"titulos":["Daoud et al., 2026 — Phishing in the age of distributed intelligence: taxonomies, detection strategies, and the emerging role of federated learning"]},"Taxonomia preliminar":{"n":1,"titulos":["Dash et al., 2025 — From Data to Defense: How Ontology Fuels AI in Cyber Threat Detection"]},"Agrupamento em clusters":{"n":1,"titulos":["Dash et al., 2025 — From Data to Defense: How Ontology Fuels AI in Cyber Threat Detection"]},"Revisão sistemática":{"n":12,"titulos":["Schmitt et al., 2024 — Digital deception: generative artificial intelligence in social engineering and phishing","Vijayalakshmi et al., 2020 — Web phishing detection techniques: a survey on the state‐of‐the‐art, taxonomy and future directions","Stylianou et al., 2025 — Suspicious minds: Psychological techniques correlated with online phishing attacks","Meng et al., 2022 — Adversarial Robustness of Deep Neural Networks: A Survey from a Formal Verification Perspective","Agrawal et al., 2022 — An Extensive Blockchain Based Applications Survey: Tools, Frameworks, Opportunities, Challenges and Solutions","Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection","Raval, 2022 — Artificial Intelligence and Cybersecurity Applications in Modern Education","Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies"]},"Máxima entropia":{"n":1,"titulos":["Asani et al., 2021 — A maximum entropy classification scheme for phishing detection using parsimonious features"]},"Naïve Bayes":{"n":3,"titulos":["Asani et al., 2021 — A maximum entropy classification scheme for phishing detection using parsimonious features","Iñaki Velez de Mendizabal, 2020 — SDRS: A new lossless dimensionality reduction for text corpora","Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Support Vector Machine":{"n":1,"titulos":["Asani et al., 2021 — A maximum entropy classification scheme for phishing detection using parsimonious features"]},"Survey":{"n":13,"titulos":["Abdelhamid, 2020 — The Role of Health Concerns in Phishing Susceptibility: Survey Design Study","Marcel et al., 2025 — Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation","Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","Hazel Murray, 2023 — Costs and Benefits of Authentication Advice","DeLiema et al., 2025 — The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims","Weerasinghe, 2025 — Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context","Blue et al., 2025 — Cryptocurrencies: Who is vulnerable and what are the vulnerabilities?","Tjondro et al., 2025 — Investment scam vulnerability among university students: the role of personality traits and risk tolerance"]},"Modelagem de equações estruturais":{"n":4,"titulos":["Abdelhamid, 2020 — The Role of Health Concerns in Phishing Susceptibility: Survey Design Study","Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach","Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)","Wang et al., 2026 — Influencing factors and mechanisms of action on the participation intentions of cryptocurrency investment fraud victims—A quantitative examination from the perspective of the theory of planned behavior"]},"Análise de conteúdo de e-mails":{"n":1,"titulos":["Khadka, 2025 — Persuasion and Phishing"]},"Modelo ontológico de Mouton et al.":{"n":1,"titulos":["Khadka, 2025 — Persuasion and Phishing"]},"Análise de investigações policiais":{"n":1,"titulos":["Leukfeldt et al., 2016 — A typology of cybercriminal networks: from low-tech all-rounders to high-tech specialists"]},"Análise de agrupamento K-means":{"n":1,"titulos":["Kigerl, 2016 — Cyber Crime Nation Typologies: K-Means Clustering Of Countries Based On Cyber Crime Rates"]},"Deep Learning":{"n":1,"titulos":["Raghunath et al., 2022 — XGBoost Regression Classifier (XRC) Model for Cyber Attack Detection and Classification Using Inception V4"]},"XGBoost":{"n":6,"titulos":["Raghunath et al., 2022 — XGBoost Regression Classifier (XRC) Model for Cyber Attack Detection and Classification Using Inception V4","Nguyen et al., 2023 — Rug-pull malicious token detection on blockchain using supervised learning with feature engineering","Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model","Hossain et al., 2025 — A hybrid machine learning approach for improved ponzi scheme detection using advanced feature engineering","Balan et al., 2026 — Fighting Cybercrime: Identifying Ransomware Families Using API Sequences and Retrieval-Augmented Ransom Note Analysis","Alsaif, 2023 — Machine Learning-Based Ransomware Classification of Bitcoin Transactions"]},"Regressão":{"n":1,"titulos":["Raghunath et al., 2022 — XGBoost Regression Classifier (XRC) Model for Cyber Attack Detection and Classification Using Inception V4"]},"Inception V4":{"n":1,"titulos":["Raghunath et al., 2022 — XGBoost Regression Classifier (XRC) Model for Cyber Attack Detection and Classification Using Inception V4"]},"Função sigmoide":{"n":1,"titulos":["Raghunath et al., 2022 — XGBoost Regression Classifier (XRC) Model for Cyber Attack Detection and Classification Using Inception V4"]},"Modelagem de ontologia":{"n":2,"titulos":["Al-Hassan et al., 2023 — DSpamOnto: An Ontology Modelling for Domain-Specific Social Spammers in Microblogging","Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks"]},"Aprendizado de máquina":{"n":21,"titulos":["Al-Hassan et al., 2023 — DSpamOnto: An Ontology Modelling for Domain-Specific Social Spammers in Microblogging","Vasilios Koutsokostas, 2021 — Invoice #31415 attached: Automated analysis of malicious Microsoft Office documents","Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation","Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection","Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web","Syed Hussain, 2024 — A state-of-the-art universal machine learning framework for decoding suspect coded messages","Yang, 2025 — An automated dynamic quality assessment method for cyber threat intelligence","Bartoletti et al., 2018 — Data mining for detecting bitcoin ponzi schemes"]},"PRISMA 2020":{"n":1,"titulos":["Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection"]},"Análise de listas de referências":{"n":1,"titulos":["Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection"]},"Análise tipológica":{"n":1,"titulos":["Василькова et al., 2023 — Digital Technologies as Tools of Cyber Fraud: Typological Approach"]},"Desenho descritivo quantitativo e qualitativo":{"n":1,"titulos":["Almoqbil, 2020 — Modeling Deception for Identifying and Protecting against Advanced Email Phishing"]},"Tf-idf":{"n":1,"titulos":["Almoqbil, 2020 — Modeling Deception for Identifying and Protecting against Advanced Email Phishing"]},"Modelagem de tópicos":{"n":3,"titulos":["Almoqbil, 2020 — Modeling Deception for Identifying and Protecting against Advanced Email Phishing","Gurcan, 2024 — What are developers talking about information security? A large-scale study using semantic analysis of Q&A posts","Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation"]},"Revisão de literatura":{"n":6,"titulos":["Seun et al., 2024 — Machine Learning Model to Mitigate Fake Bank Alert Phishing Fraud in Nigeria: The Initial Investigation","Ryzhkova et al., 2022 — Stability of the Ponzi scheme phenomenon; [Устойчивость феномена финансовой пирамиды]","Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition","de Souza et al., 2025 — Red Flags in Play-to-Earn Crypto Games: Proposal and Testing of a Checklist Based on Ponzi Scheme; [Sinais de Alerta em Cripto Jogos: Proposta e Teste de uma Lista de Verificação com Base em Esquemas Ponzi]","Václavík et al., 2026 — RESILIENCE AGAINST BUSINESS EMAIL COMPROMISE: A CORPORATE CASE STUDY; [OTPORNOST NA KOMPROMITIRANJE POSLOVNE E-POŠTE: STUDIJA SLUČAJA KORPORACIJE]","Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"Raciocínio ontológico":{"n":2,"titulos":["Dimitriadis et al., 2022 — Fronesis: Digital Forensics-Based Early Detection of Ongoing Cyber-Attacks","Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Raciocínio baseado em regras":{"n":2,"titulos":["Dimitriadis et al., 2022 — Fronesis: Digital Forensics-Based Early Detection of Ongoing Cyber-Attacks","Mansoor Ahmed, 2021 — A semantic rule based digital fraud detection"]},"Solicitação de dados via Lei de Acesso à Informação":{"n":1,"titulos":["da Silva et al., 2025 — Desenvolvimento de uma Ontologia para Abordar a Técnica de Phishing em Delitos Informáticos: uma contribuição à Segurança Pública"]},"Análise de conformidade legal":{"n":1,"titulos":["da Silva et al., 2025 — Desenvolvimento de uma Ontologia para Abordar a Técnica de Phishing em Delitos Informáticos: uma contribuição à Segurança Pública"]},"Taxonomia de crimes em DeFi":{"n":1,"titulos":["Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture"]},"Mapeamento na pilha DeFi":{"n":1,"titulos":["Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture"]},"Quantificação de danos financeiros":{"n":1,"titulos":["Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture"]},"Análise recursiva de cadeias de redirecionamento":{"n":1,"titulos":["Volokitina et al., 2026 — Research of Data Processing, Detection and Protection Algorithms to Minimize the Impact of Malware and Phishing Attacks on Users of Digital Platforms"]},"Integração dinâmica de fontes de dados de ameaças":{"n":1,"titulos":["Volokitina et al., 2026 — Research of Data Processing, Detection and Protection Algorithms to Minimize the Impact of Malware and Phishing Attacks on Users of Digital Platforms"]},"Abordagem interpretativista":{"n":1,"titulos":["Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention"]},"Modelo interativo de análise de dados":{"n":1,"titulos":["Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention"]},"Abordagem abdutiva":{"n":1,"titulos":["Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention"]},"Knowledge Graph corporativo":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Rede de ontologias de cibersegurança":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Pipeline automatizado de conversão de dados":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Questões de competência":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Regras de qualidade de dados":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Revisão da literatura":{"n":2,"titulos":["Shahzadi et al., 2025 — Safeguarding the healthcare sector from ransomware attacks: insights from a literature review","Shahzadi et al., 2025 — Safeguarding the healthcare sector from ransomware attacks: Insights from a literature review"]},"Modelagem matemática":{"n":1,"titulos":["Astrakhantsev et al., 2024 — Improving user security during a call"]},"Abordagem ontológica":{"n":1,"titulos":["Astrakhantsev et al., 2024 — Improving user security during a call"]},"Modelos de otimização multicritério":{"n":1,"titulos":["Astrakhantsev et al., 2024 — Improving user security during a call"]},"Triangulação de dados e metodológica":{"n":1,"titulos":["Alam et al., 2026 — A Comprehensive Survey of Artificial Intelligence Applications in Cyber Security: Taxonomy, Challenges, and Future Directions"]},"Meta-análise entre domínios":{"n":1,"titulos":["Alam et al., 2026 — A Comprehensive Survey of Artificial Intelligence Applications in Cyber Security: Taxonomy, Challenges, and Future Directions"]},"Aprendizado de máquina clássico":{"n":1,"titulos":["Verma et al., 2025 — Domain-independent deception: a new taxonomy and linguistic analysis"]},"Aprendizado profundo":{"n":5,"titulos":["Verma et al., 2025 — Domain-independent deception: a new taxonomy and linguistic analysis","Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection","Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks","Bian et al., 2021 — Image-Based Scam Detection Method Using an Attention Capsule Network","Rios-Ochoa et al., 2025 — Ransomware Family Attribution With ML: A Comprehensive Evaluation of Datasets Quality, Models Comparison, and a Simulated Deployment"]},"Experimentos entre domínios":{"n":1,"titulos":["Verma et al., 2025 — Domain-independent deception: a new taxonomy and linguistic analysis"]},"Clusterização não supervisionada":{"n":1,"titulos":["McGrath, 2026 — Mapping state cybercrime law: A typology of statutory coverage across the U.S."]},"Síntese da literatura":{"n":1,"titulos":["Ambuehl et al., 2026 — Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)"]},"Teoria da Identificação da Ação":{"n":1,"titulos":["Ambuehl et al., 2026 — Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)"]},"Avaliação por oito avaliadores":{"n":1,"titulos":["Ambuehl et al., 2026 — Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)"]},"Confiabilidade entre avaliadores":{"n":1,"titulos":["Ambuehl et al., 2026 — Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)"]},"Métodos mistos":{"n":6,"titulos":["Marcel et al., 2025 — Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation","Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka.","Dominique Kelly, 2024 — Identifying Dark Patterns in User Account Disabling Interfaces: Content Analysis Results","Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia","Verma, 2024 — The Impact of Call Spoofing on Trust and Communication: A User Perception Study","Rogge et al., 2026 — Cybersecurity Challenges in Hospitals: International Incident Reports Analysis and Expert Validation"]},"Entrevistas":{"n":15,"titulos":["Marcel et al., 2025 — Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation","Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","Doga Istanbulluoglu, 2023 — Forms of falsified online reviews: the good, the bad, and the downright ugly","Zin et al., 2024 — Understanding the Vulnerabilities Contributing to Investor Victimization in Scams","Gano, 2026 — Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery","Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study","Leslie, 2022 — Hope Amid Crisis: Normative Ambiguity, the Middle Class, and Investment Fraud in 2000s Venezuela","Chen et al., 2025 — Too Much Technology and Too Little Regulation? The Spectacular Demise of P2P Lending in China"]},"Taxonomia de ameaças baseadas em IA":{"n":1,"titulos":["James, 2026 — Cybersecurity Threats And Defenses In The Generative AI Era"]},"Avaliação comparativa de defesas":{"n":1,"titulos":["James, 2026 — Cybersecurity Threats And Defenses In The Generative AI Era"]},"Desenho de pesquisa conceitual com base em dados secundários":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"Estudo de caso comparativo":{"n":1,"titulos":["Anderson et al., 2020 — Information security at South African universities—implications for biomedical research"]},"Entrevistas semiestruturadas":{"n":12,"titulos":["Anderson et al., 2020 — Information security at South African universities—implications for biomedical research","Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka.","Samanta, 2025 — Analysing motivations of Ponzi victims in West Bengal, India","Nataraj-Hansen, 2024 — “More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud","Webster et al., 2017 — Policing advance fee fraud (AFF): Experiences of fraud detectives using a victim-focused approach","Václavík et al., 2026 — RESILIENCE AGAINST BUSINESS EMAIL COMPROMISE: A CORPORATE CASE STUDY; [OTPORNOST NA KOMPROMITIRANJE POSLOVNE E-POŠTE: STUDIJA SLUČAJA KORPORACIJE]","Camilleri et al., 2026 — \"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland","Vásquez-Méndez et al., 2026 — The Human Factor: Assessing Ransomware Vulnerability in Developing Nations’ Governments"]},"Amostragem intencional":{"n":4,"titulos":["Anderson et al., 2020 — Information security at South African universities—implications for biomedical research","Gano, 2026 — Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery","Weerasinghe, 2025 — Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context","Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Modelo Tecnologia-Organização-Ambiente":{"n":1,"titulos":["Anderson et al., 2020 — Information security at South African universities—implications for biomedical research"]},"Estudo de caso":{"n":23,"titulos":["S.A. et al., 2026 — Intelligent Cyber-Attack Prediction: Integrating Machine Learning, Deep Learning, and Generative AI","Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","Ellie Rennie, 2022 — Toward a Participatory Digital Ethnography of Blockchain Governance","Manning, 2018 — Exploiting the social fabric of networks: a social capital analysis of historical financial frauds","Santos et al., 2017 — The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]","Manning, 2018 — Madoff’s Ponzi investment fraud: a social capital analysis","Shen, 2020 — Women Who Participate in Illegal Pyramid Selling: Voices from Female Rural Migrant Offenders in China","Bernard et al., 2016 — An index of detection of anomalies for investors; [D'Un indice de détection d'anomalies à l'usage des investisseurs]"]},"Stacking ensemble":{"n":1,"titulos":["S.A. et al., 2026 — Intelligent Cyber-Attack Prediction: Integrating Machine Learning, Deep Learning, and Generative AI"]},"LIME":{"n":2,"titulos":["S.A. et al., 2026 — Intelligent Cyber-Attack Prediction: Integrating Machine Learning, Deep Learning, and Generative AI","Onwuegbuche et al., 2026 — MLRan: A behavioural dataset for ransomware analysis and detection"]},"SHAP":{"n":5,"titulos":["S.A. et al., 2026 — Intelligent Cyber-Attack Prediction: Integrating Machine Learning, Deep Learning, and Generative AI","Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Onwuegbuche et al., 2026 — MLRan: A behavioural dataset for ransomware analysis and detection"]},"Processamento hierárquico de informação":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Índice integrativo de ameaça":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Atualização bayesiana de confiança":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Softmax":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Adaptação orientada por feedback":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Federated learning":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Privacidade diferencial":{"n":1,"titulos":["Makatov et al., 2026 — COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES"]},"Desenho investigativo":{"n":1,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024"]},"Análise de dados secundários":{"n":2,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","Connolly et al., 2023 — Applying Neutralisation Theory to Better Understand Ransomware Offenders"]},"Análise inferencial":{"n":1,"titulos":["rashidi, 2020 — Basics and effects of regular education from the perspective of the philosophy of education of the Qur'an"]},"Análise de séries temporais":{"n":2,"titulos":["Фаддеев et al., 2025 — Типологизация развития опасных ситуаций для реагирования оперативных служб территорий на основе анализа многолетней статистики","Roumani et al., 2025 — Predicting Ransomware Incidents with Time-Series Modeling"]},"Decomposição em tendência, sazonalidade e componente aleatória":{"n":1,"titulos":["Фаддеев et al., 2025 — Типологизация развития опасных ситуаций для реагирования оперативных служб территорий на основе анализа многолетней статистики"]},"Engenharia de prompt":{"n":1,"titulos":["Ланде et al., 2025 — Безкодовий підхід до побудови семантичних мереж засобами промпт-інжинірингу"]},"Abordagem no-code":{"n":1,"titulos":["Ланде et al., 2025 — Безкодовий підхід до побудови семантичних мереж засобами промпт-інжинірингу"]},"Engenharia de ontologias com LLM":{"n":1,"titulos":["Ланде et al., 2025 — Безкодовий підхід до побудови семантичних мереж засобами промпт-інжинірингу"]},"Engenharia de prompts":{"n":1,"titulos":["Lande et al., 2025 — No-code approach to building semantic networks by means of prompt engineering"]},"Prompting no-code com primitivas de condição, laço e função":{"n":1,"titulos":["Lande et al., 2025 — No-code approach to building semantic networks by means of prompt engineering"]},"GPT-5":{"n":1,"titulos":["Lande et al., 2025 — No-code approach to building semantic networks by means of prompt engineering"]},"Modelagem de ameaças":{"n":1,"titulos":["CHANDRA, 2019 — Adversarially Resilient UX in AI‑Powered Cybersecurity Decision Support"]},"Análise de cenários":{"n":1,"titulos":["CHANDRA, 2019 — Adversarially Resilient UX in AI‑Powered Cybersecurity Decision Support"]},"Estudos de caso":{"n":5,"titulos":["CHANDRA, 2019 — Adversarially Resilient UX in AI‑Powered Cybersecurity Decision Support","Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks","Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Baker et al., 2023 — The government behind insurance governance: Lessons for ransomware"]},"Isolation Forest":{"n":1,"titulos":["FRAUDES00091, 2026 — Comprehensive Analysis of Network Security Attacks and Adaptive Countermeasures A Hybrid Machine Learning Detection Framework"]},"Votação ponderada":{"n":1,"titulos":["FRAUDES00091, 2026 — Comprehensive Analysis of Network Security Attacks and Adaptive Countermeasures A Hybrid Machine Learning Detection Framework"]},"Análise de conteúdo":{"n":4,"titulos":["Tergembay et al., 2025 — IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY","Saha et al., 2024 — Cryptocurrency and financial crimes: A bibliometric analysis and future research agenda","Kutera, 2022 — Cryptocurrencies as a subject of financial fraud","Whelan et al., 2026 — The internal structure of ransomware criminal groups: an analysis of organisational units, functions, roles, and communication patterns within Conti"]},"Métodos qualitativos e quantitativos":{"n":1,"titulos":["Tergembay et al., 2025 — IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY"]},"Análise de survey":{"n":1,"titulos":["Raval, 2022 — Artificial Intelligence and Cybersecurity Applications in Modern Education"]},"Avaliação experimental de sistemas de detecção de intrusão baseados em aprendizado de máquina":{"n":1,"titulos":["Raval, 2022 — Artificial Intelligence and Cybersecurity Applications in Modern Education"]},"Modelos de detecção de anomalias em ensemble":{"n":1,"titulos":["Raval, 2022 — Artificial Intelligence and Cybersecurity Applications in Modern Education"]},"Abordagem de métodos mistos":{"n":1,"titulos":["da Silva et al., 2026 — COLLECTIVE ACTION IS REQUIRED TO REDUCE THE BURDEN OF SPAM EMAILS IN ACADEMIA: THE CASE OF NEUROSCIENCE"]},"Estudos de caso compostos":{"n":1,"titulos":["Adewusi, 2026 — The Human Firewall - Cybersecurity, Socio-Technical Systems, and Human Factors in Information Security"]},"Análise de registros policiais":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"Monitoramento de mercados da darknet":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"Projeção Triaxial de Critério (F–C–P)":{"n":1,"titulos":["Ernesto, 2026 — Axiomatic Criterion Atlas (ACA): Persistent Geometry-Based Semantic Navigation"]},"Validação com casos individuais, de trajetória e diagnósticos":{"n":1,"titulos":["Ernesto, 2026 — Axiomatic Criterion Atlas (ACA): Persistent Geometry-Based Semantic Navigation"]},"Benchmark de runtime":{"n":1,"titulos":["Ernesto, 2026 — Axiomatic Criterion Atlas (ACA): Persistent Geometry-Based Semantic Navigation"]},"Estudo de caso único qualitativo":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Análise documental":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Síntese OSINT":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Protocolo de verificação LHFP":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"SVM":{"n":1,"titulos":["Farman Ali, 2017 — A Fuzzy Ontology and SVM–Based Web Content Classification System"]},"Ontologia fuzzy":{"n":1,"titulos":["Farman Ali, 2017 — A Fuzzy Ontology and SVM–Based Web Content Classification System"]},"Lista negra de páginas censuradas":{"n":1,"titulos":["Farman Ali, 2017 — A Fuzzy Ontology and SVM–Based Web Content Classification System"]},"Detecção de spam baseada em ontologia":{"n":1,"titulos":["Bahia Halawi, 2018 — Few are as Good as Many: An Ontology-Based Tweet Spam Detection Approach"]},"Razão de similaridade com dicionário":{"n":1,"titulos":["Bahia Halawi, 2018 — Few are as Good as Many: An Ontology-Based Tweet Spam Detection Approach"]},"Engenharia ontológica":{"n":1,"titulos":["MOHAMMED JABARDI, 2020 — Twitter Fake Account Detection and Classification using Ontological Engineering and Semantic Web Rule Language"]},"Semantic Web Rule Language (SWRL)":{"n":1,"titulos":["MOHAMMED JABARDI, 2020 — Twitter Fake Account Detection and Classification using Ontological Engineering and Semantic Web Rule Language"]},"Web Ontology Language (OWL)":{"n":1,"titulos":["MOHAMMED JABARDI, 2020 — Twitter Fake Account Detection and Classification using Ontological Engineering and Semantic Web Rule Language"]},"Raciocinadores semânticos":{"n":1,"titulos":["MOHAMMED JABARDI, 2020 — Twitter Fake Account Detection and Classification using Ontological Engineering and Semantic Web Rule Language"]},"Teoria da Motivação de Proteção":{"n":1,"titulos":["Seyedeh OMSalameh Pourhashemi, 2026 — Identifying factors influencing the employee's intention with self-protective behaviors against phishing attacks"]},"Abordagem qualitativa":{"n":2,"titulos":["Zaid Mohammad Obeidat, 2018 — Social media revenge: A typology of online consumer revenge","Webster et al., 2017 — Policing advance fee fraud (AFF): Experiences of fraud detectives using a victim-focused approach"]},"Análise de sentimentos":{"n":1,"titulos":["Samir Tartir, 2016 — Semantic Sentiment Analysis in Arabic Social Media"]},"Abordagem semântica baseada em ontologia":{"n":1,"titulos":["Samir Tartir, 2016 — Semantic Sentiment Analysis in Arabic Social Media"]},"Aprendizado multi-view não supervisionado":{"n":1,"titulos":["Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection"]},"Representação estilométrica":{"n":1,"titulos":["Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection"]},"Representação de localização":{"n":1,"titulos":["Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection"]},"Algoritmo de geração de alertas Intimation Rule Based (IRB)":{"n":1,"titulos":["Mansoor Ahmed, 2021 — A semantic rule based digital fraud detection"]},"Substituição de sinônimos":{"n":2,"titulos":["Maikel Lázaro Pérez Gort, 2020 — Semantic-driven watermarking of relational textual databases","Jinguo Sang, 2019 — Design and analysis of a general vector space model for data classification in Internet of Things"]},"Análise de similaridade semântica":{"n":1,"titulos":["Maikel Lázaro Pérez Gort, 2020 — Semantic-driven watermarking of relational textual databases"]},"Watermarking de bancos de dados relacionais":{"n":1,"titulos":["Maikel Lázaro Pérez Gort, 2020 — Semantic-driven watermarking of relational textual databases"]},"Ontologia lexicalizada":{"n":1,"titulos":["Asmaa Hashem Sweidan, 2021 — Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning"]},"XLNet":{"n":1,"titulos":["Asmaa Hashem Sweidan, 2021 — Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning"]},"Bi-LSTM":{"n":1,"titulos":["Asmaa Hashem Sweidan, 2021 — Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning"]},"Análise de sentimento baseada em aspectos":{"n":1,"titulos":["Asmaa Hashem Sweidan, 2021 — Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning"]},"SM-CHI":{"n":1,"titulos":["Haipeng Yao, 2017 — A feature selection method based on synonym merging in text classification system"]},"Qui-quadrado aprimorado":{"n":1,"titulos":["Haipeng Yao, 2017 — A feature selection method based on synonym merging in text classification system"]},"Fusão de sinônimos":{"n":1,"titulos":["Haipeng Yao, 2017 — A feature selection method based on synonym merging in text classification system"]},"Modelo de espaço vetorial":{"n":2,"titulos":["Haipeng Yao, 2017 — A feature selection method based on synonym merging in text classification system","Jinguo Sang, 2019 — Design and analysis of a general vector space model for data classification in Internet of Things"]},"Estudo longitudinal":{"n":1,"titulos":["Scott Beach, 2020 — Vulnerability to Financial Scams Among Older Adults: Cognitive and Psychosocial Factors"]},"Avaliação de credibilidade de cenários de golpe":{"n":1,"titulos":["Scott Beach, 2020 — Vulnerability to Financial Scams Among Older Adults: Cognitive and Psychosocial Factors"]},"Framework semântico fuzzy":{"n":1,"titulos":["Hui Fang, 2018 — A generalized stereotype learning approach and its instantiation in trust modeling"]},"Árvore de decisão":{"n":3,"titulos":["Hui Fang, 2018 — A generalized stereotype learning approach and its instantiation in trust modeling","Azam, 2023 — Comparative Analysis of Intrusion Detection Systems and Machine Learning-Based Model Analysis Through Decision Tree","Marcinkowski et al., 2024 — MIRAD: A Method for Interpretable Ransomware Attack Detection"]},"Algoritmo Genético":{"n":1,"titulos":["Sepideh HajiHosseinKhani, 2023 — Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset"]},"Survey baseado em vinhetas":{"n":1,"titulos":["Carol Xiaojuan Ou, 2022 — Security breaches and organization response strategy: Exploring consumers’ threat and coping appraisals"]},"Análise de conteúdo sistemática":{"n":1,"titulos":["Dominique Kelly, 2024 — Identifying Dark Patterns in User Account Disabling Interfaces: Content Analysis Results"]},"Meta-análise":{"n":1,"titulos":["Omar H. Fares, 2026 — Consumer Acceptance of Conversational Bots: Systematic Literature Review and Meta‐Analysis"]},"Síntese narrativa":{"n":1,"titulos":["Omar H. Fares, 2026 — Consumer Acceptance of Conversational Bots: Systematic Literature Review and Meta‐Analysis"]},"Framework TCCM":{"n":1,"titulos":["Omar H. Fares, 2026 — Consumer Acceptance of Conversational Bots: Systematic Literature Review and Meta‐Analysis"]},"Análise de mercados da darkweb":{"n":1,"titulos":["Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb"]},"Verificação de validade de certificados em aplicativos nacionais":{"n":1,"titulos":["Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb"]},"Survey da literatura":{"n":1,"titulos":["Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects"]},"Passive Aggressive Algorithm":{"n":1,"titulos":["Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects"]},"Naive Bayes":{"n":2,"titulos":["Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects","Zakaria et al., 2024 — Early Detection of Windows Cryptographic Ransomware Based on PreAttack API Calls Features and Machine Learning"]},"Ajuste de hiperparâmetros":{"n":2,"titulos":["Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects","Rios-Ochoa et al., 2025 — Ransomware Family Attribution With ML: A Comprehensive Evaluation of Datasets Quality, Models Comparison, and a Simulated Deployment"]},"Etnografia digital participativa":{"n":1,"titulos":["Ellie Rennie, 2022 — Toward a Participatory Digital Ethnography of Blockchain Governance"]},"Multirrotulagem automática":{"n":1,"titulos":["P. García-Teodoro, 2022 — Multi-labeling of complex, multi-behavioral malware samples"]},"Modelo de domínio de gerenciamento de riscos de segurança (SRM)":{"n":1,"titulos":["Mubashar Iqbal, 2021 — Exploring Sybil and Double-Spending Risks in Blockchain Systems"]},"Pipeline de análise automatizada":{"n":1,"titulos":["Vasilios Koutsokostas, 2021 — Invoice #31415 attached: Automated analysis of malicious Microsoft Office documents"]},"Análise da base de dados Retraction Watch":{"n":1,"titulos":["Martin Shepperd, 2023 — An analysis of retracted papers in Computer Science"]},"Análise de citações":{"n":1,"titulos":["Martin Shepperd, 2023 — An analysis of retracted papers in Computer Science"]},"Algoritmos Evolutivos Multiobjetivo":{"n":1,"titulos":["Iñaki Velez de Mendizabal, 2020 — SDRS: A new lossless dimensionality reduction for text corpora"]},"NSGA-II":{"n":1,"titulos":["Iñaki Velez de Mendizabal, 2020 — SDRS: A new lossless dimensionality reduction for text corpora"]},"Representação baseada em synsets":{"n":1,"titulos":["Iñaki Velez de Mendizabal, 2020 — SDRS: A new lossless dimensionality reduction for text corpora"]},"Modelo conceitual":{"n":1,"titulos":["Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation"]},"Análise preditiva":{"n":1,"titulos":["Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation"]},"Simulações contrafactuais":{"n":1,"titulos":["Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation"]},"Geração de regras baseada em gramática":{"n":1,"titulos":["Antonio Coscia, 2024 — PROGESI: A PROxy Grammar to Enhance Web Application Firewall for SQL Injection Prevention"]},"Mecanismos de generalização de regras":{"n":1,"titulos":["Antonio Coscia, 2024 — PROGESI: A PROxy Grammar to Enhance Web Application Firewall for SQL Injection Prevention"]},"Esquema de anotação RUN-AS":{"n":1,"titulos":["Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection"]},"Anotação manual":{"n":3,"titulos":["Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection","Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks","Siu et al., 2022 — 'Invest in crypto!': An analysis of investment scam advertisements found in Bitcointalk"]},"Árvore de Decisão":{"n":1,"titulos":["Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection"]},"Design sensível a valores":{"n":1,"titulos":["Lovely-Frances Domingo, 2026 — Care, Wisdom, and Civics: Value Sensitive Design of Large Language Model Support for Online Moderation"]},"Entrevistas iterativas":{"n":1,"titulos":["Lovely-Frances Domingo, 2026 — Care, Wisdom, and Civics: Value Sensitive Design of Large Language Model Support for Online Moderation"]},"Investigação conceitual em ética das virtudes":{"n":1,"titulos":["Lovely-Frances Domingo, 2026 — Care, Wisdom, and Civics: Value Sensitive Design of Large Language Model Support for Online Moderation"]},"Investigação técnica":{"n":1,"titulos":["Lovely-Frances Domingo, 2026 — Care, Wisdom, and Civics: Value Sensitive Design of Large Language Model Support for Online Moderation"]},"OCR":{"n":2,"titulos":["Haoliang Cui, 2021 — A classification method for social information of sellers on social network","Tejada-Triviño et al., 2025 — RDBAlert: An AI-Driven Automated Tool for Effective Identification of Victims’ Personal Information in Ransomware Data Breaches"]},"Ontologia":{"n":2,"titulos":["Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media","Olga Yuryevna Cherednichenko, 2018 — DATA MINING OF COMMODITY PROPOSALS BASED ON CONTEXT RECOMMENDATIONS"]},"Regras SWRL":{"n":1,"titulos":["Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media"]},"Processo DCWEB-SOBA":{"n":1,"titulos":["Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media"]},"Classificação multirrótulo":{"n":3,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Wang et al., 2022 — A Large-scale Empirical Analysis of Ransomware Activities in Bitcoin"]},"Transformação de problema":{"n":1,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles"]},"Adaptação de algoritmo":{"n":1,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles"]},"Reamostragem":{"n":1,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles"]},"LPROS":{"n":1,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles"]},"BRkNN":{"n":1,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles"]},"Testes estatísticos":{"n":1,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles"]},"Taxonomia AIA-WEB":{"n":1,"titulos":["Pedro Henrique Sachete Garcia, 2026 — The New Web Attack Surface: A Taxonomy of Semantic and Agentic Threats in AI Browsers"]},"Análise de postagens":{"n":1,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media"]},"Taxonomia de ataques":{"n":1,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media"]},"Aprendizado supervisionado":{"n":3,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media","Nguyen et al., 2023 — Rug-pull malicious token detection on blockchain using supervised learning with feature engineering","Siu et al., 2023 — 'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms"]},"Aprendizado não supervisionado":{"n":2,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media","Siu et al., 2023 — 'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms"]},"Análise comparativa":{"n":5,"titulos":["V.V. Vasilkova, 2019 — Social bots in political communication","Juanita Zainudin, 2024 — Intervention Strategies for Misinformation Sharing on Social Media: A Bibliometric Analysis","Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Ilau et al., 2025 — Modelling and simulating organizational ransomware recovery: structure, methodology, and decisions"]},"Modelagem de comportamento do usuário":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Análise heurística":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Janelas deslizantes":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Lematização":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Seleção de características":{"n":3,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system","Galletta et al., 2024 — Explainable Ponzi Schemes Detection on Ethereum","Jacinta et al., 2023 — Detection of Ponzi scheme on Ethereum using machine learning algorithms"]},"Ponderação de termos":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Aprendizado de máquina incremental":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Filtragem semântica de e-mails":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Medidas de similaridade":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Análise de Componentes Principais":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Seleção de Características por Correlação":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Regressão Logística":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Máquina de Vetores de Suporte":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Redes de função de base radial":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Word embeddings":{"n":1,"titulos":["Oscar Araque, 2017 — Enhancing deep learning sentiment analysis with ensemble techniques in social applications"]},"Classificador linear":{"n":1,"titulos":["Oscar Araque, 2017 — Enhancing deep learning sentiment analysis with ensemble techniques in social applications"]},"Ensemble":{"n":1,"titulos":["Oscar Araque, 2017 — Enhancing deep learning sentiment analysis with ensemble techniques in social applications"]},"Combinação de características superficiais e profundas":{"n":1,"titulos":["Oscar Araque, 2017 — Enhancing deep learning sentiment analysis with ensemble techniques in social applications"]},"Análise estatística":{"n":1,"titulos":["Oscar Araque, 2017 — Enhancing deep learning sentiment analysis with ensemble techniques in social applications"]},"Análise de sentimentos baseada em léxico":{"n":1,"titulos":["Muhammad Zubair Asghar, 2017 — Lexicon-enhanced sentiment analysis framework using rule-based classification scheme"]},"Classificação baseada em regras":{"n":1,"titulos":["Muhammad Zubair Asghar, 2017 — Lexicon-enhanced sentiment analysis framework using rule-based classification scheme"]},"Estudo comparativo":{"n":2,"titulos":["Tingmin Wu, 2017 — Twitter spam detection: Survey of new approaches and comparative study","Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"Metodologia de desenvolvimento de ontologias 101":{"n":1,"titulos":["Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web"]},"Tecnologias de Web Semântica":{"n":1,"titulos":["Tiberiu Marian GEORGESCU, 2017 — Using Ontologies in Cybersecurity Field"]},"Ontologias":{"n":1,"titulos":["Tiberiu Marian GEORGESCU, 2017 — Using Ontologies in Cybersecurity Field"]},"Processamento de linguagem natural":{"n":1,"titulos":["Tiberiu Marian GEORGESCU, 2017 — Using Ontologies in Cybersecurity Field"]},"Latent Dirichlet Allocation":{"n":2,"titulos":["Gurcan, 2024 — What are developers talking about information security? A large-scale study using semantic analysis of Q&A posts","Ruellan et al., 2024 — Conti Inc.: understanding the internal discussions of a large ransomware-as-a-service operator with machine learning"]},"Desenho de pesquisa exploratório":{"n":1,"titulos":["Doga Istanbulluoglu, 2023 — Forms of falsified online reviews: the good, the bad, and the downright ugly"]},"PRISMA":{"n":2,"titulos":["Juanita Zainudin, 2024 — Intervention Strategies for Misinformation Sharing on Social Media: A Bibliometric Analysis","Porras Poma et al., 2025 — Application of unsupervised machine learning techniques for autonomous financial fraud detection in decentralized blockchain environments: a systematic review; [Aplicación de técnicas de machine learning no supervisado para la detección autónoma de fraudes financieros en entornos blockchain descentralizados: una revisión sistemática]"]},"Análise bibliométrica":{"n":3,"titulos":["Juanita Zainudin, 2024 — Intervention Strategies for Misinformation Sharing on Social Media: A Bibliometric Analysis","Saha et al., 2024 — Cryptocurrency and financial crimes: A bibliometric analysis and future research agenda","Kutera, 2022 — Cryptocurrencies as a subject of financial fraud"]},"Análise de desempenho":{"n":1,"titulos":["Juanita Zainudin, 2024 — Intervention Strategies for Misinformation Sharing on Social Media: A Bibliometric Analysis"]},"Mapeamento científico":{"n":1,"titulos":["Juanita Zainudin, 2024 — Intervention Strategies for Misinformation Sharing on Social Media: A Bibliometric Analysis"]},"Engenharia reversa":{"n":3,"titulos":["Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection","Yuste et al., 2021 — Avaddon ransomware: An in-depth analysis and decryption of infected systems","Genc et al., 2020 — Dual-use Research in Ransomware Attacks: A Discussion on Ransomware Defence Intelligence"]},"Ontologia OWL":{"n":1,"titulos":["Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection"]},"Método misto":{"n":1,"titulos":["Dorota Wiszejko-Wierzbicka, 2016 — Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND"]},"Survey online":{"n":1,"titulos":["Dorota Wiszejko-Wierzbicka, 2016 — Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND"]},"Teoria fundamentada":{"n":1,"titulos":["Dorota Wiszejko-Wierzbicka, 2016 — Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND"]},"Arquitetura baseada em agentes":{"n":1,"titulos":["Olga Yuryevna Cherednichenko, 2018 — DATA MINING OF COMMODITY PROPOSALS BASED ON CONTEXT RECOMMENDATIONS"]},"Algoritmo de ativação por propagação":{"n":1,"titulos":["Olga Yuryevna Cherednichenko, 2018 — DATA MINING OF COMMODITY PROPOSALS BASED ON CONTEXT RECOMMENDATIONS"]},"Modelo de confiança baseado em reputação":{"n":1,"titulos":["Ibrahim Tariq Javed, 2017 — TrustCall: A Trust Computation Model for Web Conversational Services"]},"Confiança de autenticidade":{"n":1,"titulos":["Ibrahim Tariq Javed, 2017 — TrustCall: A Trust Computation Model for Web Conversational Services"]},"Confiança comportamental":{"n":1,"titulos":["Ibrahim Tariq Javed, 2017 — TrustCall: A Trust Computation Model for Web Conversational Services"]},"Análise fatorial confirmatória":{"n":1,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach"]},"Correlação de Pearson":{"n":2,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach","Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Teste de Friedman":{"n":1,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach"]},"Análise multivariada de variância":{"n":1,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach"]},"Modelagem organizacional multiagente AGR4BS":{"n":1,"titulos":["Hector Roussille, 2023 — A Taxonomy of Blockchain Incentive Vulnerabilities for Networked Intelligent Systems"]},"Criptoanálise":{"n":1,"titulos":["Syed Hussain, 2024 — A state-of-the-art universal machine learning framework for decoding suspect coded messages"]},"Ontologia de web semântica":{"n":1,"titulos":["Syed Hussain, 2024 — A state-of-the-art universal machine learning framework for decoding suspect coded messages"]},"Abordagem iterativa de desenvolvimento de taxonomia (do observado ao racional e do racional ao observado)":{"n":1,"titulos":["Jitendra Singh Yadav, 2023 — A Layered Architecture and Taxonomy for Blockchain-empowered Reputation-based Reward Systems"]},"Graph Convolutional Network":{"n":1,"titulos":["Mahmoud Abusaqer, 2026 — BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention"]},"Atenção por produto escalar":{"n":1,"titulos":["Mahmoud Abusaqer, 2026 — BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention"]},"Revisão temática":{"n":1,"titulos":["Joyce Champie, 2026 — Large Language Models for Malware Detection: A Systematic Review, Taxonomy, and Open Challenges"]},"Testes sistemáticos de vulnerabilidades":{"n":1,"titulos":["Renua Hiwa Ismael, 2025 — Address Bar Spoofing in Contemporary Web Browsers: A Taxonomy, Exploitation Study, and Mitigation Guidelines"]},"Divulgação responsável":{"n":1,"titulos":["Renua Hiwa Ismael, 2025 — Address Bar Spoofing in Contemporary Web Browsers: A Taxonomy, Exploitation Study, and Mitigation Guidelines"]},"Redução de dimensionalidade semântica sem perdas":{"n":1,"titulos":["María Novo-Lourés, 2024 — An enhanced algorithm for semantic-based feature reduction in spam filtering"]},"Algoritmos evolutivos":{"n":1,"titulos":["María Novo-Lourés, 2024 — An enhanced algorithm for semantic-based feature reduction in spam filtering"]},"Classificação de sentimento multitendência colaborativa":{"n":1,"titulos":["Dr.C. Anand, 2021 — Greedy Dynamic Blocking for Rumour Detection on Live Twitter Using Machine Learning"]},"Decomposição do classificador em componente global e componente específico":{"n":1,"titulos":["Dr.C. Anand, 2021 — Greedy Dynamic Blocking for Rumour Detection on Live Twitter Using Machine Learning"]},"Algoritmos Greedy e Dynamic Blocking":{"n":1,"titulos":["Dr.C. Anand, 2021 — Greedy Dynamic Blocking for Rumour Detection on Live Twitter Using Machine Learning"]},"Análise comparativa de chatbots":{"n":1,"titulos":["V. V. Vasilkova, 2019 — Use of Chatbots in Volunteering"]},"Análise descritiva":{"n":2,"titulos":["Mathieu Guillot1, 2019 — Cryptomarchés et carding : impact sur l’offre et la demande","Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Tipologia de produtos e serviços":{"n":1,"titulos":["Mathieu Guillot1, 2019 — Cryptomarchés et carding : impact sur l’offre et la demande"]},"Semiótica Peirceana":{"n":1,"titulos":["Priscila Oliveira da Mata, 2017 — Prática spammer e semiose: implicações nos processos de organização e circulação da informação em ambientes colaborativos"]},"Análise de frequência de palavras com nuvem de palavras":{"n":1,"titulos":["Zineb, 2022 — The Effects of Gamification on E-learning Education: Systematic Literature Review and Conceptual Model"]},"Estudo comparativo de ocorrências de tópicos":{"n":1,"titulos":["Zineb, 2022 — The Effects of Gamification on E-learning Education: Systematic Literature Review and Conceptual Model"]},"Comparação de modelos conceituais":{"n":1,"titulos":["Zineb, 2022 — The Effects of Gamification on E-learning Education: Systematic Literature Review and Conceptual Model"]},"Process Mining":{"n":1,"titulos":["Rodríguez, 2024 — A process mining-based method for attacker profiling using the MITRE ATT&CK taxonomy"]},"Mapeamento de eventos de sistema para a taxonomia MITRE ATT&CK":{"n":1,"titulos":["Rodríguez, 2024 — A process mining-based method for attacker profiling using the MITRE ATT&CK taxonomy"]},"Estudo experimental do impacto de ataques":{"n":1,"titulos":["Basan, 2022 — A Data Normalization Technique for Detecting Cyber Attacks on UAVs"]},"Técnica de normalização de dados":{"n":1,"titulos":["Basan, 2022 — A Data Normalization Technique for Detecting Cyber Attacks on UAVs"]},"SecureBERT":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"BiLSTM com atenção":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"Ontologia de domínio e modelo de inferência":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"Prompting como defesa":{"n":1,"titulos":["Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control"]},"Pré-filtro lexical e estrutural determinístico":{"n":1,"titulos":["Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control"]},"Raciocínio em passagem única aumentado por evidências":{"n":1,"titulos":["Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control"]},"Pós-verificação deny-by-default":{"n":1,"titulos":["Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control"]},"Reconhecimento de entidades nomeadas":{"n":1,"titulos":["Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks"]},"Extração de relações":{"n":1,"titulos":["Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks"]},"Extração conjunta de entidades e relações":{"n":1,"titulos":["Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks"]},"Grafo de correlação":{"n":1,"titulos":["Yang, 2025 — An automated dynamic quality assessment method for cyber threat intelligence"]},"Algoritmo iterativo":{"n":1,"titulos":["Yang, 2025 — An automated dynamic quality assessment method for cyber threat intelligence"]},"Síntese em três eixos com referência cruzada":{"n":1,"titulos":["Chizari, 2026 — A Tri-Axis Systematic Literature Review of AI-Powered Cyber Defense: ATT&CK-Aligned Analysis of Cyberattacks, Machine Learning Methods, and Datasets"]},"Regressão de riscos proporcionais de Cox":{"n":1,"titulos":["Agarwal et al., 2022 — Investigating the concentration of High Yield Investment Programs in the United Kingdom"]},"Abordagem criminológica":{"n":2,"titulos":["Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Florea, 2026 — Cryptocrime in the Context of Digital Transformation"]},"Pesquisa estatística":{"n":2,"titulos":["Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Florea, 2026 — Cryptocrime in the Context of Digital Transformation"]},"Seleção híbrida de atributos":{"n":1,"titulos":["Nguyen et al., 2023 — Rug-pull malicious token detection on blockchain using supervised learning with feature engineering"]},"Questionário":{"n":2,"titulos":["Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)","Suwitho et al., 2023 — The nexus between Ponzi scheme and multi-level marketing systems: Evidence in Indonesia"]},"ECA-EfficientNet":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"Augmentação de dados por troca de canais":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"Conversão de bytecode em imagens RGB":{"n":2,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement","Bian et al., 2021 — Image-Based Scam Detection Method Using an Attention Capsule Network"]},"Pesquisa jurídica normativa":{"n":2,"titulos":["Manurung, 2022 — Juridical Review on The Crime of Fraud in The Implementation of The Pyramid Scheme System of Business Actors","Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Pesquisa bibliográfica":{"n":1,"titulos":["Manurung, 2022 — Juridical Review on The Crime of Fraud in The Implementation of The Pyramid Scheme System of Business Actors"]},"Testes psicométricos":{"n":1,"titulos":["Samanta, 2025 — Analysing motivations of Ponzi victims in West Bengal, India"]},"Classificador não supervisionado baseado em LLM":{"n":1,"titulos":["Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services"]},"Classificador supervisionado":{"n":1,"titulos":["Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services"]},"Extração com LLMs multimodelo":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Claude Sonnet 4.5":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"GPT-5.2":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Gemini 3 Pro":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Expressões regulares":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"spaCy NER":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Kappa de Cohen":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Agrupamento Partition Around Medoids":{"n":1,"titulos":["Theodosiadou et al., 2023 — Change Point Analysis of Time Series Related to Bitcoin Transactions: Towards the Detection of Illegal Activities"]},"Análise de pontos de mudança":{"n":1,"titulos":["Theodosiadou et al., 2023 — Change Point Analysis of Time Series Related to Bitcoin Transactions: Towards the Detection of Illegal Activities"]},"Análise de roteiro do crime":{"n":1,"titulos":["Hardy et al., 2020 — A crime script analysis of the Madoff Investment Scheme"]},"Combinação de bases de dados primárias e secundárias":{"n":1,"titulos":["Luong et al., 2024 — Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective"]},"Análise literária":{"n":1,"titulos":["Agunbiade, 2026 — The Palm-Wine Drinkard as African Indigenous intelligence: a metaphoric inquest into global investment fraud"]},"Novo Historicismo":{"n":1,"titulos":["Agunbiade, 2026 — The Palm-Wine Drinkard as African Indigenous intelligence: a metaphoric inquest into global investment fraud"]},"Modelo de classificação":{"n":2,"titulos":["Chen et al., 2018 — Detecting ponzi schemes on ethereum: Towards healthier blockchain technology","Chen et al., 2019 — Exploiting Blockchain Data to Detect Smart Ponzi Schemes on Ethereum"]},"Análise temática":{"n":9,"titulos":["Nataraj-Hansen, 2024 — “More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud","Lacey et al., 2020 — The application of scam compliance models to investment fraud offending","Ghani et al., 2023 — OVERCONFIDENCE BIAS AMONG INVESTORS: A QUALITATIVE EVIDENCE FROM PONZI SCHEME CASE STUDY","Nataraj-Hansen, 2024 — ‘Should’ve known better’: Using Lerner’s Belief in a Just World to understand how the Fraud Justice Network observe victims of online romance and investment frauds","Sharevski et al., 2026 — \"you Creep! It Really Worked!\": An Empirical Study of Telephone Scams with Cloned Familiar Voices and Trusted Caller IDs","Lazarus, 2025 — Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity","Mott et al., 2024 — ‘There was a bit of PTSD every time I walked through the office door’: Ransomware harms and the factors that influence the victim organization’s experience","van Boven et al., 2024 — Hacking Acute Care: A Qualitative Study on the Health Care Impacts of Ransomware Attacks Against Hospitals"]},"Verificação manual de contratos":{"n":1,"titulos":["Chen et al., 2019 — Exploiting Blockchain Data to Detect Smart Ponzi Schemes on Ethereum"]},"Revisão de escopo":{"n":2,"titulos":["Wang, 2026 — A scoping review of online romance scams: Conceptual construction and comparative analysis","Trozze et al., 2022 — Cryptocurrencies and future financial crime"]},"Fenomenologia descritiva":{"n":1,"titulos":["Gano, 2026 — Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery"]},"Método de Colaizzi":{"n":1,"titulos":["Gano, 2026 — Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery"]},"Pesquisa por questionário":{"n":2,"titulos":["Wang et al., 2026 — Influencing factors and mechanisms of action on the participation intentions of cryptocurrency investment fraud victims—A quantitative examination from the perspective of the theory of planned behavior","Matthijsse et al., 2025 — To report or not to report: Exploring the motivations and factors associated with reporting of ransomware victimisation among entrepreneurs"]},"Análise de roteiro de crime":{"n":1,"titulos":["Costello et al., 2026 — Decoding crypto asset fraud: A crime script analysis of crypto Ponzi, rug pull, and mint-and-run schemes"]},"Estudo de caso único":{"n":1,"titulos":["Manning et al., 2018 — Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud"]},"Análise de fontes arquivísticas e secundárias":{"n":1,"titulos":["Manning et al., 2018 — Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud"]},"Grafo de fluxo de controle":{"n":2,"titulos":["Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction","Wu et al., 2023 — ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning"]},"n-gram TF":{"n":1,"titulos":["Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction"]},"n-gram TF-IDF":{"n":1,"titulos":["Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction"]},"SVM_SMOTE":{"n":1,"titulos":["Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction"]},"Análise de motifs":{"n":2,"titulos":["Feng et al., 2019 — A case study of pyramid scheme finance flow network based on social network analysis","Feng et al., 2021 — Social network analysis model for research on organizational structure of the pyramid scheme communication network"]},"Modelo de grafos aleatórios exponenciais":{"n":1,"titulos":["Feng et al., 2019 — A case study of pyramid scheme finance flow network based on social network analysis"]},"Análise de redes sociais":{"n":6,"titulos":["Feng et al., 2019 — A case study of pyramid scheme finance flow network based on social network analysis","Hardy et al., 2020 — Resilience in sophisticated financial crime networks: a social network analysis of the Madoff Investment Scheme","Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme","Feng et al., 2021 — Social network analysis model for research on organizational structure of the pyramid scheme communication network","Botchkovar et al., 2025 — The organized activities of ransomware groups: A social network approach","Manatova et al., 2026 — The organizational anatomy of cybercrime: a multilayer framework for modeling resilience"]},"Entrevistas com insiders":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Aprendizado contrastivo":{"n":3,"titulos":["Wu et al., 2023 — ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning","Jiang et al., 2025 — Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes","Wu et al., 2024 — TokenScout: Early Detection of Ethereum Scam Tokens via Temporal Graph Learning"]},"Codificador de grafos pré-treinado":{"n":1,"titulos":["Wu et al., 2023 — ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning"]},"Augmentação de dados de bytecode":{"n":1,"titulos":["Wu et al., 2023 — ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning"]},"TF-IDF":{"n":2,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model","Song et al., 2023 — Similarity Analysis of Ransomware Attacks Based on ATT&CK Matrix"]},"CountVectorizer":{"n":1,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model"]},"Word2Vec":{"n":1,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model"]},"CNN":{"n":1,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model"]},"BiGRU":{"n":1,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model"]},"Ensemble de empilhamento com meta-aprendiz neural":{"n":1,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model"]},"Oversampling":{"n":2,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model","He et al., 2022 — CTRF: Ethereum-Based Ponzi Contract Identification"]},"Geração de dados sintéticos":{"n":1,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model"]},"Multi-view Cascade Ensemble":{"n":1,"titulos":["Zheng et al., 2023 — Securing the Ethereum from Smart Ponzi Schemes: Identification Using Static Features"]},"Desenho qualitativo multifonte":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Grupos focais":{"n":4,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study","Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws","Verma, 2024 — The Impact of Call Spoofing on Trust and Communication: A User Perception Study","Rogge et al., 2026 — Cybersecurity Challenges in Hospitals: International Incident Reports Analysis and Expert Validation"]},"Codificação por tipo de fonte":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Joint displays com preservação de proveniência":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Aprendizado de ensemble":{"n":1,"titulos":["Hisham et al., 2025 — An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]"]},"Soft voting":{"n":1,"titulos":["Hisham et al., 2025 — An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]"]},"Meta-classificadores":{"n":1,"titulos":["Hisham et al., 2025 — An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]"]},"Boruta":{"n":1,"titulos":["Hisham et al., 2025 — An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]"]},"Searching for Uncorrelated List of Variables":{"n":1,"titulos":["Hisham et al., 2025 — An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]"]},"Abordagem quantitativa":{"n":2,"titulos":["Ofori, 2023 — The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana","Ahmad, 2025 — Investment scams: the effect of bias-induced gullibility on victimization propensity"]},"Amostragem por conveniência":{"n":1,"titulos":["Ofori, 2023 — The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana"]},"Questionário padronizado":{"n":1,"titulos":["Ofori, 2023 — The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana"]},"Regressão logística binária":{"n":1,"titulos":["Ofori, 2023 — The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana"]},"SMOTEENN":{"n":1,"titulos":["Zhang et al., 2022 — Ethereum Ponzi Scheme Detection Based on PD-SECR"]},"PD-SECR":{"n":1,"titulos":["Zhang et al., 2022 — Ethereum Ponzi Scheme Detection Based on PD-SECR"]},"Rede Neural Convolucional":{"n":1,"titulos":["Zhang et al., 2022 — Ethereum Ponzi Scheme Detection Based on PD-SECR"]},"MTCformer":{"n":1,"titulos":["Chen et al., 2021 — Improving ponzi scheme contract detection using multi-channel textcnn and transformer"]},"Structure-Based Traversal":{"n":1,"titulos":["Chen et al., 2021 — Improving ponzi scheme contract detection using multi-channel textcnn and transformer"]},"TextCNN multicanal":{"n":1,"titulos":["Chen et al., 2021 — Improving ponzi scheme contract detection using multi-channel textcnn and transformer"]},"Transformer":{"n":2,"titulos":["Chen et al., 2021 — Improving ponzi scheme contract detection using multi-channel textcnn and transformer","Qu et al., 2025 — Detecting Ethereum Ponzi Scheme Based on Hybrid Sampling for Smart Contract"]},"Função de perda sensível ao custo":{"n":1,"titulos":["Chen et al., 2021 — Improving ponzi scheme contract detection using multi-channel textcnn and transformer"]},"Questionário online":{"n":1,"titulos":["Nosita et al., 2025 — The Role of Greed in Moderating Factors That Enhance Investment Decisions"]},"Modelagem de equações estruturais por mínimos quadrados parciais":{"n":1,"titulos":["Nosita et al., 2025 — The Role of Greed in Moderating Factors That Enhance Investment Decisions"]},"Entrevista direta":{"n":1,"titulos":["Santos et al., 2017 — The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]"]},"Análise de capital social":{"n":1,"titulos":["Manning, 2018 — Madoff’s Ponzi investment fraud: a social capital analysis"]},"Detecção de bots":{"n":1,"titulos":["Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation"]},"Classificador de contratos inteligentes":{"n":1,"titulos":["Galletta et al., 2024 — Explainable Ponzi Schemes Detection on Ethereum"]},"eXplainable AI":{"n":1,"titulos":["Galletta et al., 2024 — Explainable Ponzi Schemes Detection on Ethereum"]},"GRU":{"n":1,"titulos":["Hossain et al., 2025 — A hybrid machine learning approach for improved ponzi scheme detection using advanced feature engineering"]},"Modelo híbrido com concatenação de características":{"n":1,"titulos":["Hossain et al., 2025 — A hybrid machine learning approach for improved ponzi scheme detection using advanced feature engineering"]},"Análise comparativa jurídica":{"n":1,"titulos":["Anggriawan, 2025 — Recovering Ponzi Scheme Losses and Integrating the Victim Impact Statement into Indonesia’s Criminal Justice System"]},"Etnografia crítica":{"n":1,"titulos":["Keshavarzi et al., 2021 — Mechanisms of identity construction among members of Pyramid schemes in Iran: A critical ethnography"]},"Observação participante":{"n":1,"titulos":["Keshavarzi et al., 2021 — Mechanisms of identity construction among members of Pyramid schemes in Iran: A critical ethnography"]},"Entrevistas em profundidade":{"n":5,"titulos":["Keshavarzi et al., 2021 — Mechanisms of identity construction among members of Pyramid schemes in Iran: A critical ethnography","Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws","Verma, 2024 — The Impact of Call Spoofing on Trust and Communication: A User Perception Study","Hull et al., 2019 — Ransomware deployment methods and analysis: views from a predictive model and human responses","Y. Connolly et al., 2019 — The rise of crypto-ransomware in a changing cybercrime landscape: Taxonomising countermeasures"]},"Análise manual de código":{"n":1,"titulos":["Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme"]},"Simulador de transações":{"n":1,"titulos":["Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme"]},"Análise de vídeos promocionais":{"n":1,"titulos":["Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme"]},"Pesquisa jurídica normativa ou doutrinária":{"n":1,"titulos":["Anggriawan et al., 2023 — The Rising Tide of Financial Crime: A Ponzi Scheme Case Analysis"]},"Abordagem legal":{"n":1,"titulos":["Anggriawan et al., 2023 — The Rising Tide of Financial Crime: A Ponzi Scheme Case Analysis"]},"Abordagem conceitual":{"n":2,"titulos":["Anggriawan et al., 2023 — The Rising Tide of Financial Crime: A Ponzi Scheme Case Analysis","Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Abordagem de casos":{"n":1,"titulos":["Anggriawan et al., 2023 — The Rising Tide of Financial Crime: A Ponzi Scheme Case Analysis"]},"Revisão estruturada da literatura":{"n":1,"titulos":["Heyman, 2024 — A red flag checklist for cryptocurrency Ponzi schemes"]},"Análise qualitativa":{"n":4,"titulos":["Heyman, 2024 — A red flag checklist for cryptocurrency Ponzi schemes","Lazarus et al., 2022 — Advantageous comparison: using Twitter responses to understand similarities between cybercriminals (“Yahoo Boys”) and politicians (“Yahoo men”)","Matthijsse et al., 2026 — Exploring Victim-Offender Interactions During a Ransomware Attack Using LockBit Chat Negotiations","Adams et al., 2025 — How informative are cybersecurity risk disclosures? Empirical analysis of firms targeted by ransomware"]},"PRISMA-ScR":{"n":1,"titulos":["Trozze et al., 2022 — Cryptocurrencies and future financial crime"]},"Consenso de especialistas":{"n":1,"titulos":["Trozze et al., 2022 — Cryptocurrencies and future financial crime"]},"Índice de detecção de fraude baseado na medida de desempenho GUN":{"n":1,"titulos":["Bernard et al., 2016 — An index of detection of anomalies for investors; [D'Un indice de détection d'anomalies à l'usage des investisseurs]"]},"Regressão binomial negativa":{"n":3,"titulos":["Abeysekera, 2025 — A framework for investment scam reporting: Deception and reverse agency in an Australian context","Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size","Neprash et al., 2022 — Trends in Ransomware Attacks on US Hospitals, Clinics, and Other Health Care Delivery Organizations, 2016-2021"]},"Teoria de campo médio":{"n":1,"titulos":["Xue et al., 2021 — Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks"]},"Critério de Routh-Hurwitz":{"n":1,"titulos":["Xue et al., 2021 — Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks"]},"Função de Lyapunov":{"n":1,"titulos":["Xue et al., 2021 — Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks"]},"Princípio da comparação":{"n":1,"titulos":["Xue et al., 2021 — Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks"]},"Simulação numérica":{"n":2,"titulos":["Xue et al., 2021 — Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks","Huang et al., 2026 — Tripartite Evolutionary Game Analysis of Ransomware Attacks"]},"Opinião de especialistas":{"n":1,"titulos":["Ryzhkova et al., 2022 — Stability of the Ponzi scheme phenomenon; [Устойчивость феномена финансовой пирамиды]"]},"Pesquisa telefônica":{"n":1,"titulos":["Ryzhkova et al., 2022 — Stability of the Ponzi scheme phenomenon; [Устойчивость феномена финансовой пирамиды]"]},"Modelo de jornada da fraude em cinco estágios":{"n":2,"titulos":["Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities"]},"Aprendizado de máquina interpretável":{"n":3,"titulos":["Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Marcinkowski et al., 2024 — MIRAD: A Method for Interpretable Ransomware Attack Detection"]},"Modelagem semântica baseada em transformer":{"n":2,"titulos":["Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities"]},"Modelos ensemble":{"n":2,"titulos":["Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities"]},"Detecção de anomalias":{"n":2,"titulos":["Shen et al., 2021 — Mining bytecode features of smart contracts to detect ponzi scheme on blockchain","Jiang et al., 2025 — Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes"]},"Representação de bytecode em bigramas de bytes":{"n":1,"titulos":["Shen et al., 2021 — Mining bytecode features of smart contracts to detect ponzi scheme on blockchain"]},"Survey com questionário":{"n":1,"titulos":["Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia"]},"Modelagem de Equações Estruturais":{"n":1,"titulos":["Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia"]},"Mínimos Quadrados Parciais":{"n":1,"titulos":["Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia"]},"Entrevistas qualitativas":{"n":3,"titulos":["Lacey et al., 2020 — The application of scam compliance models to investment fraud offending","Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia","Nataraj-Hansen, 2024 — ‘Should’ve known better’: Using Lerner’s Belief in a Just World to understand how the Fraud Justice Network observe victims of online romance and investment frauds"]},"Análise jurídica comparada":{"n":1,"titulos":["Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends"]},"Codificação sistemática de narrativas de vítimas":{"n":1,"titulos":["Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Análise quantitativa":{"n":2,"titulos":["Perdana et al., 2024 — Crypto-Cognitive Exploitation: Integrating Cognitive, Social, and Technological perspectives on cryptocurrency fraud","Adams et al., 2025 — How informative are cybersecurity risk disclosures? Empirical analysis of firms targeted by ransomware"]},"Análise comparativa de grupos":{"n":1,"titulos":["Su et al., 2024 — Investment Fraud Cases Study in Chinese Context of Instant Messaging Software"]},"Nuvem de palavras":{"n":1,"titulos":["Su et al., 2024 — Investment Fraud Cases Study in Chinese Context of Instant Messaging Software"]},"Análise textual":{"n":1,"titulos":["Su et al., 2024 — Investment Fraud Cases Study in Chinese Context of Instant Messaging Software"]},"Redes neurais artificiais":{"n":1,"titulos":["Lokanan, 2022 — The determinants of investment fraud: A machine learning and artificial intelligence approach"]},"Pesquisa quantitativa":{"n":2,"titulos":["Suwitho et al., 2023 — The nexus between Ponzi scheme and multi-level marketing systems: Evidence in Indonesia","Dinh et al., 2026 — Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam"]},"Estudo de literatura":{"n":1,"titulos":["Suwitho et al., 2023 — The nexus between Ponzi scheme and multi-level marketing systems: Evidence in Indonesia"]},"Método teórico":{"n":1,"titulos":["Akhmadiyev et al., 2023 — STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION"]},"Método dialético":{"n":1,"titulos":["Akhmadiyev et al., 2023 — STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION"]},"Método formal-jurídico":{"n":1,"titulos":["Akhmadiyev et al., 2023 — STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION"]},"Dedução":{"n":1,"titulos":["Akhmadiyev et al., 2023 — STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION"]},"Indução":{"n":1,"titulos":["Akhmadiyev et al., 2023 — STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION"]},"Síntese":{"n":1,"titulos":["Akhmadiyev et al., 2023 — STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION"]},"Modelo PIDI":{"n":1,"titulos":["Fu et al., 2018 — Threshold behaviors of social dynamics and financial outcomes of Ponzi scheme diffusion in complex networks"]},"Modelagem epidêmica em redes complexas":{"n":1,"titulos":["Fu et al., 2018 — Threshold behaviors of social dynamics and financial outcomes of Ponzi scheme diffusion in complex networks"]},"Simulação":{"n":3,"titulos":["Fu et al., 2018 — Threshold behaviors of social dynamics and financial outcomes of Ponzi scheme diffusion in complex networks","Fratrič et al., 2022 — Computational Discovery of Transaction-Based Financial Crime via Grammatical Evolution: The Case of Ponzi Schemes","Cartwright et al., 2023 — The Economics of Ransomware Attacks on Integrated Supply Chain Networks"]},"Modelo de grafo aleatório exponencial":{"n":1,"titulos":["Feng et al., 2021 — Social network analysis model for research on organizational structure of the pyramid scheme communication network"]},"Aprendizado de máquina explicável":{"n":1,"titulos":["Pennella et al., 2025 — X-SPIDE: An eXplainable Machine Learning Pipeline for Detecting Smart Ponzi Contracts in Ethereum"]},"Pesquisa operacional":{"n":1,"titulos":["Bernard et al., 2022 — A financial fraud detection indicator for investors: an IDeA"]},"Índice de detecção de anomalias IDeA":{"n":1,"titulos":["Bernard et al., 2022 — A financial fraud detection indicator for investors: an IDeA"]},"Medida de desempenho GUN*":{"n":1,"titulos":["Bernard et al., 2022 — A financial fraud detection indicator for investors: an IDeA"]},"Análise de transações em blockchain":{"n":1,"titulos":["Boshmaf et al., 2020 — Investigating MMM Ponzi Scheme on Bitcoin"]},"Índice de Gini":{"n":1,"titulos":["Boshmaf et al., 2020 — Investigating MMM Ponzi Scheme on Bitcoin"]},"Análise crítica do discurso":{"n":1,"titulos":["Sari et al., 2024 — Examining Social Actors in Investment Fraud News: A Transitivity and Appraisal Analysis"]},"Análise de transitividade":{"n":1,"titulos":["Sari et al., 2024 — Examining Social Actors in Investment Fraud News: A Transitivity and Appraisal Analysis"]},"Sistema de avaliatividade":{"n":1,"titulos":["Sari et al., 2024 — Examining Social Actors in Investment Fraud News: A Transitivity and Appraisal Analysis"]},"Linguística sistêmico-funcional":{"n":1,"titulos":["Sari et al., 2024 — Examining Social Actors in Investment Fraud News: A Transitivity and Appraisal Analysis"]},"Revisão de mídia":{"n":2,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition","Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"PLS-SEM":{"n":1,"titulos":["Dinh et al., 2026 — Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam"]},"Entrevistas individuais em profundidade":{"n":1,"titulos":["Nguyen et al., 2021 — Perceived Types, Causes, and Consequences of Financial Exploitation: Narratives from Older Adults"]},"Codificação temática":{"n":1,"titulos":["Nguyen et al., 2021 — Perceived Types, Causes, and Consequences of Financial Exploitation: Narratives from Older Adults"]},"Análise longitudinal":{"n":1,"titulos":["Siu et al., 2022 — 'Invest in crypto!': An analysis of investment scam advertisements found in Bitcointalk"]},"Heurísticas":{"n":1,"titulos":["Siu et al., 2022 — 'Invest in crypto!': An analysis of investment scam advertisements found in Bitcointalk"]},"Auto ARIMA":{"n":1,"titulos":["Akartuna et al., 2025 — Shifting routines and the industrialisation of scams: the impact of Covid-19 on deception crimes in Hong Kong"]},"Teoria das atividades rotineiras":{"n":1,"titulos":["Akartuna et al., 2025 — Shifting routines and the industrialisation of scams: the impact of Covid-19 on deception crimes in Hong Kong"]},"Teoria do deslocamento do crime":{"n":1,"titulos":["Akartuna et al., 2025 — Shifting routines and the industrialisation of scams: the impact of Covid-19 on deception crimes in Hong Kong"]},"Análise de conteúdo de notícias e documentos judiciais":{"n":1,"titulos":["Maras et al., 2024 — Deconstructing a form of hybrid investment fraud: Examining ‘pig butchering’ in the United States"]},"Evolução gramatical":{"n":1,"titulos":["Fratrič et al., 2022 — Computational Discovery of Transaction-Based Financial Crime via Grammatical Evolution: The Case of Ponzi Schemes"]},"Experimento com participantes":{"n":1,"titulos":["Doğan et al., 2026 — Pyramid schemes"]},"Tratamentos experimentais":{"n":1,"titulos":["Doğan et al., 2026 — Pyramid schemes"]},"Pesquisa qualitativa":{"n":2,"titulos":["Ghani et al., 2023 — OVERCONFIDENCE BIAS AMONG INVESTORS: A QUALITATIVE EVIDENCE FROM PONZI SCHEME CASE STUDY","Dave et al., 2023 — The New Frontier of Cybersecurity: Emerging Threats and Innovations"]},"SE-CapsNet":{"n":1,"titulos":["Bian et al., 2021 — Image-Based Scam Detection Method Using an Attention Capsule Network"]},"Fancy PCA para aumento de dados":{"n":1,"titulos":["Bian et al., 2021 — Image-Based Scam Detection Method Using an Attention Capsule Network"]},"Time-aware Metapath Feature Augmentation":{"n":1,"titulos":["Jin et al., 2024 — Time-Aware Metapath Feature Augmentation for Ponzi Detection in Ethereum"]},"Modelagem de grafos heterogêneos com metacaminhos":{"n":1,"titulos":["Jin et al., 2024 — Time-Aware Metapath Feature Augmentation for Ponzi Detection in Ethereum"]},"Extração de características de palavras e de sequência":{"n":1,"titulos":["He et al., 2022 — CTRF: Ethereum-Based Ponzi Contract Identification"]},"Estudo documental":{"n":1,"titulos":["Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"Estudo qualitativo":{"n":1,"titulos":["Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"PICOC":{"n":1,"titulos":["Porras Poma et al., 2025 — Application of unsupervised machine learning techniques for autonomous financial fraud detection in decentralized blockchain environments: a systematic review; [Aplicación de técnicas de machine learning no supervisado para la detección autónoma de fraudes financieros en entornos blockchain descentralizados: una revisión sistemática]"]},"Aprendizado semissupervisionado":{"n":1,"titulos":["Siu et al., 2023 — 'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms"]},"Classificação multiclasse de texto":{"n":1,"titulos":["Siu et al., 2023 — 'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms"]},"Survey quantitativo":{"n":1,"titulos":["Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia"]},"Bias ratio":{"n":1,"titulos":["van Vuuren et al., 2022 — Detecting Investment Fraud Using the Bias Ratio"]},"Análise de momentos estatísticos":{"n":1,"titulos":["van Vuuren et al., 2022 — Detecting Investment Fraud Using the Bias Ratio"]},"Rede neural de grafos contrastiva multivisão":{"n":1,"titulos":["Jiang et al., 2025 — MVCG-SPS: A Multi-View Contrastive Graph Neural Network for Smart Ponzi Scheme Detection"]},"Construção de visões baseada em meta-caminhos":{"n":1,"titulos":["Jiang et al., 2025 — MVCG-SPS: A Multi-View Contrastive Graph Neural Network for Smart Ponzi Scheme Detection"]},"Agregação multivisão por aprendizado por reforço":{"n":1,"titulos":["Jiang et al., 2025 — MVCG-SPS: A Multi-View Contrastive Graph Neural Network for Smart Ponzi Scheme Detection"]},"Aprendizado contrastivo multiescala":{"n":1,"titulos":["Jiang et al., 2025 — MVCG-SPS: A Multi-View Contrastive Graph Neural Network for Smart Ponzi Scheme Detection"]},"Pesquisa quantitativa descritivo-correlacional":{"n":1,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]"]},"Desenho não experimental transversal":{"n":1,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]"]},"Questionário digital":{"n":1,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]"]},"Qui-quadrado de Pearson":{"n":1,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]"]},"Modelagem analítica em redes complexas":{"n":1,"titulos":["Shi et al., 2019 — Pyramid scheme model for consumption rebate frauds"]},"Rede aleatória de Erdös-Rényi":{"n":1,"titulos":["Shi et al., 2019 — Pyramid scheme model for consumption rebate frauds"]},"Rede de mundo pequeno de Strogatz-Watts":{"n":1,"titulos":["Shi et al., 2019 — Pyramid scheme model for consumption rebate frauds"]},"Rede livre de escala de Barabási-Albert":{"n":1,"titulos":["Shi et al., 2019 — Pyramid scheme model for consumption rebate frauds"]},"Modelo potential-investor–divestor (PID)":{"n":1,"titulos":["Zhu et al., 2017 — Ponzi scheme diffusion in complex networks"]},"Simulação em redes artificiais e reais":{"n":1,"titulos":["Zhu et al., 2017 — Ponzi scheme diffusion in complex networks"]},"n-gram":{"n":1,"titulos":["Wang et al., 2023 — Detecting Ethereum Ponzi Schemes Through Opcode Context Analysis and Oversampling-Based AdaBoost Algorithm"]},"ADASYN":{"n":1,"titulos":["Wang et al., 2023 — Detecting Ethereum Ponzi Schemes Through Opcode Context Analysis and Oversampling-Based AdaBoost Algorithm"]},"AdaBoost":{"n":1,"titulos":["Wang et al., 2023 — Detecting Ethereum Ponzi Schemes Through Opcode Context Analysis and Oversampling-Based AdaBoost Algorithm"]},"Redes neurais de grafos direcionados":{"n":1,"titulos":["Jiang et al., 2025 — Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes"]},"Aprendizado autossupervisionado":{"n":1,"titulos":["Jiang et al., 2025 — Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes"]},"Aprendizado generativo":{"n":1,"titulos":["Jiang et al., 2025 — Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes"]},"ADASYN aprimorado":{"n":1,"titulos":["Liu et al., 2026 — Ponzi Scheme Detection for Smart Contracts Based on Oversampling"]},"Contract Transaction Graph":{"n":1,"titulos":["Liu et al., 2026 — Ponzi Scheme Detection for Smart Contracts Based on Oversampling"]},"Rede neural de grafos":{"n":1,"titulos":["Liu et al., 2026 — Ponzi Scheme Detection for Smart Contracts Based on Oversampling"]},"Codificação de narrativas com livro de códigos":{"n":1,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm"]},"Questionário estruturado":{"n":2,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm","Verma, 2024 — The Impact of Call Spoofing on Trust and Communication: A User Perception Study"]},"Coeficiente de Gini":{"n":1,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm"]},"Delta de Cliff":{"n":1,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm"]},"Execução simbólica de opcodes":{"n":1,"titulos":["Wen et al., 2023 — Code Will Tell: Visual Identification of Ponzi Schemes on Ethereum"]},"Extração de grafo de fluxo de controle":{"n":1,"titulos":["Wen et al., 2023 — Code Will Tell: Visual Identification of Ponzi Schemes on Ethereum"]},"Visualização em grafo direcionado":{"n":1,"titulos":["Wen et al., 2023 — Code Will Tell: Visual Identification of Ponzi Schemes on Ethereum"]},"Scraping":{"n":1,"titulos":["Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification"]},"Aprendizado de máquina supervisionado":{"n":1,"titulos":["Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification"]},"Técnica de conversão de taxa":{"n":1,"titulos":["Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification"]},"Técnica de amostragem":{"n":1,"titulos":["Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification"]},"Análise de mediação":{"n":1,"titulos":["Sun et al., 2026 — From Perception to Protection: How Fraud Worry Shapes Investor Behavior"]},"Regressão OLS":{"n":1,"titulos":["Sun et al., 2026 — From Perception to Protection: How Fraud Worry Shapes Investor Behavior"]},"Regressão de Poisson":{"n":1,"titulos":["Sun et al., 2026 — From Perception to Protection: How Fraud Worry Shapes Investor Behavior"]},"Abordagem legislativa":{"n":1,"titulos":["Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Direito comparado":{"n":1,"titulos":["Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Rede neural":{"n":1,"titulos":["Jacinta et al., 2023 — Detection of Ponzi scheme on Ethereum using machine learning algorithms"]},"K-nearest neighbor":{"n":1,"titulos":["Jacinta et al., 2023 — Detection of Ponzi scheme on Ethereum using machine learning algorithms"]},"Análise manual de golpes reportados":{"n":1,"titulos":["Xia et al., 2020 — Don't Fish in Troubled Waters! Characterizing Coronavirus-Themed Cryptocurrency Scams"]},"Abordagem híbrida de coleta e detecção":{"n":1,"titulos":["Xia et al., 2020 — Don't Fish in Troubled Waters! Characterizing Coronavirus-Themed Cryptocurrency Scams"]},"Pesquisa exploratória qualitativa":{"n":1,"titulos":["Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Entrevistas presenciais":{"n":1,"titulos":["Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Matriz de enquadramento do Nvivo":{"n":1,"titulos":["Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Autossupervisão generativa":{"n":1,"titulos":["Jin et al., 2025 — Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision"]},"Autossupervisão contrastiva":{"n":1,"titulos":["Jin et al., 2025 — Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision"]},"Aprendizado de características de interação multivisão":{"n":1,"titulos":["Jin et al., 2025 — Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision"]},"Long Range Sequence De-noising":{"n":1,"titulos":["Lv et al., 2022 — Mining trading patterns of pyramid schemes from financial time series data"]},"Contrast Trading Pattern Mining":{"n":1,"titulos":["Lv et al., 2022 — Mining trading patterns of pyramid schemes from financial time series data"]},"Validação por especialistas em forense digital":{"n":1,"titulos":["de Souza et al., 2025 — Red Flags in Play-to-Earn Crypto Games: Proposal and Testing of a Checklist Based on Ponzi Scheme; [Sinais de Alerta em Cripto Jogos: Proposta e Teste de uma Lista de Verificação com Base em Esquemas Ponzi]"]},"Teste empírico de checklist":{"n":1,"titulos":["de Souza et al., 2025 — Red Flags in Play-to-Earn Crypto Games: Proposal and Testing of a Checklist Based on Ponzi Scheme; [Sinais de Alerta em Cripto Jogos: Proposta e Teste de uma Lista de Verificação com Base em Esquemas Ponzi]"]},"Mínimos quadrados parciais":{"n":1,"titulos":["Tjondro et al., 2025 — Investment scam vulnerability among university students: the role of personality traits and risk tolerance"]},"Análise temática indutiva":{"n":1,"titulos":["Anderson et al., 2024 — Exploring the roles played by trust and technology in the online investment fraud victimisation process"]},"Rede neural de grafos temporais":{"n":1,"titulos":["Wu et al., 2024 — TokenScout: Early Detection of Ethereum Scam Tokens via Temporal Graph Learning"]},"Análise on-chain":{"n":1,"titulos":["Botha et al., 2025 — Analysis of a Cryptocurrency Investment Scam: Pig Butchering"]},"Análise off-chain":{"n":1,"titulos":["Botha et al., 2025 — Analysis of a Cryptocurrency Investment Scam: Pig Butchering"]},"Análise de vínculos":{"n":1,"titulos":["Botha et al., 2025 — Analysis of a Cryptocurrency Investment Scam: Pig Butchering"]},"Modelagem de trajetórias baseada em grupos":{"n":1,"titulos":["Greenman et al., 2023 — County trajectories of pyramid scheme victimization"]},"Análise de conteúdo qualitativa":{"n":1,"titulos":["Truffer et al., 2026 — From Swiss Farmers to European Kings? ‘Folklore,’ ‘Common Sense,’ and Structural Crisis in Western Europe's Largest Ponzi Scheme"]},"Rede neural convolucional unidimensional":{"n":1,"titulos":["Chen et al., 2024 — Ponzi scheme detection in smart contracts using the integration of deep learning and formal verification"]},"Conv1D-LSTM":{"n":1,"titulos":["Chen et al., 2024 — Ponzi scheme detection in smart contracts using the integration of deep learning and formal verification"]},"Conv1D-MLP":{"n":1,"titulos":["Chen et al., 2024 — Ponzi scheme detection in smart contracts using the integration of deep learning and formal verification"]},"Conv1D-transformer":{"n":1,"titulos":["Chen et al., 2024 — Ponzi scheme detection in smart contracts using the integration of deep learning and formal verification"]},"Verificação formal":{"n":1,"titulos":["Chen et al., 2024 — Ponzi scheme detection in smart contracts using the integration of deep learning and formal verification"]},"Análise do discurso":{"n":1,"titulos":["Onanuga et al., 2020 — Discursive features of nigerian online ponzi schemes’ narratives; [Diskurzivne značilnosti naracije v nigerijskih spletnih ponzijevih shemah]"]},"Modelo de saturação baseado em crescimento logístico":{"n":1,"titulos":["Karaša et al., 2025 — Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis"]},"Modelo de jogo de Ponzi racional":{"n":1,"titulos":["Fu et al., 2024 — Leveraging Ponzi-like designs in stablecoins"]},"SMOTE-Tomek":{"n":1,"titulos":["Qu et al., 2025 — Detecting Ethereum Ponzi Scheme Based on Hybrid Sampling for Smart Contract"]},"Estudo de caso para ensino":{"n":1,"titulos":["Ampel, 2026 — Teaching Case Seeing Is Not Believing: A Deepfake Video Call Scam at Pan-Asia Trading"]},"Estudo empírico com simulação de golpe":{"n":1,"titulos":["Sharevski et al., 2026 — \"you Creep! It Really Worked!\": An Empirical Study of Telephone Scams with Cloned Familiar Voices and Trusted Caller IDs"]},"Estudo de caso qualitativo":{"n":1,"titulos":["Dinh et al., 2026 — Authority Impersonation and Digital Victimization in a Transnational Cyber Fraud Network: Evidence from Vietnam"]},"Análise de sentença criminal pseudonimizada":{"n":1,"titulos":["Dinh et al., 2026 — Authority Impersonation and Digital Victimization in a Transnational Cyber Fraud Network: Evidence from Vietnam"]},"Experimento controlado aprovado por IRB":{"n":1,"titulos":["Miramirkhani et al., 2017 — Dial One for Scam: A Large-Scale Analysis of Technical Support Scams"]},"Interação com golpistas":{"n":1,"titulos":["Miramirkhani et al., 2017 — Dial One for Scam: A Large-Scale Analysis of Technical Support Scams"]},"Abordagem baseada em grafo":{"n":1,"titulos":["Canillas et al., 2020 — GraphSIF: analyzing flow of payments in a Business-to-Business network to detect supplier impersonation"]},"Sistema de detecção de anomalias":{"n":1,"titulos":["Canillas et al., 2020 — GraphSIF: analyzing flow of payments in a Business-to-Business network to detect supplier impersonation"]},"Self-Organizing Map":{"n":1,"titulos":["Canillas et al., 2020 — GraphSIF: analyzing flow of payments in a Business-to-Business network to detect supplier impersonation"]},"Etnografia forense":{"n":1,"titulos":["Lazarus, 2026 — ‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations"]},"Análise de dados de reclamações":{"n":1,"titulos":["Payne, 2020 — Criminals Work from Home during Pandemics Too: a Public Health Approach to Respond to Fraud and Crimes against those 50 and above"]},"Análise linguística de estilização e tomada de posição (stance)":{"n":1,"titulos":["Liu et al., 2024 — Constructing identities in institutional impersonation fraud: self-styling and other-styling practices through stances"]},"Entrevista":{"n":1,"titulos":["Lazarus, 2025 — Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity"]},"Teoria Ator-Rede":{"n":1,"titulos":["Lazarus, 2025 — Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity"]},"Teoria das Redes Sociais":{"n":1,"titulos":["Lazarus, 2025 — Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity"]},"Análise de scripts de crime":{"n":1,"titulos":["Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits"]},"Análise de casos":{"n":1,"titulos":["Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits"]},"Coleta de dados com amplificação de tweets":{"n":1,"titulos":["Gupta et al., 2018 — Towards measuring the role of phone numbers in twitter-advertised spam"]},"Agrupamento de tweets":{"n":1,"titulos":["Gupta et al., 2018 — Towards measuring the role of phone numbers in twitter-advertised spam"]},"Revisão de literatura acadêmica":{"n":1,"titulos":["Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks"]},"Análise de relatórios de Cyber Threat Intelligence":{"n":1,"titulos":["Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks"]},"Análise de dados de resposta a incidentes":{"n":1,"titulos":["Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks"]},"Avaliação cumulativa de risco por turno":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Fine-tuning de modelos de linguagem pequenos":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Phi-4":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"LLaMA-3.2":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"DeepSeekR1":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Qwen3":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Estudo transversal":{"n":1,"titulos":["Yu et al., 2023 — Vulnerability of Older Adults to Government Impersonation Scams"]},"Experimento comportamental":{"n":1,"titulos":["Yu et al., 2023 — Vulnerability of Older Adults to Government Impersonation Scams"]},"Honey tweets":{"n":1,"titulos":["Acharya et al., 2024 — Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams"]},"Interação automatizada com golpistas":{"n":1,"titulos":["Acharya et al., 2024 — Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams"]},"Honey wallet addresses":{"n":1,"titulos":["Acharya et al., 2024 — Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams"]},"Detecção de texto gerado por LLM":{"n":1,"titulos":["Hao et al., 2025 — Do Spammers Dream of Electric Sheep? Characterizing the Prevalence of LLM-Generated Malicious Emails"]},"Calibração com e-mails anteriores ao ChatGPT":{"n":1,"titulos":["Hao et al., 2025 — Do Spammers Dream of Electric Sheep? Characterizing the Prevalence of LLM-Generated Malicious Emails"]},"Consultas de suporte técnico em múltiplos mecanismos de busca":{"n":1,"titulos":["Srinivasan et al., 2018 — Exposing search and advertisement abuse tactics and infrastructure of technical support scammers"]},"Técnica de amplificação baseada em DNS":{"n":1,"titulos":["Srinivasan et al., 2018 — Exposing search and advertisement abuse tactics and infrastructure of technical support scammers"]},"Estudo entre sujeitos":{"n":1,"titulos":["Hoffman et al., 2026 — ScamPilot: Simulating Conversations with LLMs to Protect Against Online Scams"]},"Simulação com agentes LLM":{"n":1,"titulos":["Hoffman et al., 2026 — ScamPilot: Simulating Conversations with LLMs to Protect Against Online Scams"]},"Opções europeias de compra e venda":{"n":1,"titulos":["Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States"]},"Orçamento de risco":{"n":1,"titulos":["Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States"]},"Teste de estresse":{"n":1,"titulos":["Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States"]},"Abordagem orientada por dados":{"n":1,"titulos":["Badawi et al., 2019 — Automatic detection and analysis of the “game hack” scam"]},"Consultas de busca em múltiplos mecanismos de busca":{"n":1,"titulos":["Badawi et al., 2019 — Automatic detection and analysis of the “game hack” scam"]},"Autenticação por desafio-resposta":{"n":1,"titulos":["Wang et al., 2023 — Spoofing Against Spoofing: Toward Caller ID Verification in Heterogeneous Telecommunication Systems"]},"Dual-tone Multi-frequency":{"n":1,"titulos":["Wang et al., 2023 — Spoofing Against Spoofing: Toward Caller ID Verification in Heterogeneous Telecommunication Systems"]},"Classificação com características de DNS passivo":{"n":1,"titulos":["Fernandez et al., 2022 — Early Detection of Spam Domains with Passive DNS and SPF"]},"Inferência e verificação de estado da chamada":{"n":1,"titulos":["Deng et al., 2018 — CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification"]},"Verificação específica por tipo de chamada":{"n":1,"titulos":["Deng et al., 2018 — CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification"]},"Aprendizado":{"n":1,"titulos":["Deng et al., 2018 — CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification"]},"Fuzzing de Intent/API no dispositivo":{"n":1,"titulos":["He et al., 2020 — Understanding Android VoIP Security: A System-Level Vulnerability Assessment"]},"Fuzzing de pacotes no lado da rede":{"n":1,"titulos":["He et al., 2020 — Understanding Android VoIP Security: A System-Level Vulnerability Assessment"]},"Auditoria de código direcionada":{"n":1,"titulos":["He et al., 2020 — Understanding Android VoIP Security: A System-Level Vulnerability Assessment"]},"FaceNet":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"DeepFace":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"Detecção de piscadas":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"Validação cruzada K-fold":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"MTCNN":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"Validação por painel de especialistas":{"n":1,"titulos":["Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"Campanhas de phishing simuladas":{"n":1,"titulos":["Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"Atribuição aleatória a grupos":{"n":1,"titulos":["Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"Red team":{"n":1,"titulos":["Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"Blockchain":{"n":1,"titulos":["Tas et al., 2024 — Blockchain-Based Caller-ID Authentication (BBCA): A Novel Solution to Prevent Spoofing Attacks in VoIP/SIP Networks"]},"Algoritmo de consenso de baixa latência":{"n":1,"titulos":["Tas et al., 2024 — Blockchain-Based Caller-ID Authentication (BBCA): A Novel Solution to Prevent Spoofing Attacks in VoIP/SIP Networks"]},"Processo de verificação em duas etapas":{"n":1,"titulos":["Tas et al., 2024 — Blockchain-Based Caller-ID Authentication (BBCA): A Novel Solution to Prevent Spoofing Attacks in VoIP/SIP Networks"]},"Geração Aumentada por Recuperação":{"n":1,"titulos":["Boumber et al., 2024 — LLMs for Explainable Few-shot Deception Detection"]},"Aprendizado few-shot":{"n":1,"titulos":["Boumber et al., 2024 — LLMs for Explainable Few-shot Deception Detection"]},"LLM":{"n":2,"titulos":["Boumber et al., 2024 — LLMs for Explainable Few-shot Deception Detection","Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Classificação de extorsão":{"n":2,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"Análise de sentimento":{"n":2,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"Identificação de idioma":{"n":2,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"DistilBERT":{"n":2,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"DeBERTa":{"n":2,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"Residual CNN":{"n":1,"titulos":["Martínez-Echevarría et al., 2026 — The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?"]},"Aprendizado one-class":{"n":1,"titulos":["Martínez-Echevarría et al., 2026 — The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?"]},"ResNet-18":{"n":1,"titulos":["Martínez-Echevarría et al., 2026 — The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?"]},"CreepRank":{"n":1,"titulos":["Roundy et al., 2020 — The many kinds of creepware used for interpersonal attacks"]},"Guilt by association":{"n":1,"titulos":["Roundy et al., 2020 — The many kinds of creepware used for interpersonal attacks"]},"Métodos quantitativos":{"n":1,"titulos":["Roundy et al., 2020 — The many kinds of creepware used for interpersonal attacks"]},"Métodos qualitativos":{"n":1,"titulos":["Roundy et al., 2020 — The many kinds of creepware used for interpersonal attacks"]},"Experimento de prova de conceito":{"n":1,"titulos":["Angafor et al., 2024 — Securing the remote office: reducing cyber risks to remote working through regular security awareness education campaigns"]},"Simulação de phishing":{"n":1,"titulos":["Angafor et al., 2024 — Securing the remote office: reducing cyber risks to remote working through regular security awareness education campaigns"]},"Lógica fuzzy":{"n":1,"titulos":["Rameem Zahra et al., 2022 — Detecting Covid-19 chaos driven phishing/malicious URL attacks by a fuzzy logic and data mining based intelligence system"]},"Detecção híbrida de Caller ID spoofing baseada em rede e dispositivo":{"n":1,"titulos":["Zheng et al., 2026 — Spam Call Detection with Hybrid Call ID Spoofing Detection and Cryptographic User Authentication"]},"SMSpoof":{"n":1,"titulos":["Zheng et al., 2026 — Spam Call Detection with Hybrid Call ID Spoofing Detection and Cryptographic User Authentication"]},"ReCall":{"n":1,"titulos":["Zheng et al., 2026 — Spam Call Detection with Hybrid Call ID Spoofing Detection and Cryptographic User Authentication"]},"Codificação de tweets":{"n":1,"titulos":["Lazarus et al., 2022 — Advantageous comparison: using Twitter responses to understand similarities between cybercriminals (“Yahoo Boys”) and politicians (“Yahoo men”)"]},"Comparação vantajosa como mecanismo de desengajamento moral":{"n":1,"titulos":["Lazarus et al., 2022 — Advantageous comparison: using Twitter responses to understand similarities between cybercriminals (“Yahoo Boys”) and politicians (“Yahoo men”)"]},"Processo de validação multicamadas":{"n":1,"titulos":["Papathanasiou et al., 2024 — BEC Defender: QR Code-Based Methodology for Prevention of Business Email Compromise (BEC) Attacks"]},"Algoritmo BEC-Defender":{"n":1,"titulos":["Papathanasiou et al., 2024 — BEC Defender: QR Code-Based Methodology for Prevention of Business Email Compromise (BEC) Attacks"]},"Análise de relatos policiais":{"n":1,"titulos":["Meurs et al., 2026 — NAS ransomware: ransomware targeting NAS devices"]},"Estudo de caso de intervenção policial":{"n":1,"titulos":["Meurs et al., 2026 — NAS ransomware: ransomware targeting NAS devices"]},"Estudo empírico de comportamento":{"n":1,"titulos":["Wang et al., 2026 — RTCatch: a real-time detection method to combat evolving rust language ransomware"]},"Correlação de processos":{"n":1,"titulos":["Wang et al., 2026 — RTCatch: a real-time detection method to combat evolving rust language ransomware"]},"Decomposição em tendência, sazonalidade e resíduo":{"n":1,"titulos":["Roumani et al., 2025 — Predicting Ransomware Incidents with Time-Series Modeling"]},"Visualização de séries temporais categóricas":{"n":1,"titulos":["Mokoma et al., 2025 — RanViz: Ransomware Visualization and Classification Based on Time-Series Categorical Representation of API Calls"]},"Aprendizado de máquina baseado em frequência, intervalo temporal e sequência de chamadas de API":{"n":1,"titulos":["Mokoma et al., 2025 — RanViz: Ransomware Visualization and Classification Based on Time-Series Categorical Representation of API Calls"]},"Filtragem por informação mútua":{"n":1,"titulos":["Onwuegbuche et al., 2026 — MLRan: A behavioural dataset for ransomware analysis and detection"]},"Eliminação recursiva de atributos":{"n":1,"titulos":["Onwuegbuche et al., 2026 — MLRan: A behavioural dataset for ransomware analysis and detection"]},"Análise de dados de vítimas de ransomware":{"n":1,"titulos":["Nershi, 2025 — Informal allies: State-cybercriminal alignment in the ransomware ecosystem"]},"Análise de mensagens vazadas":{"n":1,"titulos":["Nershi, 2025 — Informal allies: State-cybercriminal alignment in the ransomware ecosystem"]},"Experimento com vinhetas":{"n":2,"titulos":["Fuchs et al., 2026 — Reporting ransomware victimization: explaining citizens’ willingness to report to the police and other organizations","Matthijsse et al., 2025 — To report or not to report: Exploring the motivations and factors associated with reporting of ransomware victimisation among entrepreneurs"]},"Análise qualitativa de documentos":{"n":1,"titulos":["Teichmann, 2026 — Organized Crime in the Digital Age: The Convergence of Traditional and Cybercrime Networks"]},"Processamento de Linguagem Natural":{"n":1,"titulos":["Ruellan et al., 2024 — Conti Inc.: understanding the internal discussions of a large ransomware-as-a-service operator with machine learning"]},"Estratégias de visualização":{"n":1,"titulos":["Ruellan et al., 2024 — Conti Inc.: understanding the internal discussions of a large ransomware-as-a-service operator with machine learning"]},"Modelos de eventos relacionais":{"n":1,"titulos":["Sadewo et al., 2026 — Managing Conti: Temporal Dynamics of Managerial Communication in a Ransomware Group"]},"Modelos de riscos proporcionais de Cox":{"n":1,"titulos":["Sadewo et al., 2026 — Managing Conti: Temporal Dynamics of Managerial Communication in a Ransomware Group"]},"Mapeamento sistemático":{"n":1,"titulos":["Murray et al., 2025 — Trends and challenges in research into the human aspects of ransomware: a systematic mapping study"]},"Síntese temática qualitativa":{"n":1,"titulos":["Neupane et al., 2026 — A Qualitative Synthesis of Cyberattack Trends in Managed Service Providers: Analyzing Multi-Tenant Vulnerabilities and Mitigation Strategies"]},"Open-Source Intelligence (OSINT)":{"n":1,"titulos":["Neupane et al., 2026 — A Qualitative Synthesis of Cyberattack Trends in Managed Service Providers: Analyzing Multi-Tenant Vulnerabilities and Mitigation Strategies"]},"Análise qualitativa colaborativa":{"n":1,"titulos":["Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review"]},"Análise indutiva":{"n":1,"titulos":["Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review"]},"Análise dedutiva":{"n":1,"titulos":["Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review"]},"Análise de enquadramento midiático":{"n":1,"titulos":["Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review"]},"Survey experimental online":{"n":1,"titulos":["Gassmann et al., 2025 — Valuation of confidentiality and availability in a personal ransomware attack scenario"]},"Modelo SEIR":{"n":1,"titulos":["Flowerday et al., 2026 — Bending the curve: Operational cyber epidemiology for ransomware"]},"Estudo de caso ilustrativo":{"n":1,"titulos":["Flowerday et al., 2026 — Bending the curve: Operational cyber epidemiology for ransomware"]},"Survey baseado em cenários":{"n":1,"titulos":["Luu et al., 2025 — Exploring how the Dark Triad shapes cybercrime responses"]},"Árvores de decisão binárias":{"n":1,"titulos":["Balan et al., 2026 — Fighting Cybercrime: Identifying Ransomware Families Using API Sequences and Retrieval-Augmented Ransom Note Analysis"]},"Raciocínio estruturado com LLM":{"n":1,"titulos":["Balan et al., 2026 — Fighting Cybercrime: Identifying Ransomware Families Using API Sequences and Retrieval-Augmented Ransom Note Analysis"]},"Jogo de barganha de ofertas alternadas de horizonte finito":{"n":1,"titulos":["Zhang et al., 2026 — Ransomware Negotiation: Dynamics and Privacy-Preserving Mechanism Design"]},"Mecanismo bayesiano compatível com incentivos":{"n":1,"titulos":["Zhang et al., 2026 — Ransomware Negotiation: Dynamics and Privacy-Preserving Mechanism Design"]},"Computação segura entre duas partes":{"n":1,"titulos":["Zhang et al., 2026 — Ransomware Negotiation: Dynamics and Privacy-Preserving Mechanism Design"]},"Circuitos embaralhados":{"n":1,"titulos":["Zhang et al., 2026 — Ransomware Negotiation: Dynamics and Privacy-Preserving Mechanism Design"]},"Revisão sistemática PRISMA":{"n":1,"titulos":["Phipps et al., 2026 — Inside ransomware groups: An analysis of their origins, structures, and dynamics"]},"Análise qualitativa crítica":{"n":1,"titulos":["Phipps et al., 2026 — Inside ransomware groups: An analysis of their origins, structures, and dynamics"]},"Kitsune Network Intrusion Detection System":{"n":1,"titulos":["Hirano et al., 2025 — Hypervisor-based Double Extortion Ransomware Detection Method Using Kitsune Network Features"]},"Experimentos baseados em emulação":{"n":1,"titulos":["Chae, 2026 — Forensics in healthcare cloud environments: Privacy-preserving evidence workflows"]},"Análise temática de Braun e Clarke":{"n":1,"titulos":["Vásquez-Méndez et al., 2026 — The Human Factor: Assessing Ransomware Vulnerability in Developing Nations’ Governments"]},"Estratégia híbrida de codificação dedutiva e indutiva":{"n":1,"titulos":["Vásquez-Méndez et al., 2026 — The Human Factor: Assessing Ransomware Vulnerability in Developing Nations’ Governments"]},"Construção ideal-típica de Weber":{"n":1,"titulos":["Cotta, 2026 — From Archivist to Fortress Commander: Preservation at the End of Institutional Innocence"]},"Regressão de mínimos quadrados ordinários":{"n":1,"titulos":["Botchkovar et al., 2025 — The organized activities of ransomware groups: A social network approach"]},"Reconhecimento de imagem":{"n":1,"titulos":["Tejada-Triviño et al., 2025 — RDBAlert: An AI-Driven Automated Tool for Effective Identification of Victims’ Personal Information in Ransomware Data Breaches"]},"Análise quantitativa de padrões de comunicação direcionada":{"n":1,"titulos":["Whelan et al., 2026 — The internal structure of ransomware criminal groups: an analysis of organisational units, functions, roles, and communication patterns within Conti"]},"Análise de entrevistas segundo o modelo de técnicas de neutralização de Kaptein e Van Helvoort":{"n":1,"titulos":["Connolly et al., 2025 — Ransomware crime through the lens of neutralisation theory"]},"Análise qualitativa de registros de chat":{"n":1,"titulos":["Georgiou et al., 2026 — Engaging with cybercriminals: phases and influence strategies in ransomware negotiations"]},"Experimento com vinhetas entre sujeitos":{"n":1,"titulos":["Vakhitova et al., 2026 — Ransomware, Emotions, and the Decision to Pay: Evidence From a Factorial Experiment"]},"Atribuição aleatória":{"n":1,"titulos":["Vakhitova et al., 2026 — Ransomware, Emotions, and the Decision to Pay: Evidence From a Factorial Experiment"]},"Pré-registro":{"n":1,"titulos":["Vakhitova et al., 2026 — Ransomware, Emotions, and the Decision to Pay: Evidence From a Factorial Experiment"]},"Mapeamento de CVEs para o MITRE ATT&CK":{"n":1,"titulos":["Saccone et al., 2025 — The ransomware blueprint: Attack patterns and strategic variations across gangs"]},"Análise comparativa de gangues generalistas e especialistas":{"n":1,"titulos":["Saccone et al., 2025 — The ransomware blueprint: Attack patterns and strategic variations across gangs"]},"Jogo evolutivo tripartite":{"n":1,"titulos":["Huang et al., 2026 — Tripartite Evolutionary Game Analysis of Ransomware Attacks"]},"Equações de dinâmica do replicador":{"n":1,"titulos":["Huang et al., 2026 — Tripartite Evolutionary Game Analysis of Ransomware Attacks"]},"Monitoramento contínuo de portais de vazamento da dark web":{"n":1,"titulos":["Moallim et al., 2026 — AI-Amplification Indicator: An Actor-Level Scoring Framework for Ransomware Operations on the Dark Web"]},"Indicador AIAI de pontuação em nível de ator":{"n":1,"titulos":["Moallim et al., 2026 — AI-Amplification Indicator: An Actor-Level Scoring Framework for Ransomware Operations on the Dark Web"]},"Anotação adjudicada em dois estágios baseada em LLM":{"n":1,"titulos":["Baroni et al., 2026 — An Exploratory Inquiry into Arguing Under Extortion"]},"Análise de tipos de diálogo":{"n":1,"titulos":["Baroni et al., 2026 — An Exploratory Inquiry into Arguing Under Extortion"]},"Análise de movimentos de diálogo":{"n":1,"titulos":["Baroni et al., 2026 — An Exploratory Inquiry into Arguing Under Extortion"]},"Análise de esquemas de argumentação":{"n":1,"titulos":["Baroni et al., 2026 — An Exploratory Inquiry into Arguing Under Extortion"]},"Tipos ideais analíticos":{"n":1,"titulos":["Gundur et al., 2026 — The Commercialization of Ransomware: From Spray-and-Prey to Big Game Hunting to the Ransom Bazaar"]},"Prompting chain-of-thought":{"n":1,"titulos":["Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Prompting multi-shot":{"n":1,"titulos":["Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Perfis SKRAM":{"n":1,"titulos":["Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Heurística de geração de dados sintéticos":{"n":1,"titulos":["Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Codificação narrativa":{"n":1,"titulos":["Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size"]},"Regressão de Poisson modificada":{"n":1,"titulos":["Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size"]},"GLM Gamma":{"n":1,"titulos":["Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size"]},"Regressão quantílica":{"n":1,"titulos":["Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size"]},"Multi Layer Perceptron":{"n":1,"titulos":["Rios-Ochoa et al., 2025 — Ransomware Family Attribution With ML: A Comprehensive Evaluation of Datasets Quality, Models Comparison, and a Simulated Deployment"]},"Random Forest adaptativo":{"n":1,"titulos":["Ispahany et al., 2026 — Radar: a realistic dataset for advancing ransomware detection"]},"Aprendizado incremental online":{"n":1,"titulos":["Ispahany et al., 2026 — Radar: a realistic dataset for advancing ransomware detection"]},"Experimento intrassujeitos":{"n":1,"titulos":["Cartwright et al., 2025 — Ransomware Splash Screens, Loss Aversion and Trust: Insights from Behavioral Economics"]},"Classificação e ranqueamento de telas de resgate":{"n":1,"titulos":["Cartwright et al., 2025 — Ransomware Splash Screens, Loss Aversion and Trust: Insights from Behavioral Economics"]},"Survey nacional":{"n":1,"titulos":["Russell et al., 2025 — “I grow food, IT people do cybersecurity”: Addressing cybersecurity risks in Canada's agri-food sector"]},"Prototipagem de prova de conceito":{"n":1,"titulos":["Huang et al., 2025 — Ransomware in Resource-Constrained Industrial IoT Networks: There Actually is a Threat"]},"Análise de discurso":{"n":1,"titulos":["Manatova et al., 2026 — The organizational anatomy of cybercrime: a multilayer framework for modeling resilience"]},"Análise linguística":{"n":2,"titulos":["Manatova et al., 2026 — The organizational anatomy of cybercrime: a multilayer framework for modeling resilience","Florea et al., 2021 — A Linguistic Analysis Metric in Detecting Ransomware Cyber-attacks"]},"Teoria dos atos de fala":{"n":1,"titulos":["Manatova et al., 2026 — The organizational anatomy of cybercrime: a multilayer framework for modeling resilience"]},"Teoria dos jogos":{"n":9,"titulos":["Denham et al., 2026 — Game Theoretical Model of Ransomware with Imperfect Information","Meurs et al., 2023 — Double-Sided Information Asymmetry in Double Extortion Ransomware","Bhudia et al., 2023 — Game Theoretic Modelling of a Ransom and Extortion Attack on Ethereum Validators","Yin et al., 2023 — Deterrence, Backup, or Insurance: Game-Theoretic Modeling of Ransomware","Cartwright et al., 2023 — How cyber insurance influences the ransomware payment decision: theory and evidence","Ryan et al., 2022 — Dynamics of Targeted Ransomware Negotiation","Galinkin, 2021 — Winning the Ransomware Lottery: A Game-Theoretic Approach to Preventing Ransomware Attacks","Cartwright et al., 2019 — To pay or not: Game theoretic models of ransomware"]},"Modelagem de simulação":{"n":1,"titulos":["Ilau et al., 2025 — Modelling and simulating organizational ransomware recovery: structure, methodology, and decisions"]},"Metodologia de codesign":{"n":1,"titulos":["Ilau et al., 2025 — Modelling and simulating organizational ransomware recovery: structure, methodology, and decisions"]},"Análise de sensibilidade":{"n":2,"titulos":["Ilau et al., 2025 — Modelling and simulating organizational ransomware recovery: structure, methodology, and decisions","Prasad Baksi et al., 2022 — Game Theoretic Analysis of Ransomware: A Preliminary Study"]},"Abordagem de estilo de vida e atividades rotineiras":{"n":1,"titulos":["Matthijsse et al., 2026 — Assessing Ransomware Victimization Among Freelancers and Small and Medium-Sized Enterprises Using the Lifestyle-Routine Activity Approach"]},"Captura-recaptura":{"n":1,"titulos":["Meurs et al., 2026 — Estimating The Number Of Ransomware Attacks"]},"Teoria fundamentada em dados":{"n":1,"titulos":["Adams et al., 2025 — How informative are cybersecurity risk disclosures? Empirical analysis of firms targeted by ransomware"]},"Coleta de dados por crawling":{"n":1,"titulos":["Wang et al., 2023 — The Social and Technological Incentives for Cybercriminals to Engage in Ransomware Activities"]},"Triagem manual":{"n":1,"titulos":["Wang et al., 2023 — The Social and Technological Incentives for Cybercriminals to Engage in Ransomware Activities"]},"Categorização de postagens":{"n":1,"titulos":["Wang et al., 2023 — The Social and Technological Incentives for Cybercriminals to Engage in Ransomware Activities"]},"Método formal-dogmático":{"n":1,"titulos":["Krivokapić et al., 2023 — Financial, Accounting and Tax Implications of Ransomware Attack; [Finansowe, bilansowe i podatkowe konsekwencje ataku typu ransomware]"]},"Revisão argumentativa da literatura":{"n":1,"titulos":["Krivokapić et al., 2023 — Financial, Accounting and Tax Implications of Ransomware Attack; [Finansowe, bilansowe i podatkowe konsekwencje ataku typu ransomware]"]},"Jogo de sinalização":{"n":2,"titulos":["Meurs et al., 2023 — Double-Sided Information Asymmetry in Double Extortion Ransomware","Meurs et al., 2024 — Deception in double extortion ransomware attacks: An analysis of profitability and credibility"]},"Entrevistas com especialistas do setor":{"n":1,"titulos":["Baker et al., 2023 — Insurance and enterprise: cyber insurance for ransomware"]},"Modelo hurdle":{"n":1,"titulos":["Meurs et al., 2023 — Ransomware Economics: A Two-Step Approach To Model Ransom Paid"]},"Honeypot":{"n":1,"titulos":["Yasui et al., 2024 — SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices"]},"Sandbox de malware":{"n":1,"titulos":["Yasui et al., 2024 — SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices"]},"Observação longitudinal":{"n":1,"titulos":["Yasui et al., 2024 — SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices"]},"Análise qualitativa de casos":{"n":1,"titulos":["Yuryna Connolly et al., 2022 — Reducing Ransomware Crime: Analysis of Victims’ Payment Decisions"]},"Estudo de coorte":{"n":1,"titulos":["Neprash et al., 2022 — Trends in Ransomware Attacks on US Hospitals, Clinics, and Other Health Care Delivery Organizations, 2016-2021"]},"Revisão de registros departamentais de atividade":{"n":1,"titulos":["Keogh et al., 2024 — Dealing with digital paralysis: Surviving a cyberattack in a National Cancer center"]},"Ensaios reflexivos":{"n":1,"titulos":["Keogh et al., 2024 — Dealing with digital paralysis: Surviving a cyberattack in a National Cancer center"]},"Entrevistas com partes interessadas":{"n":1,"titulos":["Keogh et al., 2024 — Dealing with digital paralysis: Surviving a cyberattack in a National Cancer center"]},"Prova de conceito":{"n":1,"titulos":["Derbyshire et al., 2024 — Dead Man's PLC: Towards Viable Cyber Extortion for Operational Technology"]},"Análise de entrevistas de mídia":{"n":1,"titulos":["Connolly et al., 2023 — Applying Neutralisation Theory to Better Understand Ransomware Offenders"]},"Modelo de escolha racional do crime":{"n":1,"titulos":["Meurs et al., 2022 — Ransomware: How attacker's effort, victim characteristics and context influence ransom requested, payment and financial loss"]},"Crime scripting":{"n":1,"titulos":["Meurs et al., 2022 — Ransomware: How attacker's effort, victim characteristics and context influence ransom requested, payment and financial loss"]},"Modelos lineares generalizados":{"n":1,"titulos":["Meurs et al., 2022 — Ransomware: How attacker's effort, victim characteristics and context influence ransom requested, payment and financial loss"]},"Abordagem follow-the-money orientada a dados":{"n":1,"titulos":["Oosthoek et al., 2023 — A Tale of Two Markets: Investigating the Ransomware Payments Economy"]},"Big-Five":{"n":1,"titulos":["Yilmaz et al., 2023 — Personality Types and Ransomware Victimisation"]},"Teoria do comportamento planejado":{"n":1,"titulos":["Syamsuar et al., 2024 — Ransomware attack awareness: analyzing college student awareness for effective defense"]},"Teoria da motivação preventiva":{"n":1,"titulos":["Syamsuar et al., 2024 — Ransomware attack awareness: analyzing college student awareness for effective defense"]},"Modelo de pesquisa com variáveis de consciência de ameaça":{"n":1,"titulos":["Syamsuar et al., 2024 — Ransomware attack awareness: analyzing college student awareness for effective defense"]},"Testes de entropia":{"n":1,"titulos":["Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification"]},"Entropia de Shannon":{"n":3,"titulos":["Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification","Pont et al., 2020 — Why Current Statistical Approaches to Ransomware Detection Fail","Davies et al., 2021 — Differential area analysis for ransomware attack detection within mixed file datasets"]},"Qui-quadrado":{"n":2,"titulos":["Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification","Pont et al., 2020 — Why Current Statistical Approaches to Ransomware Detection Fail"]},"Correlação serial":{"n":1,"titulos":["Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification"]},"Abordagem híbrida de combinação de testes":{"n":1,"titulos":["Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification"]},"Gaussian Naive Bayes":{"n":1,"titulos":["Marcinkowski et al., 2024 — MIRAD: A Method for Interpretable Ransomware Attack Detection"]},"KNN":{"n":1,"titulos":["Marcinkowski et al., 2024 — MIRAD: A Method for Interpretable Ransomware Attack Detection"]},"Análise estática de binários":{"n":1,"titulos":["Yamany et al., 2022 — A New Scheme for Ransomware Classification and Clustering Using Static Features"]},"Índice de Jaccard absoluto":{"n":1,"titulos":["Yamany et al., 2022 — A New Scheme for Ransomware Classification and Clustering Using Static Features"]},"Agrupamento":{"n":1,"titulos":["Yamany et al., 2022 — A New Scheme for Ransomware Classification and Clustering Using Static Features"]},"Jogo Atacante-Defensor":{"n":1,"titulos":["Yin et al., 2023 — Deterrence, Backup, or Insurance: Game-Theoretic Modeling of Ransomware"]},"Jogo Defensor-Seguradora":{"n":1,"titulos":["Yin et al., 2023 — Deterrence, Backup, or Insurance: Game-Theoretic Modeling of Ransomware"]},"Análise dinâmica":{"n":2,"titulos":["Herrera-Silva et al., 2023 — Dynamic Feature Dataset for Ransomware Detection Using Machine Learning Algorithms","Akbanov et al., 2019 — WannaCry ransomware: Analysis of infection, persistence, recovery prevention and propagation mechanisms"]},"Gradient boosted regression trees":{"n":1,"titulos":["Herrera-Silva et al., 2023 — Dynamic Feature Dataset for Ransomware Detection Using Machine Learning Algorithms"]},"Redes neurais":{"n":1,"titulos":["Herrera-Silva et al., 2023 — Dynamic Feature Dataset for Ransomware Detection Using Machine Learning Algorithms"]},"Validação cruzada de 10 partições":{"n":1,"titulos":["Herrera-Silva et al., 2023 — Dynamic Feature Dataset for Ransomware Detection Using Machine Learning Algorithms"]},"Agrupamento de endereços":{"n":1,"titulos":["Wang et al., 2022 — A Large-scale Empirical Analysis of Ransomware Activities in Bitcoin"]},"Workshops":{"n":2,"titulos":["Mott et al., 2024 — ‘There was a bit of PTSD every time I walked through the office door’: Ransomware harms and the factors that influence the victim organization’s experience","Mott et al., 2023 — Between a rock and a hard(ening) place: Cyber insurance in the ransomware era"]},"Estudo de caso exploratório":{"n":1,"titulos":["Greubel et al., 2023 — Analyzing Reporting on Ransomware Incidents: A Case Study"]},"Análise de similaridade baseada na matriz ATT&CK":{"n":1,"titulos":["Song et al., 2023 — Similarity Analysis of Ransomware Attacks Based on ATT&CK Matrix"]},"Similaridade do cosseno":{"n":1,"titulos":["Song et al., 2023 — Similarity Analysis of Ransomware Attacks Based on ATT&CK Matrix"]},"k-nearest neighbours":{"n":1,"titulos":["Zakaria et al., 2024 — Early Detection of Windows Cryptographic Ransomware Based on PreAttack API Calls Features and Machine Learning"]},"Support Vector Machines":{"n":1,"titulos":["Zakaria et al., 2024 — Early Detection of Windows Cryptographic Ransomware Based on PreAttack API Calls Features and Machine Learning"]},"Modelo de teoria dos jogos":{"n":4,"titulos":["Cartwright et al., 2023 — The Economics of Ransomware Attacks on Integrated Supply Chain Networks","Prasad Baksi et al., 2022 — Game Theoretic Analysis of Ransomware: A Preliminary Study","Dey et al., 2021 — Should we outlaw ransomware payments?","Laszka et al., 2017 — On the Economics of Ransomware"]},"Equilíbrio de Nash":{"n":1,"titulos":["Cartwright et al., 2023 — The Economics of Ransomware Attacks on Integrated Supply Chain Networks"]},"Análise de blockchain":{"n":1,"titulos":["Patsakis et al., 2024 — Cashing out crypto: state of practice in ransom payments"]},"Análise de pagamentos de ransomware":{"n":1,"titulos":["Patsakis et al., 2024 — Cashing out crypto: state of practice in ransom payments"]},"Perturbações de texto por homógrafos":{"n":1,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"Clusterização de múltiplas entradas":{"n":1,"titulos":["Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Replicação de metodologias de estimativa de receita":{"n":1,"titulos":["Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Análise temática qualitativa":{"n":1,"titulos":["Munoz Cornejo et al., 2024 — A thematic analysis of ransomware incidents among United States hospitals, 2016–2022"]},"Análise qualitativa comparativa":{"n":1,"titulos":["Lang et al., 2023 — The Evolving Menace of Ransomware: A Comparative Analysis of Pre-pandemic and Mid-pandemic Attacks"]},"Entrevistas diretas":{"n":1,"titulos":["Lang et al., 2023 — The Evolving Menace of Ransomware: A Comparative Analysis of Pre-pandemic and Mid-pandemic Attacks"]},"Análise de conteúdo indutiva":{"n":3,"titulos":["Lang et al., 2023 — The Evolving Menace of Ransomware: A Comparative Analysis of Pre-pandemic and Mid-pandemic Attacks","Y. Connolly et al., 2019 — The rise of crypto-ransomware in a changing cybercrime landscape: Taxonomising countermeasures","Payre et al., 2022 — How System Failures and Ransomwares Affect Drivers’ Trust and Attitudes in an Automated Car? A Simulator Study"]},"Jogo não cooperativo assimétrico de dois jogadores":{"n":1,"titulos":["Ryan et al., 2022 — Dynamics of Targeted Ransomware Negotiation"]},"Análise de incidentes reais":{"n":1,"titulos":["Benmalek, 2024 — Ransomware on cyber-physical systems: Taxonomies, case studies, security gaps, and open challenges"]},"Anotação semântica":{"n":1,"titulos":["Lanza et al., 2024 — Ransomware Analysis: Knowledge Extraction and Classification for Advanced Cyber Threat Intelligence"]},"Análise baseada em padrões":{"n":1,"titulos":["Lanza et al., 2024 — Ransomware Analysis: Knowledge Extraction and Classification for Advanced Cyber Threat Intelligence"]},"Ransomware Feature Selection Algorithm":{"n":1,"titulos":["Wa Nkongolo, 2024 — RFSA: A Ransomware Feature Selection Algorithm for Multivariate Analysis of Malware Behavior in Cryptocurrency"]},"Gini Impurity":{"n":1,"titulos":["Wa Nkongolo, 2024 — RFSA: A Ransomware Feature Selection Algorithm for Multivariate Analysis of Malware Behavior in Cryptocurrency"]},"Informação Mútua":{"n":1,"titulos":["Wa Nkongolo, 2024 — RFSA: A Ransomware Feature Selection Algorithm for Multivariate Analysis of Malware Behavior in Cryptocurrency"]},"Matriz de correlação":{"n":1,"titulos":["Wa Nkongolo, 2024 — RFSA: A Ransomware Feature Selection Algorithm for Multivariate Analysis of Malware Behavior in Cryptocurrency"]},"Análise temporal":{"n":1,"titulos":["Wa Nkongolo, 2024 — RFSA: A Ransomware Feature Selection Algorithm for Multivariate Analysis of Malware Behavior in Cryptocurrency"]},"Análise de caso real":{"n":1,"titulos":["Kara, 2024 — Analyzing TorrentLocker Ransomware Attacks: A Real Case Study"]},"Emulação de ransomware":{"n":1,"titulos":["Diamantopoulos et al., 2024 — WannaLaugh: A Configurable Ransomware Emulator"]},"Imitação do comportamento de E/S":{"n":1,"titulos":["Diamantopoulos et al., 2024 — WannaLaugh: A Configurable Ransomware Emulator"]},"Análise de grafos endereço-transação":{"n":1,"titulos":["Zola et al., 2024 — Unveiling Dynamics and Patterns: A Comprehensive Analysis of Spreading Patterns and Similarities in Low-Labelled Ransomware Families"]},"Atribuição de comportamento de endereços":{"n":1,"titulos":["Zola et al., 2024 — Unveiling Dynamics and Patterns: A Comprehensive Analysis of Spreading Patterns and Similarities in Low-Labelled Ransomware Families"]},"Auditoria sem fio":{"n":1,"titulos":["Ruggiero et al., 2022 — Ransomware in local government: Risk factors, vulnerabilities, and exploitation during a global pandemic"]},"Survey com funcionários públicos":{"n":1,"titulos":["Ruggiero et al., 2022 — Ransomware in local government: Risk factors, vulnerabilities, and exploitation during a global pandemic"]},"Rede neural para classificação multiclasse":{"n":1,"titulos":["Coglio et al., 2023 — Early-Stage Ransomware Detection Based on Pre-attack Internal API Calls"]},"Experimento split-ballot":{"n":1,"titulos":["Haner et al., 2023 — Ransomware and the Robin Hood effect?: Experimental evidence on Americans’ willingness to support cyber-extortion"]},"Honeypot virtualizado":{"n":1,"titulos":["Holbel et al., 2024 — Utilizing virtualized honeypots for threat hunting, malware analysis, and reporting"]},"Análise de malware":{"n":2,"titulos":["Holbel et al., 2024 — Utilizing virtualized honeypots for threat hunting, malware analysis, and reporting","Yuste et al., 2021 — Avaddon ransomware: An in-depth analysis and decryption of infected systems"]},"Curva de adoção de inovação do ransomware":{"n":1,"titulos":["McIntosh et al., 2024 — Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration"]},"Avaliação crítica da literatura":{"n":1,"titulos":["McIntosh et al., 2024 — Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration"]},"Verificação cruzada com relatórios do setor":{"n":1,"titulos":["McIntosh et al., 2024 — Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration"]},"Análise em sandbox":{"n":1,"titulos":["Kamal et al., 2021 — A User-friendly Model for Ransomware Analysis Using Sandboxing"]},"Survey com usuários":{"n":1,"titulos":["Kamal et al., 2021 — A User-friendly Model for Ransomware Analysis Using Sandboxing"]},"Pesquisa netnográfica":{"n":1,"titulos":["Meland et al., 2020 — The Ransomware-as-a-Service economy within the darknet"]},"Análise de transações na blockchain":{"n":1,"titulos":["Paquet-Clouston et al., 2019 — Ransomware payments in the Bitcoin ecosystem"]},"Análise de pegadas de endereços Bitcoin":{"n":1,"titulos":["Paquet-Clouston et al., 2019 — Ransomware payments in the Bitcoin ecosystem"]},"Análise Semântica Latente":{"n":1,"titulos":["Lemmou et al., 2021 — In-depth analysis of ransom note files"]},"Abordagem de stakeholders baseada em cuidado de Daniel Engster":{"n":1,"titulos":["Morgan et al., 2020 — A Care-Based Stakeholder Approach to Ethics of Cybersecurity in Business"]},"Netnografia":{"n":1,"titulos":["Fahmy Bayoumy et al., 2018 — A netnographic study on the dark net ecosystem for ransomware"]},"Modelo preditivo Randep":{"n":1,"titulos":["Hull et al., 2019 — Ransomware deployment methods and analysis: views from a predictive model and human responses"]},"Questionários":{"n":1,"titulos":["Hull et al., 2019 — Ransomware deployment methods and analysis: views from a predictive model and human responses"]},"Análise manual de famílias de ransomware":{"n":1,"titulos":["Lemmou et al., 2021 — A behavioural in-depth analysis of ransomware infection"]},"Busca automática de comportamentos":{"n":1,"titulos":["Lemmou et al., 2021 — A behavioural in-depth analysis of ransomware infection"]},"Modelo de valor esperado":{"n":1,"titulos":["Galinkin, 2021 — Winning the Ransomware Lottery: A Game-Theoretic Approach to Preventing Ransomware Attacks"]},"Média aritmética":{"n":1,"titulos":["Pont et al., 2020 — Why Current Statistical Approaches to Ransomware Detection Fail"]},"Estimativa de Monte Carlo para Pi":{"n":1,"titulos":["Pont et al., 2020 — Why Current Statistical Approaches to Ransomware Detection Fail"]},"Coeficiente de correlação serial":{"n":1,"titulos":["Pont et al., 2020 — Why Current Statistical Approaches to Ransomware Detection Fail"]},"Análise teórica dos jogos":{"n":1,"titulos":["Li et al., 2021 — Game Theory of Data-selling Ransomware"]},"Estudo de simulação":{"n":1,"titulos":["Li et al., 2021 — Game Theory of Data-selling Ransomware"]},"Pesquisa documental":{"n":1,"titulos":["Custers et al., 2020 — Laundering the Profits of Ransomware; Money Laundering Methods for Vouchers and Cryptocurrencies"]},"Análise de arquivos policiais":{"n":1,"titulos":["Custers et al., 2020 — Laundering the Profits of Ransomware; Money Laundering Methods for Vouchers and Cryptocurrencies"]},"Processo de decisão de Markov":{"n":1,"titulos":["Dey et al., 2021 — Should we outlaw ransomware payments?"]},"Autópsia digital do código-fonte do malware":{"n":1,"titulos":["Zimba et al., 2019 — Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks"]},"Análise estática":{"n":2,"titulos":["Zimba et al., 2019 — Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks","Alsoghyer et al., 2019 — Ransomware detection system for android applications"]},"Análise dinâmica em sandbox":{"n":1,"titulos":["Zimba et al., 2019 — Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks"]},"Estudos de caso empíricos":{"n":1,"titulos":["van der Wagen et al., 2020 — The hybrid victim: Re-conceptualizing high-tech cyber victimization through actor-network theory"]},"Reconhecimento óptico de caracteres":{"n":1,"titulos":["García Villalba et al., 2018 — Ransomware Automatic Data Acquisition Tool"]},"Captura de janela pop-up":{"n":1,"titulos":["García Villalba et al., 2018 — Ransomware Automatic Data Acquisition Tool"]},"Extração de arquivos":{"n":1,"titulos":["García Villalba et al., 2018 — Ransomware Automatic Data Acquisition Tool"]},"Dump de memória virtual":{"n":1,"titulos":["García Villalba et al., 2018 — Ransomware Automatic Data Acquisition Tool"]},"Máquina de estados finitos":{"n":1,"titulos":["Zimba et al., 2019 — Understanding the Evolution of Ransomware: Paradigm Shifts in Attack Structures"]},"Estudo de caso do WannaCry":{"n":1,"titulos":["Zimba et al., 2019 — Understanding the Evolution of Ransomware: Paradigm Shifts in Attack Structures"]},"Análise de segurança e desempenho":{"n":1,"titulos":["Bhudia et al., 2021 — RansomClave: Ransomware Key Management using SGX"]},"Modelagem de vítimas":{"n":1,"titulos":["Bhudia et al., 2021 — RansomClave: Ransomware Key Management using SGX"]},"Análise econômica":{"n":1,"titulos":["Hernandez-Castro et al., 2020 — An economic analysis of ransomware and its welfare consequences"]},"Pesquisa piloto":{"n":1,"titulos":["Hernandez-Castro et al., 2020 — An economic analysis of ransomware and its welfare consequences"]},"Testbed de segurança de ransomware":{"n":1,"titulos":["Al-Hawawreh et al., 2019 — Targeted Ransomware: A New Cyber Threat to Edge System of Brownfield Industrial Internet of Things"]},"Desenvolvimento de ransomware de teste":{"n":1,"titulos":["Al-Hawawreh et al., 2019 — Targeted Ransomware: A New Cyber Threat to Edge System of Brownfield Industrial Internet of Things"]},"Medições de parâmetros de atividade do kernel":{"n":1,"titulos":["Al-Hawawreh et al., 2019 — Targeted Ransomware: A New Cyber Threat to Edge System of Brownfield Industrial Internet of Things"]},"One-shot learning":{"n":1,"titulos":["Atapour-Abarghouei et al., 2019 — A King's Ransom for Encryption: Ransomware Classification using Augmented One-Shot Learning and Bayesian Approximation"]},"Augmentação de dados":{"n":1,"titulos":["Atapour-Abarghouei et al., 2019 — A King's Ransom for Encryption: Ransomware Classification using Augmented One-Shot Learning and Bayesian Approximation"]},"Aproximação bayesiana":{"n":1,"titulos":["Atapour-Abarghouei et al., 2019 — A King's Ransom for Encryption: Ransomware Classification using Augmented One-Shot Learning and Bayesian Approximation"]},"Análise de tendências temporais e geográficas":{"n":1,"titulos":["Bansal et al., 2020 — Studying Ransomware Attacks Using Web Search Logs"]},"Área diferencial entre curvas de entropia":{"n":1,"titulos":["Davies et al., 2021 — Differential area analysis for ransomware attack detection within mixed file datasets"]},"Prova de conceito de malware":{"n":1,"titulos":["Brierley et al., 2021 — Industrialising Blackmail: Privacy Invasion Based IoT Ransomware"]},"Pipeline de extração de informação baseado em aprendizado profundo":{"n":1,"titulos":["Satyapanich et al., 2019 — Extracting Rich Semantic Information about Cybersecurity Events"]},"Análise dinâmica de opcodes":{"n":1,"titulos":["Carlin et al., 2018 — Dynamic Opcode Analysis of Ransomware"]},"Análise forense digital":{"n":1,"titulos":["Al-Sabaawi, 2020 — Digital Forensics for Infected Computer Disk and Memory: Acquire, Analyse, and Report"]},"Rastreamento de transações em Bitcoin":{"n":1,"titulos":["Huang et al., 2018 — Tracking Ransomware End-to-end"]},"Análise de binários de ransomware":{"n":1,"titulos":["Huang et al., 2018 — Tracking Ransomware End-to-end"]},"Telemetria de infecções":{"n":1,"titulos":["Huang et al., 2018 — Tracking Ransomware End-to-end"]},"Contratos inteligentes":{"n":1,"titulos":["Delgado-Mohatar et al., 2020 — Blockchain-based semi-autonomous ransomware"]},"Primitivas criptográficas":{"n":1,"titulos":["Delgado-Mohatar et al., 2020 — Blockchain-based semi-autonomous ransomware"]},"Implementação em rede de teste":{"n":1,"titulos":["Delgado-Mohatar et al., 2020 — Blockchain-based semi-autonomous ransomware"]},"Tradução automática":{"n":1,"titulos":["Florea et al., 2021 — A Linguistic Analysis Metric in Detecting Ransomware Cyber-attacks"]},"Distância de Levenshtein":{"n":1,"titulos":["Florea et al., 2021 — A Linguistic Analysis Metric in Detecting Ransomware Cyber-attacks"]},"Análise comparativa de variantes de ransomware":{"n":1,"titulos":["Monika et al., 2016 — Experimental Analysis of Ransomware on Windows and Android Platforms: Evolution and Characterization"]},"Abordagem de teoria dos grafos":{"n":1,"titulos":["Rosli et al., 2020 — Ransomware behavior attack construction via graph theory approach"]},"Análise dinâmica de malware":{"n":1,"titulos":["Rosli et al., 2020 — Ransomware behavior attack construction via graph theory approach"]},"K-Means":{"n":1,"titulos":["Hamid et al., 2017 — Android Malware Classification Using K-Means Clustering Algorithm"]},"Revisão crítica de incidentes":{"n":1,"titulos":["Hassanzadeh et al., 2020 — A Review of Cybersecurity Incidents in the Water Sector"]},"Estudo em simulador de direção":{"n":1,"titulos":["Payre et al., 2022 — How System Failures and Ransomwares Affect Drivers’ Trust and Attitudes in an Automated Car? A Simulator Study"]},"Topologia algébrica":{"n":1,"titulos":["Zhang et al., 2021 — A Study of Cyber Attack Behavior based on Algebraic Topology"]},"Variedade celular":{"n":1,"titulos":["Zhang et al., 2021 — A Study of Cyber Attack Behavior based on Algebraic Topology"]},"Grafo de sequência de comportamento de ataque cibernético":{"n":1,"titulos":["Zhang et al., 2021 — A Study of Cyber Attack Behavior based on Algebraic Topology"]},"Desenvolvimento de malware de prova de conceito":{"n":1,"titulos":["Brierley et al., 2020 — PaperW8: An IoT bricking ransomware proof of concept"]},"Teste em dispositivos IoT vulneráveis":{"n":1,"titulos":["Brierley et al., 2020 — PaperW8: An IoT bricking ransomware proof of concept"]},"Ensemble de quatro algoritmos de aprendizado de máquina":{"n":1,"titulos":["Su et al., 2019 — Detecting Android Locker-Ransomware on Chinese Social Networks"]},"Análise comportamental":{"n":1,"titulos":["Su et al., 2019 — Detecting Android Locker-Ransomware on Chinese Social Networks"]},"Levantamento do mercado de transações":{"n":1,"titulos":["Su et al., 2019 — Detecting Android Locker-Ransomware on Chinese Social Networks"]},"Resolução de reflexão":{"n":1,"titulos":["Zheng et al., 2017 — GreatEatlon: Fast, static detection of mobile ransomware"]},"Análise de fluxo de dados":{"n":1,"titulos":["Zheng et al., 2017 — GreatEatlon: Fast, static detection of mobile ransomware"]},"Pré-filtro rápido":{"n":1,"titulos":["Zheng et al., 2017 — GreatEatlon: Fast, static detection of mobile ransomware"]}}},"fontes":{"rotulo":"Fonte dos dados","especificados":366,"distribuicao":{"Dados sintéticos":24,"Twitter":13,"Amostras de ransomware":5,"CICIDS2017":3,"Notícias":3,"Literatura acadêmica":3,"Blockchain do Bitcoin":3,"Scopus":3,"Participantes do estudo":3,"SpamAssassin":2,"Ethereum":2,"IEEE Xplore":2,"ACM Digital Library":2,"Google Scholar":2,"NSL-KDD":2,"UNSW-NB15":2,"Relatórios do setor":2,"CSIS":2,"Registros policiais":2,"Consumidores":2,"Discord":2,"Web of Science":2,"YouTube":2,"Bitcointalk":2,"Mecanismos de busca":2,"TExtPhish":2,"Polícia holandesa":2,"Amostras de malware":2,"DataPhish 2025":1,"Nazario":1,"Profissionais de saúde":1,"Especialistas em cibersegurança":1,"Binance Smart Chain":1,"Avalanche":1,"Polygon":1,"Conjuntos públicos de e-mails":1,"PhishXtract":1,"TelePhish":1,"Conjuntos públicos de SMS e e-mail":1,"Amazon Mechanical Turk":1,"Experimentos psicológicos da literatura":1,"Investigações policiais holandesas":1,"ScienceDirect":1,"E-mails de phishing arquivados de uma organização educacional":1,"Artefatos digitais do sistema monitorado":1,"Órgãos de segurança pública do Nordeste brasileiro":1,"Site do SABRIC":1,"Relatórios do Ombudsman do RBI":1,"National Electronic Fraud Forum":1,"Amazon Inspector":1,"CycloneDX":1,"NPM":1,"Bancos de dados relacionais":1,"Avaliações manuais":1,"Conjunto de dados original de estatutos estaduais":1,"SebDB":1,"Questionários existentes":1,"Proprietários de MSMEs":1,"Artigos revisados por pares":1,"livros":1,"relatórios governamentais":1,"documentos de política":1,"Profissionais de TIC de três universidades sul-africanas":1,"Residentes de Calabar":1,"Notícias sobre phishing":1,"CIC-IDS2017":1,"CICIoMT2024":1,"Dados de reguladores":1,"Amostras de desinformação":1,"E-mails recebidos por dois pesquisadores":1,"FBI IC3":1,"ENISA":1,"Literatura revisada por pares":1,"Dados de reclamações de cibercrime":1,"Mercados da darknet":1,"Policiais, peritos forenses e vítimas":1,"Relatórios Anuais do HSBC Group e HSBC UK":1,"Declarações de supervisão da FCA":1,"Relatórios de inteligência de fraude da UK Finance":1,"Comunicações da PRA":1,"Global Affairs Canada":1,"CSE":1,"Elections Canada":1,"Comissão Hogue":1,"DFRLab":1,"Recorded Future":1,"Brookings Institution":1,"Sites de bibliotecas nacionais":1,"Funcionários de instituições de ensino superior":1,"Clientes jordanianos e britânicos que praticaram vingança online":1,"Conjuntos de dados reais de mercados cripto da darknet":1,"Conjuntos de dados reais de dados sociais sobre medicamentos":1,"Wikipedia":1,"Participantes adultos com 60 anos ou mais":1,"Dados reais de mercados eletrônicos":1,"Alexa":1,"Mercados da darkweb":1,"Lojas de vendedores da darkweb":1,"Conjunto de dados autoagregado":1,"Datasets públicos de malware Android":1,"Retraction Watch":1,"Dados de log de plataforma de avaliações de restaurantes":1,"Conjunto de dados de SQLi do estado da arte":1,"Conjunto de dados em espanhol de notícias":1,"Moderadores voluntários do Reddit":1,"Vendedores de comércio eletrônico social":1,"SemEval 2016":1,"Amazon":1,"Conjuntos de dados multirrótulo":1,"Instagram":1,"Pinterest":1,"Yahoo-Flickr":1,"Logs de dispositivos móveis":1,"Enron":1,"Sete conjuntos de dados públicos de microblogging e críticas de filmes":1,"Avaliações de usuários em fóruns online":1,"Facebook":1,"Fóruns web":1,"Dados de criptomercados":1,"Canais de comunicação de texto na internet":1,"Information Security Stack Exchange":1,"Autores de avaliações online sobre estabelecimentos de alimentos e bebidas":1,"Amostras de aplicativos Android":1,"hyperreal.info":1,"dopalamy.com":1,"Usuários de NPS":1,"Estudantes de universidades de elite do Irã":1,"Dataset predefinido":1,"Davidson":1,"Impermium":1,"Waseem & Hovy":1,"Navegadores desktop e móveis":1,"Chatbots de organizações de voluntariado russas":1,"Cryptomarchés":1,"Bases de pesquisa acadêmicas":1,"Conjuntos de dados reais de comportamento humano e de malware":1,"Dados coletados de UAVs":1,"DNRTI":1,"STUCCO":1,"CYNER":1,"Conjunto curado de CTI":1,"OpenPhish":1,"China National Vulnerability Database":1,"Amostra nacional de investidores de varejo":1,"Uniswap":1,"Oficiais da Polícia Real da Malásia":1,"Vítimas de esquemas Ponzi, money games e marketing multinível":1,"Conjuntos públicos de contratos Ponzi":1,"Conjunto de dados próprio multiclasse":1,"Materiais jurídicos primários, secundários e terciários":1,"Vítimas, agentes e grupo de controle":1,"BitcoinAbuse":1,"Serviços de denúncia de abuso de criptomoedas":1,"California DFPI":1,"Histórico de transações Bitcoin":1,"Bases de dados primárias e secundárias":1,"The Palm-Wine Drinkard":1,"Contratos inteligentes verificados da Ethereum":1,"Profissionais da Rede de Justiça contra Fraudes":1,"Contratos inteligentes de código aberto da plataforma Ethereum":1,"Vítimas-sobreviventes de golpes de investimento":1,"Vítimas de golpes de investimento em criptomoedas":1,"Periódicos de direito":1,"Periódicos de marketing":1,"Health and Retirement Study":1,"Registros judiciais de Madoff v. New York":1,"Conjunto de dados do mundo real":1,"Caso \"5.03\" de esquema de pirâmide em Hunan":1,"Entrevistas com insiders de sindicatos criminosos":1,"Dados reais de contratos Ethereum":1,"Conjunto de dados Ethereum curado":1,"Entrevistas com pessoas com problemas de jogo":1,"Participantes de pseudo-investimento":1,"Familiares":1,"Psicólogos e psicoterapeutas":1,"Policiais":1,"Grupos focais":1,"Etherscan.io":1,"Indivíduos de três regiões de Gana":1,"Investidores individuais da Indonésia":1,"Investidores defraudados e pessoas ligadas ao caso":1,"Entrevista com diretora de vendas independente da Mary Kay":1,"Dados coletados na internet":1,"Registros judiciais de Madoff v. NY":1,"Telegram":1,"Nomes de domínio":1,"Contratos inteligentes reais da Ethereum":1,"Dados policiais":1,"Ex-membros de esquemas de pirâmide":1,"Vídeos promocionais":1,"Redes sociais":1,"Literatura cinzenta":1,"Especialistas do setor privado, governo e academia":1,"Fundos mútuos de ações comercializados na França":1,"Scam Watch":1,"Grupos de golpistas investigados":1,"PromRating":1,"Denúncias de crimes cibernéticos de Telangana":1,"Entrevistas com participantes do setor":1,"Usuários de robôs de trading de forex":1,"Vítimas de golpes de investimento atendidas por serviço nacional de apoio a vítimas":1,"Rastreadores estaduais de golpes com criptoativos da Califórnia":1,"Rastreadores estaduais de golpes com criptoativos de Wisconsin":1,"Departamento de Proteção Financeira e Inovação (DFPI)":1,"Grupos de investimento no LINE":1,"Investment Industry Regulatory Organization of Canada":1,"Vítimas de fraude de money game":1,"Rede de comunicação de uma organização típica de esquema de pirâmide":1,"Contratos inteligentes da Ethereum":1,"Domicílios identificados pelo Serviço de Inspeção Postal dos EUA":1,"Mídia online indonésia":1,"Reportagens de mídia":1,"Vítimas chinesas":1,"Policiais chineses":1,"Investidoras de Ho Chi Minh City":1,"Polícia Real da Malásia":1,"Banco Central da Malásia":1,"Financial Consumer Alert List":1,"Comissão de Valores Mobiliários da Malásia":1,"IIROC":1,"Finance, Cognition, and Health in Elders Study":1,"Vítimas de esquemas de pirâmide":1,"Autoridades de aplicação da lei":1,"Pessoas abordadas por recrutadores":1,"Manuais de golpe":1,"Documentos judiciais":1,"Amostra da população geral dos Estados Unidos":1,"Estudantes de uma universidade alemã":1,"Investidores de esquemas Ponzi":1,"Conjunto de dados da Ethereum":1,"Vítimas de golpe de investimento":1,"Narrativas de golpes do governo da Califórnia":1,"Legislação da Tailândia, Reino Unido e Malásia":1,"Consumidores, setor empresarial e agentes de vendas":1,"OECD/INFE International Adult Financial Literacy Survey":1,"Detetives policiais":1,"Investment Industry Regulatory Organization of Canada (IIROC)":1,"Reddit":1,"Policiais da Polis Diraja Malaysia":1,"Vítimas de golpes":1,"Conjuntos de dados reais da Ethereum":1,"Empresários de Choloma e San Pedro Sula":1,"Rede social do Facebook":1,"Redes artificiais":1,"Rastreadores estaduais de golpes":1,"Contratos inteligentes reais":1,"Dados transacionais da Ethereum":1,"XBlock":1,"Investidores australianos de criptoativos e NFTs":1,"Denúncias de golpes de investimento":1,"Questionário com investigadores e especialistas":1,"Internet":1,"Endereços Bitcoin reais":1,"FINRA Investor Survey":1,"National Financial Capability Study":1,"Legislação":1,"Kaggle":1,"Golpes reportados por usuários em recursos online":1,"Indivíduos que já usaram esquemas de pirâmide não regulamentados":1,"Conjuntos de dados reais do Ethereum":1,"Dados financeiros de um esquema de pirâmide real":1,"Jogos de cripto play-to-earn":1,"Representantes da Rede de Justiça de Fraude":1,"Estudantes de universidades acreditadas com A em Java e Bali":1,"Fóruns online":1,"Tokens ERC20 do Ethereum":1,"Entrevistas e correspondência com a vítima":1,"Dados nacionais de vítimas de um caso de esquema de pirâmide":1,"Artigos de jornal":1,"Reportagens de televisão e rádio":1,"Documentos originais do EKC":1,"Preços das ações da Enron":1,"Dados históricos de stablecoins algorítmicas":1,"Endereços de contratos inteligentes verificados":1,"Sentença criminal pseudonimizada":1,"Anúncios maliciosos coletados pelo sistema":1,"SIS-ID":1,"Transcrições judiciais":1,"Testemunhos do FBI":1,"Relatos de money mules":1,"Federal Trade Commission":1,"Participantes de survey, entrevistas e grupos focais":1,"Comunicação entre golpista e potencial vítima":1,"Casos autênticos de golpe":1,"Entrevista com acusado líder da Black Axe":1,"Registros de escutas telefônicas":1,"Casos de fraude contra empresas holandesas":1,"Idosos residentes em Chennai":1,"Relatórios de Cyber Threat Intelligence":1,"INCIDE Digital Data S.L.":1,"Partes interessadas corporativas":1,"Rush Memory and Aging Project":1,"Registros da SEC":1,"Denúncias verificadas de crimes cibernéticos de Telangana":1,"Barracuda Networks":1,"Anúncios patrocinados":1,"Trabalhadores comunitários migrantes":1,"Federal Bureau of Investigation":1,"Programa de TV de game show":1,"Farsight Security":1,"Operadoras móveis dos Estados Unidos":1,"Android":1,"Usuários de e-mail corporativo":1,"ASVspoof 2019 Logical Access":1,"SONAR":1,"Dados de aplicativos instalados em dispositivos Android":1,"Funcionários de organização participante":1,"Amostras de ransomware coletadas":1,"MLRan":1,"Fontes da dark web":1,"Mensagens vazadas de grupo cibercriminoso":1,"Respondentes de pesquisa":1,"Relatórios de aplicação da lei":1,"Registros judiciais":1,"Avaliações de organizações internacionais":1,"Vazamento de chats do Conti":1,"Logs de chat Jabber vazados do Conti":1,"Darknet":1,"Incidentes cibernéticos publicamente reportados":1,"Associated Press Newswires":1,"Newspaper Source":1,"Access World News":1,"Clickworker":1,"Universidades alemãs":1,"Incidentes publicamente relatados":1,"Participantes de várias faixas etárias":1,"Participantes de survey":1,"Negociações em chat do LockBit":1,"Comunicações de grupos de ransomware":1,"Artigos de indústria":1,"Blogs":1,"Relatórios governamentais":1,"Responsáveis de TI de municípios equatorianos":1,"Repositórios de vazamento de ransomware":1,"Logs de chat vazados do grupo Conti":1,"Entrevistas publicadas por veículos de mídia e empresas de cibersegurança":1,"Registros de chat de negociação de ransomware":1,"Amostra nacional de adultos dos Estados Unidos":1,"Incidentes de ransomware documentados":1,"Portais de vazamento da dark web":1,"Negociações de ransomware vazadas publicamente":1,"Profissionais de comunicação e resposta a crises cibernéticas":1,"Empresa manufatureira europeia":1,"Divulgações públicas de vítimas de ransomware":1,"Boletins de ransomware":1,"Relatórios de ameaças":1,"Empreendedores autônomos e pequenas e médias empresas":1,"HHS-OCR":1,"Logs de execução de ransomware":1,"Participantes do experimento":1,"Conjuntos de dados públicos internacionais de incidentes cibernéticos":1,"Especialistas de TI de hospitais":1,"Produtores agrícolas canadenses":1,"Especialistas do sistema alimentar":1,"Negociações de ransomware":1,"Comunicações internas vazadas do Conti":1,"Survey com freelancers e pequenas e médias empresas":1,"Empresas de resposta a incidentes":1,"Sites de vazamento de grupos de ransomware":1,"Relatórios 10-K da SEC":1,"Marinheiros oficiais":1,"Dread":1,"Dados públicos de casos de incidentes de ransomware":1,"American Hospital Association Annual Survey":1,"Healthcare Cost Report Information System":1,"Profissionais do setor de seguros":1,"Empresa de resposta a incidentes":1,"VirusTotal":1,"Honeypot QNAP NAS":1,"Organizações vítimas":1,"Policiais de unidades de cibercrime":1,"Tracking Healthcare Ransomware Events and Traits":1,"Leak pages de grupos de ransomware":1,"Registros departamentais do Cork University Hospital":1,"Notícias da mídia":1,"Entrevistas de mídia com supostos agressores de ransomware":1,"Relatórios de investigação de ransomware da polícia holandesa":1,"Prolific":1,"Estudantes universitários":1,"NapierOne":1,"Entrevistas com profissionais":1,"Cyber Security Breaches Survey":1,"Profissionais vítimas de ransomware, respondentes a incidentes, negociadores de resgate, autoridades policiais e governo":1,"Artigos de mídia":1,"Inteligência de ameaças cibernéticas":1,"Conjunto de dados público de pagamentos de ransomware":1,"Ledger público do Bitcoin":1,"Portal público do HHS OCR":1,"Profissionais de saúde de emergência e equipe de TI":1,"Entrevistas diretas":1,"Fontes secundárias":1,"BitcoinHeist":1,"Pequena empresa manufatureira dos EUA":1,"Pesquisas de vitimização":1,"Estudos caso-controle":1,"Mercado de seguros":1,"Incidentes reais de ransomware":1,"CVE":1,"ATT&CK":1,"UGRansome":1,"Caso real de ataque":1,"Seis ransomware reais":1,"Rede Bitcoin":1,"Funcionários de governos locais":1,"Conjunto de dados próprio":1,"Respondentes de survey nos Estados Unidos":1,"Rede universitária":1,"Estudos acadêmicos":1,"Estratégias governamentais":1,"Inteligência cibernética":1,"Profissionais da indústria de seguro cibernético, segurança cibernética, negociação de ransomware, políticas e aplicação da lei":1,"Amostras de ransomware executadas em diretório compartilhado em rede":1,"Participantes do survey":1,"Mercados e fóruns da darknet":1,"Amostras de binários do ransomware Avaddon":1,"Blockchain pública do Bitcoin":1,"Fóruns e mercados da Dark Net":1,"Indivíduos e equipes de suporte de TI de universidades e PMEs":1,"Amostras de ransomware coletadas em 2019":1,"Dados de ataques reais de ransomware":1,"Conjunto de arquivos coletado pelos autores":1,"Pesquisa documental":1,"Entrevistas":1,"Arquivos policiais":1,"Vítimas e policiais entrevistados":1,"Bing":1,"govdocs1":1,"Artigos de notícias":1,"Imagem de disco de máquina infectada":1,"Binários de ransomware":1,"Pagamentos de resgate semeados":1,"Telemetria de vítimas":1,"Base de endereços Bitcoin anotados":1,"Virus Total":1,"Malgenome":1,"Relatórios de investigação federais":1,"Artigos científicos":1,"Participantes do estudo em simulador de direção":1,"Amostras de aplicativos goodware, malware e ransomware":1},"procedencia":{"DataPhish 2025":{"n":1,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning"]},"Nazario":{"n":1,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning"]},"SpamAssassin":{"n":2,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Profissionais de saúde":{"n":1,"titulos":["Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email"]},"Especialistas em cibersegurança":{"n":1,"titulos":["Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email"]},"Ethereum":{"n":2,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing","Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme"]},"Binance Smart Chain":{"n":1,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing"]},"Avalanche":{"n":1,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing"]},"Polygon":{"n":1,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing"]},"Conjuntos públicos de e-mails":{"n":1,"titulos":["Eilertsen et al., 2025 — LLM-Powered Intent-Based Categorization of Phishing Emails"]},"PhishXtract":{"n":1,"titulos":["Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads"]},"TelePhish":{"n":1,"titulos":["Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads"]},"Twitter":{"n":13,"titulos":["Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework","Bahia Halawi, 2018 — Few are as Good as Many: An Ontology-Based Tweet Spam Detection Approach","Samir Tartir, 2016 — Semantic Sentiment Analysis in Arabic Social Media","Alfredo Cuzzocrea, 2021 — A composite framework for supporting user emotion detection based on intelligent taxonomy handling","Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media","Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media","Awan, 2017 — Cyber-Extremism: Isis and the Power of Social Media","Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web"]},"Conjuntos públicos de SMS e e-mail":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Amazon Mechanical Turk":{"n":1,"titulos":["Abdelhamid, 2020 — The Role of Health Concerns in Phishing Susceptibility: Survey Design Study"]},"Experimentos psicológicos da literatura":{"n":1,"titulos":["Stylianou et al., 2025 — Suspicious minds: Psychological techniques correlated with online phishing attacks"]},"Investigações policiais holandesas":{"n":1,"titulos":["Leukfeldt et al., 2016 — A typology of cybercriminal networks: from low-tech all-rounders to high-tech specialists"]},"IEEE Xplore":{"n":2,"titulos":["Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection","Badawi et al., 2020 — Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review"]},"ACM Digital Library":{"n":2,"titulos":["Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection","Badawi et al., 2020 — Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review"]},"ScienceDirect":{"n":1,"titulos":["Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection"]},"Google Scholar":{"n":2,"titulos":["Magdziarz et al., 2026 — A Review of Graph-Theoretic Approaches in Phishing Website Detection","Martin Shepperd, 2023 — An analysis of retracted papers in Computer Science"]},"E-mails de phishing arquivados de uma organização educacional":{"n":1,"titulos":["Almoqbil, 2020 — Modeling Deception for Identifying and Protecting against Advanced Email Phishing"]},"Artefatos digitais do sistema monitorado":{"n":1,"titulos":["Dimitriadis et al., 2022 — Fronesis: Digital Forensics-Based Early Detection of Ongoing Cyber-Attacks"]},"Órgãos de segurança pública do Nordeste brasileiro":{"n":1,"titulos":["da Silva et al., 2025 — Desenvolvimento de uma Ontologia para Abordar a Técnica de Phishing em Delitos Informáticos: uma contribuição à Segurança Pública"]},"Site do SABRIC":{"n":1,"titulos":["Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention"]},"Relatórios do Ombudsman do RBI":{"n":1,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context"]},"National Electronic Fraud Forum":{"n":1,"titulos":["Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context"]},"Amazon Inspector":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"CycloneDX":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"NPM":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Bancos de dados relacionais":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Avaliações manuais":{"n":1,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs"]},"Conjunto de dados original de estatutos estaduais":{"n":1,"titulos":["McGrath, 2026 — Mapping state cybercrime law: A typology of statutory coverage across the U.S."]},"SebDB":{"n":1,"titulos":["Ambuehl et al., 2026 — Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)"]},"Questionários existentes":{"n":1,"titulos":["Ambuehl et al., 2026 — Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)"]},"Proprietários de MSMEs":{"n":1,"titulos":["Marcel et al., 2025 — Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation"]},"Artigos revisados por pares":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"livros":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"relatórios governamentais":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"documentos de política":{"n":1,"titulos":["Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"Profissionais de TIC de três universidades sul-africanas":{"n":1,"titulos":["Anderson et al., 2020 — Information security at South African universities—implications for biomedical research"]},"CICIDS2017":{"n":3,"titulos":["S.A. et al., 2026 — Intelligent Cyber-Attack Prediction: Integrating Machine Learning, Deep Learning, and Generative AI","FRAUDES00091, 2026 — Comprehensive Analysis of Network Security Attacks and Adaptive Countermeasures A Hybrid Machine Learning Detection Framework","Raval, 2022 — Artificial Intelligence and Cybersecurity Applications in Modern Education"]},"Residentes de Calabar":{"n":1,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024"]},"Notícias sobre phishing":{"n":1,"titulos":["Ланде et al., 2025 — Безкодовий підхід до побудови семантичних мереж засобами промпт-інжинірингу"]},"Notícias":{"n":3,"titulos":["Lande et al., 2025 — No-code approach to building semantic networks by means of prompt engineering","Maras et al., 2024 — Deconstructing a form of hybrid investment fraud: Examining ‘pig butchering’ in the United States","Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"NSL-KDD":{"n":2,"titulos":["FRAUDES00091, 2026 — Comprehensive Analysis of Network Security Attacks and Adaptive Countermeasures A Hybrid Machine Learning Detection Framework","Mehmood et al., 2026 — An Intelligent Cyber Threat Prevention: A Systematic Survey of AI-Based Approaches and Open Challenges"]},"UNSW-NB15":{"n":2,"titulos":["Mehmood et al., 2026 — An Intelligent Cyber Threat Prevention: A Systematic Survey of AI-Based Approaches and Open Challenges","Raval, 2022 — Artificial Intelligence and Cybersecurity Applications in Modern Education"]},"CIC-IDS2017":{"n":1,"titulos":["Mehmood et al., 2026 — An Intelligent Cyber Threat Prevention: A Systematic Survey of AI-Based Approaches and Open Challenges"]},"CICIoMT2024":{"n":1,"titulos":["Mehmood et al., 2026 — An Intelligent Cyber Threat Prevention: A Systematic Survey of AI-Based Approaches and Open Challenges"]},"Dados de reguladores":{"n":1,"titulos":["Asante et al., 2026 — Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana"]},"Relatórios do setor":{"n":2,"titulos":["Asante et al., 2026 — Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana","McIntosh et al., 2024 — Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration"]},"Literatura acadêmica":{"n":3,"titulos":["Asante et al., 2026 — Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana","Trozze et al., 2022 — Cryptocurrencies and future financial crime","Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks"]},"Amostras de desinformação":{"n":1,"titulos":["Tergembay et al., 2025 — IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY"]},"E-mails recebidos por dois pesquisadores":{"n":1,"titulos":["da Silva et al., 2026 — COLLECTIVE ACTION IS REQUIRED TO REDUCE THE BURDEN OF SPAM EMAILS IN ACADEMIA: THE CASE OF NEUROSCIENCE"]},"FBI IC3":{"n":1,"titulos":["Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies"]},"ENISA":{"n":1,"titulos":["Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies"]},"CSIS":{"n":2,"titulos":["Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies","Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Literatura revisada por pares":{"n":1,"titulos":["Ayebamieghayyefa, 2026 — The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies"]},"Registros policiais":{"n":2,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka.","Meurs et al., 2026 — Estimating The Number Of Ransomware Attacks"]},"Dados de reclamações de cibercrime":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"Mercados da darknet":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"Policiais, peritos forenses e vítimas":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"Relatórios Anuais do HSBC Group e HSBC UK":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Declarações de supervisão da FCA":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Relatórios de inteligência de fraude da UK Finance":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Comunicações da PRA":{"n":1,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK"]},"Global Affairs Canada":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"CSE":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Elections Canada":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Comissão Hogue":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"DFRLab":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Recorded Future":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Brookings Institution":{"n":1,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT"]},"Sites de bibliotecas nacionais":{"n":1,"titulos":["Gamal, 2022 — Taxonomy applications on the websites of Arab and foreign national libraries: A comparative analytical study"]},"Funcionários de instituições de ensino superior":{"n":1,"titulos":["Seyedeh OMSalameh Pourhashemi, 2026 — Identifying factors influencing the employee's intention with self-protective behaviors against phishing attacks"]},"Clientes jordanianos e britânicos que praticaram vingança online":{"n":1,"titulos":["Zaid Mohammad Obeidat, 2018 — Social media revenge: A typology of online consumer revenge"]},"Conjuntos de dados reais de mercados cripto da darknet":{"n":1,"titulos":["Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection"]},"Conjuntos de dados reais de dados sociais sobre medicamentos":{"n":1,"titulos":["Asmaa Hashem Sweidan, 2021 — Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning"]},"Wikipedia":{"n":1,"titulos":["Alfredo Cuzzocrea, 2021 — A composite framework for supporting user emotion detection based on intelligent taxonomy handling"]},"Participantes adultos com 60 anos ou mais":{"n":1,"titulos":["Scott Beach, 2020 — Vulnerability to Financial Scams Among Older Adults: Cognitive and Psychosocial Factors"]},"Dados reais de mercados eletrônicos":{"n":1,"titulos":["Hui Fang, 2018 — A generalized stereotype learning approach and its instantiation in trust modeling"]},"Dados sintéticos":{"n":24,"titulos":["Sepideh HajiHosseinKhani, 2023 — Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset","Vasilios Koutsokostas, 2021 — Invoice #31415 attached: Automated analysis of malicious Microsoft Office documents","Ibrahim Tariq Javed, 2017 — TrustCall: A Trust Computation Model for Web Conversational Services","Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control","Xue et al., 2021 — Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks","Fu et al., 2018 — Threshold behaviors of social dynamics and financial outcomes of Ponzi scheme diffusion in complex networks","Fratrič et al., 2022 — Computational Discovery of Transaction-Based Financial Crime via Grammatical Evolution: The Case of Ponzi Schemes","Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Consumidores":{"n":2,"titulos":["Carol Xiaojuan Ou, 2022 — Security breaches and organization response strategy: Exploring consumers’ threat and coping appraisals","Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia"]},"Alexa":{"n":1,"titulos":["Dominique Kelly, 2024 — Identifying Dark Patterns in User Account Disabling Interfaces: Content Analysis Results"]},"Mercados da darkweb":{"n":1,"titulos":["Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb"]},"Lojas de vendedores da darkweb":{"n":1,"titulos":["Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb"]},"Conjunto de dados autoagregado":{"n":1,"titulos":["Dhiren Rohera, 2022 — A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects"]},"Discord":{"n":2,"titulos":["Ellie Rennie, 2022 — Toward a Participatory Digital Ethnography of Blockchain Governance","Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation"]},"Datasets públicos de malware Android":{"n":1,"titulos":["P. García-Teodoro, 2022 — Multi-labeling of complex, multi-behavioral malware samples"]},"Retraction Watch":{"n":1,"titulos":["Martin Shepperd, 2023 — An analysis of retracted papers in Computer Science"]},"Web of Science":{"n":2,"titulos":["Martin Shepperd, 2023 — An analysis of retracted papers in Computer Science","Badawi et al., 2020 — Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review"]},"Dados de log de plataforma de avaliações de restaurantes":{"n":1,"titulos":["Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation"]},"Conjunto de dados de SQLi do estado da arte":{"n":1,"titulos":["Antonio Coscia, 2024 — PROGESI: A PROxy Grammar to Enhance Web Application Firewall for SQL Injection Prevention"]},"Conjunto de dados em espanhol de notícias":{"n":1,"titulos":["Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection"]},"Moderadores voluntários do Reddit":{"n":1,"titulos":["Lovely-Frances Domingo, 2026 — Care, Wisdom, and Civics: Value Sensitive Design of Large Language Model Support for Online Moderation"]},"Vendedores de comércio eletrônico social":{"n":1,"titulos":["Haoliang Cui, 2021 — A classification method for social information of sellers on social network"]},"SemEval 2016":{"n":1,"titulos":["Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media"]},"Amazon":{"n":1,"titulos":["Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media"]},"Conjuntos de dados multirrótulo":{"n":1,"titulos":["Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles"]},"Instagram":{"n":1,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media"]},"Pinterest":{"n":1,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media"]},"Yahoo-Flickr":{"n":1,"titulos":["Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media"]},"Logs de dispositivos móveis":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Enron":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Sete conjuntos de dados públicos de microblogging e críticas de filmes":{"n":1,"titulos":["Oscar Araque, 2017 — Enhancing deep learning sentiment analysis with ensemble techniques in social applications"]},"Avaliações de usuários em fóruns online":{"n":1,"titulos":["Muhammad Zubair Asghar, 2017 — Lexicon-enhanced sentiment analysis framework using rule-based classification scheme"]},"Facebook":{"n":1,"titulos":["Awan, 2017 — Cyber-Extremism: Isis and the Power of Social Media"]},"Fóruns web":{"n":1,"titulos":["Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web"]},"Dados de criptomercados":{"n":1,"titulos":["Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web"]},"Canais de comunicação de texto na internet":{"n":1,"titulos":["Tiberiu Marian GEORGESCU, 2017 — Using Ontologies in Cybersecurity Field"]},"Information Security Stack Exchange":{"n":1,"titulos":["Gurcan, 2024 — What are developers talking about information security? A large-scale study using semantic analysis of Q&A posts"]},"Autores de avaliações online sobre estabelecimentos de alimentos e bebidas":{"n":1,"titulos":["Doga Istanbulluoglu, 2023 — Forms of falsified online reviews: the good, the bad, and the downright ugly"]},"Amostras de aplicativos Android":{"n":1,"titulos":["Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection"]},"hyperreal.info":{"n":1,"titulos":["Dorota Wiszejko-Wierzbicka, 2016 — Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND"]},"dopalamy.com":{"n":1,"titulos":["Dorota Wiszejko-Wierzbicka, 2016 — Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND"]},"Usuários de NPS":{"n":1,"titulos":["Dorota Wiszejko-Wierzbicka, 2016 — Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND"]},"Estudantes de universidades de elite do Irã":{"n":1,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach"]},"Dataset predefinido":{"n":1,"titulos":["Syed Hussain, 2024 — A state-of-the-art universal machine learning framework for decoding suspect coded messages"]},"Davidson":{"n":1,"titulos":["Mahmoud Abusaqer, 2026 — BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention"]},"Impermium":{"n":1,"titulos":["Mahmoud Abusaqer, 2026 — BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention"]},"Waseem & Hovy":{"n":1,"titulos":["Mahmoud Abusaqer, 2026 — BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention"]},"Navegadores desktop e móveis":{"n":1,"titulos":["Renua Hiwa Ismael, 2025 — Address Bar Spoofing in Contemporary Web Browsers: A Taxonomy, Exploitation Study, and Mitigation Guidelines"]},"Chatbots de organizações de voluntariado russas":{"n":1,"titulos":["V. V. Vasilkova, 2019 — Use of Chatbots in Volunteering"]},"Cryptomarchés":{"n":1,"titulos":["Mathieu Guillot1, 2019 — Cryptomarchés et carding : impact sur l’offre et la demande"]},"YouTube":{"n":2,"titulos":["Priscila Oliveira da Mata, 2017 — Prática spammer e semiose: implicações nos processos de organização e circulação da informação em ambientes colaborativos","Heyman, 2024 — A red flag checklist for cryptocurrency Ponzi schemes"]},"Bases de pesquisa acadêmicas":{"n":1,"titulos":["Zineb, 2022 — The Effects of Gamification on E-learning Education: Systematic Literature Review and Conceptual Model"]},"Conjuntos de dados reais de comportamento humano e de malware":{"n":1,"titulos":["Rodríguez, 2024 — A process mining-based method for attacker profiling using the MITRE ATT&CK taxonomy"]},"Dados coletados de UAVs":{"n":1,"titulos":["Basan, 2022 — A Data Normalization Technique for Detecting Cyber Attacks on UAVs"]},"DNRTI":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"STUCCO":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"CYNER":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"Conjunto curado de CTI":{"n":1,"titulos":["Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"OpenPhish":{"n":1,"titulos":["Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control"]},"China National Vulnerability Database":{"n":1,"titulos":["Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks"]},"Amostra nacional de investidores de varejo":{"n":1,"titulos":["Rand et al., 2025 — Retail Investors and Investment Fraud Victims: Is There a Connection?"]},"Uniswap":{"n":1,"titulos":["Nguyen et al., 2023 — Rug-pull malicious token detection on blockchain using supervised learning with feature engineering"]},"Oficiais da Polícia Real da Malásia":{"n":1,"titulos":["Zin et al., 2024 — Understanding the Vulnerabilities Contributing to Investor Victimization in Scams"]},"Vítimas de esquemas Ponzi, money games e marketing multinível":{"n":1,"titulos":["Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)"]},"Conjuntos públicos de contratos Ponzi":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"Conjunto de dados próprio multiclasse":{"n":1,"titulos":["Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement"]},"Blockchain do Bitcoin":{"n":3,"titulos":["Bartoletti et al., 2018 — Data mining for detecting bitcoin ponzi schemes","Boshmaf et al., 2020 — Investigating MMM Ponzi Scheme on Bitcoin","Wang et al., 2022 — A Large-scale Empirical Analysis of Ransomware Activities in Bitcoin"]},"Materiais jurídicos primários, secundários e terciários":{"n":1,"titulos":["Manurung, 2022 — Juridical Review on The Crime of Fraud in The Implementation of The Pyramid Scheme System of Business Actors"]},"Scopus":{"n":3,"titulos":["Saha et al., 2024 — Cryptocurrency and financial crimes: A bibliometric analysis and future research agenda","Kutera, 2022 — Cryptocurrencies as a subject of financial fraud","Badawi et al., 2020 — Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review"]},"Vítimas, agentes e grupo de controle":{"n":1,"titulos":["Samanta, 2025 — Analysing motivations of Ponzi victims in West Bengal, India"]},"BitcoinAbuse":{"n":1,"titulos":["Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services"]},"Serviços de denúncia de abuso de criptomoedas":{"n":1,"titulos":["Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services"]},"California DFPI":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Histórico de transações Bitcoin":{"n":1,"titulos":["Theodosiadou et al., 2023 — Change Point Analysis of Time Series Related to Bitcoin Transactions: Towards the Detection of Illegal Activities"]},"Bases de dados primárias e secundárias":{"n":1,"titulos":["Luong et al., 2024 — Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective"]},"The Palm-Wine Drinkard":{"n":1,"titulos":["Agunbiade, 2026 — The Palm-Wine Drinkard as African Indigenous intelligence: a metaphoric inquest into global investment fraud"]},"Contratos inteligentes verificados da Ethereum":{"n":1,"titulos":["Chen et al., 2018 — Detecting ponzi schemes on ethereum: Towards healthier blockchain technology"]},"Profissionais da Rede de Justiça contra Fraudes":{"n":1,"titulos":["Nataraj-Hansen, 2024 — “More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud"]},"Contratos inteligentes de código aberto da plataforma Ethereum":{"n":1,"titulos":["Chen et al., 2019 — Exploiting Blockchain Data to Detect Smart Ponzi Schemes on Ethereum"]},"Vítimas-sobreviventes de golpes de investimento":{"n":1,"titulos":["Gano, 2026 — Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery"]},"Vítimas de golpes de investimento em criptomoedas":{"n":1,"titulos":["Wang et al., 2026 — Influencing factors and mechanisms of action on the participation intentions of cryptocurrency investment fraud victims—A quantitative examination from the perspective of the theory of planned behavior"]},"Periódicos de direito":{"n":1,"titulos":["Groβ et al., 2026 — The law and consumer harm in multi-level marketing: a review"]},"Periódicos de marketing":{"n":1,"titulos":["Groβ et al., 2026 — The law and consumer harm in multi-level marketing: a review"]},"Health and Retirement Study":{"n":1,"titulos":["Deliema et al., 2020 — Financial fraud among older americans: Evidence and implications"]},"Registros judiciais de Madoff v. New York":{"n":1,"titulos":["Manning et al., 2018 — Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud"]},"Conjunto de dados do mundo real":{"n":1,"titulos":["Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction"]},"Caso \"5.03\" de esquema de pirâmide em Hunan":{"n":1,"titulos":["Feng et al., 2019 — A case study of pyramid scheme finance flow network based on social network analysis"]},"Entrevistas com insiders de sindicatos criminosos":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Dados reais de contratos Ethereum":{"n":1,"titulos":["Wu et al., 2023 — ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning"]},"Conjunto de dados Ethereum curado":{"n":1,"titulos":["Jumma et al., 2025 — A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model"]},"Entrevistas com pessoas com problemas de jogo":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Participantes de pseudo-investimento":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Familiares":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Psicólogos e psicoterapeutas":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Policiais":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Grupos focais":{"n":1,"titulos":["Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Etherscan.io":{"n":1,"titulos":["Hisham et al., 2025 — An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]"]},"Indivíduos de três regiões de Gana":{"n":1,"titulos":["Ofori, 2023 — The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana"]},"Investidores individuais da Indonésia":{"n":1,"titulos":["Nosita et al., 2025 — The Role of Greed in Moderating Factors That Enhance Investment Decisions"]},"Investidores defraudados e pessoas ligadas ao caso":{"n":1,"titulos":["Leslie, 2022 — Hope Amid Crisis: Normative Ambiguity, the Middle Class, and Investment Fraud in 2000s Venezuela"]},"Entrevista com diretora de vendas independente da Mary Kay":{"n":1,"titulos":["Santos et al., 2017 — The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]"]},"Dados coletados na internet":{"n":1,"titulos":["Santos et al., 2017 — The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]"]},"Registros judiciais de Madoff v. NY":{"n":1,"titulos":["Manning, 2018 — Madoff’s Ponzi investment fraud: a social capital analysis"]},"Telegram":{"n":1,"titulos":["Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation"]},"Nomes de domínio":{"n":1,"titulos":["Muzammil et al., 2025 — The Poorest Man in Babylon: A Longitudinal Study of Cryptocurrency Investment Scams"]},"Contratos inteligentes reais da Ethereum":{"n":1,"titulos":["Galletta et al., 2024 — Explainable Ponzi Schemes Detection on Ethereum"]},"Dados policiais":{"n":1,"titulos":["Huang et al., 2021 — Gender and age-based investor affinities in a Ponzi scheme"]},"Ex-membros de esquemas de pirâmide":{"n":1,"titulos":["Keshavarzi et al., 2021 — Mechanisms of identity construction among members of Pyramid schemes in Iran: A critical ethnography"]},"Vídeos promocionais":{"n":1,"titulos":["Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme"]},"Redes sociais":{"n":1,"titulos":["Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme"]},"Literatura cinzenta":{"n":1,"titulos":["Trozze et al., 2022 — Cryptocurrencies and future financial crime"]},"Especialistas do setor privado, governo e academia":{"n":1,"titulos":["Trozze et al., 2022 — Cryptocurrencies and future financial crime"]},"Fundos mútuos de ações comercializados na França":{"n":1,"titulos":["Bernard et al., 2016 — An index of detection of anomalies for investors; [D'Un indice de détection d'anomalies à l'usage des investisseurs]"]},"Scam Watch":{"n":1,"titulos":["Abeysekera, 2025 — A framework for investment scam reporting: Deception and reverse agency in an Australian context"]},"Grupos de golpistas investigados":{"n":1,"titulos":["Adamczyk, 2025 — Dissection of an Approval-Based Trusted-Token Fraud Scheme Used Across Multiple Blockchain Systems"]},"PromRating":{"n":1,"titulos":["Ryzhkova et al., 2022 — Stability of the Ponzi scheme phenomenon; [Устойчивость феномена финансовой пирамиды]"]},"Denúncias de crimes cibernéticos de Telangana":{"n":1,"titulos":["Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities"]},"Entrevistas com participantes do setor":{"n":1,"titulos":["Chen et al., 2025 — Too Much Technology and Too Little Regulation? The Spectacular Demise of P2P Lending in China"]},"Usuários de robôs de trading de forex":{"n":1,"titulos":["Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia"]},"Vítimas de golpes de investimento atendidas por serviço nacional de apoio a vítimas":{"n":1,"titulos":["Lacey et al., 2020 — The application of scam compliance models to investment fraud offending"]},"Rastreadores estaduais de golpes com criptoativos da Califórnia":{"n":1,"titulos":["Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Rastreadores estaduais de golpes com criptoativos de Wisconsin":{"n":1,"titulos":["Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Departamento de Proteção Financeira e Inovação (DFPI)":{"n":1,"titulos":["Perdana et al., 2024 — Crypto-Cognitive Exploitation: Integrating Cognitive, Social, and Technological perspectives on cryptocurrency fraud"]},"Grupos de investimento no LINE":{"n":1,"titulos":["Su et al., 2024 — Investment Fraud Cases Study in Chinese Context of Instant Messaging Software"]},"Investment Industry Regulatory Organization of Canada":{"n":1,"titulos":["Lokanan, 2022 — The determinants of investment fraud: A machine learning and artificial intelligence approach"]},"Vítimas de fraude de money game":{"n":1,"titulos":["Suwitho et al., 2023 — The nexus between Ponzi scheme and multi-level marketing systems: Evidence in Indonesia"]},"Rede de comunicação de uma organização típica de esquema de pirâmide":{"n":1,"titulos":["Feng et al., 2021 — Social network analysis model for research on organizational structure of the pyramid scheme communication network"]},"Contratos inteligentes da Ethereum":{"n":1,"titulos":["Pennella et al., 2025 — X-SPIDE: An eXplainable Machine Learning Pipeline for Detecting Smart Ponzi Contracts in Ethereum"]},"Domicílios identificados pelo Serviço de Inspeção Postal dos EUA":{"n":1,"titulos":["DeLiema et al., 2025 — The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims"]},"Mídia online indonésia":{"n":1,"titulos":["Sari et al., 2024 — Examining Social Actors in Investment Fraud News: A Transitivity and Appraisal Analysis"]},"Reportagens de mídia":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"Vítimas chinesas":{"n":1,"titulos":["Han et al., 2026 — An Anatomy of ‘Pig Butchering Scams’: Chinese Victims’ and Police Officers’ Perspectives"]},"Policiais chineses":{"n":1,"titulos":["Han et al., 2026 — An Anatomy of ‘Pig Butchering Scams’: Chinese Victims’ and Police Officers’ Perspectives"]},"Investidoras de Ho Chi Minh City":{"n":1,"titulos":["Dinh et al., 2026 — Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam"]},"Polícia Real da Malásia":{"n":1,"titulos":["Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Banco Central da Malásia":{"n":1,"titulos":["Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Financial Consumer Alert List":{"n":1,"titulos":["Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Comissão de Valores Mobiliários da Malásia":{"n":1,"titulos":["Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"IIROC":{"n":1,"titulos":["Lokanan et al., 2022 — Fraud prediction using machine learning: The case of investment advisors in Canada"]},"Finance, Cognition, and Health in Elders Study":{"n":1,"titulos":["Nguyen et al., 2021 — Perceived Types, Causes, and Consequences of Financial Exploitation: Narratives from Older Adults"]},"Vítimas de esquemas de pirâmide":{"n":1,"titulos":["Weerasinghe, 2025 — Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context"]},"Autoridades de aplicação da lei":{"n":1,"titulos":["Weerasinghe, 2025 — Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context"]},"Pessoas abordadas por recrutadores":{"n":1,"titulos":["Weerasinghe, 2025 — Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context"]},"Manuais de golpe":{"n":1,"titulos":["Asyalı et al., 2026 — Fake it till you make it: the psychological and communication tactics behind “Pig Butchering” scams"]},"Bitcointalk":{"n":2,"titulos":["Siu et al., 2022 — 'Invest in crypto!': An analysis of investment scam advertisements found in Bitcointalk","Siu et al., 2023 — 'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms"]},"Documentos judiciais":{"n":1,"titulos":["Maras et al., 2024 — Deconstructing a form of hybrid investment fraud: Examining ‘pig butchering’ in the United States"]},"Amostra da população geral dos Estados Unidos":{"n":1,"titulos":["Doğan et al., 2026 — Pyramid schemes"]},"Estudantes de uma universidade alemã":{"n":1,"titulos":["Doğan et al., 2026 — Pyramid schemes"]},"Investidores de esquemas Ponzi":{"n":1,"titulos":["Ghani et al., 2023 — OVERCONFIDENCE BIAS AMONG INVESTORS: A QUALITATIVE EVIDENCE FROM PONZI SCHEME CASE STUDY"]},"Conjunto de dados da Ethereum":{"n":1,"titulos":["Jin et al., 2024 — Time-Aware Metapath Feature Augmentation for Ponzi Detection in Ethereum"]},"Vítimas de golpe de investimento":{"n":1,"titulos":["Balcombe, 2025 — The Mental Health Impacts of Internet Scams"]},"Narrativas de golpes do governo da Califórnia":{"n":1,"titulos":["Ordekian et al., 2024 — A Sinister Fattening: Dissecting the Tales of Pig Butchering and Other Cryptocurrency Scams"]},"Legislação da Tailândia, Reino Unido e Malásia":{"n":1,"titulos":["Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"Consumidores, setor empresarial e agentes de vendas":{"n":1,"titulos":["Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"OECD/INFE International Adult Financial Literacy Survey":{"n":1,"titulos":["Ruiz, 2026 — Who gets scammed? The roles of financial literacy, digital financial security, and overconfidence in Europe"]},"Detetives policiais":{"n":1,"titulos":["Webster et al., 2017 — Policing advance fee fraud (AFF): Experiences of fraud detectives using a victim-focused approach"]},"Investment Industry Regulatory Organization of Canada (IIROC)":{"n":1,"titulos":["Lokanan et al., 2021 — Predicting fraud victimization using classical machine learning"]},"Reddit":{"n":1,"titulos":["Siu et al., 2023 — 'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms"]},"Policiais da Polis Diraja Malaysia":{"n":1,"titulos":["Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia"]},"Vítimas de golpes":{"n":1,"titulos":["Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia"]},"Conjuntos de dados reais da Ethereum":{"n":1,"titulos":["Jiang et al., 2025 — MVCG-SPS: A Multi-View Contrastive Graph Neural Network for Smart Ponzi Scheme Detection"]},"Empresários de Choloma e San Pedro Sula":{"n":1,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]"]},"Rede social do Facebook":{"n":1,"titulos":["Zhu et al., 2017 — Ponzi scheme diffusion in complex networks"]},"Redes artificiais":{"n":1,"titulos":["Zhu et al., 2017 — Ponzi scheme diffusion in complex networks"]},"Rastreadores estaduais de golpes":{"n":1,"titulos":["Dulisse et al., 2025 — Old techniques, new technologies: Exploring patterns from scammers that commit financial fraud via cryptocurrency"]},"Contratos inteligentes reais":{"n":1,"titulos":["Wang et al., 2023 — Detecting Ethereum Ponzi Schemes Through Opcode Context Analysis and Oversampling-Based AdaBoost Algorithm"]},"Dados transacionais da Ethereum":{"n":1,"titulos":["Jiang et al., 2025 — Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes"]},"XBlock":{"n":1,"titulos":["Liu et al., 2026 — Ponzi Scheme Detection for Smart Contracts Based on Oversampling"]},"Investidores australianos de criptoativos e NFTs":{"n":1,"titulos":["Blue et al., 2025 — Cryptocurrencies: Who is vulnerable and what are the vulnerabilities?"]},"Denúncias de golpes de investimento":{"n":1,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm"]},"Questionário com investigadores e especialistas":{"n":1,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm"]},"Internet":{"n":1,"titulos":["Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification"]},"Endereços Bitcoin reais":{"n":1,"titulos":["Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification"]},"FINRA Investor Survey":{"n":1,"titulos":["Sun et al., 2026 — From Perception to Protection: How Fraud Worry Shapes Investor Behavior"]},"National Financial Capability Study":{"n":1,"titulos":["Sun et al., 2026 — From Perception to Protection: How Fraud Worry Shapes Investor Behavior"]},"Legislação":{"n":1,"titulos":["Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Kaggle":{"n":1,"titulos":["Jacinta et al., 2023 — Detection of Ponzi scheme on Ethereum using machine learning algorithms"]},"Golpes reportados por usuários em recursos online":{"n":1,"titulos":["Xia et al., 2020 — Don't Fish in Troubled Waters! Characterizing Coronavirus-Themed Cryptocurrency Scams"]},"Indivíduos que já usaram esquemas de pirâmide não regulamentados":{"n":1,"titulos":["Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Conjuntos de dados reais do Ethereum":{"n":1,"titulos":["Jin et al., 2025 — Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision"]},"Dados financeiros de um esquema de pirâmide real":{"n":1,"titulos":["Lv et al., 2022 — Mining trading patterns of pyramid schemes from financial time series data"]},"Jogos de cripto play-to-earn":{"n":1,"titulos":["de Souza et al., 2025 — Red Flags in Play-to-Earn Crypto Games: Proposal and Testing of a Checklist Based on Ponzi Scheme; [Sinais de Alerta em Cripto Jogos: Proposta e Teste de uma Lista de Verificação com Base em Esquemas Ponzi]"]},"Representantes da Rede de Justiça de Fraude":{"n":1,"titulos":["Nataraj-Hansen, 2024 — ‘Should’ve known better’: Using Lerner’s Belief in a Just World to understand how the Fraud Justice Network observe victims of online romance and investment frauds"]},"Estudantes de universidades acreditadas com A em Java e Bali":{"n":1,"titulos":["Tjondro et al., 2025 — Investment scam vulnerability among university students: the role of personality traits and risk tolerance"]},"Fóruns online":{"n":1,"titulos":["Anderson et al., 2024 — Exploring the roles played by trust and technology in the online investment fraud victimisation process"]},"Tokens ERC20 do Ethereum":{"n":1,"titulos":["Wu et al., 2024 — TokenScout: Early Detection of Ethereum Scam Tokens via Temporal Graph Learning"]},"Entrevistas e correspondência com a vítima":{"n":1,"titulos":["Botha et al., 2025 — Analysis of a Cryptocurrency Investment Scam: Pig Butchering"]},"Dados nacionais de vítimas de um caso de esquema de pirâmide":{"n":1,"titulos":["Greenman et al., 2023 — County trajectories of pyramid scheme victimization"]},"Artigos de jornal":{"n":1,"titulos":["Truffer et al., 2026 — From Swiss Farmers to European Kings? ‘Folklore,’ ‘Common Sense,’ and Structural Crisis in Western Europe's Largest Ponzi Scheme"]},"Reportagens de televisão e rádio":{"n":1,"titulos":["Truffer et al., 2026 — From Swiss Farmers to European Kings? ‘Folklore,’ ‘Common Sense,’ and Structural Crisis in Western Europe's Largest Ponzi Scheme"]},"Documentos originais do EKC":{"n":1,"titulos":["Truffer et al., 2026 — From Swiss Farmers to European Kings? ‘Folklore,’ ‘Common Sense,’ and Structural Crisis in Western Europe's Largest Ponzi Scheme"]},"Preços das ações da Enron":{"n":1,"titulos":["Karaša et al., 2025 — Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis"]},"Dados históricos de stablecoins algorítmicas":{"n":1,"titulos":["Fu et al., 2024 — Leveraging Ponzi-like designs in stablecoins"]},"Endereços de contratos inteligentes verificados":{"n":1,"titulos":["Qu et al., 2025 — Detecting Ethereum Ponzi Scheme Based on Hybrid Sampling for Smart Contract"]},"Participantes do estudo":{"n":3,"titulos":["Sharevski et al., 2026 — \"you Creep! It Really Worked!\": An Empirical Study of Telephone Scams with Cloned Familiar Voices and Trusted Caller IDs","Hoffman et al., 2026 — ScamPilot: Simulating Conversations with LLMs to Protect Against Online Scams","Pyke et al., 2021 — Predicting individual differences to cyber attacks: Knowledge, arousal, emotional and trust responses"]},"Sentença criminal pseudonimizada":{"n":1,"titulos":["Dinh et al., 2026 — Authority Impersonation and Digital Victimization in a Transnational Cyber Fraud Network: Evidence from Vietnam"]},"Anúncios maliciosos coletados pelo sistema":{"n":1,"titulos":["Miramirkhani et al., 2017 — Dial One for Scam: A Large-Scale Analysis of Technical Support Scams"]},"SIS-ID":{"n":1,"titulos":["Canillas et al., 2020 — GraphSIF: analyzing flow of payments in a Business-to-Business network to detect supplier impersonation"]},"Transcrições judiciais":{"n":1,"titulos":["Lazarus, 2026 — ‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations"]},"Testemunhos do FBI":{"n":1,"titulos":["Lazarus, 2026 — ‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations"]},"Relatos de money mules":{"n":1,"titulos":["Lazarus, 2026 — ‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations"]},"Federal Trade Commission":{"n":1,"titulos":["Payne, 2020 — Criminals Work from Home during Pandemics Too: a Public Health Approach to Respond to Fraud and Crimes against those 50 and above"]},"Participantes de survey, entrevistas e grupos focais":{"n":1,"titulos":["Verma, 2024 — The Impact of Call Spoofing on Trust and Communication: A User Perception Study"]},"Comunicação entre golpista e potencial vítima":{"n":1,"titulos":["Chergarova et al., 2022 — Cryptocurrency fraud: A study on the characteristics of criminals who are using fake profiles on a social media platform to persuade individuals to invest into cryptocurrency"]},"Casos autênticos de golpe":{"n":1,"titulos":["Liu et al., 2024 — Constructing identities in institutional impersonation fraud: self-styling and other-styling practices through stances"]},"Entrevista com acusado líder da Black Axe":{"n":1,"titulos":["Lazarus, 2025 — Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity"]},"Registros de escutas telefônicas":{"n":1,"titulos":["Lazarus, 2025 — Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity"]},"Casos de fraude contra empresas holandesas":{"n":1,"titulos":["Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits"]},"Idosos residentes em Chennai":{"n":1,"titulos":["Rajan et al., 2026 — Digital Vulnerability in Later Life: How Older Adults in Chennai Experience and Manage Impersonation Scams"]},"Relatórios de Cyber Threat Intelligence":{"n":1,"titulos":["Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks"]},"INCIDE Digital Data S.L.":{"n":1,"titulos":["Kanj Bonhard et al., 2025 — A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks"]},"Partes interessadas corporativas":{"n":1,"titulos":["Václavík et al., 2026 — RESILIENCE AGAINST BUSINESS EMAIL COMPROMISE: A CORPORATE CASE STUDY; [OTPORNOST NA KOMPROMITIRANJE POSLOVNE E-POŠTE: STUDIJA SLUČAJA KORPORACIJE]"]},"Rush Memory and Aging Project":{"n":1,"titulos":["Yu et al., 2023 — Vulnerability of Older Adults to Government Impersonation Scams"]},"Registros da SEC":{"n":1,"titulos":["Bakarich et al., 2020 — Something phish-y is going on here: A teaching case on business email compromise"]},"Denúncias verificadas de crimes cibernéticos de Telangana":{"n":1,"titulos":["Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities"]},"Barracuda Networks":{"n":1,"titulos":["Hao et al., 2025 — Do Spammers Dream of Electric Sheep? Characterizing the Prevalence of LLM-Generated Malicious Emails"]},"Mecanismos de busca":{"n":2,"titulos":["Srinivasan et al., 2018 — Exposing search and advertisement abuse tactics and infrastructure of technical support scammers","Badawi et al., 2019 — Automatic detection and analysis of the “game hack” scam"]},"Anúncios patrocinados":{"n":1,"titulos":["Srinivasan et al., 2018 — Exposing search and advertisement abuse tactics and infrastructure of technical support scammers"]},"Trabalhadores comunitários migrantes":{"n":1,"titulos":["Camilleri et al., 2026 — \"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland"]},"Federal Bureau of Investigation":{"n":1,"titulos":["Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States"]},"Programa de TV de game show":{"n":1,"titulos":["Banerjee et al., 2023 — Experience, learning and the detection of deception"]},"Farsight Security":{"n":1,"titulos":["Fernandez et al., 2022 — Early Detection of Spam Domains with Passive DNS and SPF"]},"Operadoras móveis dos Estados Unidos":{"n":1,"titulos":["Deng et al., 2018 — CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification"]},"Android":{"n":1,"titulos":["He et al., 2020 — Understanding Android VoIP Security: A System-Level Vulnerability Assessment"]},"Usuários de e-mail corporativo":{"n":1,"titulos":["Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"TExtPhish":{"n":2,"titulos":["Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"ASVspoof 2019 Logical Access":{"n":1,"titulos":["Martínez-Echevarría et al., 2026 — The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?"]},"SONAR":{"n":1,"titulos":["Martínez-Echevarría et al., 2026 — The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?"]},"Dados de aplicativos instalados em dispositivos Android":{"n":1,"titulos":["Roundy et al., 2020 — The many kinds of creepware used for interpersonal attacks"]},"Funcionários de organização participante":{"n":1,"titulos":["Angafor et al., 2024 — Securing the remote office: reducing cyber risks to remote working through regular security awareness education campaigns"]},"Polícia holandesa":{"n":2,"titulos":["Meurs et al., 2026 — NAS ransomware: ransomware targeting NAS devices","Meurs et al., 2023 — Ransomware Economics: A Two-Step Approach To Model Ransom Paid"]},"Amostras de ransomware coletadas":{"n":1,"titulos":["Wang et al., 2026 — RTCatch: a real-time detection method to combat evolving rust language ransomware"]},"MLRan":{"n":1,"titulos":["Onwuegbuche et al., 2026 — MLRan: A behavioural dataset for ransomware analysis and detection"]},"Fontes da dark web":{"n":1,"titulos":["Nershi, 2025 — Informal allies: State-cybercriminal alignment in the ransomware ecosystem"]},"Mensagens vazadas de grupo cibercriminoso":{"n":1,"titulos":["Nershi, 2025 — Informal allies: State-cybercriminal alignment in the ransomware ecosystem"]},"Respondentes de pesquisa":{"n":1,"titulos":["Fuchs et al., 2026 — Reporting ransomware victimization: explaining citizens’ willingness to report to the police and other organizations"]},"Relatórios de aplicação da lei":{"n":1,"titulos":["Teichmann, 2026 — Organized Crime in the Digital Age: The Convergence of Traditional and Cybercrime Networks"]},"Registros judiciais":{"n":1,"titulos":["Teichmann, 2026 — Organized Crime in the Digital Age: The Convergence of Traditional and Cybercrime Networks"]},"Avaliações de organizações internacionais":{"n":1,"titulos":["Teichmann, 2026 — Organized Crime in the Digital Age: The Convergence of Traditional and Cybercrime Networks"]},"Vazamento de chats do Conti":{"n":1,"titulos":["Ruellan et al., 2024 — Conti Inc.: understanding the internal discussions of a large ransomware-as-a-service operator with machine learning"]},"Logs de chat Jabber vazados do Conti":{"n":1,"titulos":["Sadewo et al., 2026 — Managing Conti: Temporal Dynamics of Managerial Communication in a Ransomware Group"]},"Darknet":{"n":1,"titulos":["Kim et al., 2025 — Cryptocurrency-driven ransomware syndicates operating on the darknet: A focused examination of the Arab world"]},"Incidentes cibernéticos publicamente reportados":{"n":1,"titulos":["Neupane et al., 2026 — A Qualitative Synthesis of Cyberattack Trends in Managed Service Providers: Analyzing Multi-Tenant Vulnerabilities and Mitigation Strategies"]},"Associated Press Newswires":{"n":1,"titulos":["Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review"]},"Newspaper Source":{"n":1,"titulos":["Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review"]},"Access World News":{"n":1,"titulos":["Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review"]},"Clickworker":{"n":1,"titulos":["Gassmann et al., 2025 — Valuation of confidentiality and availability in a personal ransomware attack scenario"]},"Universidades alemãs":{"n":1,"titulos":["Gassmann et al., 2025 — Valuation of confidentiality and availability in a personal ransomware attack scenario"]},"Incidentes publicamente relatados":{"n":1,"titulos":["Flowerday et al., 2026 — Bending the curve: Operational cyber epidemiology for ransomware"]},"Participantes de várias faixas etárias":{"n":1,"titulos":["Pradhan et al., 2025 — Generational perception of ransomware-as-a-service (raas) and attitudes toward ransomware payments"]},"Participantes de survey":{"n":1,"titulos":["Luu et al., 2025 — Exploring how the Dark Triad shapes cybercrime responses"]},"Negociações em chat do LockBit":{"n":1,"titulos":["Matthijsse et al., 2026 — Exploring Victim-Offender Interactions During a Ransomware Attack Using LockBit Chat Negotiations"]},"Comunicações de grupos de ransomware":{"n":1,"titulos":["Phipps et al., 2026 — Inside ransomware groups: An analysis of their origins, structures, and dynamics"]},"Artigos de indústria":{"n":1,"titulos":["Phipps et al., 2026 — Inside ransomware groups: An analysis of their origins, structures, and dynamics"]},"Blogs":{"n":1,"titulos":["Phipps et al., 2026 — Inside ransomware groups: An analysis of their origins, structures, and dynamics"]},"Relatórios governamentais":{"n":1,"titulos":["Phipps et al., 2026 — Inside ransomware groups: An analysis of their origins, structures, and dynamics"]},"Responsáveis de TI de municípios equatorianos":{"n":1,"titulos":["Vásquez-Méndez et al., 2026 — The Human Factor: Assessing Ransomware Vulnerability in Developing Nations’ Governments"]},"Repositórios de vazamento de ransomware":{"n":1,"titulos":["Tejada-Triviño et al., 2025 — RDBAlert: An AI-Driven Automated Tool for Effective Identification of Victims’ Personal Information in Ransomware Data Breaches"]},"Logs de chat vazados do grupo Conti":{"n":1,"titulos":["Whelan et al., 2026 — The internal structure of ransomware criminal groups: an analysis of organisational units, functions, roles, and communication patterns within Conti"]},"Entrevistas publicadas por veículos de mídia e empresas de cibersegurança":{"n":1,"titulos":["Connolly et al., 2025 — Ransomware crime through the lens of neutralisation theory"]},"Registros de chat de negociação de ransomware":{"n":1,"titulos":["Georgiou et al., 2026 — Engaging with cybercriminals: phases and influence strategies in ransomware negotiations"]},"Amostra nacional de adultos dos Estados Unidos":{"n":1,"titulos":["Vakhitova et al., 2026 — Ransomware, Emotions, and the Decision to Pay: Evidence From a Factorial Experiment"]},"Incidentes de ransomware documentados":{"n":1,"titulos":["Saccone et al., 2025 — The ransomware blueprint: Attack patterns and strategic variations across gangs"]},"Portais de vazamento da dark web":{"n":1,"titulos":["Moallim et al., 2026 — AI-Amplification Indicator: An Actor-Level Scoring Framework for Ransomware Operations on the Dark Web"]},"Negociações de ransomware vazadas publicamente":{"n":1,"titulos":["Baroni et al., 2026 — An Exploratory Inquiry into Arguing Under Extortion"]},"Profissionais de comunicação e resposta a crises cibernéticas":{"n":1,"titulos":["Jong et al., 2026 — When crisis communication meets forensics: managing narratives in ransomware, third-party, and nation-state attacks"]},"Empresa manufatureira europeia":{"n":1,"titulos":["Ghanbari et al., 2025 — When ransomware hits the fan: Navigating a ransomware attack in the manufacturing industry"]},"Divulgações públicas de vítimas de ransomware":{"n":1,"titulos":["Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Boletins de ransomware":{"n":1,"titulos":["Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Relatórios de ameaças":{"n":1,"titulos":["Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data"]},"Empreendedores autônomos e pequenas e médias empresas":{"n":1,"titulos":["Matthijsse et al., 2025 — To report or not to report: Exploring the motivations and factors associated with reporting of ransomware victimisation among entrepreneurs"]},"HHS-OCR":{"n":1,"titulos":["Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size"]},"Logs de execução de ransomware":{"n":1,"titulos":["Rios-Ochoa et al., 2025 — Ransomware Family Attribution With ML: A Comprehensive Evaluation of Datasets Quality, Models Comparison, and a Simulated Deployment"]},"Participantes do experimento":{"n":1,"titulos":["Cartwright et al., 2025 — Ransomware Splash Screens, Loss Aversion and Trust: Insights from Behavioral Economics"]},"Conjuntos de dados públicos internacionais de incidentes cibernéticos":{"n":1,"titulos":["Rogge et al., 2026 — Cybersecurity Challenges in Hospitals: International Incident Reports Analysis and Expert Validation"]},"Especialistas de TI de hospitais":{"n":1,"titulos":["Rogge et al., 2026 — Cybersecurity Challenges in Hospitals: International Incident Reports Analysis and Expert Validation"]},"Produtores agrícolas canadenses":{"n":1,"titulos":["Russell et al., 2025 — “I grow food, IT people do cybersecurity”: Addressing cybersecurity risks in Canada's agri-food sector"]},"Especialistas do sistema alimentar":{"n":1,"titulos":["Russell et al., 2025 — “I grow food, IT people do cybersecurity”: Addressing cybersecurity risks in Canada's agri-food sector"]},"Negociações de ransomware":{"n":1,"titulos":["Larsson, 2026 — Say less: Reframing the risks of ransomware negotiation"]},"Comunicações internas vazadas do Conti":{"n":1,"titulos":["Manatova et al., 2026 — The organizational anatomy of cybercrime: a multilayer framework for modeling resilience"]},"Survey com freelancers e pequenas e médias empresas":{"n":1,"titulos":["Matthijsse et al., 2026 — Assessing Ransomware Victimization Among Freelancers and Small and Medium-Sized Enterprises Using the Lifestyle-Routine Activity Approach"]},"Empresas de resposta a incidentes":{"n":1,"titulos":["Meurs et al., 2026 — Estimating The Number Of Ransomware Attacks"]},"Sites de vazamento de grupos de ransomware":{"n":1,"titulos":["Meurs et al., 2026 — Estimating The Number Of Ransomware Attacks"]},"Relatórios 10-K da SEC":{"n":1,"titulos":["Adams et al., 2025 — How informative are cybersecurity risk disclosures? Empirical analysis of firms targeted by ransomware"]},"Marinheiros oficiais":{"n":1,"titulos":["Raymaker et al., 2025 — A Sea of Cyber Threats: Maritime Cybersecurity from the Perspective of Mariners"]},"Dread":{"n":1,"titulos":["Wang et al., 2023 — The Social and Technological Incentives for Cybercriminals to Engage in Ransomware Activities"]},"Dados públicos de casos de incidentes de ransomware":{"n":1,"titulos":["Pattnaik et al., 2023 — It’s More Than Just Money: The Real-World Harms from Ransomware Attacks"]},"American Hospital Association Annual Survey":{"n":1,"titulos":["McGlave et al., 2023 — Characteristics of short-term acute care hospitals that experienced a ransomware attack from 2016 to 2021"]},"Healthcare Cost Report Information System":{"n":1,"titulos":["McGlave et al., 2023 — Characteristics of short-term acute care hospitals that experienced a ransomware attack from 2016 to 2021"]},"Profissionais do setor de seguros":{"n":1,"titulos":["Baker et al., 2023 — Insurance and enterprise: cyber insurance for ransomware"]},"Empresa de resposta a incidentes":{"n":1,"titulos":["Meurs et al., 2023 — Ransomware Economics: A Two-Step Approach To Model Ransom Paid"]},"VirusTotal":{"n":1,"titulos":["Yasui et al., 2024 — SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices"]},"Honeypot QNAP NAS":{"n":1,"titulos":["Yasui et al., 2024 — SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices"]},"Organizações vítimas":{"n":1,"titulos":["Yuryna Connolly et al., 2022 — Reducing Ransomware Crime: Analysis of Victims’ Payment Decisions"]},"Policiais de unidades de cibercrime":{"n":1,"titulos":["Yuryna Connolly et al., 2022 — Reducing Ransomware Crime: Analysis of Victims’ Payment Decisions"]},"Tracking Healthcare Ransomware Events and Traits":{"n":1,"titulos":["Neprash et al., 2022 — Trends in Ransomware Attacks on US Hospitals, Clinics, and Other Health Care Delivery Organizations, 2016-2021"]},"Leak pages de grupos de ransomware":{"n":1,"titulos":["Meurs et al., 2024 — What to Do Against Ransomware? Evaluating Law Enforcement Interventions"]},"Registros departamentais do Cork University Hospital":{"n":1,"titulos":["Keogh et al., 2024 — Dealing with digital paralysis: Surviving a cyberattack in a National Cancer center"]},"Notícias da mídia":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"Entrevistas de mídia com supostos agressores de ransomware":{"n":1,"titulos":["Connolly et al., 2023 — Applying Neutralisation Theory to Better Understand Ransomware Offenders"]},"Relatórios de investigação de ransomware da polícia holandesa":{"n":1,"titulos":["Meurs et al., 2022 — Ransomware: How attacker's effort, victim characteristics and context influence ransom requested, payment and financial loss"]},"Prolific":{"n":1,"titulos":["Yilmaz et al., 2023 — Personality Types and Ransomware Victimisation"]},"Estudantes universitários":{"n":1,"titulos":["Syamsuar et al., 2024 — Ransomware attack awareness: analyzing college student awareness for effective defense"]},"NapierOne":{"n":1,"titulos":["Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification"]},"Entrevistas com profissionais":{"n":1,"titulos":["Cartwright et al., 2023 — How cyber insurance influences the ransomware payment decision: theory and evidence"]},"Cyber Security Breaches Survey":{"n":1,"titulos":["Cartwright et al., 2023 — How cyber insurance influences the ransomware payment decision: theory and evidence"]},"Profissionais vítimas de ransomware, respondentes a incidentes, negociadores de resgate, autoridades policiais e governo":{"n":1,"titulos":["Mott et al., 2024 — ‘There was a bit of PTSD every time I walked through the office door’: Ransomware harms and the factors that influence the victim organization’s experience"]},"Artigos de mídia":{"n":1,"titulos":["Greubel et al., 2023 — Analyzing Reporting on Ransomware Incidents: A Case Study"]},"Inteligência de ameaças cibernéticas":{"n":1,"titulos":["Song et al., 2023 — Similarity Analysis of Ransomware Attacks Based on ATT&CK Matrix"]},"Conjunto de dados público de pagamentos de ransomware":{"n":1,"titulos":["Patsakis et al., 2024 — Cashing out crypto: state of practice in ransom payments"]},"Ledger público do Bitcoin":{"n":1,"titulos":["Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage"]},"Portal público do HHS OCR":{"n":1,"titulos":["Munoz Cornejo et al., 2024 — A thematic analysis of ransomware incidents among United States hospitals, 2016–2022"]},"Profissionais de saúde de emergência e equipe de TI":{"n":1,"titulos":["van Boven et al., 2024 — Hacking Acute Care: A Qualitative Study on the Health Care Impacts of Ransomware Attacks Against Hospitals"]},"Entrevistas diretas":{"n":1,"titulos":["Lang et al., 2023 — The Evolving Menace of Ransomware: A Comparative Analysis of Pre-pandemic and Mid-pandemic Attacks"]},"Fontes secundárias":{"n":1,"titulos":["Lang et al., 2023 — The Evolving Menace of Ransomware: A Comparative Analysis of Pre-pandemic and Mid-pandemic Attacks"]},"BitcoinHeist":{"n":1,"titulos":["Alsaif, 2023 — Machine Learning-Based Ransomware Classification of Bitcoin Transactions"]},"Pequena empresa manufatureira dos EUA":{"n":1,"titulos":["Wynn et al., 2024 — Experiences and Lessons Learned at a Small and Medium-Sized Enterprise (SME) Following Two Ransomware Attacks"]},"Pesquisas de vitimização":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"Estudos caso-controle":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"Mercado de seguros":{"n":1,"titulos":["Woods et al., 2022 — Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood"]},"Incidentes reais de ransomware":{"n":1,"titulos":["Benmalek, 2024 — Ransomware on cyber-physical systems: Taxonomies, case studies, security gaps, and open challenges"]},"CVE":{"n":1,"titulos":["Lanza et al., 2024 — Ransomware Analysis: Knowledge Extraction and Classification for Advanced Cyber Threat Intelligence"]},"ATT&CK":{"n":1,"titulos":["Lanza et al., 2024 — Ransomware Analysis: Knowledge Extraction and Classification for Advanced Cyber Threat Intelligence"]},"UGRansome":{"n":1,"titulos":["Wa Nkongolo, 2024 — RFSA: A Ransomware Feature Selection Algorithm for Multivariate Analysis of Malware Behavior in Cryptocurrency"]},"Caso real de ataque":{"n":1,"titulos":["Kara, 2024 — Analyzing TorrentLocker Ransomware Attacks: A Real Case Study"]},"Seis ransomware reais":{"n":1,"titulos":["Diamantopoulos et al., 2024 — WannaLaugh: A Configurable Ransomware Emulator"]},"Rede Bitcoin":{"n":1,"titulos":["Zola et al., 2024 — Unveiling Dynamics and Patterns: A Comprehensive Analysis of Spreading Patterns and Similarities in Low-Labelled Ransomware Families"]},"Funcionários de governos locais":{"n":1,"titulos":["Ruggiero et al., 2022 — Ransomware in local government: Risk factors, vulnerabilities, and exploitation during a global pandemic"]},"Conjunto de dados próprio":{"n":1,"titulos":["Coglio et al., 2023 — Early-Stage Ransomware Detection Based on Pre-attack Internal API Calls"]},"Respondentes de survey nos Estados Unidos":{"n":1,"titulos":["Haner et al., 2023 — Ransomware and the Robin Hood effect?: Experimental evidence on Americans’ willingness to support cyber-extortion"]},"Rede universitária":{"n":1,"titulos":["Holbel et al., 2024 — Utilizing virtualized honeypots for threat hunting, malware analysis, and reporting"]},"Estudos acadêmicos":{"n":1,"titulos":["McIntosh et al., 2024 — Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration"]},"Estratégias governamentais":{"n":1,"titulos":["McIntosh et al., 2024 — Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration"]},"Inteligência cibernética":{"n":1,"titulos":["McIntosh et al., 2024 — Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration"]},"Profissionais da indústria de seguro cibernético, segurança cibernética, negociação de ransomware, políticas e aplicação da lei":{"n":1,"titulos":["Mott et al., 2023 — Between a rock and a hard(ening) place: Cyber insurance in the ransomware era"]},"Amostras de ransomware executadas em diretório compartilhado em rede":{"n":1,"titulos":["Berrueta et al., 2020 — Open Repository for the Evaluation of Ransomware Detection Tools"]},"Participantes do survey":{"n":1,"titulos":["Kamal et al., 2021 — A User-friendly Model for Ransomware Analysis Using Sandboxing"]},"Mercados e fóruns da darknet":{"n":1,"titulos":["Meland et al., 2020 — The Ransomware-as-a-Service economy within the darknet"]},"Amostras de binários do ransomware Avaddon":{"n":1,"titulos":["Yuste et al., 2021 — Avaddon ransomware: An in-depth analysis and decryption of infected systems"]},"Blockchain pública do Bitcoin":{"n":1,"titulos":["Paquet-Clouston et al., 2019 — Ransomware payments in the Bitcoin ecosystem"]},"Fóruns e mercados da Dark Net":{"n":1,"titulos":["Fahmy Bayoumy et al., 2018 — A netnographic study on the dark net ecosystem for ransomware"]},"Amostras de ransomware":{"n":5,"titulos":["Hull et al., 2019 — Ransomware deployment methods and analysis: views from a predictive model and human responses","García Villalba et al., 2018 — Ransomware Automatic Data Acquisition Tool","Filiz et al., 2021 — On the Effectiveness of Ransomware Decryption Tools","Monika et al., 2016 — Experimental Analysis of Ransomware on Windows and Android Platforms: Evolution and Characterization","Rosli et al., 2020 — Ransomware behavior attack construction via graph theory approach"]},"Indivíduos e equipes de suporte de TI de universidades e PMEs":{"n":1,"titulos":["Hull et al., 2019 — Ransomware deployment methods and analysis: views from a predictive model and human responses"]},"Amostras de ransomware coletadas em 2019":{"n":1,"titulos":["Lemmou et al., 2021 — A behavioural in-depth analysis of ransomware infection"]},"Dados de ataques reais de ransomware":{"n":1,"titulos":["Galinkin, 2021 — Winning the Ransomware Lottery: A Game-Theoretic Approach to Preventing Ransomware Attacks"]},"Conjunto de arquivos coletado pelos autores":{"n":1,"titulos":["Pont et al., 2020 — Why Current Statistical Approaches to Ransomware Detection Fail"]},"Amostras de malware":{"n":2,"titulos":["Genc et al., 2020 — Dual-use Research in Ransomware Attacks: A Discussion on Ransomware Defence Intelligence","Zimba et al., 2019 — Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks"]},"Pesquisa documental":{"n":1,"titulos":["Custers et al., 2020 — Laundering the Profits of Ransomware; Money Laundering Methods for Vouchers and Cryptocurrencies"]},"Entrevistas":{"n":1,"titulos":["Custers et al., 2020 — Laundering the Profits of Ransomware; Money Laundering Methods for Vouchers and Cryptocurrencies"]},"Arquivos policiais":{"n":1,"titulos":["Custers et al., 2020 — Laundering the Profits of Ransomware; Money Laundering Methods for Vouchers and Cryptocurrencies"]},"Vítimas e policiais entrevistados":{"n":1,"titulos":["Y. Connolly et al., 2019 — The rise of crypto-ransomware in a changing cybercrime landscape: Taxonomising countermeasures"]},"Bing":{"n":1,"titulos":["Bansal et al., 2020 — Studying Ransomware Attacks Using Web Search Logs"]},"govdocs1":{"n":1,"titulos":["Davies et al., 2021 — Differential area analysis for ransomware attack detection within mixed file datasets"]},"Artigos de notícias":{"n":1,"titulos":["Satyapanich et al., 2019 — Extracting Rich Semantic Information about Cybersecurity Events"]},"Imagem de disco de máquina infectada":{"n":1,"titulos":["Al-Sabaawi, 2020 — Digital Forensics for Infected Computer Disk and Memory: Acquire, Analyse, and Report"]},"Binários de ransomware":{"n":1,"titulos":["Huang et al., 2018 — Tracking Ransomware End-to-end"]},"Pagamentos de resgate semeados":{"n":1,"titulos":["Huang et al., 2018 — Tracking Ransomware End-to-end"]},"Telemetria de vítimas":{"n":1,"titulos":["Huang et al., 2018 — Tracking Ransomware End-to-end"]},"Base de endereços Bitcoin anotados":{"n":1,"titulos":["Huang et al., 2018 — Tracking Ransomware End-to-end"]},"Virus Total":{"n":1,"titulos":["Hamid et al., 2017 — Android Malware Classification Using K-Means Clustering Algorithm"]},"Malgenome":{"n":1,"titulos":["Hamid et al., 2017 — Android Malware Classification Using K-Means Clustering Algorithm"]},"Relatórios de investigação federais":{"n":1,"titulos":["Hassanzadeh et al., 2020 — A Review of Cybersecurity Incidents in the Water Sector"]},"Artigos científicos":{"n":1,"titulos":["Hassanzadeh et al., 2020 — A Review of Cybersecurity Incidents in the Water Sector"]},"Participantes do estudo em simulador de direção":{"n":1,"titulos":["Payre et al., 2022 — How System Failures and Ransomwares Affect Drivers’ Trust and Attitudes in an Automated Car? A Simulator Study"]},"Amostras de aplicativos goodware, malware e ransomware":{"n":1,"titulos":["Zheng et al., 2017 — GreatEatlon: Fast, static detection of mobile ransomware"]}}},"ferramentas":{"rotulo":"Ferramentas","especificados":30,"distribuicao":{"SPSS":3,"ATLAS.ti":2,"Python":2,"Freeplane":1,"Protégé 5.1":1,"Java":1,"GitHub":1,"BabelNet":1,"WordNet":1,"Protégé":1,"LISREL":1,"VOSviewer":1,"Google Forms":1,"LIWC":1,"Nvivo":1,"Maltego":1,"Z3 solver":1,"LogletLab 4":1,"Microsoft Excel":1,"HoneyTweet":1,"Software Defined Radio":1,"Dlib":1,"KnowBe4":1,"MATLAB":1,"Sysmon":1,"Contiki-NG":1,"Zephyr":1,"Ferramentas de análise de blockchain":1,"NVivo":1,"Cuckoo":1,"GraphSense":1,"VirusTotal":1,"Neo4j":1,"IBM SPSS Statistic":1,"WEKA":1},"procedencia":{"ATLAS.ti":{"n":2,"titulos":["Anderson et al., 2020 — Information security at South African universities—implications for biomedical research","Ghani et al., 2023 — OVERCONFIDENCE BIAS AMONG INVESTORS: A QUALITATIVE EVIDENCE FROM PONZI SCHEME CASE STUDY"]},"Freeplane":{"n":1,"titulos":["Anderson et al., 2020 — Information security at South African universities—implications for biomedical research"]},"Protégé 5.1":{"n":1,"titulos":["Farman Ali, 2017 — A Fuzzy Ontology and SVM–Based Web Content Classification System"]},"Java":{"n":1,"titulos":["Farman Ali, 2017 — A Fuzzy Ontology and SVM–Based Web Content Classification System"]},"GitHub":{"n":1,"titulos":["P. García-Teodoro, 2022 — Multi-labeling of complex, multi-behavioral malware samples"]},"BabelNet":{"n":1,"titulos":["Iñaki Velez de Mendizabal, 2020 — SDRS: A new lossless dimensionality reduction for text corpora"]},"WordNet":{"n":1,"titulos":["Eman M. Bahgat, 2018 — Efficient email classification approach based on semantic methods"]},"Python":{"n":2,"titulos":["Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection","Marcinkowski et al., 2024 — MIRAD: A Method for Interpretable Ransomware Attack Detection"]},"Protégé":{"n":1,"titulos":["Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection"]},"LISREL":{"n":1,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach"]},"SPSS":{"n":3,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach","Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials","Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia"]},"VOSviewer":{"n":1,"titulos":["Kutera, 2022 — Cryptocurrencies as a subject of financial fraud"]},"Google Forms":{"n":1,"titulos":["Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia"]},"LIWC":{"n":1,"titulos":["Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Nvivo":{"n":1,"titulos":["Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Maltego":{"n":1,"titulos":["Botha et al., 2025 — Analysis of a Cryptocurrency Investment Scam: Pig Butchering"]},"Z3 solver":{"n":1,"titulos":["Chen et al., 2024 — Ponzi scheme detection in smart contracts using the integration of deep learning and formal verification"]},"LogletLab 4":{"n":1,"titulos":["Karaša et al., 2025 — Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis"]},"Microsoft Excel":{"n":1,"titulos":["Karaša et al., 2025 — Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis"]},"HoneyTweet":{"n":1,"titulos":["Acharya et al., 2024 — Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams"]},"Software Defined Radio":{"n":1,"titulos":["Lindback et al., 2024 — Demonstration of Digital Selective Call Spoofing"]},"Dlib":{"n":1,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam"]},"KnowBe4":{"n":1,"titulos":["Scott et al., 2024 — Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations"]},"MATLAB":{"n":1,"titulos":["Huang et al., 2026 — Tripartite Evolutionary Game Analysis of Ransomware Attacks"]},"Sysmon":{"n":1,"titulos":["Ispahany et al., 2026 — Radar: a realistic dataset for advancing ransomware detection"]},"Contiki-NG":{"n":1,"titulos":["Huang et al., 2025 — Ransomware in Resource-Constrained Industrial IoT Networks: There Actually is a Threat"]},"Zephyr":{"n":1,"titulos":["Huang et al., 2025 — Ransomware in Resource-Constrained Industrial IoT Networks: There Actually is a Threat"]},"Ferramentas de análise de blockchain":{"n":1,"titulos":["Patsakis et al., 2024 — Cashing out crypto: state of practice in ransom payments"]},"NVivo":{"n":1,"titulos":["Munoz Cornejo et al., 2024 — A thematic analysis of ransomware incidents among United States hospitals, 2016–2022"]},"Cuckoo":{"n":1,"titulos":["Kamal et al., 2021 — A User-friendly Model for Ransomware Analysis Using Sandboxing"]},"GraphSense":{"n":1,"titulos":["Paquet-Clouston et al., 2019 — Ransomware payments in the Bitcoin ecosystem"]},"VirusTotal":{"n":1,"titulos":["Rosli et al., 2020 — Ransomware behavior attack construction via graph theory approach"]},"Neo4j":{"n":1,"titulos":["Rosli et al., 2020 — Ransomware behavior attack construction via graph theory approach"]},"IBM SPSS Statistic":{"n":1,"titulos":["Hamid et al., 2017 — Android Malware Classification Using K-Means Clustering Algorithm"]},"WEKA":{"n":1,"titulos":["Hamid et al., 2017 — Android Malware Classification Using K-Means Clustering Algorithm"]}}},"unidades":{"rotulo":"Unidade de análise","especificados":468,"distribuicao":{"Artigos":111,"Indivíduos":99,"Contratos inteligentes":26,"Postagens":17,"E-mails":13,"Mensagens":12,"Transações":12,"Incidentes":12,"Amostras de ransomware":10,"Documentos":8,"Páginas web":7,"Amostras de malware":6,"Casos":6,"URLs":5,"Organizações":5,"Contas":4,"Endereços de carteira":4,"Denúncias":4,"Domínios":4,"Aplicativos":4,"Arquivos":4,"Notícias":3,"Textos":3,"Ataques de ransomware":3,"Amostras":3,"Ataques":3,"Avaliações":2,"Vendedores":2,"Anúncios":2,"Eventos de sistema":2,"Sentenças":2,"Tokens":2,"Imagens":2,"Declarações":2,"Vítimas":2,"Negociações":2,"Entrevistas":2,"Redes criminosas":1,"Países":1,"Artefatos digitais":1,"Órgãos públicos":1,"Eventos de crime":1,"Registros":1,"Estatutos":1,"Comportamentos":1,"Registros de fluxo":1,"Amostras de desinformação":1,"Contas de vendedores":1,"Redes sociais":1,"Mercados":1,"Contas de usuário":1,"Requisições":1,"Logs":1,"Aplicativos móveis":1,"Sistemas":1,"Vulnerabilidades":1,"Chatbots":1,"Vídeos":1,"Sites":1,"Decisões judiciais":1,"Queixas":1,"Fundos":1,"Observações de denúncias":1,"Carteiras":1,"Narrativas de vítimas":1,"Esquemas de fraude":1,"Crimes":1,"Narrativas":1,"Fundos de investimento":1,"Relatos de golpes":1,"Golpes":1,"Jogos":1,"Testemunhos":1,"Condados":1,"Preços de ações":1,"Números de telefone":1,"Relatos de fraude":1,"Casos de golpe":1,"Diálogos":1,"Golpistas":1,"Chamadas telefônicas":1,"Áudios":1,"Chamadas":1,"Cibercriminosos":1,"Registros de chat":1,"Divulgações de vítimas":1,"Cepas de ransomware":1,"Empresas":1,"Hospitais":1,"Instituições":1,"Intervenções":1,"Relatórios de investigação":1,"Binários":1,"Amostras de software":1,"Descrições de CVE":1,"Endereços":1,"Famílias de ransomware":1,"Ferramentas de descriptografia":1,"Consultas de busca":1,"Rastros de execução":1,"Textos de resgate":1,"Dispositivos IoT":1},"procedencia":{"Artigos":{"n":111,"titulos":["Quang et al., 2022 — Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions","Li et al., 2024 — A State-of-the-Art Review on Phishing Website Detection Techniques","Apea et al., 2023 — A Review of the Current Status, Categorization, And Future Prospects of Web Phishing Detection Methods","Daoud et al., 2026 — Phishing in the age of distributed intelligence: taxonomies, detection strategies, and the emerging role of federated learning","Kolupuri et al., 2025 — Scams and Frauds in the Digital Age: ML-Based Detection and Prevention Strategies","Kurshan et al., 2024 — AI versus AI in Financial Crimes & Detection: GenAI Crime Waves to Co-Evolutionary AI","AlEroud et al., 2017 — Phishing environments, techniques, and countermeasures: A survey","Schmitt et al., 2024 — Digital deception: generative artificial intelligence in social engineering and phishing"]},"E-mails":{"n":13,"titulos":["Yasin et al., 2016 — An Intelligent Classification Model for Phishing Email Detection","Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","Eilertsen et al., 2025 — LLM-Powered Intent-Based Categorization of Phishing Emails","Asani et al., 2021 — A maximum entropy classification scheme for phishing detection using parsimonious features","Khadka, 2025 — Persuasion and Phishing","Almoqbil, 2020 — Modeling Deception for Identifying and Protecting against Advanced Email Phishing","da Silva et al., 2026 — COLLECTIVE ACTION IS REQUIRED TO REDUCE THE BURDEN OF SPAM EMAILS IN ACADEMIA: THE CASE OF NEUROSCIENCE","Iñaki Velez de Mendizabal, 2020 — SDRS: A new lossless dimensionality reduction for text corpora"]},"Páginas web":{"n":7,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites","Koide et al., 2026 — Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection","Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention","Farman Ali, 2017 — A Fuzzy Ontology and SVM–Based Web Content Classification System","Gamal, 2022 — Taxonomy applications on the websites of Arab and foreign national libraries: A comparative analytical study","Awan, 2017 — Cyber-Extremism: Isis and the Power of Social Media","Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials"]},"Mensagens":{"n":12,"titulos":["Qaseem et al., 2014 — Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach","Erfan, 2026 — Leveraging Metadata to Detect Phishing Where it Spreads","Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift","Syed Hussain, 2024 — A state-of-the-art universal machine learning framework for decoding suspect coded messages","Nizzoli et al., 2020 — Charting the Landscape of Online Cryptocurrency Manipulation","Su et al., 2024 — Investment Fraud Cases Study in Chinese Context of Instant Messaging Software","Chergarova et al., 2022 — Cryptocurrency fraud: A study on the characteristics of criminals who are using fake profiles on a social media platform to persuade individuals to invest into cryptocurrency","Ruellan et al., 2024 — Conti Inc.: understanding the internal discussions of a large ransomware-as-a-service operator with machine learning"]},"Indivíduos":{"n":99,"titulos":["Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email","Abdelhamid, 2020 — The Role of Health Concerns in Phishing Susceptibility: Survey Design Study","Marcel et al., 2025 — Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation","Anderson et al., 2020 — Information security at South African universities—implications for biomedical research","Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","M. Giulia Napolitano, 2021 — What is a Conspiracy Theory?","Seyedeh OMSalameh Pourhashemi, 2026 — Identifying factors influencing the employee's intention with self-protective behaviors against phishing attacks","Zaid Mohammad Obeidat, 2018 — Social media revenge: A typology of online consumer revenge"]},"Contratos inteligentes":{"n":26,"titulos":["Wang et al., 2026 — Blockchain Transaction Simulation Phishing","Sepideh HajiHosseinKhani, 2023 — Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset","Zhou et al., 2023 — The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement","Chen et al., 2018 — Detecting ponzi schemes on ethereum: Towards healthier blockchain technology","Chen et al., 2019 — Exploiting Blockchain Data to Detect Smart Ponzi Schemes on Ethereum","Ji et al., 2023 — Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction","Song et al., 2022 — A Study on Characteristics and Identification of Smart Ponzi Schemes","Wu et al., 2023 — ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning"]},"URLs":{"n":5,"titulos":["Somaraju et al., 2026 — PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection","Farman Ali, 2017 — A Fuzzy Ontology and SVM–Based Web Content Classification System","Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control","Badawi et al., 2019 — Automatic detection and analysis of the “game hack” scam","Rameem Zahra et al., 2022 — Detecting Covid-19 chaos driven phishing/malicious URL attacks by a fuzzy logic and data mining based intelligence system"]},"Postagens":{"n":17,"titulos":["Karpurapu et al., 2025 — Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework","Bahia Halawi, 2018 — Few are as Good as Many: An Ontology-Based Tweet Spam Detection Approach","Samir Tartir, 2016 — Semantic Sentiment Analysis in Arabic Social Media","Asmaa Hashem Sweidan, 2021 — Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning","Mauro Conti, 2023 — Turning captchas against humanity: Captcha-based attacks in online social media","Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web","Tiberiu Marian GEORGESCU, 2017 — Using Ontologies in Cybersecurity Field","Gurcan, 2024 — What are developers talking about information security? A large-scale study using semantic analysis of Q&A posts"]},"Redes criminosas":{"n":1,"titulos":["Leukfeldt et al., 2016 — A typology of cybercriminal networks: from low-tech all-rounders to high-tech specialists"]},"Países":{"n":1,"titulos":["Kigerl, 2016 — Cyber Crime Nation Typologies: K-Means Clustering Of Countries Based On Cyber Crime Rates"]},"Artefatos digitais":{"n":1,"titulos":["Dimitriadis et al., 2022 — Fronesis: Digital Forensics-Based Early Detection of Ongoing Cyber-Attacks"]},"Órgãos públicos":{"n":1,"titulos":["da Silva et al., 2025 — Desenvolvimento de uma Ontologia para Abordar a Técnica de Phishing em Delitos Informáticos: uma contribuição à Segurança Pública"]},"Eventos de crime":{"n":1,"titulos":["Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture"]},"Registros":{"n":1,"titulos":["Volokitina et al., 2026 — Research of Data Processing, Detection and Protection Algorithms to Minimize the Impact of Malware and Phishing Attacks on Users of Digital Platforms"]},"Estatutos":{"n":1,"titulos":["McGrath, 2026 — Mapping state cybercrime law: A typology of statutory coverage across the U.S."]},"Comportamentos":{"n":1,"titulos":["Ambuehl et al., 2026 — Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)"]},"Notícias":{"n":3,"titulos":["Ланде et al., 2025 — Безкодовий підхід до побудови семантичних мереж засобами промпт-інжинірингу","Lande et al., 2025 — No-code approach to building semantic networks by means of prompt engineering","Alba Bonet-Jover, 2023 — RUN-AS: a novel approach to annotate news reliability for disinformation detection"]},"Registros de fluxo":{"n":1,"titulos":["FRAUDES00091, 2026 — Comprehensive Analysis of Network Security Attacks and Adaptive Countermeasures A Hybrid Machine Learning Detection Framework"]},"Amostras de desinformação":{"n":1,"titulos":["Tergembay et al., 2025 — IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY"]},"Documentos":{"n":8,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK","Vasilios Koutsokostas, 2021 — Invoice #31415 attached: Automated analysis of malicious Microsoft Office documents","Aiman Hafeez, 2023 — Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles","Manning et al., 2018 — Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud","Manning, 2018 — Madoff’s Ponzi investment fraud: a social capital analysis","Asyalı et al., 2026 — Fake it till you make it: the psychological and communication tactics behind “Pig Butchering” scams","Lazarus, 2026 — ‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations","Teichmann, 2026 — Organized Crime in the Digital Age: The Convergence of Traditional and Cybercrime Networks"]},"Contas":{"n":4,"titulos":["MOHAMMED JABARDI, 2020 — Twitter Fake Account Detection and Classification using Ontological Engineering and Semantic Web Rule Language","Awan, 2017 — Cyber-Extremism: Isis and the Power of Social Media","Jin et al., 2024 — Time-Aware Metapath Feature Augmentation for Ponzi Detection in Ethereum","Jin et al., 2025 — Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision"]},"Contas de vendedores":{"n":1,"titulos":["Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection"]},"Redes sociais":{"n":1,"titulos":["Dominique Kelly, 2024 — Identifying Dark Patterns in User Account Disabling Interfaces: Content Analysis Results"]},"Mercados":{"n":1,"titulos":["Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb"]},"Amostras de malware":{"n":6,"titulos":["P. García-Teodoro, 2022 — Multi-labeling of complex, multi-behavioral malware samples","Mokoma et al., 2025 — RanViz: Ransomware Visualization and Classification Based on Time-Series Categorical Representation of API Calls","Holbel et al., 2024 — Utilizing virtualized honeypots for threat hunting, malware analysis, and reporting","Yuste et al., 2021 — Avaddon ransomware: An in-depth analysis and decryption of infected systems","Genc et al., 2020 — Dual-use Research in Ransomware Attacks: A Discussion on Ransomware Defence Intelligence","Zimba et al., 2019 — Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks"]},"Contas de usuário":{"n":1,"titulos":["Michail Tsikerdekis, 2019 — A taxonomy of features for preventing identity deception in online communities and their estimated efficacy"]},"Avaliações":{"n":2,"titulos":["Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation","Muhammad Zubair Asghar, 2017 — Lexicon-enhanced sentiment analysis framework using rule-based classification scheme"]},"Requisições":{"n":1,"titulos":["Antonio Coscia, 2024 — PROGESI: A PROxy Grammar to Enhance Web Application Firewall for SQL Injection Prevention"]},"Vendedores":{"n":2,"titulos":["Haoliang Cui, 2021 — A classification method for social information of sellers on social network","Mathieu Guillot1, 2019 — Cryptomarchés et carding : impact sur l’offre et la demande"]},"Textos":{"n":3,"titulos":["Abdelweheb Gueddes, 2025 — BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media","Oscar Araque, 2017 — Enhancing deep learning sentiment analysis with ensemble techniques in social applications","Mouiche, 2025 — Entity and relation extractions for threat intelligence knowledge graphs"]},"Logs":{"n":1,"titulos":["Giang Nguyen, 2018 — A heuristics approach to mine behavioural data logs in mobile malware detection system"]},"Aplicativos móveis":{"n":1,"titulos":["Doaa Aboshady, 2023 — APKOWL: An Automatic Approach to Enhance the Malware Detection"]},"Sistemas":{"n":1,"titulos":["Jitendra Singh Yadav, 2023 — A Layered Architecture and Taxonomy for Blockchain-empowered Reputation-based Reward Systems"]},"Vulnerabilidades":{"n":1,"titulos":["Renua Hiwa Ismael, 2025 — Address Bar Spoofing in Contemporary Web Browsers: A Taxonomy, Exploitation Study, and Mitigation Guidelines"]},"Chatbots":{"n":1,"titulos":["V. V. Vasilkova, 2019 — Use of Chatbots in Volunteering"]},"Anúncios":{"n":2,"titulos":["Mathieu Guillot1, 2019 — Cryptomarchés et carding : impact sur l’offre et la demande","Meland et al., 2020 — The Ransomware-as-a-Service economy within the darknet"]},"Vídeos":{"n":1,"titulos":["Priscila Oliveira da Mata, 2017 — Prática spammer e semiose: implicações nos processos de organização e circulação da informação em ambientes colaborativos"]},"Eventos de sistema":{"n":2,"titulos":["Rodríguez, 2024 — A process mining-based method for attacker profiling using the MITRE ATT&CK taxonomy","Ispahany et al., 2026 — Radar: a realistic dataset for advancing ransomware detection"]},"Sentenças":{"n":2,"titulos":["Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks","Qachfar et al., 2024 — All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset"]},"Sites":{"n":1,"titulos":["Agarwal et al., 2022 — Investigating the concentration of High Yield Investment Programs in the United Kingdom"]},"Tokens":{"n":2,"titulos":["Nguyen et al., 2023 — Rug-pull malicious token detection on blockchain using supervised learning with feature engineering","Wu et al., 2024 — TokenScout: Early Detection of Ethereum Scam Tokens via Temporal Graph Learning"]},"Endereços de carteira":{"n":4,"titulos":["Bartoletti et al., 2018 — Data mining for detecting bitcoin ponzi schemes","Toyoda et al., 2019 — A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification","Gomez et al., 2023 — Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage","Conti et al., 2018 — On the economic significance of ransomware campaigns: A Bitcoin transactions perspective"]},"Decisões judiciais":{"n":1,"titulos":["Manurung, 2022 — Juridical Review on The Crime of Fraud in The Implementation of The Pyramid Scheme System of Business Actors"]},"Denúncias":{"n":4,"titulos":["Gomez et al., 2026 — Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm","Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities"]},"Queixas":{"n":1,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction"]},"Transações":{"n":12,"titulos":["Theodosiadou et al., 2023 — Change Point Analysis of Time Series Related to Bitcoin Transactions: Towards the Detection of Illegal Activities","Kell et al., 2024 — Forsage: Anatomy of a Smart-Contract Pyramid Scheme","Boshmaf et al., 2020 — Investigating MMM Ponzi Scheme on Bitcoin","Lv et al., 2022 — Mining trading patterns of pyramid schemes from financial time series data","Canillas et al., 2020 — GraphSIF: analyzing flow of payments in a Business-to-Business network to detect supplier impersonation","Ramjee et al., 2025 — From ransoms to ruin: Are extortion payments by ransomware victims insurable?","Wang et al., 2022 — A Large-scale Empirical Analysis of Ransomware Activities in Bitcoin","Patsakis et al., 2024 — Cashing out crypto: state of practice in ransom payments"]},"Domínios":{"n":4,"titulos":["Muzammil et al., 2025 — The Poorest Man in Babylon: A Longitudinal Study of Cryptocurrency Investment Scams","Miramirkhani et al., 2017 — Dial One for Scam: A Large-Scale Analysis of Technical Support Scams","Srinivasan et al., 2018 — Exposing search and advertisement abuse tactics and infrastructure of technical support scammers","Fernandez et al., 2022 — Early Detection of Spam Domains with Passive DNS and SPF"]},"Fundos":{"n":1,"titulos":["Bernard et al., 2016 — An index of detection of anomalies for investors; [D'Un indice de détection d'anomalies à l'usage des investisseurs]"]},"Observações de denúncias":{"n":1,"titulos":["Abeysekera, 2025 — A framework for investment scam reporting: Deception and reverse agency in an Australian context"]},"Carteiras":{"n":1,"titulos":["Adamczyk, 2025 — Dissection of an Approval-Based Trusted-Token Fraud Scheme Used Across Multiple Blockchain Systems"]},"Narrativas de vítimas":{"n":1,"titulos":["Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Casos":{"n":6,"titulos":["Lokanan, 2022 — The determinants of investment fraud: A machine learning and artificial intelligence approach","Lokanan et al., 2022 — Fraud prediction using machine learning: The case of investment advisors in Canada","Maras et al., 2024 — Deconstructing a form of hybrid investment fraud: Examining ‘pig butchering’ in the United States","Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits","Vasiu et al., 2020 — Forms and consequences of the cyber threats and extortion phenomenon","van der Wagen et al., 2020 — The hybrid victim: Re-conceptualizing high-tech cyber victimization through actor-network theory"]},"Esquemas de fraude":{"n":1,"titulos":["Dupuis et al., 2023 — Old frauds with a new sauce: digital assets and space transition"]},"Crimes":{"n":1,"titulos":["Akartuna et al., 2025 — Shifting routines and the industrialisation of scams: the impact of Covid-19 on deception crimes in Hong Kong"]},"Narrativas":{"n":1,"titulos":["Ordekian et al., 2024 — A Sinister Fattening: Dissecting the Tales of Pig Butchering and Other Cryptocurrency Scams"]},"Fundos de investimento":{"n":1,"titulos":["van Vuuren et al., 2022 — Detecting Investment Fraud Using the Bias Ratio"]},"Relatos de golpes":{"n":1,"titulos":["Dulisse et al., 2025 — Old techniques, new technologies: Exploring patterns from scammers that commit financial fraud via cryptocurrency"]},"Golpes":{"n":1,"titulos":["Xia et al., 2020 — Don't Fish in Troubled Waters! Characterizing Coronavirus-Themed Cryptocurrency Scams"]},"Jogos":{"n":1,"titulos":["de Souza et al., 2025 — Red Flags in Play-to-Earn Crypto Games: Proposal and Testing of a Checklist Based on Ponzi Scheme; [Sinais de Alerta em Cripto Jogos: Proposta e Teste de uma Lista de Verificação com Base em Esquemas Ponzi]"]},"Testemunhos":{"n":1,"titulos":["Anderson et al., 2024 — Exploring the roles played by trust and technology in the online investment fraud victimisation process"]},"Condados":{"n":1,"titulos":["Greenman et al., 2023 — County trajectories of pyramid scheme victimization"]},"Preços de ações":{"n":1,"titulos":["Karaša et al., 2025 — Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis"]},"Números de telefone":{"n":1,"titulos":["Miramirkhani et al., 2017 — Dial One for Scam: A Large-Scale Analysis of Technical Support Scams"]},"Relatos de fraude":{"n":1,"titulos":["Payne, 2020 — Criminals Work from Home during Pandemics Too: a Public Health Approach to Respond to Fraud and Crimes against those 50 and above"]},"Casos de golpe":{"n":1,"titulos":["Liu et al., 2024 — Constructing identities in institutional impersonation fraud: self-styling and other-styling practices through stances"]},"Diálogos":{"n":1,"titulos":["Ghafariasl et al., 2026 — Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models"]},"Organizações":{"n":5,"titulos":["Bakarich et al., 2020 — Something phish-y is going on here: A teaching case on business email compromise","Whelan et al., 2025 — Examining the activities and careers of ransomware criminal groups","Massengale et al., 2026 — Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data","Matthijsse et al., 2026 — Assessing Ransomware Victimization Among Freelancers and Small and Medium-Sized Enterprises Using the Lifestyle-Routine Activity Approach","Wynn et al., 2024 — Experiences and Lessons Learned at a Small and Medium-Sized Enterprise (SME) Following Two Ransomware Attacks"]},"Golpistas":{"n":1,"titulos":["Acharya et al., 2024 — Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams"]},"Chamadas telefônicas":{"n":1,"titulos":["Deng et al., 2018 — CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification"]},"Imagens":{"n":2,"titulos":["Ujianto et al., 2025 — Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam","Atapour-Abarghouei et al., 2019 — A King's Ransom for Encryption: Ransomware Classification using Augmented One-Shot Learning and Bayesian Approximation"]},"Declarações":{"n":2,"titulos":["Boumber et al., 2024 — LLMs for Explainable Few-shot Deception Detection","Adams et al., 2025 — How informative are cybersecurity risk disclosures? Empirical analysis of firms targeted by ransomware"]},"Áudios":{"n":1,"titulos":["Martínez-Echevarría et al., 2026 — The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?"]},"Aplicativos":{"n":4,"titulos":["Roundy et al., 2020 — The many kinds of creepware used for interpersonal attacks","Alsoghyer et al., 2019 — Ransomware detection system for android applications","Hamid et al., 2017 — Android Malware Classification Using K-Means Clustering Algorithm","Zheng et al., 2017 — GreatEatlon: Fast, static detection of mobile ransomware"]},"Chamadas":{"n":1,"titulos":["Zheng et al., 2026 — Spam Call Detection with Hybrid Call ID Spoofing Detection and Cryptographic User Authentication"]},"Ataques de ransomware":{"n":3,"titulos":["Meurs et al., 2026 — NAS ransomware: ransomware targeting NAS devices","Meurs et al., 2023 — Ransomware Economics: A Two-Step Approach To Model Ransom Paid","Lang et al., 2023 — The Evolving Menace of Ransomware: A Comparative Analysis of Pre-pandemic and Mid-pandemic Attacks"]},"Amostras de ransomware":{"n":10,"titulos":["Wang et al., 2026 — RTCatch: a real-time detection method to combat evolving rust language ransomware","Balan et al., 2026 — Fighting Cybercrime: Identifying Ransomware Families Using API Sequences and Retrieval-Augmented Ransom Note Analysis","Rios-Ochoa et al., 2025 — Ransomware Family Attribution With ML: A Comprehensive Evaluation of Datasets Quality, Models Comparison, and a Simulated Deployment","Yasui et al., 2024 — SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices","Marcinkowski et al., 2024 — MIRAD: A Method for Interpretable Ransomware Attack Detection","Berrueta et al., 2020 — Open Repository for the Evaluation of Ransomware Detection Tools","Lemmou et al., 2021 — A behavioural in-depth analysis of ransomware infection","García Villalba et al., 2018 — Ransomware Automatic Data Acquisition Tool"]},"Incidentes":{"n":12,"titulos":["Roumani et al., 2025 — Predicting Ransomware Incidents with Time-Series Modeling","Neupane et al., 2026 — A Qualitative Synthesis of Cyberattack Trends in Managed Service Providers: Analyzing Multi-Tenant Vulnerabilities and Mitigation Strategies","Flowerday et al., 2026 — Bending the curve: Operational cyber epidemiology for ransomware","Florea, 2026 — Cryptocrime in the Context of Digital Transformation","Saccone et al., 2025 — The ransomware blueprint: Attack patterns and strategic variations across gangs","Cornejo, 2026 — Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size","Rogge et al., 2026 — Cybersecurity Challenges in Hospitals: International Incident Reports Analysis and Expert Validation","Pattnaik et al., 2023 — It’s More Than Just Money: The Real-World Harms from Ransomware Attacks"]},"Amostras":{"n":3,"titulos":["Onwuegbuche et al., 2026 — MLRan: A behavioural dataset for ransomware analysis and detection","Keogh et al., 2024 — Dealing with digital paralysis: Surviving a cyberattack in a National Cancer center","Herrera-Silva et al., 2023 — Dynamic Feature Dataset for Ransomware Detection Using Machine Learning Algorithms"]},"Vítimas":{"n":2,"titulos":["Nershi, 2025 — Informal allies: State-cybercriminal alignment in the ransomware ecosystem","Kim et al., 2025 — Cryptocurrency-driven ransomware syndicates operating on the darknet: A focused examination of the Arab world"]},"Negociações":{"n":2,"titulos":["Matthijsse et al., 2026 — Exploring Victim-Offender Interactions During a Ransomware Attack Using LockBit Chat Negotiations","Larsson, 2026 — Say less: Reframing the risks of ransomware negotiation"]},"Cibercriminosos":{"n":1,"titulos":["Botchkovar et al., 2025 — The organized activities of ransomware groups: A social network approach"]},"Entrevistas":{"n":2,"titulos":["Connolly et al., 2025 — Ransomware crime through the lens of neutralisation theory","Connolly et al., 2023 — Applying Neutralisation Theory to Better Understand Ransomware Offenders"]},"Registros de chat":{"n":1,"titulos":["Georgiou et al., 2026 — Engaging with cybercriminals: phases and influence strategies in ransomware negotiations"]},"Divulgações de vítimas":{"n":1,"titulos":["Moallim et al., 2026 — AI-Amplification Indicator: An Actor-Level Scoring Framework for Ransomware Operations on the Dark Web"]},"Cepas de ransomware":{"n":1,"titulos":["Gundur et al., 2026 — The Commercialization of Ransomware: From Spray-and-Prey to Big Game Hunting to the Ransom Bazaar"]},"Empresas":{"n":1,"titulos":["Meurs et al., 2026 — Estimating The Number Of Ransomware Attacks"]},"Hospitais":{"n":1,"titulos":["McGlave et al., 2023 — Characteristics of short-term acute care hospitals that experienced a ransomware attack from 2016 to 2021"]},"Ataques":{"n":3,"titulos":["Yuryna Connolly et al., 2022 — Reducing Ransomware Crime: Analysis of Victims’ Payment Decisions","Neprash et al., 2022 — Trends in Ransomware Attacks on US Hospitals, Clinics, and Other Health Care Delivery Organizations, 2016-2021","Y. Connolly et al., 2019 — The rise of crypto-ransomware in a changing cybercrime landscape: Taxonomising countermeasures"]},"Instituições":{"n":1,"titulos":["Fiscus, 2024 — Knowledge Held Hostage: What the British Library Ransomware Attack Can Teach Us"]},"Intervenções":{"n":1,"titulos":["Meurs et al., 2024 — What to Do Against Ransomware? Evaluating Law Enforcement Interventions"]},"Relatórios de investigação":{"n":1,"titulos":["Meurs et al., 2022 — Ransomware: How attacker's effort, victim characteristics and context influence ransom requested, payment and financial loss"]},"Arquivos":{"n":4,"titulos":["Davies et al., 2022 — Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification","Lemmou et al., 2021 — In-depth analysis of ransom note files","Pont et al., 2020 — Why Current Statistical Approaches to Ransomware Detection Fail","Davies et al., 2021 — Differential area analysis for ransomware attack detection within mixed file datasets"]},"Binários":{"n":1,"titulos":["Yamany et al., 2022 — A New Scheme for Ransomware Classification and Clustering Using Static Features"]},"Amostras de software":{"n":1,"titulos":["Zakaria et al., 2024 — Early Detection of Windows Cryptographic Ransomware Based on PreAttack API Calls Features and Machine Learning"]},"Descrições de CVE":{"n":1,"titulos":["Lanza et al., 2024 — Ransomware Analysis: Knowledge Extraction and Classification for Advanced Cyber Threat Intelligence"]},"Endereços":{"n":1,"titulos":["Zola et al., 2024 — Unveiling Dynamics and Patterns: A Comprehensive Analysis of Spreading Patterns and Similarities in Low-Labelled Ransomware Families"]},"Famílias de ransomware":{"n":1,"titulos":["Hull et al., 2019 — Ransomware deployment methods and analysis: views from a predictive model and human responses"]},"Ferramentas de descriptografia":{"n":1,"titulos":["Filiz et al., 2021 — On the Effectiveness of Ransomware Decryption Tools"]},"Consultas de busca":{"n":1,"titulos":["Bansal et al., 2020 — Studying Ransomware Attacks Using Web Search Logs"]},"Rastros de execução":{"n":1,"titulos":["Carlin et al., 2018 — Dynamic Opcode Analysis of Ransomware"]},"Textos de resgate":{"n":1,"titulos":["Florea et al., 2021 — A Linguistic Analysis Metric in Detecting Ransomware Cyber-attacks"]},"Dispositivos IoT":{"n":1,"titulos":["Brierley et al., 2020 — PaperW8: An IoT bricking ransomware proof of concept"]}}},"territorios":{"rotulo":"Contexto geográfico","especificados":158,"distribuicao":{"Estados Unidos":36,"Índia":10,"Países Baixos":9,"China":9,"Indonésia":9,"Nigéria":8,"Canadá":8,"Reino Unido":7,"Austrália":6,"Rússia":5,"Malásia":4,"África do Sul":3,"União Europeia":3,"Califórnia":3,"Vietnã":3,"Filipinas":3,"Gana":2,"Cazaquistão":2,"Venezuela":2,"Irã":2,"Hungria":2,"Camboja":2,"Sri Lanka":2,"Alemanha":2,"Europa":2,"Irlanda":2,"Nordeste do Brasil":1,"Jacarta":1,"Calabar":1,"Paquistão":1,"Karnataka":1,"Jordânia":1,"Ásia":1,"Japão":1,"Polônia":1,"Java Central":1,"Yogyakarta":1,"Bengala Ocidental":1,"Hunan":1,"Sudeste Asiático":1,"Albânia":1,"Brasil":1,"França":1,"Telangana":1,"Mianmar":1,"Wisconsin":1,"Taiwan":1,"Surabaya":1,"Hong Kong":1,"Tailândia":1,"Honduras":1,"Bangladesh":1,"Singapura":1,"Espanha":1,"Suíça":1,"Chicago":1,"Grécia":1,"Tchéquia":1,"Eslováquia":1,"Mundo árabe":1,"Nova Zelândia":1,"Equador":1,"Azerbaijão":1,"OCDE":1},"procedencia":{"Índia":{"n":10,"titulos":["Kolupuri et al., 2025 — Scams and Frauds in the Digital Age: ML-Based Detection and Prevention Strategies","Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices","Kapur, 2025 — How do online banking scams affect consumer behaviour and financial system stability in developing economies like India?","KL et al., 2026 — Investigation of Cyber Frauds in India: Legal and Digital Forensic Challenges in the Era of UPI and Online Banking","Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends","Verma, 2024 — The Impact of Call Spoofing on Trust and Communication: A User Perception Study","Rajan et al., 2026 — Digital Vulnerability in Later Life: How Older Adults in Chennai Experience and Manage Impersonation Scams"]},"Estados Unidos":{"n":36,"titulos":["Xiao et al., 2025 — When Anti-Fraud Laws Become a Barrier to Computer Science Research","McGrath, 2026 — Mapping state cybercrime law: A typology of statutory coverage across the U.S.","V.V. Vasilkova, 2019 — Social bots in political communication","Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web","Deliema et al., 2020 — Financial fraud among older americans: Evidence and implications","Manning et al., 2018 — Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud","Manning, 2018 — Madoff’s Ponzi investment fraud: a social capital analysis","Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends"]},"Nigéria":{"n":8,"titulos":["Aribake et al., 2020 — ASSESSMENT ON PHISHING AVOIDANCE BEHAVIOUR AMONG INTERNET BANKING USERS IN NIGERIA: A CONCEPTUAL MODEL","Aribake et al., 2020 — Modelling the phishing avoidance behaviour among internet banking users in Nigeria: The initial investigation","Dipo, 2024 — Phishing Attacks among Internet Banking Users in Nigeria: An Exploration of Remedial Strategies","Seun et al., 2024 — Machine Learning Model to Mitigate Fake Bank Alert Phishing Fraud in Nigeria: The Initial Investigation","Jacinta et al., 2023 — Detection of Ponzi scheme on Ethereum using machine learning algorithms","Whittaker et al., 2024 — Are fraud victims nothing more than animals? Critiquing the propagation of “pig butchering” (Sha Zhu Pan, 杀猪盘)","Onanuga et al., 2020 — Discursive features of nigerian online ponzi schemes’ narratives; [Diskurzivne značilnosti naracije v nigerijskih spletnih ponzijevih shemah]","Lazarus et al., 2022 — Advantageous comparison: using Twitter responses to understand similarities between cybercriminals (“Yahoo Boys”) and politicians (“Yahoo men”)"]},"Países Baixos":{"n":9,"titulos":["Leukfeldt et al., 2016 — A typology of cybercriminal networks: from low-tech all-rounders to high-tech specialists","Junger et al., 2020 — Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits","Meurs et al., 2026 — NAS ransomware: ransomware targeting NAS devices","Fuchs et al., 2026 — Reporting ransomware victimization: explaining citizens’ willingness to report to the police and other organizations","Matthijsse et al., 2025 — To report or not to report: Exploring the motivations and factors associated with reporting of ransomware victimisation among entrepreneurs","Matthijsse et al., 2026 — Assessing Ransomware Victimization Among Freelancers and Small and Medium-Sized Enterprises Using the Lifestyle-Routine Activity Approach","Meurs et al., 2026 — Estimating The Number Of Ransomware Attacks","Meurs et al., 2023 — Ransomware Economics: A Two-Step Approach To Model Ransom Paid"]},"Nordeste do Brasil":{"n":1,"titulos":["da Silva et al., 2025 — Desenvolvimento de uma Ontologia para Abordar a Técnica de Phishing em Delitos Informáticos: uma contribuição à Segurança Pública"]},"Rússia":{"n":5,"titulos":["Volokitina et al., 2026 — Research of Data Processing, Detection and Protection Algorithms to Minimize the Impact of Malware and Phishing Attacks on Users of Digital Platforms","Фаддеев et al., 2025 — Типологизация развития опасных ситуаций для реагирования оперативных служб территорий на основе анализа многолетней статистики","V. V. Vasilkova, 2019 — Use of Chatbots in Volunteering","Nershi, 2025 — Informal allies: State-cybercriminal alignment in the ransomware ecosystem","Martin et al., 2023 — RANSOMWARE THROUGH THE LENS OF STATE CRIME: CONCEPTUALIZING RANSOMWARE GROUPS AS CYBER PROXIES, PIRATES, AND PRIVATEERS"]},"África do Sul":{"n":3,"titulos":["Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention","Anderson et al., 2020 — Information security at South African universities—implications for biomedical research","Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Jacarta":{"n":1,"titulos":["Marcel et al., 2025 — Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation"]},"Calabar":{"n":1,"titulos":["Christopher et al., 2026 — The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024"]},"Paquistão":{"n":1,"titulos":["Mehmood et al., 2026 — An Intelligent Cyber Threat Prevention: A Systematic Survey of AI-Based Approaches and Open Challenges"]},"Gana":{"n":2,"titulos":["Asante et al., 2026 — Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana","Ofori, 2023 — The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana"]},"Cazaquistão":{"n":2,"titulos":["Tergembay et al., 2025 — IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY","Khamzina et al., 2026 — Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study"]},"Karnataka":{"n":1,"titulos":["Belagali, 2026 — Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka."]},"Reino Unido":{"n":7,"titulos":["Fatogun, 2026 — ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK","Zaid Mohammad Obeidat, 2018 — Social media revenge: A typology of online consumer revenge","V.V. Vasilkova, 2019 — Social bots in political communication","Agarwal et al., 2022 — Investigating the concentration of High Yield Investment Programs in the United Kingdom","Whelan et al., 2025 — Examining the activities and careers of ransomware criminal groups","Yuryna Connolly et al., 2022 — Reducing Ransomware Crime: Analysis of Victims’ Payment Decisions","Cartwright et al., 2023 — How cyber insurance influences the ransomware payment decision: theory and evidence"]},"Canadá":{"n":8,"titulos":["Synthesis, 2026 — CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT","Lokanan, 2022 — The determinants of investment fraud: A machine learning and artificial intelligence approach","Lokanan et al., 2022 — Fraud prediction using machine learning: The case of investment advisors in Canada","Lokanan et al., 2021 — Predicting fraud victimization using classical machine learning","Boyle et al., 2025 — The Oversea Chinese Fund: A complex affinity-based Ponzi scheme","Avery et al., 2025 — Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review","Whelan et al., 2025 — Examining the activities and careers of ransomware criminal groups","Russell et al., 2025 — “I grow food, IT people do cybersecurity”: Addressing cybersecurity risks in Canada's agri-food sector"]},"Jordânia":{"n":1,"titulos":["Zaid Mohammad Obeidat, 2018 — Social media revenge: A typology of online consumer revenge"]},"União Europeia":{"n":3,"titulos":["Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb","Llamas Covarrubias, 2026 — From Ransomware Payment Bans to Payment Governance: A Risk-Based Regulatory Framework for the EU","Patsakis et al., 2024 — Cashing out crypto: state of practice in ransom payments"]},"Ásia":{"n":1,"titulos":["Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation"]},"Venezuela":{"n":2,"titulos":["V.V. Vasilkova, 2019 — Social bots in political communication","Leslie, 2022 — Hope Amid Crisis: Normative Ambiguity, the Middle Class, and Investment Fraud in 2000s Venezuela"]},"Japão":{"n":1,"titulos":["V.V. Vasilkova, 2019 — Social bots in political communication"]},"Polônia":{"n":1,"titulos":["Dorota Wiszejko-Wierzbicka, 2016 — Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND"]},"Irã":{"n":2,"titulos":["Hamid Keshavarz, 2022 — Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach","Keshavarzi et al., 2021 — Mechanisms of identity construction among members of Pyramid schemes in Iran: A critical ethnography"]},"China":{"n":9,"titulos":["Liu, 2024 — BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks","Wang et al., 2026 — Influencing factors and mechanisms of action on the participation intentions of cryptocurrency investment fraud victims—A quantitative examination from the perspective of the theory of planned behavior","Shen, 2020 — Women Who Participate in Illegal Pyramid Selling: Voices from Female Rural Migrant Offenders in China","Huang et al., 2021 — Gender and age-based investor affinities in a Ponzi scheme","Chen et al., 2025 — Too Much Technology and Too Little Regulation? The Spectacular Demise of P2P Lending in China","Han et al., 2026 — An Anatomy of ‘Pig Butchering Scams’: Chinese Victims’ and Police Officers’ Perspectives","Zhu et al., 2017 — Ponzi scheme diffusion in complex networks","Whittaker et al., 2024 — Are fraud victims nothing more than animals? Critiquing the propagation of “pig butchering” (Sha Zhu Pan, 杀猪盘)"]},"Malásia":{"n":4,"titulos":["Zin et al., 2024 — Understanding the Vulnerabilities Contributing to Investor Victimization in Scams","Aziz et al., 2023 — Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials","Ghani et al., 2023 — OVERCONFIDENCE BIAS AMONG INVESTORS: A QUALITATIVE EVIDENCE FROM PONZI SCHEME CASE STUDY","Samsudin et al., 2025 — Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia"]},"Hungria":{"n":2,"titulos":["Harison et al., 2021 — On Financial Bubbles and Earthworms: Lessons from Hungary's Rural Pyramid during its Economic Transition","Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends"]},"Java Central":{"n":1,"titulos":["Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)"]},"Yogyakarta":{"n":1,"titulos":["Sumodiharjo et al., 2025 — Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)"]},"Indonésia":{"n":9,"titulos":["Manurung, 2022 — Juridical Review on The Crime of Fraud in The Implementation of The Pyramid Scheme System of Business Actors","Saputra, 2024 — LEGAL LOOPHOLES IN PYRAMID AND PONZI SCHEME REGULATIONS: A CAUTIONARY TALE FROM ALBANIA TO INDONESIA","Nosita et al., 2025 — The Role of Greed in Moderating Factors That Enhance Investment Decisions","Anggriawan, 2025 — Recovering Ponzi Scheme Losses and Integrating the Victim Impact Statement into Indonesia’s Criminal Justice System","Anggriawan et al., 2023 — The Rising Tide of Financial Crime: A Ponzi Scheme Case Analysis","Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia","Sari et al., 2024 — Examining Social Actors in Investment Fraud News: A Transitivity and Appraisal Analysis","Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Bengala Ocidental":{"n":1,"titulos":["Samanta, 2025 — Analysing motivations of Ponzi victims in West Bengal, India"]},"Califórnia":{"n":3,"titulos":["Ko et al., 2026 — Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction","Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud","Ordekian et al., 2024 — A Sinister Fattening: Dissecting the Tales of Pig Butchering and Other Cryptocurrency Scams"]},"Vietnã":{"n":3,"titulos":["Luong et al., 2024 — Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective","Dinh et al., 2026 — Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam","Dinh et al., 2026 — Authority Impersonation and Digital Victimization in a Transnational Cyber Fraud Network: Evidence from Vietnam"]},"Camboja":{"n":2,"titulos":["Luong et al., 2024 — Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective","Dinh et al., 2026 — Authority Impersonation and Digital Victimization in a Transnational Cyber Fraud Network: Evidence from Vietnam"]},"Austrália":{"n":6,"titulos":["Nataraj-Hansen, 2024 — “More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud","Cross, 2024 — Romance baiting, cryptorom and ‘pig butchering’: an evolutionary step in romance fraud","Abeysekera, 2025 — A framework for investment scam reporting: Deception and reverse agency in an Australian context","Balcombe, 2025 — The Mental Health Impacts of Internet Scams","Blue et al., 2025 — Cryptocurrencies: Who is vulnerable and what are the vulnerabilities?","Whelan et al., 2025 — Examining the activities and careers of ransomware criminal groups"]},"Filipinas":{"n":3,"titulos":["Gano, 2026 — Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery","Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends","Blancaflor et al., 2023 — A Literature Review on the Pervasiveness of Ransomware Threats and Attacks in the Philippines"]},"Hunan":{"n":1,"titulos":["Feng et al., 2019 — A case study of pyramid scheme finance flow network based on social network analysis"]},"Sudeste Asiático":{"n":1,"titulos":["Gressel et al., 2026 — The Industrialization of Messaging Scams in the LLM Era"]},"Albânia":{"n":1,"titulos":["Saputra, 2024 — LEGAL LOOPHOLES IN PYRAMID AND PONZI SCHEME REGULATIONS: A CAUTIONARY TALE FROM ALBANIA TO INDONESIA"]},"Brasil":{"n":1,"titulos":["Santos et al., 2017 — The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]"]},"França":{"n":1,"titulos":["Bernard et al., 2016 — An index of detection of anomalies for investors; [D'Un indice de détection d'anomalies à l'usage des investisseurs]"]},"Telangana":{"n":1,"titulos":["Sarkar et al., 2026 — From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities"]},"Mianmar":{"n":1,"titulos":["Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends"]},"Sri Lanka":{"n":2,"titulos":["Tajti, 2021 — Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends","Weerasinghe, 2025 — Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context"]},"Wisconsin":{"n":1,"titulos":["Dulisse et al., 2026 — The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud"]},"Taiwan":{"n":1,"titulos":["Su et al., 2024 — Investment Fraud Cases Study in Chinese Context of Instant Messaging Software"]},"Surabaya":{"n":1,"titulos":["Suwitho et al., 2023 — The nexus between Ponzi scheme and multi-level marketing systems: Evidence in Indonesia"]},"Hong Kong":{"n":1,"titulos":["Akartuna et al., 2025 — Shifting routines and the industrialisation of scams: the impact of Covid-19 on deception crimes in Hong Kong"]},"Alemanha":{"n":2,"titulos":["Doğan et al., 2026 — Pyramid schemes","Gassmann et al., 2025 — Valuation of confidentiality and availability in a personal ransomware attack scenario"]},"Tailândia":{"n":1,"titulos":["Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"Europa":{"n":2,"titulos":["Ruiz, 2026 — Who gets scammed? The roles of financial literacy, digital financial security, and overconfidence in Europe","van Boven et al., 2024 — Hacking Acute Care: A Qualitative Study on the Health Care Impacts of Ransomware Attacks Against Hospitals"]},"Honduras":{"n":1,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]"]},"Bangladesh":{"n":1,"titulos":["Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm"]},"Singapura":{"n":1,"titulos":["Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Espanha":{"n":1,"titulos":["Narbón, 2021 — Financial profitability of the Railway Company of Zaragoza to Pamplona: A Ponzi scheme; [La compañía de ferrocarriles de Zaragoza a Pamplona: Robo de subvenciones y estafa piramidal]"]},"Suíça":{"n":1,"titulos":["Truffer et al., 2026 — From Swiss Farmers to European Kings? ‘Folklore,’ ‘Common Sense,’ and Structural Crisis in Western Europe's Largest Ponzi Scheme"]},"Chicago":{"n":1,"titulos":["Yu et al., 2023 — Vulnerability of Older Adults to Government Impersonation Scams"]},"Grécia":{"n":1,"titulos":["Papathanasiou et al., 2023 — Business Email Compromise (BEC) Attacks: Threats, Vulnerabilities and Countermeasures—A Perspective on the Greek Landscape"]},"Irlanda":{"n":2,"titulos":["Camilleri et al., 2026 — \"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland","Keogh et al., 2024 — Dealing with digital paralysis: Surviving a cyberattack in a National Cancer center"]},"Tchéquia":{"n":1,"titulos":["Čentéš et al., 2025 — Ransomware and Ransom Payments in the Context of Criminal Law; [Ransomvér a úhrada výkupného v kontexte trestného práva]"]},"Eslováquia":{"n":1,"titulos":["Čentéš et al., 2025 — Ransomware and Ransom Payments in the Context of Criminal Law; [Ransomvér a úhrada výkupného v kontexte trestného práva]"]},"Mundo árabe":{"n":1,"titulos":["Kim et al., 2025 — Cryptocurrency-driven ransomware syndicates operating on the darknet: A focused examination of the Arab world"]},"Nova Zelândia":{"n":1,"titulos":["Whelan et al., 2025 — Examining the activities and careers of ransomware criminal groups"]},"Equador":{"n":1,"titulos":["Vásquez-Méndez et al., 2026 — The Human Factor: Assessing Ransomware Vulnerability in Developing Nations’ Governments"]},"Azerbaijão":{"n":1,"titulos":["Nurullayev et al., 2024 — Ransomware attacks and proposed defense strategies in the Republic of Azerbaijan; [RANSOMWARE HÜCUMLARI VƏ AZƏRBAYCAN RESPUBLİKASINDA TƏKLİF OLUNAN MÜDAFİƏ STRATEGİYALARI]"]},"OCDE":{"n":1,"titulos":["Patsakis et al., 2024 — Cashing out crypto: state of practice in ransom payments"]}}},"setores":{"rotulo":"Contexto setorial","especificados":227,"distribuicao":{"Criptoativos":90,"Saúde":23,"Educação":16,"Setor Bancário":15,"Setor Financeiro":9,"Seguros":7,"Telecomunicações":5,"Comércio Eletrônico":4,"Mercado Financeiro":4,"Serviços Financeiros":3,"Energia":3,"Indústria":3,"Infraestrutura crítica":3,"Manufatura":3,"Comércio eletrônico":2,"Organizações sem fins lucrativos":2,"Venda direta":2,"Mercado de Investimentos":2,"Pequenas e médias empresas":2,"Segurança Pública":1,"Micro, pequenas e médias empresas":1,"Recursos Humanos":1,"Serviços financeiros móveis":1,"Redes Sociais":1,"Restaurantes":1,"Alimentação e Bebidas":1,"Hotelaria":1,"Vendas diretas":1,"Mercado de Valores Mobiliários":1,"Fintech":1,"Mercado de valores mobiliários":1,"Aplicação da lei":1,"Transporte ferroviário":1,"Mercado de Ações":1,"Transporte Marítimo":1,"Jogos eletrônicos":1,"Tecnologia da Informação":1,"Provedores de serviços gerenciados":1,"Setor Público":1,"Preservação digital e patrimônio cultural":1,"Indústria Alimentícia":1,"Agricultura":1,"Setor Marítimo":1,"Tecnologia Operacional":1,"Indústria de transformação":1,"Internet das Coisas Industrial":1,"Distribuição":1,"Logística":1,"Governo local":1,"Robótica industrial":1,"Água":1,"Automotivo":1},"procedencia":{"Criptoativos":{"n":90,"titulos":["Phillips et al., 2020 — Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites","Wang et al., 2026 — Blockchain Transaction Simulation Phishing","Carpentier-Desjardins et al., 2024 — Mapping the DeFi crime landscape: an evidence-based picture","Ramnath Kumar, 2020 — eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection","Sepideh HajiHosseinKhani, 2023 — Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset","Ellie Rennie, 2022 — Toward a Participatory Digital Ethnography of Blockchain Governance","Federico Franzoni, 2022 — SoK: Network-Level Attacks on the Bitcoin P2P Network","Kervins Nicolas, 2020 — Blockchain System Defensive Overview for Double-Spend and Selfish Mining Attacks: A Systematic Approach"]},"Saúde":{"n":23,"titulos":["Hakim et al., 2026 — CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","Collins et al., 2026 — Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email","Abdelhamid, 2020 — The Role of Health Concerns in Phishing Susceptibility: Survey Design Study","Shahzadi et al., 2025 — Safeguarding the healthcare sector from ransomware attacks: insights from a literature review","Asmaa Hashem Sweidan, 2021 — Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning","Dimitrios Georgoulias, 2022 — COVID-19 Vaccination Certificates in the Darkweb","Mubashar Iqbal, 2021 — Exploring Sybil and Double-Spending Risks in Blockchain Systems","Usha Lokala, 2020 — DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web"]},"Educação":{"n":16,"titulos":["Samuel Prakash et al., 2026 — UNDERSTANDING STUDENT MISUSE OF AI TOOLS: A COGNITIVE SCIENCE AND CYBERSECURITY PERSPECTIVE","Almoqbil, 2020 — Modeling Deception for Identifying and Protecting against Advanced Email Phishing","Anderson et al., 2020 — Information security at South African universities—implications for biomedical research","rashidi, 2020 — Basics and effects of regular education from the perspective of the philosophy of education of the Qur'an","Raval, 2022 — Artificial Intelligence and Cybersecurity Applications in Modern Education","da Silva et al., 2026 — COLLECTIVE ACTION IS REQUIRED TO REDUCE THE BURDEN OF SPAM EMAILS IN ACADEMIA: THE CASE OF NEUROSCIENCE","Gamal, 2022 — Taxonomy applications on the websites of Arab and foreign national libraries: A comparative analytical study","Seyedeh OMSalameh Pourhashemi, 2026 — Identifying factors influencing the employee's intention with self-protective behaviors against phishing attacks"]},"Serviços Financeiros":{"n":3,"titulos":["Kurshan et al., 2024 — AI versus AI in Financial Crimes & Detection: GenAI Crime Waves to Co-Evolutionary AI","Tuhin et al., 2026 — Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm","Msosa, 2022 — THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA"]},"Setor Bancário":{"n":15,"titulos":["Aribake et al., 2020 — ASSESSMENT ON PHISHING AVOIDANCE BEHAVIOUR AMONG INTERNET BANKING USERS IN NIGERIA: A CONCEPTUAL MODEL","Aribake et al., 2020 — Modelling the phishing avoidance behaviour among internet banking users in Nigeria: The initial investigation","Leukfeldt et al., 2016 — A typology of cybercriminal networks: from low-tech all-rounders to high-tech specialists","Dipo, 2024 — Phishing Attacks among Internet Banking Users in Nigeria: An Exploration of Remedial Strategies","Seun et al., 2024 — Machine Learning Model to Mitigate Fake Bank Alert Phishing Fraud in Nigeria: The Initial Investigation","Barker, 2020 — The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention","Maini et al., 2025 — Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","Suva et al., 2026 — Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices"]},"Segurança Pública":{"n":1,"titulos":["da Silva et al., 2025 — Desenvolvimento de uma Ontologia para Abordar a Técnica de Phishing em Delitos Informáticos: uma contribuição à Segurança Pública"]},"Setor Financeiro":{"n":9,"titulos":["Shahzadi et al., 2025 — Unveiling personalized and gamification-based cybersecurity risks within financial institutions","Kiss et al., 2025 — The taxonomy of financial cybercrime","Manning et al., 2018 — Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud","Manning, 2018 — Exploiting the social fabric of networks: a social capital analysis of historical financial frauds","Leslie, 2022 — Hope Amid Crisis: Normative Ambiguity, the Middle Class, and Investment Fraud in 2000s Venezuela","Manning, 2018 — Madoff’s Ponzi investment fraud: a social capital analysis","Fratrič et al., 2022 — Computational Discovery of Transaction-Based Financial Crime via Grammatical Evolution: The Case of Ponzi Schemes","Napitupulu et al., 2025 — An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia"]},"Energia":{"n":3,"titulos":["Aranguren et al., 2026 — A comprehensive view of software vulnerability risks through enterprise knowledge graphs","Janvrin et al., 2026 — Colonial Pipeline: Responding to a Ransomware Attack in the Energy Sector","Greubel et al., 2023 — Analyzing Reporting on Ransomware Incidents: A Case Study"]},"Micro, pequenas e médias empresas":{"n":1,"titulos":["Marcel et al., 2025 — Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation"]},"Recursos Humanos":{"n":1,"titulos":["Nastuła, 2025 — Cyber threats and ai risks in human resources management"]},"Seguros":{"n":7,"titulos":["Ujah et al., 2024 — Cybersecurity Strategic Plan Part 2","Mahanama et al., 2021 — Global Index on Financial Losses Due to Crime in the United States","Ramjee et al., 2025 — From ransoms to ruin: Are extortion payments by ransomware victims insurable?","Baker et al., 2023 — Insurance and enterprise: cyber insurance for ransomware","Cartwright et al., 2023 — How cyber insurance influences the ransomware payment decision: theory and evidence","Baker et al., 2023 — The government behind insurance governance: Lessons for ransomware","Mott et al., 2023 — Between a rock and a hard(ening) place: Cyber insurance in the ransomware era"]},"Serviços financeiros móveis":{"n":1,"titulos":["Asante et al., 2026 — Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana"]},"Comércio Eletrônico":{"n":4,"titulos":["Nadia Malik, 2024 — Natural language processing for analyzing online customer reviews: a survey, taxonomy, and open research challenges","Haoliang Cui, 2021 — A classification method for social information of sellers on social network","Shirin Noekhah, 2017 — Evaluation of Data Mining Features, Features Taxonomies and their Applications","Jitendra Singh Yadav, 2023 — A Layered Architecture and Taxonomy for Blockchain-empowered Reputation-based Reward Systems"]},"Comércio eletrônico":{"n":2,"titulos":["Hui Fang, 2018 — A generalized stereotype learning approach and its instantiation in trust modeling","Zhang, 2026 — Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control"]},"Redes Sociais":{"n":1,"titulos":["Dominique Kelly, 2024 — Identifying Dark Patterns in User Account Disabling Interfaces: Content Analysis Results"]},"Restaurantes":{"n":1,"titulos":["Duy Tan Nguyen, 2026 — A framework for affinity-based personalized review recommendation"]},"Alimentação e Bebidas":{"n":1,"titulos":["Doga Istanbulluoglu, 2023 — Forms of falsified online reviews: the good, the bad, and the downright ugly"]},"Hotelaria":{"n":1,"titulos":["Mohamed A. Nassar, 2023 — Digital Disinformation Effect on Hotels Customer Response: An Overview and Future Research Directions"]},"Organizações sem fins lucrativos":{"n":2,"titulos":["V. V. Vasilkova, 2019 — Use of Chatbots in Volunteering","Camilleri et al., 2026 — \"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland"]},"Venda direta":{"n":2,"titulos":["Groβ et al., 2026 — The law and consumer harm in multi-level marketing: a review","Galasintu et al., 2018 — The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws"]},"Vendas diretas":{"n":1,"titulos":["Santos et al., 2017 — The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]"]},"Mercado Financeiro":{"n":4,"titulos":["Bernard et al., 2016 — An index of detection of anomalies for investors; [D'Un indice de détection d'anomalies à l'usage des investisseurs]","Husaeni et al., 2024 — Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia","Bernard et al., 2022 — A financial fraud detection indicator for investors: an IDeA","Sun et al., 2026 — From Perception to Protection: How Fraud Worry Shapes Investor Behavior"]},"Mercado de Valores Mobiliários":{"n":1,"titulos":["Lokanan, 2022 — The determinants of investment fraud: A machine learning and artificial intelligence approach"]},"Fintech":{"n":1,"titulos":["Dinh et al., 2026 — Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam"]},"Mercado de valores mobiliários":{"n":1,"titulos":["Lokanan et al., 2022 — Fraud prediction using machine learning: The case of investment advisors in Canada"]},"Aplicação da lei":{"n":1,"titulos":["Webster et al., 2017 — Policing advance fee fraud (AFF): Experiences of fraud detectives using a victim-focused approach"]},"Mercado de Investimentos":{"n":2,"titulos":["Lokanan et al., 2021 — Predicting fraud victimization using classical machine learning","van Vuuren et al., 2022 — Detecting Investment Fraud Using the Bias Ratio"]},"Indústria":{"n":3,"titulos":["Padilla-Sánchez et al., 2025 — INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]","Huang et al., 2025 — Ransomware in Resource-Constrained Industrial IoT Networks: There Actually is a Threat","Al-Hawawreh et al., 2019 — Targeted Ransomware: A New Cyber Threat to Edge System of Brownfield Industrial Internet of Things"]},"Transporte ferroviário":{"n":1,"titulos":["Narbón, 2021 — Financial profitability of the Railway Company of Zaragoza to Pamplona: A Ponzi scheme; [La compañía de ferrocarriles de Zaragoza a Pamplona: Robo de subvenciones y estafa piramidal]"]},"Mercado de Ações":{"n":1,"titulos":["Karaša et al., 2025 — Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis"]},"Telecomunicações":{"n":5,"titulos":["Pietri et al., 2025 — Telecom spam and scams in the 5G and artificial intelligence era: analyzing economic implications, technical challenges and global regulatory efforts","Wang et al., 2023 — Spoofing Against Spoofing: Toward Caller ID Verification in Heterogeneous Telecommunication Systems","Deng et al., 2018 — CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification","He et al., 2020 — Understanding Android VoIP Security: A System-Level Vulnerability Assessment","Tas et al., 2024 — Blockchain-Based Caller-ID Authentication (BBCA): A Novel Solution to Prevent Spoofing Attacks in VoIP/SIP Networks"]},"Transporte Marítimo":{"n":1,"titulos":["Lindback et al., 2024 — Demonstration of Digital Selective Call Spoofing"]},"Jogos eletrônicos":{"n":1,"titulos":["Badawi et al., 2019 — Automatic detection and analysis of the “game hack” scam"]},"Tecnologia da Informação":{"n":1,"titulos":["Bhunia et al., 2025 — Analyzing the 2021 Kaseya Ransomware Attack: Combined Spearphishing Through SonicWall SSLVPN Vulnerability"]},"Infraestrutura crítica":{"n":3,"titulos":["Roumani et al., 2025 — Predicting Ransomware Incidents with Time-Series Modeling","Benmalek, 2024 — Ransomware on cyber-physical systems: Taxonomies, case studies, security gaps, and open challenges","Reshmi, 2021 — Information security breaches due to ransomware attacks - a systematic literature review"]},"Provedores de serviços gerenciados":{"n":1,"titulos":["Neupane et al., 2026 — A Qualitative Synthesis of Cyberattack Trends in Managed Service Providers: Analyzing Multi-Tenant Vulnerabilities and Mitigation Strategies"]},"Setor Público":{"n":1,"titulos":["Vásquez-Méndez et al., 2026 — The Human Factor: Assessing Ransomware Vulnerability in Developing Nations’ Governments"]},"Preservação digital e patrimônio cultural":{"n":1,"titulos":["Cotta, 2026 — From Archivist to Fortress Commander: Preservation at the End of Institutional Innocence"]},"Manufatura":{"n":3,"titulos":["Ghanbari et al., 2025 — When ransomware hits the fan: Navigating a ransomware attack in the manufacturing industry","Cartwright et al., 2023 — The Economics of Ransomware Attacks on Integrated Supply Chain Networks","Lee et al., 2024 — Clop Ransomware in Action: A Comprehensive Analysis of Its Multi-Stage Tactics"]},"Indústria Alimentícia":{"n":1,"titulos":["Manning et al., 2026 — The threat of ransomware in the food supply chain: a challenge for food defence"]},"Agricultura":{"n":1,"titulos":["Russell et al., 2025 — “I grow food, IT people do cybersecurity”: Addressing cybersecurity risks in Canada's agri-food sector"]},"Setor Marítimo":{"n":1,"titulos":["Raymaker et al., 2025 — A Sea of Cyber Threats: Maritime Cybersecurity from the Perspective of Mariners"]},"Tecnologia Operacional":{"n":1,"titulos":["Derbyshire et al., 2024 — Dead Man's PLC: Towards Viable Cyber Extortion for Operational Technology"]},"Indústria de transformação":{"n":1,"titulos":["Wynn et al., 2024 — Experiences and Lessons Learned at a Small and Medium-Sized Enterprise (SME) Following Two Ransomware Attacks"]},"Pequenas e médias empresas":{"n":2,"titulos":["Tetteh, 2024 — Cybersecurity needs for SMEs","Hull et al., 2019 — Ransomware deployment methods and analysis: views from a predictive model and human responses"]},"Internet das Coisas Industrial":{"n":1,"titulos":["Al-Hawawreh et al., 2024 — Securing the Industrial Internet of Things against ransomware attacks: A comprehensive analysis of the emerging threat landscape and detection mechanisms"]},"Distribuição":{"n":1,"titulos":["Lee et al., 2024 — Clop Ransomware in Action: A Comprehensive Analysis of Its Multi-Stage Tactics"]},"Logística":{"n":1,"titulos":["Lee et al., 2024 — Clop Ransomware in Action: A Comprehensive Analysis of Its Multi-Stage Tactics"]},"Governo local":{"n":1,"titulos":["Ruggiero et al., 2022 — Ransomware in local government: Risk factors, vulnerabilities, and exploitation during a global pandemic"]},"Robótica industrial":{"n":1,"titulos":["Mayoral-Vilches et al., 2020 — Industrial robot ransomware: Akerbeltz"]},"Água":{"n":1,"titulos":["Hassanzadeh et al., 2020 — A Review of Cybersecurity Incidents in the Water Sector"]},"Automotivo":{"n":1,"titulos":["Payre et al., 2022 — How System Failures and Ransomwares Affect Drivers’ Trust and Attitudes in an Automated Car? A Simulator Study"]}}}},"anatomia":[{"tipo":"OBTEM","rotulo":"obtém","pergunta":"O que o ataque busca obter","lado":"para","total":123,"afirmadas":122,"afirmacoes":48,"afirmacoes_afirmadas":47,"itens":[{"nome":"dinheiro","n":67,"n_afirmacoes":13,"outros":["ransomware","esquema ponzi","comprometimento de e-mail corporativo","cibercriminoso","esquema de pirâmide","ataque de fraude"],"n_artigos":66},{"nome":"informação sensível","n":20,"n_afirmacoes":10,"outros":["phishing","comprometimento de e-mail corporativo","violação de dados","ataque de impersonação","engenharia social","spear phishing"],"n_artigos":16},{"nome":"credenciais de acesso","n":15,"n_afirmacoes":7,"outros":["phishing","phishing por e-mail","vishing","engenharia social","redirecionamento de url","site falso"],"n_artigos":7},{"nome":"informação pessoal","n":6,"n_afirmacoes":4,"outros":["phishing","vishing","pretexting","ransomware"],"n_artigos":3},{"nome":"informação da vítima","n":2,"n_afirmacoes":2,"outros":["phishing por e-mail","malware"],"n_artigos":1},{"nome":"informação privada","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"acesso a propriedade privada","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"conformidade da vítima","n":1,"n_afirmacoes":1,"outros":["ameaças cibernéticas"],"n_artigos":1},{"nome":"criptomoedas","n":1,"n_afirmacoes":1,"outros":["cibercriminoso"],"n_artigos":1},{"nome":"exploração financeira","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1},{"nome":"fraude online","n":1,"n_afirmacoes":1,"outros":["deepfake"],"n_artigos":1},{"nome":"fundos da vítima","n":1,"n_afirmacoes":1,"outros":["phishing por simulação de transações"],"n_artigos":1},{"nome":"informações da vítima","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1},{"nome":"instalação de malware","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"segredos corporativos","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"violação de dados","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1}]},{"tipo":"IMITA","rotulo":"imita","pergunta":"De quem ou do que se disfarça","lado":"para","total":44,"afirmadas":43,"afirmacoes":36,"afirmacoes_afirmadas":35,"itens":[{"nome":"identidade legítima","n":5,"n_afirmacoes":3,"outros":["spoofing","phishing","golpe de investimento"],"n_artigos":5},{"nome":"instituição financeira","n":7,"n_afirmacoes":4,"outros":["phishing por e-mail","phishing","pig-butchering","ataque de impersonação"],"n_artigos":4},{"nome":"banco","n":3,"n_afirmacoes":3,"outros":["phishing","phishing por e-mail","ataque de impersonação"],"n_artigos":3},{"nome":"executivos","n":2,"n_afirmacoes":2,"outros":["ataque de impersonação","comprometimento de e-mail corporativo"],"n_artigos":2},{"nome":"site legítimo","n":2,"n_afirmacoes":2,"outros":["spoofing","phishing"],"n_artigos":2},{"nome":"empresa","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":2},{"nome":"entidade confiável","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":2},{"nome":"fonte confiável","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":2},{"nome":"acordo de investimento","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"agentes políticos reais","n":1,"n_afirmacoes":1,"outros":["social bots"],"n_artigos":1},{"nome":"aplicação da lei","n":1,"n_afirmacoes":1,"outros":["prisão digital"],"n_artigos":1},{"nome":"atividade de base autônoma","n":1,"n_afirmacoes":1,"outros":["astroturfing digital"],"n_artigos":1},{"nome":"autoridade percebida","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"autoridade profissional","n":1,"n_afirmacoes":1,"outros":["golpe de personificação institucional"],"n_artigos":1},{"nome":"comportamento humano","n":1,"n_afirmacoes":1,"outros":["bots"],"n_artigos":1},{"nome":"e-mail legítimo","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"especialistas financeiros","n":1,"n_afirmacoes":1,"outros":["golpe com criptomoedas"],"n_artigos":1},{"nome":"funcionário interno","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"marketing multinível ilegal","n":1,"n_afirmacoes":1,"outros":["money game"],"n_artigos":1},{"nome":"oportunidade de investimento em criptoativos","n":1,"n_afirmacoes":1,"outros":["pig butchering"],"n_artigos":1},{"nome":"parceiro comercial","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"provedor de telecomunicações","n":1,"n_afirmacoes":1,"outros":["vishing"],"n_artigos":1},{"nome":"ransomware","n":1,"n_afirmacoes":1,"outros":["wannalaugh"],"n_artigos":1},{"nome":"relacionamento genuíno","n":1,"n_afirmacoes":1,"outros":["golpe romântico"],"n_artigos":1},{"nome":"telemarketing legítimo","n":1,"n_afirmacoes":1,"outros":["vishing"],"n_artigos":1},{"nome":"usuário","n":1,"n_afirmacoes":1,"outros":["bots"],"n_artigos":1}]},{"tipo":"EXPLORA","rotulo":"explora","pergunta":"O que explora para funcionar","lado":"para","total":87,"afirmadas":83,"afirmacoes":79,"afirmacoes_afirmadas":75,"itens":[{"nome":"vulnerabilidade humana","n":8,"n_afirmacoes":3,"outros":["phishing","engenharia social","voip"],"n_artigos":8},{"nome":"confiança da vítima","n":7,"n_afirmacoes":7,"outros":["pretexting","inovação aberta","golpe de investimento","pig butchering","engenharia social","fraude de investimento híbrida"],"n_artigos":7},{"nome":"urgência","n":6,"n_afirmacoes":6,"outros":["phishing","vishing","phishing por e-mail","golpe de investimento","golpes financeiros contra idosos","prisão digital"],"n_artigos":5},{"nome":"autoridade percebida","n":5,"n_afirmacoes":5,"outros":["phishing","engenharia social","golpe de investimento","ataque de impersonação","prisão digital"],"n_artigos":5},{"nome":"blockchain","n":5,"n_afirmacoes":4,"outros":["ransomware","esquema ponzi","ataque cibernético","cibercriminoso"],"n_artigos":5},{"nome":"medo","n":4,"n_afirmacoes":4,"outros":["engenharia social","ataque de impersonação","golpe de suporte técnico","prisão digital"],"n_artigos":4},{"nome":"confiança institucional","n":3,"n_afirmacoes":3,"outros":["engenharia social","ataque de impersonação","ransomware"],"n_artigos":3},{"nome":"vulnerabilidade psicológica","n":3,"n_afirmacoes":3,"outros":["phishing","engenharia social","golpe de investimento"],"n_artigos":3},{"nome":"baixa consciência de segurança","n":2,"n_afirmacoes":2,"outros":["phishing","ransomware"],"n_artigos":2},{"nome":"falhas de segurança computacional","n":2,"n_afirmacoes":2,"outros":["ataque cibernético","phishing"],"n_artigos":2},{"nome":"comportamento humano","n":2,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":2},{"nome":"vulnerabilidade de senha","n":2,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":2},{"nome":"autenticação de dois fatores","n":2,"n_afirmacoes":2,"outros":["engenharia social","malware como serviço"],"n_artigos":1},{"nome":"afinidade entre investidores","n":1,"n_afirmacoes":1,"outros":["investidores mulheres ou idosos"],"n_artigos":1},{"nome":"agentes com crenças grosseiras","n":1,"n_afirmacoes":1,"outros":["esquema de pirâmide"],"n_artigos":1},{"nome":"anúncios patrocinados","n":1,"n_afirmacoes":1,"outros":["golpe de suporte técnico"],"n_artigos":1},{"nome":"aprendizado profundo","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"capital social","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"decepção","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"decodificadores dsc","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"dependência mútua","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"disponibilidade pública de e-mail de autores","n":1,"n_afirmacoes":1,"outros":["spam acadêmico"],"n_artigos":1},{"nome":"dispositivos de borda sem correção","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dissonância pós-decisão","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"engenharia social","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1},{"nome":"ganância","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"influência social informacional","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"informação sensível","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"manipulação humana","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"pistas léxicas correlacionadas à fonte","n":1,"n_afirmacoes":1,"outros":["modelo de detecção"],"n_artigos":1},{"nome":"plataformas de terceiros","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"princípio financeiro","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"princípios psicológicos","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"processos de resiliência","n":1,"n_afirmacoes":1,"outros":["dm-plc"],"n_artigos":1},{"nome":"promessa de lucros elevados","n":1,"n_afirmacoes":1,"outros":["esquema de pirâmide"],"n_artigos":1},{"nome":"promessas de alto retorno","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"prompt injection","n":1,"n_afirmacoes":1,"outros":["llm"],"n_artigos":1},{"nome":"rust","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"simulação de transações","n":1,"n_afirmacoes":1,"outros":["phishing por simulação de transações"],"n_artigos":1},{"nome":"tendências cognitivas","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"trabalho remoto","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"voip","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"vulnerabilidade de autenticação","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"vulnerabilidade de software","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"vulnerabilidade do mecanismo de supervisão","n":1,"n_afirmacoes":1,"outros":["esquema ponzi inteligente"],"n_artigos":1}]},{"tipo":"VISA","rotulo":"visa","pergunta":"Quem ou o que tem como alvo","lado":"para","total":91,"afirmadas":85,"afirmacoes":58,"afirmacoes_afirmadas":53,"itens":[{"nome":"empresa","n":23,"n_afirmacoes":5,"outros":["ransomware","comprometimento de e-mail corporativo","phishing","deepfake","ataque cibernético"],"n_artigos":22},{"nome":"usuário","n":11,"n_afirmacoes":7,"outros":["phishing","ransomware","phishing por e-mail","fraude online","esquema ponzi","golpe de suporte técnico com criptomoedas"],"n_artigos":11},{"nome":"saúde","n":9,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":9},{"nome":"indivíduos específicos","n":4,"n_afirmacoes":3,"outros":["spear phishing","phishing por e-mail","ransomware"],"n_artigos":3},{"nome":"sistema operacional android","n":3,"n_afirmacoes":2,"outros":["ataque cibernético","ataque de um clique"],"n_artigos":3},{"nome":"instituição financeira","n":2,"n_afirmacoes":2,"outros":["phishing","ataque cibernético"],"n_artigos":2},{"nome":"rede social","n":2,"n_afirmacoes":2,"outros":["bots","spammers sociais"],"n_artigos":2},{"nome":"vítima","n":2,"n_afirmacoes":2,"outros":["spear phishing","cibercriminoso"],"n_artigos":2},{"nome":"banco","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"comportamento fora da distribuição","n":1,"n_afirmacoes":1,"outros":["trustphish-ai"],"n_artigos":1},{"nome":"composto de entidades humanas técnicas e virtuais","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"data centers","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dispositivos iiot com recursos limitados","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dispositivos iot","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dispositivos nas","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"educação do usuário","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"executivos","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"funcionário interno","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"gateway de borda iiot","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"gpt-5","n":1,"n_afirmacoes":1,"outros":["prompt injection"],"n_artigos":1},{"nome":"hospital","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"indústria alimentícia","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"informação pessoal","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"inteligência artificial","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"llm","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"modelos de inteligência artificial","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"mulheres assalariadas","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"nas","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"operações agrícolas","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"organização","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"percepção pública","n":1,"n_afirmacoes":1,"outros":["campanha publicitária em rede social"],"n_artigos":1},{"nome":"provedores de serviços gerenciados","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"setor de água","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"sistemas ciber-físicos","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"tecnologia operacional","n":1,"n_afirmacoes":1,"outros":["cibercriminoso"],"n_artigos":1},{"nome":"trabalhadores de agência","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"usuário de rede social","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1}]},{"tipo":"MITIGA","rotulo":"mitiga","pergunta":"O que o combate","lado":"de","total":151,"afirmadas":47,"afirmacoes":131,"afirmacoes_afirmadas":46,"itens":[{"nome":"abordagem multicamadas","n":3,"n_afirmacoes":3,"outros":["ataque cibernético","engenharia social","comprometimento de e-mail corporativo"],"n_artigos":3},{"nome":"autenticação multifator","n":3,"n_afirmacoes":3,"outros":["roubo de credenciais","ataque de impersonação","comprometimento de e-mail corporativo"],"n_artigos":3},{"nome":"blockchain","n":3,"n_afirmacoes":3,"outros":["phishing","colusão","spoofing"],"n_artigos":3},{"nome":"treinamento de conscientização em segurança","n":3,"n_afirmacoes":3,"outros":["engenharia social","phishing","comprometimento de e-mail corporativo"],"n_artigos":3},{"nome":"protocolo de segurança","n":2,"n_afirmacoes":2,"outros":["comprometimento de e-mail corporativo","ransomware"],"n_artigos":2},{"nome":"ceive","n":2,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"aplicação da lei","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"auditoria de sobreposição","n":1,"n_afirmacoes":1,"outros":["contaminação de dados de treinamento"],"n_artigos":1},{"nome":"augmentação de dados","n":1,"n_afirmacoes":1,"outros":["desequilíbrio de classes"],"n_artigos":1},{"nome":"autenticação de dois fatores","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"caller id verification","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"detecção de anomalias","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"detecção de intrusão","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dlp","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"educação do usuário","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"estratégia de resposta organizacional","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"exclusão de dados","n":1,"n_afirmacoes":1,"outros":["contaminação do conjunto de treinamento"],"n_artigos":1},{"nome":"ferramenta de apoio à decisão","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"filtragem de e-mail","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"funcionários vigilantes","n":1,"n_afirmacoes":1,"outros":["fraude online"],"n_artigos":1},{"nome":"injectdefuser","n":1,"n_afirmacoes":1,"outros":["prompt injection"],"n_artigos":1},{"nome":"llm","n":1,"n_afirmacoes":1,"outros":["poluição de dados"],"n_artigos":1},{"nome":"macroaveraging","n":1,"n_afirmacoes":1,"outros":["desequilíbrio de classes"],"n_artigos":1},{"nome":"mecanismo bayesiano compatível com incentivos","n":1,"n_afirmacoes":1,"outros":["informação incompleta"],"n_artigos":1},{"nome":"modelo de detecção","n":1,"n_afirmacoes":1,"outros":["vishing"],"n_artigos":1},{"nome":"modelos de inteligência artificial","n":1,"n_afirmacoes":1,"outros":["incidente de cibersegurança"],"n_artigos":1},{"nome":"monitoramento de logs","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"navegador atualizado","n":1,"n_afirmacoes":1,"outros":["instalação de malware"],"n_artigos":1},{"nome":"procedimento de recuperação de arquivos","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"progesi","n":1,"n_afirmacoes":1,"outros":["sql injection"],"n_artigos":1},{"nome":"remoção de conteúdo","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1},{"nome":"revisão de governança","n":1,"n_afirmacoes":1,"outros":["implantação de modelo não validado"],"n_artigos":1},{"nome":"rtcatch","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"seguro cibernético","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"sincronização de pressão sobre infratores finanças e infraestrutura","n":1,"n_afirmacoes":1,"outros":["convergência entre crime organizado e cibercrime"],"n_artigos":1},{"nome":"treinamento de funcionários","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"verificação de identidade","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1}]}],"anatomia_por_golpe":{"Phishing":[{"tipo":"OBTEM","rotulo":"obtém","pergunta":"O que o ataque busca obter","lado":"para","total":45,"afirmadas":44,"afirmacoes":26,"afirmacoes_afirmadas":25,"itens":[{"nome":"informação sensível","n":14,"n_afirmacoes":6,"outros":["phishing","violação de dados","ataque de impersonação","engenharia social","spear phishing","malware"],"n_artigos":10},{"nome":"credenciais de acesso","n":14,"n_afirmacoes":6,"outros":["phishing","phishing por e-mail","vishing","engenharia social","redirecionamento de url","site falso"],"n_artigos":6},{"nome":"informação pessoal","n":5,"n_afirmacoes":3,"outros":["phishing","vishing","pretexting"],"n_artigos":2},{"nome":"dinheiro","n":2,"n_afirmacoes":2,"outros":["engenharia social","phishing por e-mail"],"n_artigos":1},{"nome":"informação da vítima","n":2,"n_afirmacoes":2,"outros":["phishing por e-mail","malware"],"n_artigos":1},{"nome":"informação privada","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"acesso a propriedade privada","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"fundos da vítima","n":1,"n_afirmacoes":1,"outros":["phishing por simulação de transações"],"n_artigos":1},{"nome":"informações da vítima","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1},{"nome":"instalação de malware","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"segredos corporativos","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1}]},{"tipo":"IMITA","rotulo":"imita","pergunta":"De quem ou do que se disfarça","lado":"para","total":25,"afirmadas":24,"afirmacoes":20,"afirmacoes_afirmadas":19,"itens":[{"nome":"banco","n":2,"n_afirmacoes":2,"outros":["phishing","phishing por e-mail"],"n_artigos":2},{"nome":"site legítimo","n":2,"n_afirmacoes":2,"outros":["spoofing","phishing"],"n_artigos":2},{"nome":"empresa","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":2},{"nome":"entidade confiável","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":2},{"nome":"fonte confiável","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":2},{"nome":"instituição financeira","n":4,"n_afirmacoes":2,"outros":["phishing","phishing por e-mail"],"n_artigos":1},{"nome":"agentes políticos reais","n":1,"n_afirmacoes":1,"outros":["social bots"],"n_artigos":1},{"nome":"atividade de base autônoma","n":1,"n_afirmacoes":1,"outros":["astroturfing digital"],"n_artigos":1},{"nome":"comportamento humano","n":1,"n_afirmacoes":1,"outros":["bots"],"n_artigos":1},{"nome":"e-mail legítimo","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"funcionário interno","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"identidade legítima","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"parceiro comercial","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"provedor de telecomunicações","n":1,"n_afirmacoes":1,"outros":["vishing"],"n_artigos":1},{"nome":"telemarketing legítimo","n":1,"n_afirmacoes":1,"outros":["vishing"],"n_artigos":1},{"nome":"usuário","n":1,"n_afirmacoes":1,"outros":["bots"],"n_artigos":1}]},{"tipo":"EXPLORA","rotulo":"explora","pergunta":"O que explora para funcionar","lado":"para","total":35,"afirmadas":31,"afirmacoes":31,"afirmacoes_afirmadas":27,"itens":[{"nome":"vulnerabilidade humana","n":5,"n_afirmacoes":2,"outros":["phishing","engenharia social"],"n_artigos":5},{"nome":"urgência","n":3,"n_afirmacoes":3,"outros":["phishing","vishing","phishing por e-mail"],"n_artigos":2},{"nome":"autoridade percebida","n":2,"n_afirmacoes":2,"outros":["phishing","engenharia social"],"n_artigos":2},{"nome":"vulnerabilidade psicológica","n":2,"n_afirmacoes":2,"outros":["phishing","engenharia social"],"n_artigos":2},{"nome":"comportamento humano","n":2,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":2},{"nome":"autenticação de dois fatores","n":2,"n_afirmacoes":2,"outros":["engenharia social","malware como serviço"],"n_artigos":1},{"nome":"aprendizado profundo","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"baixa consciência de segurança","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"confiança da vítima","n":1,"n_afirmacoes":1,"outros":["pretexting"],"n_artigos":1},{"nome":"confiança institucional","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"decepção","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"disponibilidade pública de e-mail de autores","n":1,"n_afirmacoes":1,"outros":["spam acadêmico"],"n_artigos":1},{"nome":"falhas de segurança computacional","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"manipulação humana","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"medo","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"pistas léxicas correlacionadas à fonte","n":1,"n_afirmacoes":1,"outros":["modelo de detecção"],"n_artigos":1},{"nome":"plataformas de terceiros","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"princípios psicológicos","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"prompt injection","n":1,"n_afirmacoes":1,"outros":["llm"],"n_artigos":1},{"nome":"simulação de transações","n":1,"n_afirmacoes":1,"outros":["phishing por simulação de transações"],"n_artigos":1},{"nome":"trabalho remoto","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1}]},{"tipo":"VISA","rotulo":"visa","pergunta":"Quem ou o que tem como alvo","lado":"para","total":27,"afirmadas":26,"afirmacoes":23,"afirmacoes_afirmadas":22,"itens":[{"nome":"usuário","n":5,"n_afirmacoes":2,"outros":["phishing","phishing por e-mail"],"n_artigos":5},{"nome":"indivíduos específicos","n":3,"n_afirmacoes":2,"outros":["spear phishing","phishing por e-mail"],"n_artigos":2},{"nome":"rede social","n":2,"n_afirmacoes":2,"outros":["bots","spammers sociais"],"n_artigos":2},{"nome":"sistema operacional android","n":2,"n_afirmacoes":2,"outros":["ataque cibernético","ataque de um clique"],"n_artigos":2},{"nome":"banco","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"comportamento fora da distribuição","n":1,"n_afirmacoes":1,"outros":["trustphish-ai"],"n_artigos":1},{"nome":"educação do usuário","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"empresa","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"executivos","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"funcionário interno","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"gpt-5","n":1,"n_afirmacoes":1,"outros":["prompt injection"],"n_artigos":1},{"nome":"instituição financeira","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"mulheres assalariadas","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"percepção pública","n":1,"n_afirmacoes":1,"outros":["campanha publicitária em rede social"],"n_artigos":1},{"nome":"saúde","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"trabalhadores de agência","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"usuário de rede social","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"vítima","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1}]},{"tipo":"MITIGA","rotulo":"mitiga","pergunta":"O que o combate","lado":"de","total":61,"afirmadas":23,"afirmacoes":59,"afirmacoes_afirmadas":23,"itens":[{"nome":"abordagem multicamadas","n":2,"n_afirmacoes":2,"outros":["ataque cibernético","engenharia social"],"n_artigos":2},{"nome":"autenticação multifator","n":2,"n_afirmacoes":2,"outros":["roubo de credenciais","ataque de impersonação"],"n_artigos":2},{"nome":"blockchain","n":2,"n_afirmacoes":2,"outros":["phishing","colusão"],"n_artigos":2},{"nome":"aplicação da lei","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"auditoria de sobreposição","n":1,"n_afirmacoes":1,"outros":["contaminação de dados de treinamento"],"n_artigos":1},{"nome":"augmentação de dados","n":1,"n_afirmacoes":1,"outros":["desequilíbrio de classes"],"n_artigos":1},{"nome":"autenticação de dois fatores","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"educação do usuário","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"exclusão de dados","n":1,"n_afirmacoes":1,"outros":["contaminação do conjunto de treinamento"],"n_artigos":1},{"nome":"ferramenta de apoio à decisão","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"filtragem de e-mail","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"injectdefuser","n":1,"n_afirmacoes":1,"outros":["prompt injection"],"n_artigos":1},{"nome":"macroaveraging","n":1,"n_afirmacoes":1,"outros":["desequilíbrio de classes"],"n_artigos":1},{"nome":"modelos de inteligência artificial","n":1,"n_afirmacoes":1,"outros":["incidente de cibersegurança"],"n_artigos":1},{"nome":"navegador atualizado","n":1,"n_afirmacoes":1,"outros":["instalação de malware"],"n_artigos":1},{"nome":"progesi","n":1,"n_afirmacoes":1,"outros":["sql injection"],"n_artigos":1},{"nome":"remoção de conteúdo","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1},{"nome":"revisão de governança","n":1,"n_afirmacoes":1,"outros":["implantação de modelo não validado"],"n_artigos":1},{"nome":"treinamento de conscientização em segurança","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"treinamento de funcionários","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1}]}],"Golpes de Investimento":[{"tipo":"OBTEM","rotulo":"obtém","pergunta":"O que o ataque busca obter","lado":"para","total":12,"afirmadas":12,"afirmacoes":8,"afirmacoes_afirmadas":8,"itens":[{"nome":"dinheiro","n":12,"n_afirmacoes":8,"outros":["esquema ponzi","esquema de pirâmide","golpe romântico de adiantamento de taxa","golpe romântico","cibercriminoso","golpe de investimento"],"n_artigos":12}]},{"tipo":"IMITA","rotulo":"imita","pergunta":"De quem ou do que se disfarça","lado":"para","total":8,"afirmadas":8,"afirmacoes":8,"afirmacoes_afirmadas":8,"itens":[{"nome":"acordo de investimento","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"autoridade percebida","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"especialistas financeiros","n":1,"n_afirmacoes":1,"outros":["golpe com criptomoedas"],"n_artigos":1},{"nome":"identidade legítima","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"instituição financeira","n":1,"n_afirmacoes":1,"outros":["pig-butchering"],"n_artigos":1},{"nome":"marketing multinível ilegal","n":1,"n_afirmacoes":1,"outros":["money game"],"n_artigos":1},{"nome":"oportunidade de investimento em criptoativos","n":1,"n_afirmacoes":1,"outros":["pig butchering"],"n_artigos":1},{"nome":"relacionamento genuíno","n":1,"n_afirmacoes":1,"outros":["golpe romântico"],"n_artigos":1}]},{"tipo":"EXPLORA","rotulo":"explora","pergunta":"O que explora para funcionar","lado":"para","total":24,"afirmadas":24,"afirmacoes":24,"afirmacoes_afirmadas":24,"itens":[{"nome":"confiança da vítima","n":6,"n_afirmacoes":6,"outros":["inovação aberta","golpe de investimento","pig butchering","engenharia social","fraude de investimento híbrida","pig-butchering"],"n_artigos":6},{"nome":"blockchain","n":3,"n_afirmacoes":3,"outros":["esquema ponzi","ataque cibernético","cibercriminoso"],"n_artigos":3},{"nome":"afinidade entre investidores","n":1,"n_afirmacoes":1,"outros":["investidores mulheres ou idosos"],"n_artigos":1},{"nome":"agentes com crenças grosseiras","n":1,"n_afirmacoes":1,"outros":["esquema de pirâmide"],"n_artigos":1},{"nome":"autoridade percebida","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"capital social","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"dissonância pós-decisão","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"falhas de segurança computacional","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"ganância","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"influência social informacional","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"princípio financeiro","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"promessa de lucros elevados","n":1,"n_afirmacoes":1,"outros":["esquema de pirâmide"],"n_artigos":1},{"nome":"promessas de alto retorno","n":1,"n_afirmacoes":1,"outros":["esquema ponzi"],"n_artigos":1},{"nome":"tendências cognitivas","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"urgência","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1},{"nome":"vulnerabilidade do mecanismo de supervisão","n":1,"n_afirmacoes":1,"outros":["esquema ponzi inteligente"],"n_artigos":1},{"nome":"vulnerabilidade psicológica","n":1,"n_afirmacoes":1,"outros":["golpe de investimento"],"n_artigos":1}]},{"tipo":"VISA","rotulo":"visa","pergunta":"Quem ou o que tem como alvo","lado":"para","total":2,"afirmadas":2,"afirmacoes":2,"afirmacoes_afirmadas":2,"itens":[{"nome":"usuário","n":2,"n_afirmacoes":2,"outros":["fraude online","esquema ponzi"],"n_artigos":2}]},{"tipo":"MITIGA","rotulo":"mitiga","pergunta":"O que o combate","lado":"de","total":20,"afirmadas":2,"afirmacoes":17,"afirmacoes_afirmadas":2,"itens":[{"nome":"detecção de anomalias","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"llm","n":1,"n_afirmacoes":1,"outros":["poluição de dados"],"n_artigos":1}]}],"Golpes de Personificação":[{"tipo":"OBTEM","rotulo":"obtém","pergunta":"O que o ataque busca obter","lado":"para","total":14,"afirmadas":14,"afirmacoes":9,"afirmacoes_afirmadas":9,"itens":[{"nome":"dinheiro","n":6,"n_afirmacoes":3,"outros":["comprometimento de e-mail corporativo","ataque de fraude","cibercriminoso"],"n_artigos":6},{"nome":"informação sensível","n":5,"n_afirmacoes":3,"outros":["comprometimento de e-mail corporativo","golpes financeiros contra idosos","spoofing"],"n_artigos":5},{"nome":"credenciais de acesso","n":1,"n_afirmacoes":1,"outros":["golpe de suporte técnico com criptomoedas"],"n_artigos":1},{"nome":"exploração financeira","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1},{"nome":"fraude online","n":1,"n_afirmacoes":1,"outros":["deepfake"],"n_artigos":1}]},{"tipo":"IMITA","rotulo":"imita","pergunta":"De quem ou do que se disfarça","lado":"para","total":10,"afirmadas":10,"afirmacoes":8,"afirmacoes_afirmadas":8,"itens":[{"nome":"identidade legítima","n":3,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":3},{"nome":"executivos","n":2,"n_afirmacoes":2,"outros":["ataque de impersonação","comprometimento de e-mail corporativo"],"n_artigos":2},{"nome":"instituição financeira","n":2,"n_afirmacoes":2,"outros":["ataque de impersonação","phishing por e-mail"],"n_artigos":2},{"nome":"aplicação da lei","n":1,"n_afirmacoes":1,"outros":["prisão digital"],"n_artigos":1},{"nome":"autoridade profissional","n":1,"n_afirmacoes":1,"outros":["golpe de personificação institucional"],"n_artigos":1},{"nome":"banco","n":1,"n_afirmacoes":1,"outros":["ataque de impersonação"],"n_artigos":1}]},{"tipo":"EXPLORA","rotulo":"explora","pergunta":"O que explora para funcionar","lado":"para","total":15,"afirmadas":15,"afirmacoes":14,"afirmacoes_afirmadas":14,"itens":[{"nome":"medo","n":3,"n_afirmacoes":3,"outros":["ataque de impersonação","golpe de suporte técnico","prisão digital"],"n_artigos":3},{"nome":"vulnerabilidade humana","n":3,"n_afirmacoes":2,"outros":["phishing","voip"],"n_artigos":3},{"nome":"autoridade percebida","n":2,"n_afirmacoes":2,"outros":["ataque de impersonação","prisão digital"],"n_artigos":2},{"nome":"urgência","n":2,"n_afirmacoes":2,"outros":["golpes financeiros contra idosos","prisão digital"],"n_artigos":2},{"nome":"anúncios patrocinados","n":1,"n_afirmacoes":1,"outros":["golpe de suporte técnico"],"n_artigos":1},{"nome":"confiança institucional","n":1,"n_afirmacoes":1,"outros":["ataque de impersonação"],"n_artigos":1},{"nome":"decodificadores dsc","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"engenharia social","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1},{"nome":"voip","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1}]},{"tipo":"VISA","rotulo":"visa","pergunta":"Quem ou o que tem como alvo","lado":"para","total":9,"afirmadas":8,"afirmacoes":6,"afirmacoes_afirmadas":5,"itens":[{"nome":"empresa","n":5,"n_afirmacoes":2,"outros":["comprometimento de e-mail corporativo","deepfake"],"n_artigos":5},{"nome":"usuário","n":2,"n_afirmacoes":2,"outros":["golpe de suporte técnico com criptomoedas","deepfake"],"n_artigos":2},{"nome":"vítima","n":1,"n_afirmacoes":1,"outros":["cibercriminoso"],"n_artigos":1}]},{"tipo":"MITIGA","rotulo":"mitiga","pergunta":"O que o combate","lado":"de","total":22,"afirmadas":12,"afirmacoes":20,"afirmacoes_afirmadas":11,"itens":[{"nome":"treinamento de conscientização em segurança","n":2,"n_afirmacoes":2,"outros":["phishing","comprometimento de e-mail corporativo"],"n_artigos":2},{"nome":"ceive","n":2,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"abordagem multicamadas","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1},{"nome":"autenticação multifator","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1},{"nome":"blockchain","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"caller id verification","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"funcionários vigilantes","n":1,"n_afirmacoes":1,"outros":["fraude online"],"n_artigos":1},{"nome":"modelo de detecção","n":1,"n_afirmacoes":1,"outros":["vishing"],"n_artigos":1},{"nome":"protocolo de segurança","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1},{"nome":"verificação de identidade","n":1,"n_afirmacoes":1,"outros":["comprometimento de e-mail corporativo"],"n_artigos":1}]}],"Ransomware":[{"tipo":"OBTEM","rotulo":"obtém","pergunta":"O que o ataque busca obter","lado":"para","total":52,"afirmadas":52,"afirmacoes":7,"afirmacoes_afirmadas":7,"itens":[{"nome":"dinheiro","n":47,"n_afirmacoes":2,"outros":["ransomware","ataque de fraude"],"n_artigos":47},{"nome":"conformidade da vítima","n":1,"n_afirmacoes":1,"outros":["ameaças cibernéticas"],"n_artigos":1},{"nome":"criptomoedas","n":1,"n_afirmacoes":1,"outros":["cibercriminoso"],"n_artigos":1},{"nome":"informação pessoal","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"informação sensível","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"violação de dados","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1}]},{"tipo":"IMITA","rotulo":"imita","pergunta":"De quem ou do que se disfarça","lado":"para","total":1,"afirmadas":1,"afirmacoes":1,"afirmacoes_afirmadas":1,"itens":[{"nome":"ransomware","n":1,"n_afirmacoes":1,"outros":["wannalaugh"],"n_artigos":1}]},{"tipo":"EXPLORA","rotulo":"explora","pergunta":"O que explora para funcionar","lado":"para","total":13,"afirmadas":13,"afirmacoes":11,"afirmacoes_afirmadas":11,"itens":[{"nome":"blockchain","n":2,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":2},{"nome":"vulnerabilidade de senha","n":2,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":2},{"nome":"baixa consciência de segurança","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"confiança institucional","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dependência mútua","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dispositivos de borda sem correção","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"informação sensível","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"processos de resiliência","n":1,"n_afirmacoes":1,"outros":["dm-plc"],"n_artigos":1},{"nome":"rust","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"vulnerabilidade de autenticação","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"vulnerabilidade de software","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1}]},{"tipo":"VISA","rotulo":"visa","pergunta":"Quem ou o que tem como alvo","lado":"para","total":53,"afirmadas":49,"afirmacoes":30,"afirmacoes_afirmadas":27,"itens":[{"nome":"empresa","n":17,"n_afirmacoes":3,"outros":["ransomware","ataque cibernético","phishing"],"n_artigos":16},{"nome":"saúde","n":8,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":8},{"nome":"usuário","n":2,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":2},{"nome":"composto de entidades humanas técnicas e virtuais","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"data centers","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dispositivos iiot com recursos limitados","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dispositivos iot","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dispositivos nas","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"gateway de borda iiot","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"hospital","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"indivíduos específicos","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"indústria alimentícia","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"informação pessoal","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"instituição financeira","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"inteligência artificial","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"llm","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"modelos de inteligência artificial","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"nas","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"operações agrícolas","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"organização","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"provedores de serviços gerenciados","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"setor de água","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"sistema operacional android","n":1,"n_afirmacoes":1,"outros":["ataque cibernético"],"n_artigos":1},{"nome":"sistemas ciber-físicos","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"tecnologia operacional","n":1,"n_afirmacoes":1,"outros":["cibercriminoso"],"n_artigos":1}]},{"tipo":"MITIGA","rotulo":"mitiga","pergunta":"O que o combate","lado":"de","total":48,"afirmadas":10,"afirmacoes":37,"afirmacoes_afirmadas":10,"itens":[{"nome":"detecção de intrusão","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"dlp","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"estratégia de resposta organizacional","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"mecanismo bayesiano compatível com incentivos","n":1,"n_afirmacoes":1,"outros":["informação incompleta"],"n_artigos":1},{"nome":"monitoramento de logs","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"procedimento de recuperação de arquivos","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"protocolo de segurança","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"rtcatch","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"seguro cibernético","n":1,"n_afirmacoes":1,"outros":["ransomware"],"n_artigos":1},{"nome":"sincronização de pressão sobre infratores finanças e infraestrutura","n":1,"n_afirmacoes":1,"outros":["convergência entre crime organizado e cibercrime"],"n_artigos":1}]}]},"modelo_extracao":"Claude Sonnet 4.6 e Claude Sonnet 5.5 via synesis-coder","modelo":"Claude Sonnet 4.6 e Claude Sonnet 5.5","modelo_por_base":{"texto integral":"Claude Sonnet 4.6","abstract":"Claude Sonnet 5.5"},"por_base":{"abstract":642,"texto integral":4},"cobertura_abstract_pct":48,"ferramenta":"synesis-coder","versao_template":"4.0","template":"artigos"},"conceitos":[{"nome":"abertura à experiência","id":"abertura_à_experiência","definicao":"Traço de personalidade (um dos grandes fatores) observado em estudantes e associado, no corpus, ao aumento da tolerância ao risco e, por meio dela, da vulnerabilidade a golpes. É tratado como característica individual do potencial alvo, junto com extroversão e neuroticismo, e não como técnica do golpista.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00056,"artigos":["ref_72db3d675ef9_00280"],"areas":["Vítima"]},{"nome":"abordagem anti-phishing","id":"abordagem_anti-phishing","definicao":"Categoria geral que agrupa estratégias e técnicas voltadas à detecção, prevenção ou mitigação de ataques de phishing. No corpus, o conceito funciona como hiperônimo que organiza abordagens distintas segundo o momento de atuação em relação à requisição de conteúdo: abordagens pré-fetch, que atuam antes da recuperação da página, e abordagens pós-fetch, que atuam após o carregamento do conteúdo. A definição é inferida exclusivamente pelas relações de tipo observadas, não havendo trechos diretos associados ao código.","topico":"Detecção_e_Prevenção_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":2,"Resultado":1,"Objetivo":1,"Conclusão":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00179,"artigos":["fraudes00073","fraudes00095","g0066_phishing","g0098_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"abordagem de estilo de vida e atividades rotineiras","id":"abordagem_de_estilo_de_vida_e_atividades_rotineiras","definicao":"Abordagem teórica criminológica, usada no corpus como quadro explicativo da vitimização, cujos componentes (estilo de vida e atividades rotineiras) são examinados quanto à associação com a chance de vitimização por ransomware. No corpus aparece em um único estudo com freelancers e PMEs na Holanda, em survey, e a relação é examinada, não confirmada.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["ref_3f42d6b2ce58_00471"],"areas":["Vítima"]},{"nome":"abordagem de multirrotulagem","id":"abordagem_de_multirrotulagem","definicao":"Abordagem simples de rotulagem múltipla proposta para marcar automaticamente os comportamentos múltiplos, comumente observados, de amostras de malware. No corpus, funciona como procedimento de classificação aplicado a amostras, atribuindo mais de um rótulo comportamental a cada uma, em vez de uma categoria única.","topico":"Classificação_Automática","aspecto":"Analítico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00072,"artigos":["fraudes00144","ref_8d955f377173_00042"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"abordagem de teste","id":"abordagem_de_teste","definicao":"Procedimento proposto para testar se um contrato inteligente possui determinada característica, no caso ser um esquema Ponzi inteligente (SPS), construído a partir da análise de contribuições anteriores. No corpus, é um método aplicado a contratos inteligentes para distingui-los e classificá-los, não uma medida nem um artefato de ataque.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00053,"artigos":["ref_72db3d675ef9_00074"],"areas":["Detecção"]},{"nome":"abordagem multicamadas","id":"abordagem_multicamadas","definicao":"Estratégia de defesa contra phishing e engenharia social que combina múltiplas camadas de proteção, controles ou mecanismos complementares, de modo que a falha de uma camada seja compensada pelas demais. No corpus, o conceito aparece em relação de mitigação frente à engenharia social, indicando que sua função central é reduzir a eficácia de ataques que exploram manipulação humana por meio da sobreposição de salvaguardas técnicas, procedimentais e/ou educacionais.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Recomendação":3,"Conclusão":2,"Método":1},"n_relacoes":4,"n_trechos":6,"pagerank":0.00123,"artigos":["fraudes00105","g0066_phishing","papathanasiou2024","ref_3f42d6b2ce58_00266","ref_3f42d6b2ce58_00908","ref_3f42d6b2ce58_01189"],"areas":["Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"abordagem proativa","id":"abordagem_proativa","definicao":"Estratégia de defesa que atua de forma antecipada, identificando contas maliciosas no momento da tentativa de entrada em uma subcomunidade, e não após a ocorrência do dano. No corpus, é aplicada à detecção de contas sybil, caracterizando-se pelo momento da intervenção.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00065,"artigos":["fraudes00149"],"areas":["Detecção"]},{"nome":"abordagem pré-fetch","id":"abordagem_pré-fetch","definicao":"Abordagem de detecção ou bloqueio de phishing que opera de forma antecipada, buscando e analisando recursos (como páginas web ou URLs) antes que o usuário os acesse efetivamente. No corpus, o conceito aparece apenas como um tipo de abordagem anti-phishing, sem descrição detalhada de seus mecanismos ou resultados.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"abordagem pós-fetch","id":"abordagem_pós-fetch","definicao":"Abordagem de detecção ou bloqueio de phishing que opera após o carregamento (fetch) do conteúdo da página ou mensagem, analisando o recurso já recuperado para identificar características maliciosas. Distingue-se de abordagens pré-fetch, que atuam antes do acesso ao conteúdo. É classificada como um subtipo de abordagem anti-phishing, posicionando-se na cadeia de processamento após a requisição e obtenção do recurso suspeito.","topico":"Detecção_De_Phishing","aspecto":"Analítico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"abstenção em decisões incertas","id":"abstenção_em_decisões_incertas","definicao":"Comportamento de um sistema de classificação que opta por não emitir uma decisão quando o grau de certeza sobre a categoria correta está abaixo de um limiar aceitável. No corpus, o conceito aparece como resultado possibilitado pela classificação seletiva, indicando que mecanismos de seleção ou filtragem de instâncias permitem ao classificador reservar o julgamento em casos ambíguos ou de baixa confiança, em vez de forçar uma atribuição potencialmente incorreta.","topico":"Detecção_e_Classificação","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ac1 de gwet","id":"ac1_de_gwet","definicao":"Coeficiente estatístico desenvolvido por Gwet para mensurar o grau de concordância entre anotadores, utilizado no corpus como alternativa ao Kappa de Cohen. Distingue-se do Kappa de Cohen por apresentar maior estabilidade em situações de distribuição assimétrica de categorias ou prevalência extrema, sendo empregado para avaliar a confiabilidade de esquemas de anotação em tarefas de classificação.","topico":"Métricas_de_Concordância","aspecto":"Quantitativo","zonas":{"Resultado":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"acesso a propriedade privada","id":"acesso_a_propriedade_privada","definicao":"Resultado obtido pelo atacante ao final de um ataque de phishing bem-sucedido, consistindo na obtenção de acesso não autorizado a bens, sistemas, contas ou dados pertencentes à vítima. No corpus, o conceito aparece como consequência direta do phishing, representando o objetivo final do ataque: a apropriação indevida de recursos privados da vítima, sejam eles digitais (credenciais, contas bancárias, dados pessoais) ou materiais.","topico":"Impacto_do_Ataque","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"acordo de investimento","id":"acordo_de_investimento","definicao":"Forma legítima de acordo de investimento, em contexto de contratos inteligentes e blockchain, cuja aparência é imitada por esquemas fraudulentos para enganar usuários. No corpus, funciona como o modelo de legitimidade que o esquema Ponzi simula, sem descrição própria de suas características.","topico":"Engano_e_Falsificação","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00064"],"areas":["Detecção"]},{"nome":"adaboost","id":"adaboost","definicao":"Algoritmo de aprendizado de máquina baseado em reforço adaptativo (adaptive boosting), que combina classificadores para formar um detector. No corpus, é empregado como componente de um esquema de detecção de fraude, aplicado a esquemas Ponzi em contratos inteligentes Ethereum, associado à análise de contexto de opcodes.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00242"],"areas":["Detecção"]},{"nome":"adequação para implantação","id":"adequação_para_implantação","definicao":"Grau em que um modelo ou sistema atende aos requisitos mínimos de desempenho e confiabilidade necessários para ser colocado em operação em ambiente real. No corpus, é operacionalizado por meio de intervalos de confiança (que medem se o desempenho estimado é suficientemente preciso e estável) e limiares de segurança (que definem o nível mínimo aceitável de desempenho para autorizar a implantação). Funciona como critério de decisão que integra métricas quantitativas e parâmetros normativos para determinar se um sistema está pronto para uso produtivo.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00145,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"adesão a esquemas de pirâmide","id":"adesão_a_esquemas_de_pirâmide","definicao":"Decisão ou ato de indivíduos de ingressar em esquemas de pirâmide não regulamentados, tratada no corpus como comportamento da vítima motivado por fatores como o retorno esperado e as condições econômicas atuais, conforme relatado por entrevistados que já participaram desses esquemas.","topico":"Vulnerabilidade_Humana","aspecto":"Econômico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_72db3d675ef9_00266"],"areas":["Vítima"]},{"nome":"afinidade entre investidores","id":"afinidade_entre_investidores","definicao":"Semelhança de perfil, em gênero e idade, entre o investidor que indica e o investidor indicado em um esquema Ponzi. No corpus, essa proximidade social orienta a propagação do esquema por indicações e está associada a maiores perdas financeiras, sobretudo entre mulheres e idosos indicados por pares de mesmo perfil.","topico":"Manipulação_Psicológica","aspecto":"Social","zonas":{"Resultado":2,"Objetivo":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00101,"artigos":["ref_72db3d675ef9_00109"],"areas":["Vítima"]},{"nome":"agentes com crenças grosseiras","id":"agentes_com_crenças_grosseiras","definicao":"Participantes de uma rede, em modelo teórico, cujas crenças são grosseiras (pouco refinadas), o que os torna passíveis de exploração por um esquema de pirâmide. No corpus aparecem como alvo visado, sem que se detalhe a natureza dessas crenças além da condição do modelo formal.","topico":"Vulnerabilidade_Humana","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["ref_72db3d675ef9_00182"],"areas":["Mecanismo do Ataque"]},{"nome":"agentes políticos reais","id":"agentes_políticos_reais","definicao":"Atores políticos humanos autênticos que participam da comunicação política em redes sociais online e cujo comportamento é tomado como modelo e imitado por social bots automatizados. No corpus aparecem como referência da imitação, em oposição às contas automatizadas, e não como alvo explícito de ataque.","topico":"Identidade_e_Representação","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00065,"artigos":["fraudes00169"],"areas":["Mecanismo do Ataque"]},{"nome":"agricultores","id":"agricultores","definicao":"Produtores rurais tratados no corpus como grupo de interesse, em estudo com produtores canadenses. Aparecem como população cuja percepção de cibersegurança difere da dos especialistas: tendem a vê-la como baixa prioridade, enquanto os especialistas apontam vulnerabilidades significativas e crescentes. O conceito designa o grupo visado e sua perspectiva, não um tipo de golpe.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00384"],"areas":["Vítima"]},{"nome":"agrupamento partition around medoids","id":"agrupamento_partition_around_medoids","definicao":"Abordagem de agrupamento por Partition Around Medoids (PAM), usada no corpus como método para selecionar características entre as extraídas de séries temporais do histórico de transações Bitcoin, em etapa de um framework de análise de pontos de mudança. O corpus a descreve como procedimento aplicado à seleção.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00032"],"areas":["Ecossistema do Atacante"]},{"nome":"ajuste adicional de modelo","id":"ajuste_adicional_de_modelo","definicao":"Processo de refinamento suplementar aplicado a um modelo já treinado, com o objetivo de adaptar seus parâmetros a um domínio ou tarefa específica. No corpus, o conceito aparece apenas como alvo de inibição por parte do limiar_de_segurança, sugerindo que a aplicação de restrições de segurança pode impedir ou limitar a realização desse ajuste adicional sobre o modelo base.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00077,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"aleatoriedade","id":"aleatoriedade","definicao":"Propriedade estatística dos dados, como arquivos ou fluxos de bytes, que pode ser quantificada por testes estatísticos. No corpus, a aleatoriedade elevada é tratada como indício de criptografia e, por extensão, de possível ataque de ransomware, servindo de sinal na detecção.","topico":"Detecção_de_Anomalias","aspecto":"Quantitativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01123"],"areas":["Detecção"]},{"nome":"algoritmo genético","id":"algoritmo_genético","definicao":"Técnica de otimização evolutiva usada no corpus para buscar agrupamentos de características que reduzam erros de falso positivo e falso negativo na detecção. Aparece como abordagem de comparação, superada em precisão por métodos baseados em aprendizado profundo ou por redução semântica sem perdas, esta com menor custo computacional.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Resultado":1,"Contexto Prévio":1,"Conclusão":1,"Objetivo":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.0011,"artigos":["fraudes00135","fraudes00201","ref_72db3d675ef9_00186"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"alvo","id":"alvo","definicao":"Dimensão da tipologia de astroturfing digital que identifica quem ou o que é visado pela ação, ao lado do tipo de ator e dos objetivos. No corpus aparece como um dos três eixos classificatórios da tipologia proposta, usado para distinguir esforços de astroturfing digital.","topico":"Alvos_de_Ataque","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00129"],"areas":["Mecanismo do Ataque"]},{"nome":"ambiguidade jurídica","id":"ambiguidade_jurídica","definicao":"Condição em que normas, regulamentos ou enquadramentos legais apresentam imprecisão, lacunas ou interpretações conflitantes que dificultam a tipificação, responsabilização ou combate ao phishing e práticas correlatas de engenharia social. No corpus, o conceito aparece associado à engenharia social, sugerindo que a manipulação psicológica explorada em ataques de phishing ocorre em zonas cinzentas do ordenamento jurídico, onde a ilicitude da conduta nem sempre é clara ou facilmente enquadrável em tipos penais ou civis existentes.","topico":"Regulação_e_Conformidade","aspecto":"Jurídico","zonas":{"Lacuna":1,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00101,"artigos":["fraudes00096","g0066_phishing","ref_72db3d675ef9_00115"],"areas":["Prevenção e Resposta"]},{"nome":"ambiguidade normativa","id":"ambiguidade_normativa","definicao":"Condição de indefinição ou incerteza quanto às normas que orientam o comportamento e a legitimidade de práticas, observada no contexto de investidores defraudados. No corpus, aparece como fator contextual que deixa as pessoas vulneráveis a golpes, segundo achado de entrevistas, sem detalhar mecanismos além dessa influência.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Jurídico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00094"],"areas":["Vítima"]},{"nome":"ameaça financeira","id":"ameaça_financeira","definicao":"Percepção ou condição de risco às finanças pessoais, tratada no corpus como desfecho associado a esquemas Ponzi e à revogação de licenças de instituições financeiras em Gana. Relaciona-se positivamente à perda de investimento, à perda de emprego, à saúde geral e à busca de informação, conforme análise estatística de uma amostra de indivíduos.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00103,"artigos":["ref_72db3d675ef9_00085"],"areas":["Vítima"]},{"nome":"ameaça à defesa alimentar","id":"ameaça_à_defesa_alimentar","definicao":"Categoria de ameaça organizada voltada à defesa alimentar, isto é, à proteção da cadeia de alimentos contra ações intencionais. No corpus, aparece como classe que abrange o ransomware, capaz de operacionalizar extorsão e sabotagem por perpetradores remotos, não visíveis e frequentemente anônimos.","topico":"Ameaças_Cibernéticas","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00336"],"areas":["Prevenção e Resposta"]},{"nome":"ameaças cibernéticas","id":"ameaças_cibernéticas","definicao":"Ameaças digitais e comunicações extorsivas dirigidas a vítimas, descritas no corpus como voltadas a influenciar o comportamento delas ou a obter sua conformidade. O uso observado é uma afirmação geral sobre a finalidade dessas ameaças, sem recorte empírico nem detalhamento de técnicas, atores ou canais específicos.","topico":"Ameaças_Cibernéticas","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01042"],"areas":["Mecanismo do Ataque"]},{"nome":"ameaças terroristas","id":"ameaças_terroristas","definicao":"Ameaças de natureza terrorista em escala global, citadas no corpus ao lado de atividades suspeitas e violações legais, como alvo que um sistema proposto de monitoramento de mensagens curtas criptografadas em mensageria instantânea pretende mitigar. A relação expressa apenas intenção da proposta, sem avaliação empírica.","topico":"Ameaças_Cibernéticas","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00191"],"areas":["Detecção"]},{"nome":"anonimato","id":"anonimato","definicao":"Característica de comunicação digital e de golpes com criptomoedas em que a identidade do agressor permanece oculta ou não rastreável. No corpus aparece como fator sugerido, não demonstrado, que acompanha a maior gravidade financeira dos golpes cripto em comparação com os tradicionais, sem evidência causal estabelecida.","topico":"Características_do_Ataque","aspecto":"Físico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00241"],"areas":["Vítima"]},{"nome":"análise de bytecode","id":"análise_de_bytecode","definicao":"Procedimento de análise de programas aplicado ao nível do bytecode de contratos, combinando análise estática e dinâmica, empregado pelo sistema SimGuard para identificar contratos de phishing. No corpus aparece como técnica de detecção sustentada por inspeção do código executável, não por conteúdo de mensagens.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Método":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.001,"artigos":["g0175_phishing","ref_72db3d675ef9_00043"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"análise de pontos de mudança","id":"análise_de_pontos_de_mudança","definicao":"Procedimento analítico aplicado a séries temporais de transações (como as de Bitcoin ligadas a Pirate@40 e MintPal) para estimar pontos em que a atividade muda. No corpus, esses pontos são associados a eventos e podem, apenas como possibilidade a investigar, apontar vínculos com atividade ilícita; o corpus não confirma essa capacidade preditiva.","topico":"Detecção_de_Anomalias","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00032"],"areas":["Ecossistema do Atacante"]},{"nome":"análise de redes sociais","id":"análise_de_redes_sociais","definicao":"Método analítico que examina as relações entre atores de uma rede para identificar fatores estruturais, como os que sustentam a resiliência de redes envolvidas em empreendimentos criminosos sofisticados. No corpus, é aplicada como abordagem de investigação ao esquema de investimento de Madoff, funcionando como instrumento de análise do objeto.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00089"],"areas":["Ecossistema do Atacante"]},{"nome":"análise de roteiro de crime","id":"análise_de_roteiro_de_crime","definicao":"Método de análise aplicado à fraude com criptoativos para examinar as etapas cronológicas e funcionais que os infratores seguem ao executar o golpe. No corpus, serve para decompor a sequência de ações do crime e produzir conhecimento sobre sua execução.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00060"],"areas":["Mecanismo do Ataque"]},{"nome":"análise de séries temporais","id":"análise_de_séries_temporais","definicao":"Método analítico aplicado a dados de incidentes de ransomware, que decompõe o conjunto em componentes de tendência, sazonalidade e resíduo, ajusta um modelo de série temporal e projeta ataques futuros. No corpus aparece como procedimento de análise e previsão, não como medida.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00042"],"areas":["Prevenção e Resposta"]},{"nome":"análise dinâmica","id":"análise_dinâmica","definicao":"Procedimento de análise do comportamento de um ransomware (como o WannaCry) observado durante sua execução, cujos resultados podem apoiar o desenvolvimento de soluções de detecção e defesa contra essa e outras famílias com comportamento semelhante. No corpus, o apoio à mitigação é apenas uma possibilidade condicionada à similaridade comportamental.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01121"],"areas":["Mecanismo do Ataque"]},{"nome":"análise dinâmica de opcodes","id":"análise_dinâmica_de_opcodes","definicao":"Método de detecção que examina a sequência de opcodes gerada durante a execução dinâmica de um programa para distinguir ransomware criptográfico de software benigno. No corpus, uma execução curta de cerca de 32 mil opcodes basta para classificar com alta acurácia, e o método é aplicado à detecção de ransomware.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01273"],"areas":["Detecção"]},{"nome":"análise forense","id":"análise_forense","definicao":"Uso de ferramentas forenses após uma infecção por ransomware para recuperar dados e identificar a vulnerabilidade explorada pelos atacantes, de modo a proteger e corrigir outros computadores da organização. No corpus aparece como alternativa ao pagamento do resgate, em proposta sem avaliação empírica no trecho.","topico":"Resposta_a_Incidentes","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_3f42d6b2ce58_01274"],"areas":["Prevenção e Resposta"]},{"nome":"anúncios patrocinados","id":"anúncios_patrocinados","definicao":"Anúncios pagos exibidos em resposta a consultas de busca online, tratados no corpus como serviço legítimo amplamente utilizado que golpes de suporte técnico passaram a explorar como canal para alcançar potenciais vítimas. Aparecem como meio de distribuição do golpe, não como o golpe em si.","topico":"Canais_de_Ataque","aspecto":"Lingual","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00053,"artigos":["ref_8d955f377173_00048"],"areas":["Ecossistema do Atacante"]},{"nome":"api-rds","id":"api-rds","definicao":"Sistema de detecção de ransomware baseado em chamadas de interface de programação de aplicações (API), proposto como paradigma de análise estática para identificar aplicativos Android maliciosos de ransomware. No corpus aparece como abordagem de detecção aplicada a ransomware, com base em características de API extraídas dos aplicativos.","topico":"Ferramentas_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01318"],"areas":["Detecção"]},{"nome":"apkowl","id":"apkowl","definicao":"Nome de um sistema automático proposto, em nível de design, para detectar malware transmitido por SMS. No corpus aparece como método de detecção aplicado ao malware, sem detalhamento de funcionamento ou desempenho além da sua finalidade declarada.","topico":"Ferramentas_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["fraudes00185"],"areas":["Detecção"]},{"nome":"aplicação da lei","id":"aplicação_da_lei","definicao":"Conjunto de ações e mecanismos institucionais exercidos por autoridades competentes para coibir, investigar e punir práticas de phishing. No corpus, o conceito aparece exclusivamente como agente mitigador do phishing, indicando que sua relevância é definida pela capacidade de reduzir a ocorrência ou o impacto desses ataques por meio de intervenção legal e coercitiva.","topico":"Resposta_Institucional","aspecto":"Jurídico","zonas":{"Resultado":3,"Recomendação":2,"Conclusão":1,"Lacuna":1,"Contexto Prévio":1,"Objeto":1,"Objetivo":1},"n_relacoes":8,"n_trechos":10,"pagerank":0.00154,"artigos":["fraudes00065","fraudes00096","g0066_phishing","ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_00617","ref_3f42d6b2ce58_01152","ref_8d955f377173_00007","ref_8d955f377173_00053"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"apoio ao ransomware","id":"apoio_ao_ransomware","definicao":"Grau de aprovação ou apoio manifestado por pessoas ao uso de ransomware, medido em survey com participantes norte-americanos. No corpus, esse apoio varia conforme o pertencimento dos atores ao endogrupo do respondente, os benefícios ao endogrupo e a adesão a fundamentos morais como autoridade e dano/cuidado.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Ético","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_3f42d6b2ce58_00976"],"areas":["Vítima"]},{"nome":"apoio público","id":"apoio_público","definicao":"Grau de aprovação ou aceitação coletiva de uma ação, mesmo moralmente questionável, por parte do público. No corpus aparece como resultado possível, apenas sugerido e sem condição declarada, de atores políticos enfatizarem benefícios ao endogrupo e a natureza de justiceiro de um ataque.","topico":"Motivação_e_Impacto_de_Ataques","aspecto":"Social","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00976"],"areas":["Vítima"]},{"nome":"aprendizado","id":"aprendizado","definicao":"Processo pelo qual decisores adquirem, a partir de exposição repetida ou experiência, maior capacidade de reconhecer engano. No corpus aparece como hipótese de trabalho: o aprendizado seria efeito da experiência e influenciaria a detecção de engano, sem evidência confirmatória nos trechos disponíveis.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Objetivo":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["banerjee2023"],"areas":["Vítima"]},{"nome":"aprendizado de atalho","id":"aprendizado_de_atalho","definicao":"Fenômeno em que modelos de aprendizado de máquina aprendem associações espúrias ou superficiais presentes nos dados de treinamento em vez de padrões causalmente relevantes, resultando em divergência de desempenho quando aplicados a dados fora da distribuição de treinamento. No corpus, o conceito aparece como causa de falhas de generalização em sistemas de detecção de phishing que dependem de características facilmente manipuláveis ou correlacionadas artificialmente com os rótulos de classe.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"aprendizado de máquina","id":"aprendizado_de_máquina","definicao":"Conjunto de métodos computacionais, incluindo aprendizado profundo, aplicados no corpus para identificar padrões fraudulentos e classificar mensagens em tarefas como detecção de phishing, filtragem de e-mail, fraude online e detecção de intrusão. Seu efeito sobre o desempenho de detecção varia conforme a representação dos dados e o contexto de implantação.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Objetivo":14,"Resultado":11,"Método":10,"Conclusão":4,"Contexto Prévio":4},"n_relacoes":23,"n_trechos":43,"pagerank":0.00576,"artigos":["fraudes00003","fraudes00036","fraudes00041","fraudes00061","fraudes00077","fraudes00118","fraudes00147","fraudes00153","fraudes00165","fraudes00179","fraudes00191","fraudes00211","fraudes00215","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00044","ref_3f42d6b2ce58_00745","ref_3f42d6b2ce58_00749","ref_3f42d6b2ce58_00766","ref_3f42d6b2ce58_00786","ref_3f42d6b2ce58_00820","ref_3f42d6b2ce58_01088","ref_3f42d6b2ce58_01251","ref_3f42d6b2ce58_01350","ref_3f42d6b2ce58_01362","ref_72db3d675ef9_00018","ref_72db3d675ef9_00039","ref_72db3d675ef9_00064","ref_72db3d675ef9_00079","ref_72db3d675ef9_00103","ref_72db3d675ef9_00104","ref_72db3d675ef9_00136","ref_72db3d675ef9_00144","ref_72db3d675ef9_00156","ref_72db3d675ef9_00170","ref_72db3d675ef9_00180","ref_72db3d675ef9_00215","ref_72db3d675ef9_00221","ref_72db3d675ef9_00251","ref_8d955f377173_00042","ref_8d955f377173_00054"],"areas":["Detecção","Mecanismo do Ataque","Não Especificado","Vítima"]},{"nome":"aprendizado profundo","id":"aprendizado_profundo","definicao":"Família de técnicas de aprendizado de máquina baseadas em redes neurais profundas, empregadas no corpus para detectar e categorizar ciberataques e phishing. Seu uso é associado à melhoria da detecção em tempo real, e em um trecho aparece como linha de base superada por abordagem de algoritmo genético; também figura como alvo de exploração em ataques.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Objetivo":6,"Resultado":3,"Contexto Prévio":1,"Método":1},"n_relacoes":9,"n_trechos":11,"pagerank":0.00261,"artigos":["fraudes00028","fraudes00096","fraudes00135","fraudes00165","fraudes00219","ref_3f42d6b2ce58_00248","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00911","ref_3f42d6b2ce58_01245","ref_3f42d6b2ce58_01266","ref_72db3d675ef9_00289"],"areas":["Detecção","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta"]},{"nome":"aprendizado supervisionado","id":"aprendizado_supervisionado","definicao":"Abordagem de aprendizado de máquina em que modelos são treinados com dados rotulados para executar uma tarefa de detecção. No corpus, aparece como o método aplicado ao problema de detectar rug-pull na plataforma Uniswap, funcionando como procedimento analítico de classificação de fraudes.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00006"],"areas":["Detecção"]},{"nome":"aprovação baseada em métricas agregadas","id":"aprovação_baseada_em_métricas_agregadas","definicao":"Mecanismo de controle de qualidade no qual a progressão ou aprovação de um artefato, modelo ou processo é condicionada ao atendimento de limiares definidos sobre métricas agregadas de desempenho ou segurança. No corpus, o conceito aparece apenas como alvo de inibição por portões de segurança, sugerindo que tais aprovações podem ser bloqueadas quando critérios de segurança não são satisfeitos. A definição é inferida exclusivamente a partir dessa relação estrutural, sem trechos diretos de suporte.","topico":"Controle_de_Qualidade","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"aprovação de modelo","id":"aprovação_de_modelo","definicao":"Processo pelo qual um modelo de detecção de phishing é aceito ou validado para uso, inferido a partir das relações observadas no corpus. A aprovação é inibida pelo limiar de segurança — valores mais restritivos do limiar reduzem a probabilidade de um modelo ser aprovado — e influenciada pela taxa phishing-para-legítimo, que representa a proporção de exemplos de cada classe no conjunto de avaliação. O conceito opera no contexto de validação e seleção de modelos classificadores, funcionando como um critério de aceitação que equilibra sensibilidade a ataques e tolerância a falsos positivos.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":2,"Conclusão":1,"Resultado":1},"n_relacoes":2,"n_trechos":4,"pagerank":0.00136,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"aprovação de modelo com trade-off de segurança","id":"aprovação_de_modelo_com_trade-off_de_segurança","definicao":"Processo de aprovação de modelos de aprendizado de máquina ou sistemas automatizados que envolve a aceitação deliberada de compromissos entre desempenho e segurança, ou seja, situações em que ganhos em uma dimensão (como acurácia ou usabilidade) implicam concessões em outra (como robustez a ataques ou resistência a manipulações). No corpus, o conceito aparece apenas como alvo de inibição por critérios de segurança, sugerindo que tais critérios atuam como restrições que limitam ou impedem aprovações de modelos quando os trade-offs de segurança são considerados inaceitáveis. A definição é inferida exclusivamente a partir dessa relação estrutural, sem trechos diretos disponíveis.","topico":"Avaliação_de_Modelos","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"arquitetura de três pilares baseada em risco","id":"arquitetura_de_três_pilares_baseada_em_risco","definicao":"Proposta de desenho regulatório composta por três pilares (aviso prévio ao pagamento, relatório posterior ao pagamento e proibições direcionadas a entidades definidas), fundamentada em regulação baseada em risco e apoiada por medidas auxiliares, sugerida para enfrentar pagamentos de ransomware na União Europeia, sem teste empírico no corpus.","topico":"Regulação_e_Governança_de_Cibersegurança","aspecto":"Jurídico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00187"],"areas":["Prevenção e Resposta"]},{"nome":"arquitetura transformer","id":"arquitetura_transformer","definicao":"Arquitetura de rede neural baseada em mecanismos de atenção, utilizada no corpus como base para modelos de linguagem aplicados à detecção de phishing por e-mail. Aparece como categoria geral da qual modelos específicos, como o DistilRoBERTa, são instâncias (TIPO_DE), e como recurso técnico empregado em sistemas de detecção automatizada (USA). Não há trechos diretos no corpus que detalhem seu funcionamento interno; sua presença é inferida pelas relações com conceitos adjacentes.","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00089,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"assistência informacional sem extrapolação","id":"assistência_informacional_sem_extrapolação","definicao":"Tratamento experimental em que se fornece aos participantes ajuda informacional sobre a distribuição dos ganhos de um esquema de pirâmide, sem exigir que extrapolem a informação por conta própria. No corpus, apenas essa forma de assistência aparece associada à redução do investimento no esquema.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00067,"artigos":["ref_72db3d675ef9_00190"],"areas":["Vítima"]},{"nome":"astroturfing digital","id":"astroturfing_digital","definicao":"Atividade online falsa de base popular, definida no corpus como forma fabricada, enganosa e estratégica de ação top-down na Internet, iniciada por atores políticos, que imita a atividade espontânea de indivíduos autônomos. Associa-se ao uso de bots para criar opinião pública artificial; contramedidas restritivas e de incentivo foram apenas exploradas.","topico":"Manipulação_Psicológica","aspecto":"Social","zonas":{"Objeto":1,"Recomendação":1,"Resultado":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00154,"artigos":["fraudes00129","fraudes00169"],"areas":["Mecanismo do Ataque"]},{"nome":"ataque avançado de vishing","id":"ataque_avançado_de_vishing","definicao":"Modalidade de vishing que emprega tecnologias avançadas, como VoIP, para conduzir ataques de engenharia social por voz. Inferido a partir das relações observadas no corpus: é classificado como um tipo de vishing e utiliza infraestrutura VoIP como meio de execução, sugerindo maior sofisticação técnica em relação a formas convencionais de fraude telefônica.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00075,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque cibernético","id":"ataque_cibernético","definicao":"Categoria ampla de ações maliciosas realizadas no ambiente digital, da qual o phishing constitui um tipo específico. No corpus, o conceito aparece como hiperônimo que situa o phishing dentro de um espectro mais abrangente de ameaças digitais, sem que propriedades adicionais da categoria sejam detalhadas nos trechos disponíveis.","topico":"Ameaças_Digitais","aspecto":"Formativo","zonas":{"Resultado":10,"Contexto Prévio":10,"Conclusão":7,"Objetivo":6,"Recomendação":6,"Método":2,"Objeto":1},"n_relacoes":33,"n_trechos":42,"pagerank":0.00919,"artigos":["fraudes00028","fraudes00035","fraudes00052","fraudes00054","fraudes00065","fraudes00087","fraudes00105","fraudes00106","fraudes00107","fraudes00132","fraudes00150","fraudes00155","fraudes00165","fraudes00213","g0066_phishing","ref_3f42d6b2ce58_00109","ref_3f42d6b2ce58_00500","ref_3f42d6b2ce58_00614","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_00841","ref_3f42d6b2ce58_00992","ref_3f42d6b2ce58_01157","ref_3f42d6b2ce58_01283","ref_3f42d6b2ce58_01284","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01354","ref_72db3d675ef9_00159","ref_8d955f377173_00007","ref_8d955f377173_00022"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"ataque cibernético corporativo","id":"ataque_cibernético_corporativo","definicao":"Incidente de segurança direcionado a organizações corporativas, no qual o phishing figura como vetor causal ou fator associado. No corpus, o conceito aparece exclusivamente por meio de relações com phishing, sendo referenciado como consequência ou contexto de ataques de phishing que visam ambientes empresariais. Não há trechos diretos que detalhem suas características internas, limitando a definição ao papel de alvo ou resultado de campanhas de phishing no contexto organizacional.","topico":"Ameaças_Cibernéticas","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque de fraude","id":"ataque_de_fraude","definicao":"Evento ou ação maliciosa em que um agente engana uma vítima para obter vantagem indevida, frequentemente por meio de comunicações falsas ou enganosas. No corpus, o conceito aparece como consequência ou manifestação concreta do phishing, indicando que ataques de phishing são tratados como uma categoria específica de fraude. A relação observada posiciona o ataque de fraude como resultado direto da atividade de phishing, sem distinção clara entre o vetor (phishing) e o evento fraudulento em si.","topico":"Ataques_Cibernéticos","aspecto":"Formativo","zonas":{"Contexto Prévio":6,"Resultado":1},"n_relacoes":5,"n_trechos":7,"pagerank":0.0016,"artigos":["fraudes00035","g0066_phishing","qachfar2024241","ref_3f42d6b2ce58_00789"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"ataque de impersonação","id":"ataque_de_impersonação","definicao":"Ataque em que o agente malicioso se passa por uma entidade legítima (pessoa, organização ou serviço) para enganar a vítima e obter acesso não autorizado, credenciais ou informações sensíveis. No corpus, o conceito aparece principalmente em relação bidirecional com autenticação_multifator: por um lado, mecanismos de autenticação multifator são apontados como mitigadores desse tipo de ataque; por outro, o próprio ataque de impersonação é descrito como capaz de inibir ou contornar a eficácia da autenticação multifator, sugerindo que técnicas avançadas de impersonação podem comprometer até camadas adicionais de verificação de identidade.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Resultado":6,"Contexto Prévio":4,"Objeto":2,"Objetivo":1,"Recomendação":1},"n_relacoes":14,"n_trechos":14,"pagerank":0.00361,"artigos":["fraudes00188","g0066_phishing","ref_72db3d675ef9_00176","ref_8d955f377173_00001","ref_8d955f377173_00003","ref_8d955f377173_00013","ref_8d955f377173_00024","ref_8d955f377173_00052"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"ataque de replay","id":"ataque_de_replay","definicao":"Técnica de ataque em que credenciais ou tokens de autenticação previamente capturados são reutilizados para obter acesso não autorizado, contornando mecanismos de verificação de identidade. No corpus, o conceito aparece exclusivamente em relação de inibição com a autenticação multifator, indicando que a autenticação multifator atua como contramedida capaz de neutralizar ou reduzir a eficácia desse tipo de ataque.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque de um clique","id":"ataque_de_um_clique","definicao":"Modalidade de ataque de phishing em que uma única interação do usuário — tipicamente um clique em um link ou botão malicioso — desencadeia a instalação de malware no dispositivo da vítima. No corpus, o conceito aparece como subtipo de phishing direcionado ao sistema operacional Android, indicando que a execução do ataque explora o ambiente móvel para comprometer o dispositivo com mínima fricção para o usuário.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":2,"Resultado":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00113,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque direcionado","id":"ataque_direcionado","definicao":"Modalidade de ataque de phishing caracterizada por ser direcionada a alvos específicos, em contraste com ataques oportunistas que visam vítimas indiscriminadas. No corpus, o conceito aparece como subtipo de engenharia social, implicando que o atacante seleciona e estuda o alvo antes de executar a ação maliciosa, personalizando a abordagem para aumentar a probabilidade de sucesso. A distinção central em relação ao ataque oportunista reside na intencionalidade e especificidade da seleção do alvo.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":2,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00123,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00567"],"areas":["Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"ataque oportunista","id":"ataque_oportunista","definicao":"Modalidade de ataque de engenharia social caracterizada por não ter um alvo específico predefinido, sendo direcionada indiscriminadamente a um conjunto amplo de vítimas potenciais. No corpus, o conceito aparece principalmente em contraste com o ataque direcionado (spear phishing), que mira indivíduos ou organizações específicas, enquanto o ataque oportunista explora oportunidades genéricas sem personalização significativa para a vítima.","topico":"Taxonomia_de_Ataques","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00079,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"atendimento de emergência","id":"atendimento_de_emergência","definicao":"Prestação de cuidados agudos e emergenciais em hospitais, incluindo o fluxo de trabalho do pronto-socorro, tratada no corpus como função assistencial afetada por ataques de ransomware, segundo relatos de profissionais entrevistados e análise de ataques a hospitais na Europa e nos Estados Unidos.","topico":"Impactos_de_Ataques","aspecto":"Biótico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00807"],"areas":["Vítima"]},{"nome":"atitude de investimento","id":"atitude_de_investimento","definicao":"Disposição ou avaliação psicológica da vítima em relação ao ato de investir, tratada como construto do comportamento planejado. No corpus, aparece como fator com impacto positivo significativo sobre a intenção de investir em vítimas de golpes de investimento, em amostra de 287 vítimas na China, via modelagem de equações estruturais.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00052"],"areas":["Vítima"]},{"nome":"atividade cibercriminosa","id":"atividade_cibercriminosa","definicao":"Conjunto de ações e práticas criminosas realizadas no ambiente digital, tratado no corpus como fenômeno amplo que pode ser moldado por fatores externos, como o papel dos Estados. A única evidência é uma pergunta de pesquisa sobre a influência estatal, sem detalhar modalidades, atores ou métodos específicos.","topico":"Crimes_Digitais","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00046"],"areas":["Ecossistema do Atacante"]},{"nome":"atividade de base autônoma","id":"atividade_de_base_autônoma","definicao":"Atividade online de baixo para cima realizada por indivíduos autônomos, sem direção estratégica de atores políticos. No corpus, aparece como o modelo genuíno que o astroturfing digital imita, em contraste com a atividade fabricada, enganosa e conduzida de cima para baixo.","topico":"Engano_e_Falsificação","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00063,"artigos":["fraudes00129"],"areas":["Mecanismo do Ataque"]},{"nome":"atividade ilícita","id":"atividade_ilícita","definicao":"Ações ilegais ou fraudulentas associadas a transações, como as realizadas em esquemas com Bitcoin, que podem ser investigadas a partir de alterações no padrão de atividade transacional. No corpus aparece apenas como possível vínculo, sugerido de forma cautelosa e condicionado a investigação adicional, sem confirmação do nexo.","topico":"Crimes_Digitais","aspecto":"Ético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00032"],"areas":["Ecossistema do Atacante"]},{"nome":"atividades rotineiras de risco","id":"atividades_rotineiras_de_risco","definicao":"Comportamentos cotidianos da pessoa que a expõem a golpistas, como participar de sorteios ou atender chamadas desconhecidas. No corpus, são tratados como variável associada à frequência de vitimização entre idosos vítimas de fraude de marketing de massa, sem afirmação causal além dessa associação investigada.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00161"],"areas":["Vítima"]},{"nome":"atratividade do alvo","id":"atratividade_do_alvo","definicao":"Grau em que uma vítima potencial, pessoa ou organização, é percebida como atraente para agressores motivados, entendida no corpus como um dos fatores da teoria das atividades rotineiras, ao lado da exposição e da guardiania. Aparece associada, de forma parcial, à explicação da vitimização por ransomware em um survey na Holanda.","topico":"Alvos_de_Ataque","aspecto":"Econômico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["ref_3f42d6b2ce58_00471"],"areas":["Vítima"]},{"nome":"auditoria de sobreposição","id":"auditoria_de_sobreposição","definicao":"Procedimento de verificação destinado a identificar e eliminar sobreposições indevidas entre conjuntos de dados utilizados no treinamento e na avaliação de modelos, prevenindo a contaminação dos dados de treinamento. No corpus, o conceito aparece exclusivamente como relação inferida, sem trechos diretos que detalhem sua operacionalização, sendo caracterizado pelo papel de mitigação de um risco metodológico específico ao aprendizado de máquina aplicado à detecção de phishing.","topico":"Qualidade_de_Dados","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"augmentação controlada de fonte","id":"augmentação_controlada_de_fonte","definicao":"Técnica de aumento de dados que utiliza amostras de uma fonte específica para enriquecer o treinamento de modelos aplicados a outra fonte, com o objetivo de melhorar o desempenho em cenários de transferência entre domínios ou conjuntos de dados distintos. No corpus, aparece como recurso metodológico empregado no contexto de detecção de phishing gerado por IA (trustphish-ai), influenciando métricas de desempenho entre fontes de dados.","topico":"Metodologia_de_Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Método":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00112,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"augmentação de dados","id":"augmentação_de_dados","definicao":"Técnica de expansão artificial do conjunto de treinamento utilizada em modelos de detecção de phishing, cujo efeito sobre métricas de desempenho — como macro-F1 agregado, phishing recall, resistência a fontes e desempenho em cenários family-disjoint — é investigado no corpus. As relações observadas indicam que a augmentação de dados é tratada como variável de intervenção que pode influenciar a capacidade de generalização e robustez dos classificadores, sem que o corpus especifique um mecanismo único de implementação.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":5,"Objetivo":2,"Conclusão":2,"Método":2},"n_relacoes":9,"n_trechos":11,"pagerank":0.0038,"artigos":["fraudes00077","g0293_phishing","ref_3f42d6b2ce58_00748","ref_3f42d6b2ce58_01245"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"augmentação orientada a fonte","id":"augmentação_orientada_a_fonte","definicao":"Técnica de aumento de dados em que exemplos sintéticos são gerados a partir de fontes específicas de phishing, com o objetivo de ampliar e diversificar o conjunto de treinamento de modelos de detecção. A relação observada no corpus indica que essa abordagem influencia o desempenho de detecção, sugerindo que a origem controlada dos dados sintéticos é um fator relevante para a qualidade do modelo resultante. Por não haver trechos diretos do corpus associados ao conceito, a definição baseia-se exclusivamente na cadeia relacional registrada.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00051,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ausência de autenticação de dois fatores","id":"ausência_de_autenticação_de_dois_fatores","definicao":"Condição em que uma organização ou indivíduo não adota autenticação de dois fatores como controle de acesso. No corpus, aparece como característica de segurança associada a maiores chances de vitimização por ransomware em survey com freelancers e pequenas e médias empresas, sem afirmação causal além da associação estatística observada.","topico":"Autenticação_e_Controle_de_Acesso","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["ref_3f42d6b2ce58_00471"],"areas":["Vítima"]},{"nome":"ausência de guardiões eficazes","id":"ausência_de_guardiões_eficazes","definicao":"Condição em que faltam protetores, fiscalização ou mecanismos de vigilância capazes de impedir a ação de criminosos. No corpus, aparece como um dos elementos, junto de criminosos motivados e alvos adequados, cuja convergência é investigada quanto à propagação de esquemas de pirâmide no Sri Lanka. A relação é enunciada como questão de pesquisa, não como vínculo confirmado.","topico":"Contexto_Organizacional","aspecto":"Jurídico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["ref_72db3d675ef9_00177"],"areas":["Vítima"]},{"nome":"ausência de regulação","id":"ausência_de_regulação","definicao":"Condição de falta de regulação formal sobre determinado ambiente, como exchanges descentralizadas de criptoativos. No corpus, é apresentada como circunstância institucional que viabiliza o surgimento de esquemas fraudulentos de investimento, como Ponzi, honey pot, pump-and-dump e rug-pull. Refere-se à lacuna normativa, não ao golpe em si.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00006"],"areas":["Detecção"]},{"nome":"autenticação de dois fatores","id":"autenticação_de_dois_fatores","definicao":"Mecanismo de segurança que exige dois fatores distintos para verificar a identidade de um usuário, funcionando como controle de acesso adicional além da senha. No corpus, é referenciado principalmente em relação ao phishing: por um lado, mitiga ataques de phishing ao dificultar o acesso não autorizado mesmo quando credenciais são comprometidas; por outro lado, pode ser contornado por técnicas de engenharia social e por malware como serviço (MaaS), que exploram suas vulnerabilidades para interceptar ou bypassar o segundo fator de autenticação.","topico":"Mecanismos_de_Segurança","aspecto":"Formativo","zonas":{"Contexto Prévio":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.001,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"autenticação multifator","id":"autenticação_multifator","definicao":"Mecanismo de segurança que exige múltiplos fatores de verificação para autenticar a identidade de um usuário, observado no corpus principalmente por suas relações com ataques de impersonação, replay e ações de cibercriminosos. As relações indicam que a autenticação multifator atua como controle mitigador de ataques de impersonação, ao mesmo tempo em que é alvo de inibição por parte de cibercriminosos, ataques de replay e pelos próprios ataques de impersonação, sugerindo que adversários buscam contornar ou neutralizar esse mecanismo como parte de suas estratégias ofensivas.","topico":"Mecanismos_de_Defesa","aspecto":"Formativo","zonas":{"Contexto Prévio":4,"Conclusão":1,"Lacuna":1,"Resultado":1,"Recomendação":1},"n_relacoes":8,"n_trechos":8,"pagerank":0.00231,"artigos":["fraudes00060","fraudes00097","g0066_phishing","papathanasiou2024","ref_3f42d6b2ce58_00052"],"areas":["Prevenção e Resposta"]},{"nome":"autoeficácia","id":"autoeficácia","definicao":"Fator motivacional preventivo (SE) que corresponde à crença do indivíduo em sua capacidade de adotar comportamentos de proteção contra ameaças digitais. No corpus aparece como preditor da intenção comportamental, sendo examinado em estudantes universitários, e não mostrou contribuição significativa para essa intenção, ao contrário de outros fatores preventivos.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00089,"artigos":["ref_3f42d6b2ce58_00708"],"areas":["Vítima"]},{"nome":"autores afiliados à indústria","id":"autores_afiliados_à_indústria","definicao":"Pesquisadores vinculados à própria indústria de marketing multinível (MLM) que publicam na literatura acadêmica de marketing. No corpus, aparecem como um grupo de autores com influência substancial sobre essa literatura, associada a uma visão distorcida e excessivamente positiva do MLM, o que levanta a questão de vieses de afiliação na produção científica.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00053"],"areas":["Mecanismo do Ataque"]},{"nome":"autoridade percebida","id":"autoridade_percebida","definicao":"Percepção de que uma entidade (pessoa, organização ou sistema) possui poder legítimo, credibilidade ou status que justifica obediência ou conformidade. No corpus, o conceito aparece como um dos vetores explorados pela engenharia social em ataques de phishing: mensagens fraudulentas invocam figuras de autoridade (instituições financeiras, órgãos governamentais, superiores hierárquicos) para induzir a vítima a cumprir solicitações sem questionar sua legitimidade. A relação observada é de exploração, indicando que a engenharia social se vale da autoridade percebida como alavanca psicológica para reduzir a resistência crítica do alvo.","topico":"Manipulação_Psicológica","aspecto":"Pístico","zonas":{"Resultado":3,"Objeto":1,"Contexto Prévio":1,"Objetivo":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00149,"artigos":["fraudes00056","g0066_phishing","ref_72db3d675ef9_00051","ref_72db3d675ef9_00127","ref_8d955f377173_00024","ref_8d955f377173_00053"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"autoridade profissional","id":"autoridade_profissional","definicao":"Papel ou posição de autoridade ligada a uma profissão ou instituição, que o golpista projeta sobre si por meio de posturas comunicativas recorrentes nas interações. No corpus, aparece como identidade imitada em golpes de personificação institucional, indicando competência e legitimidade para conduzir a vítima.","topico":"Identidade_e_Representação","aspecto":"Estético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00014"],"areas":["Mecanismo do Ataque"]},{"nome":"avaliação de credibilidade de cenários de golpe","id":"avaliação_de_credibilidade_de_cenários_de_golpe","definicao":"Abordagem simples de avaliação em que participantes classificam a credibilidade de cenários de golpe apresentados, usada no corpus como indicador promissor da vulnerabilidade a golpes. Trata-se de um procedimento de mensuração baseado em julgamentos, sem evidência adicional sobre sua operacionalização detalhada ou validade comprovada.","topico":"Avaliação_de_Confiabilidade","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["fraudes00133"],"areas":["Vítima"]},{"nome":"avaliação de risco","id":"avaliação_de_risco","definicao":"Procedimento de análise conduzido por vítimas de ransomware e seus assessores para avaliar integralmente as consequências para a segurança da informação antes de negociar com grupos de extorsão. No corpus aparece como recomendação de gestão, associada à mitigação de vazamento de dados de terceiros, sem teste direto de sua eficácia.","topico":"Gestão_de_Risco","aspecto":"Analítico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00076,"artigos":["ref_3f42d6b2ce58_00440"],"areas":["Prevenção e Resposta"]},{"nome":"avaliações online falsificadas","id":"avaliações_online_falsificadas","definicao":"Avaliações online falsificadas (FORs) são avaliações publicadas em redes sociais cujo conteúdo é forjado ou enganoso quanto à experiência ou à motivação do autor. No corpus, aparecem como categoria geral com quatro formas identificadas em entrevistas com autores de avaliações de alimentos e bebidas, entre elas equity equalizing e malicious profiteering.","topico":"Engano_e_Falsificação","aspecto":"Lingual","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00182"],"areas":["Mecanismo do Ataque"]},{"nome":"ação operacional de bloqueio","id":"ação_operacional_de_bloqueio","definicao":"Ação de natureza operacional voltada ao bloqueio de atividades ou entidades maliciosas, inferida no corpus como consequência prática habilitada por uma taxonomia de três classes. Embora o conceito não apareça diretamente em trechos codificados, sua relação com a taxonomia sugere que se trata de uma resposta ou contramedida concreta — como bloquear URLs, domínios ou mensagens de phishing — que se torna viável a partir da classificação estruturada de ameaças. A definição é limitada pela ausência de ocorrências diretas no corpus.","topico":"Contramedidas_e_Defesa","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00072,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"baiting","id":"baiting","definicao":"Técnica de engenharia social em que o atacante oferece uma isca (física ou digital, como mídias removíveis infectadas ou downloads atrativos) para induzir a vítima a executar uma ação que resulta em exposição a malware ou comprometimento de sistema. No corpus, o conceito aparece exclusivamente por meio de relações estruturais: é classificado como um tipo de engenharia social, utiliza mecanismos de engenharia social em sua execução e causa exposição a malware como consequência.","topico":"Engenharia_Social","aspecto":"Formativo","zonas":{"Objeto":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00094,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"baixa consciência de segurança","id":"baixa_consciência_de_segurança","definicao":"Condição em que indivíduos ou organizações apresentam conhecimento insuficiente sobre ameaças de segurança da informação, práticas de proteção e riscos associados a ataques como phishing, tornando-os mais vulneráveis à exploração por agentes maliciosos. No corpus, o conceito aparece como fator explorado pelo phishing, indicando que a ausência ou deficiência de consciência de segurança constitui uma vulnerabilidade humana que facilita o sucesso de ataques.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Sensitivo","zonas":{"Conclusão":3,"Contexto Prévio":2},"n_relacoes":4,"n_trechos":5,"pagerank":0.00133,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00258","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01260","ref_72db3d675ef9_00004"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"balanceamento hierárquico","id":"balanceamento_hierárquico","definicao":"Técnica ou conjunto de procedimentos aplicados durante o treinamento ou avaliação de modelos de classificação hierárquica para compensar desequilíbrios na distribuição de classes em diferentes níveis da hierarquia. No corpus, o conceito aparece como fator que influencia métricas de desempenho como macro-F1 composto e phishing recall, sugerindo seu papel na calibração do modelo para que categorias minoritárias (como subtipos específicos de phishing) não sejam sistematicamente sub-representadas nas predições.","topico":"Classificação_Automática","aspecto":"Analítico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00092,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"banco","id":"banco","definicao":"Instituição financeira que aparece no corpus como alvo de imitação em ataques de phishing por e-mail. O conceito é observado exclusivamente na relação em que mensagens de phishing se passam por bancos para enganar vítimas, indicando que bancos figuram como entidades cuja identidade e marca são falsificadas pelos atacantes.","topico":"Alvos_de_Phishing","aspecto":"Social","zonas":{"Contexto Prévio":2,"Objeto":1,"Resultado":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00094,"artigos":["fraudes00017","fraudes00041","g0066_phishing","ref_8d955f377173_00052"],"areas":["Detecção","Prevenção e Resposta","Vítima"]},{"nome":"barra de ferramentas antiphishing","id":"barra_de_ferramentas_antiphishing","definicao":"Ferramenta de segurança integrada ao navegador web que visa detectar e alertar usuários sobre sites de phishing, funcionando como mecanismo de mitigação de ataques. No corpus, aparece em relações que indicam que técnicas de segurança em nível de sistema operacional a superam em eficácia, e que o próprio phishing pode inibir sua efetividade, sugerindo que atacantes desenvolvem estratégias para contorná-la. Representa uma camada de defesa do lado do cliente, posicionada entre o usuário e o conteúdo malicioso.","topico":"Mecanismos_de_Defesa","aspecto":"Formativo","zonas":{"Conclusão":2,"Método":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00096,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"bem-estar dos profissionais de saúde","id":"bem-estar_dos_profissionais_de_saúde","definicao":"Condição de bem-estar pessoal dos profissionais de saúde, como os que atuam em serviços de emergência, relatada por participantes de estudo qualitativo como afetada por ataques de ransomware. No corpus aparece como consequência humana percebida do ataque, ao lado do fluxo de trabalho e do atendimento agudo, sem medida quantitativa.","topico":"Impacto_de_Ataques","aspecto":"Biótico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00807"],"areas":["Vítima"]},{"nome":"benefício financeiro","id":"benefício_financeiro","definicao":"Ganho financeiro obtido pelo golpista como resultado de uma fraude, tratado no corpus como saída (output) a ser examinada em relação ao esforço criminoso investido. Em casos de fraude contra empresas, aparece correlacionado positivamente ao esforço, sem que o corpus estabeleça direção causal.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["ref_8d955f377173_00018"],"areas":["Mecanismo do Ataque"]},{"nome":"bert","id":"bert","definicao":"Modelo de linguagem de aprendizado profundo baseado em transformers (Bidirectional Encoder Representations from Transformers), empregado no corpus como componente de um sistema de detecção de engenharia social em dados do Twitter mapeados para o framework MITRE ATT&CK. Em comparação com LSTM e RNN, apresentou melhor desempenho, com acurácia de 95%.","topico":"Modelos_de_Linguagem","aspecto":"Analítico","zonas":{"Resultado":3,"Objetivo":2,"Método":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00217,"artigos":["fraudes00160","fraudes00161","g0257_phishing"],"areas":["Detecção","Não Especificado"]},{"nome":"bert-ontosent","id":"bert-ontosent","definicao":"Abordagem híbrida de análise de sentimento que combina a capacidade contextual do BERT com conhecimento estruturado baseado em ontologia. No corpus, o BERT figura como componente do método e a abordagem apresenta melhorias de acurácia e F1-score sobre linhas de base apenas com BERT ou apenas com ontologia, em conjuntos de dados específicos. O artigo está fora do tema phishing.","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00056,"artigos":["fraudes00161"],"areas":["Não Especificado"]},{"nome":"bert-ota","id":"bert-ota","definicao":"Arquitetura proposta de transformer (Ontology Transformer with Attention) que integra conhecimento ontológico aos mecanismos de atenção do BERT para classificação de texto. No corpus, aparece como modelo que usa ontologia como insumo e supera outros modelos de detecção em acurácia e F1 em conjunto combinado de dados, em contexto de discurso de ódio.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00074,"artigos":["fraudes00196"],"areas":["Detecção"]},{"nome":"bias ratio","id":"bias_ratio","definicao":"Métrica quantitativa que compara a distribuição observada dos retornos de um ativo com a de retornos não enviesados, de modo a quantificar o viés. No corpus, é proposta como indicador, usado em conjunto com outras métricas, de manipulação de retornos e de possível fraude em hedge funds, com base em casos históricos conhecidos.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_72db3d675ef9_00226"],"areas":["Detecção"]},{"nome":"blockchain","id":"blockchain","definicao":"Tecnologia de registro distribuído citada no corpus como contramedida contra ameaças de segurança, entre elas phishing e colusão em sistemas de avaliação e review. Suas características atribuídas são imutabilidade, segurança e anonimato. As menções são afirmações de contexto da literatura, sem teste empírico no estudo.","topico":"Mecanismos_de_Segurança","aspecto":"Físico","zonas":{"Contexto Prévio":18,"Objetivo":3,"Conclusão":2,"Resultado":2},"n_relacoes":15,"n_trechos":25,"pagerank":0.00282,"artigos":["fraudes00030","fraudes00195","ref_3f42d6b2ce58_00297","ref_3f42d6b2ce58_00632","ref_3f42d6b2ce58_00750","ref_3f42d6b2ce58_00784","ref_3f42d6b2ce58_00882","ref_3f42d6b2ce58_01112","ref_3f42d6b2ce58_01317","ref_3f42d6b2ce58_01350","ref_72db3d675ef9_00018","ref_72db3d675ef9_00039","ref_72db3d675ef9_00043","ref_72db3d675ef9_00103","ref_72db3d675ef9_00129","ref_72db3d675ef9_00156","ref_72db3d675ef9_00159","ref_72db3d675ef9_00162","ref_72db3d675ef9_00166","ref_72db3d675ef9_00197","ref_72db3d675ef9_00247","tas202460123"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"bolha de ações da enron","id":"bolha_de_ações_da_enron","definicao":"Episódio de formação e colapso do preço das ações da Enron, tratado no corpus como fenômeno de mercado cuja emergência e ruptura são investigadas quanto à influência de mecanismos endógenos de mercado, além da má conduta gerencial. A relação aparece como pergunta de avaliação, não como vínculo estabelecido.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00291"],"areas":["Mecanismo do Ataque"]},{"nome":"bootstrap pareado","id":"bootstrap_pareado","definicao":"Técnica de reamostragem estatística utilizada para comparar o desempenho de dois modelos de forma pareada, estimando a distribuição da diferença entre suas métricas por meio de múltiplas amostras geradas com reposição a partir dos mesmos dados de teste. No corpus, aparece como método de inferência estatística que mede a variação de desempenho entre modelos, permitindo avaliar se diferenças observadas são estatisticamente significativas.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"bots","id":"bots","definicao":"Sistemas automatizados de software capazes de executar tarefas repetitivas em escala, referenciados no corpus como ferramentas utilizadas em ataques de phishing automatizado. A relação observada indica que bots são empregados como mecanismo operacional no contexto de phishing automatizado, embora não haja trechos diretos do corpus que detalhem suas propriedades ou funcionamento interno.","topico":"Automação_de_Ataques","aspecto":"Formativo","zonas":{"Objeto":3,"Contexto Prévio":2,"Objetivo":1,"Resultado":1},"n_relacoes":7,"n_trechos":7,"pagerank":0.00235,"artigos":["fraudes00118","fraudes00121","fraudes00142","fraudes00168","fraudes00169","g0066_phishing"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"btc-e","id":"btc-e","definicao":"Bolsa de Bitcoin, hoje extinta, usada por operadores de ransomware para converter em dinheiro (sacar) os pagamentos de resgate recebidos. No corpus aparece como o recurso financeiro específico empregado no escoamento dos ganhos, no período analisado, e não como alvo, vetor ou técnica de ataque.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01275"],"areas":["Ecossistema do Atacante"]},{"nome":"cabeçalho de e-mail","id":"cabeçalho_de_e-mail","definicao":"Conjunto de metadados estruturados que acompanham uma mensagem de e-mail, contendo informações como endereço de origem, remetente, destinatário, rota de entrega e campos técnicos auxiliares (como X-Originating-IP). No corpus, o cabeçalho de e-mail é tratado como componente técnico da mensagem que pode ser inspecionado para identificar indícios de falsificação de remetente (spoofing) e, por extensão, de phishing, funcionando como vetor de análise forense e mitigação de ataques.","topico":"Análise_de_E-mail","aspecto":"Lingual","zonas":{"Recomendação":2,"Objeto":1,"Lacuna":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00144,"artigos":["g0066_phishing","g0204_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"calibração do modelo","id":"calibração_do_modelo","definicao":"Propriedade de um modelo preditivo que expressa o grau de concordância entre as probabilidades estimadas pelo modelo e as frequências reais de ocorrência dos eventos. No corpus, o conceito é operacionalizado indiretamente por meio do erro de calibração esperado, que o mede: quanto menor o erro, melhor calibrado é o modelo, indicando que suas saídas probabilísticas refletem com fidelidade a distribuição empírica dos dados.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"caller id verification","id":"caller_id_verification","definicao":"Solução proposta (CIV) para verificar a identidade de quem origina uma chamada telefônica, sem depender de infraestrutura de chaves públicas (PKI). Funciona como contramedida ao spoofing de identificador de chamadas, implementando um processo de desafio-resposta que, em conjunto com sinais DTMF, emprega o próprio spoofing de número como recurso.","topico":"Autenticação_e_Verificação","aspecto":"Formativo","zonas":{"Objetivo":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00046,"artigos":["wang2023"],"areas":["Prevenção e Resposta"]},{"nome":"campanha publicitária em rede social","id":"campanha_publicitária_em_rede_social","definicao":"Conjunto coordenado de publicações ou anúncios veiculados em plataformas de redes sociais com fins promocionais ou de engajamento. No corpus, o conceito aparece como um dos vetores ou contextos em que ataques de phishing podem ser conduzidos, sendo utilizado como meio para disseminar mensagens fraudulentas disfarçadas de conteúdo legítimo de marketing ou comunicação institucional.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00076,"artigos":["fraudes00119","g0066_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"campo x-originating-ip","id":"campo_x-originating-ip","definicao":"Campo presente no cabeçalho de e-mail que registra o endereço IP de origem da mensagem, indicando o ponto de envio inicial. No corpus, aparece exclusivamente como componente do cabeçalho de e-mail, sem ocorrências diretas em trechos codificados, sendo referenciado apenas pela relação estrutural de pertencimento a esse cabeçalho.","topico":"Infraestrutura_de_E-mail","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"capacidade perceptiva","id":"capacidade_perceptiva","definicao":"Capacidade individual de reconhecer pistas de phishing, como indícios em mensagens móveis. No corpus, é tratada como característica do usuário que não acompanha de modo uniforme a suscetibilidade geral ao phishing, sendo contrastada com ela em um estudo com profissionais de saúde, com variação entre departamentos e faixas de experiência.","topico":"Fatores_Humanos_em_Phishing","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["g0173_phishing"],"areas":["Vítima"]},{"nome":"capital social","id":"capital_social","definicao":"Conjunto de laços, redes e relações de confiança entre pessoas e comunidades, tratado no corpus como recurso social que pode ser aproveitado por golpistas em esquemas Ponzi e que mantém relação matizada, de resultado misto, com a vitimização por fraude, podendo tanto reduzir tensão quanto ampliar oportunidades.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Social","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00079,"artigos":["ref_72db3d675ef9_00072","ref_72db3d675ef9_00286"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"captura-recaptura","id":"captura-recaptura","definicao":"Método estatístico de captura-recaptura usado no corpus para estimar a prevalência de ransomware a partir de dados sobrepostos, no caso de empresas holandesas entre 2019 e 2023. Funciona como procedimento de estimação de magnitude de incidentes, e não como técnica de ataque ou de defesa.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00478"],"areas":["Vítima"]},{"nome":"características da vítima","id":"características_da_vítima","definicao":"Atributos próprios da vítima de um ataque, tratados no corpus como variáveis explicativas ao lado do esforço do atacante e de variáveis de contexto. No uso observado, são hipotetizadas como influência sobre o resgate solicitado e sobre as perdas financeiras reportadas em ataques de ransomware, sem que o vínculo esteja confirmado.","topico":"Dados_da_Vítima","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_3f42d6b2ce58_00649"],"areas":["Ecossistema do Atacante"]},{"nome":"características demográficas","id":"características_demográficas","definicao":"Atributos demográficos de indivíduos, como os investidores, usados no corpus para caracterizar quem tem probabilidade de ser vítima de fraude. Aparecem como variáveis preditoras do perfil de vulnerabilidade a golpes de investimento, no contexto de investidores canadenses; o uso observado enuncia a relação como objetivo de predição, sem estabelecer causalidade.","topico":"Dados_da_Vítima","aspecto":"Quantitativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00218"],"areas":["Vítima"]},{"nome":"características do código de contrato inteligente","id":"características_do_código_de_contrato_inteligente","definicao":"Atributos extraídos do código-fonte de contratos inteligentes, como características de palavras e de sequência, usados junto com características de transações para formar um conjunto de dados de um método de detecção de golpes. No corpus, aparecem como insumo de entrada do método, não como resultado.","topico":"Extração_de_Características","aspecto":"Físico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00083,"artigos":["ref_72db3d675ef9_00204"],"areas":["Detecção"]},{"nome":"características estáticas e dinâmicas","id":"características_estáticas_e_dinâmicas","definicao":"Conjunto de atributos de contratos inteligentes, tanto estáticos quanto dinâmicos, combinados como insumo de um framework de detecção precoce de esquemas Ponzi. No corpus, funcionam como características extraídas do contrato para caracterizar e identificar o esquema, sendo o uso condicionado ao contexto de contratos inteligentes.","topico":"Extração_de_Características","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00078"],"areas":["Detecção"]},{"nome":"características léxicas e semânticas","id":"características_léxicas_e_semânticas","definicao":"Conjunto de propriedades linguísticas extraídas do conteúdo textual de mensagens ou URLs para fins de detecção de phishing, abrangendo tanto aspectos léxicos (vocabulário, tokens, padrões de palavras) quanto semânticos (significado, contexto, intenção comunicativa). No corpus, o conceito aparece como recurso utilizado por abordagens de detecção baseadas em conteúdo, funcionando como conjunto de atributos que alimentam modelos de classificação ou análise automatizada.","topico":"Detecção_de_Phishing","aspecto":"Lingual","zonas":{"Resultado":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00092,"artigos":["fraudes00183","g0293_phishing"],"areas":["Detecção"]},{"nome":"características organizacionais","id":"características_organizacionais","definicao":"Conjunto de atributos estruturais e operacionais de uma organização, tratados coletivamente no corpus como fonte de pressão sobre seus membros, no caso distribuidores de marketing multinível, para gastarem em excesso em produtos internos. A relação é proposta por um framework conceitual, sem teste empírico.","topico":"Contexto_Organizacional","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00222"],"areas":["Vítima"]},{"nome":"características tf-idf","id":"características_tf-idf","definicao":"Representação numérica de termos extraídos de mensagens ou documentos, ponderada pela frequência do termo no documento e pela frequência inversa nos documentos do corpus (TF-IDF), utilizada como vetor de entrada em modelos de classificação de phishing, como regressão logística. No corpus, o conceito aparece como conjunto de atributos derivados de texto que alimentam algoritmos de aprendizado de máquina para distinguir mensagens legítimas de phishing.","topico":"Extração_de_Características","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"carding","id":"carding","definicao":"Script criminoso composto por três etapas, centrado no uso fraudulento de dados de cartões de pagamento, descrito no corpus como viabilizado pelos criptomercados, que oferecem o necessário para executá-lo. Aparece como forma de crime digital com ganho financeiro, sem detalhamento adicional das etapas no trecho disponível.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["fraudes00206"],"areas":["Ecossistema do Atacante"]},{"nome":"cc-capa","id":"cc-capa","definicao":"Subcategoria de ataques de adversário contra moderação de conteúdo que usa desafios Captcha textuais para contornar moderadores automáticos de conteúdo (Amazon, Google, Microsoft), com acurácia de evasão relatada de 100%. No corpus, suas amostras também são identificadas em grandes conjuntos de dados de redes sociais por técnicas supervisionadas de aprendizado de máquina.","topico":"Técnicas_de_Evasão","aspecto":"Formativo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00078,"artigos":["fraudes00165"],"areas":["Mecanismo do Ataque"]},{"nome":"ceive","id":"ceive","definicao":"Sistema de defesa contra spoofing de identificador de chamadas (caller ID), instalado em celulares Android. Usa uma sessão de retorno de chamada e a sinalização associada, observada no telefone receptor, para inferir o estado da chamada da outra parte e verificar a origem. Atua contra ataques de spoofing básicos e avançados.","topico":"Defesa_Técnica","aspecto":"Formativo","zonas":{"Objetivo":1,"Método":1,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00073,"artigos":["deng2018846"],"areas":["Detecção"]},{"nome":"chamadas de api","id":"chamadas_de_api","definicao":"Padrão de chamadas a interfaces de programação (API) executadas por um programa, analisado quanto à sua natureza como indicador de comportamento inicial de ransomware. No corpus, é um sinal comportamental observável cuja capacidade de predizer ransomware é investigada, sem confirmação do vínculo.","topico":"Detecção_de_Ameaças","aspecto":"Físico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00770"],"areas":["Detecção"]},{"nome":"chatgpt","id":"chatgpt","definicao":"Ferramenta de modelo de linguagem de IA generativa, citada no corpus como instrumento padronizado usado por operadores de golpes por mensagens nas etapas iniciais do contato com a vítima, para polir o tom, traduzir textos e redigir respostas adequadas ao contexto.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00062,"artigos":["ref_72db3d675ef9_00067"],"areas":["Ecossistema do Atacante"]},{"nome":"choques exógenos","id":"choques_exógenos","definicao":"Perturbações originadas fora da rede fraudulenta, como exames de órgãos reguladores (por exemplo, da SEC), tratadas no corpus em contraste com choques endógenos, como saques de investidores. No único trecho disponível, a rede de Madoff mostrou-se resiliente a eles antes do colapso em 2008, de modo que não a desestabilizaram.","topico":"Impacto_de_Ataques","aspecto":"Jurídico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00089"],"areas":["Ecossistema do Atacante"]},{"nome":"cibercriminoso","id":"cibercriminoso","definicao":"Agente malicioso que conduz ataques de phishing e outras atividades ilícitas no ambiente digital. No corpus, é referenciado principalmente pela relação de inibição exercida por mecanismos de segurança como a autenticação multifator, posicionando-o como o ator ameaçador cujas ações são dificultadas por controles técnicos de acesso.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Contexto Prévio":10,"Resultado":4,"Objetivo":3,"Lacuna":1},"n_relacoes":15,"n_trechos":18,"pagerank":0.00405,"artigos":["fraudes00089","fraudes00107","g0066_phishing","ref_3f42d6b2ce58_00629","ref_3f42d6b2ce58_00824","ref_3f42d6b2ce58_00986","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01320","ref_72db3d675ef9_00018","ref_72db3d675ef9_00036","ref_72db3d675ef9_00102","ref_72db3d675ef9_00162","ref_72db3d675ef9_00197","ref_8d955f377173_00007","ref_8d955f377173_00013"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta"]},{"nome":"cibersegurança ex ante","id":"cibersegurança_ex_ante","definicao":"Investimento e adoção de medidas de proteção cibernética realizadas antes da ocorrência de um ataque de ransomware, em contraste com os pagamentos de resgate feitos após o incidente (ex post). No corpus aparece como variável que um imposto sobre resgate poderia estimular, apenas como possibilidade condicionada, sem evidência de efeito comprovado.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["ref_3f42d6b2ce58_00809"],"areas":["Prevenção e Resposta"]},{"nome":"classificador de rug-pull","id":"classificador_de_rug-pull","definicao":"Modelo de classificação automática que, a partir de um conjunto refinado de características, distingue tokens maliciosos (rug-pull) de não maliciosos. No corpus é descrito por seu desempenho (f1 de 99%, precisão de 97% em tokens não maliciosos, recall de 99% em maliciosos) e comparado com classificadores de estudos anteriores.","topico":"Classificação_Automática","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00006"],"areas":["Detecção"]},{"nome":"classificadores de estudos anteriores","id":"classificadores_de_estudos_anteriores","definicao":"Classificadores de detecção de rug-pull propostos em trabalhos anteriores, usados como referência de comparação de desempenho. No corpus aparecem como o ponto de base que o classificador novo supera em f1, precisão e recall, sem descrição de sua arquitetura ou de seus resultados específicos.","topico":"Avaliação_de_Modelos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00006"],"areas":["Detecção"]},{"nome":"classification based on association","id":"classification_based_on_association","definicao":"Técnica de classificação baseada em associação (CBA), empregada no corpus para gerar regras de phishing a partir de padrões associativos e alertar vítimas. Aparece aplicada à detecção de phishing em mensagens instantâneas, combinada com ontologia de domínio; é um método de classificação, não uma medida de desempenho.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0062_phishing"],"areas":["Detecção"]},{"nome":"classificação de phishing como legítimo","id":"classificação_de_phishing_como_legítimo","definicao":"Erro de classificação em que uma mensagem ou URL de phishing é incorretamente identificada como legítima por um sistema de detecção. No corpus, o conceito aparece associado ao erro de classificação severo, indicando que representa uma das formas mais críticas de falha em sistemas antiphishing, pois permite que ataques passem despercebidos pelo mecanismo de defesa, expondo os usuários ao risco.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00082,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"classificação de vendedores","id":"classificação_de_vendedores","definicao":"Tarefa de classificar automaticamente as mercadorias oferecidas por vendedores, a partir de informações coletadas sobre eles (cerca de 38.970 vendedores), com texto extraído de imagens por OCR e um modelo de aprendizado profundo baseado em BERT. No corpus, é a tarefa-alvo à qual o modelo é aplicado, e aparece em uma única fonte.","topico":"Classificação_Automática","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00056,"artigos":["fraudes00160"],"areas":["Não Especificado"]},{"nome":"classificação seletiva","id":"classificação_seletiva","definicao":"Abordagem de classificação em que o sistema opta por não emitir uma decisão categórica quando o grau de certeza é insuficiente, reservando o julgamento para casos em que a confiança na predição ultrapassa um limiar definido. No corpus, o conceito aparece associado à possibilidade de abstenção em decisões incertas, à mitigação de erros de classificação de phishing e à redução do risco operacional decorrente de classificações incorretas.","topico":"Detecção_e_Classificação","aspecto":"Analítico","zonas":{"Recomendação":2,"Contexto Prévio":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00165,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"clonagem de voz","id":"clonagem_de_voz","definicao":"Uso de tecnologia para reproduzir sinteticamente a voz de uma pessoa, aplicada em vishing para imitar vozes conhecidas. No corpus, é descrita como multiplicador de força que ampliaria os pretextos de personificação, de institucionais a pessoais, e que enfraqueceria a familiaridade com a voz como defesa perceptual, em argumento prospectivo dos autores.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":3,"Conclusão":1,"Resultado":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00162,"artigos":["choi20243","fraudes00093","martinez-echevarria2026","ref_8d955f377173_00002"],"areas":["Detecção","Mecanismo do Ataque","Vítima"]},{"nome":"cobertura da mídia","id":"cobertura_da_mídia","definicao":"Reportagens e artigos de veículos de imprensa sobre incidentes de ransomware, como o caso do Colonial Pipeline, tratados no corpus como fonte de informação pública sobre o ataque. A evidência é limitada a uma única ocorrência, na qual a cobertura é apontada como possível origem de concepções equivocadas, sem comprovação do vínculo.","topico":"Comunicação_por_E-mail","aspecto":"Lingual","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00755"],"areas":["Vítima"]},{"nome":"cobertura regulatória não global","id":"cobertura_regulatória_não_global","definicao":"Situação em que os regimes regulatórios que regem os criptoativos não abrangem todas as jurisdições, deixando lacunas de supervisão entre países. No corpus, essa cobertura regulatória incompleta aparece como condição que cria oportunidades para atores criminosos praticarem fraude com criptoativos, sendo descrita a partir de um único trecho.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00060"],"areas":["Mecanismo do Ataque"]},{"nome":"codificação de url","id":"codificação_de_url","definicao":"Técnica de transformação ou ofuscação de URLs que altera a representação textual dos endereços web, dificultando a identificação de indicadores maliciosos por sistemas de detecção de phishing. No corpus, o conceito aparece exclusivamente em relação ao seu efeito inibitório sobre a detecção, sugerindo que sua relevância analítica reside no papel de mecanismo de evasão empregado por atacantes para mascarar a natureza fraudulenta de links presentes em mensagens de phishing.","topico":"Técnicas_de_Evasão","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"coeficiente de correlação de matthews","id":"coeficiente_de_correlação_de_matthews","definicao":"Métrica de avaliação de modelos de classificação que mede o desempenho de detecção de phishing, considerando verdadeiros positivos, verdadeiros negativos, falsos positivos e falsos negativos de forma balanceada. No corpus, aparece como medida de qualidade preditiva de sistemas de detecção, sendo especialmente relevante em contextos de classes desbalanceadas, onde outras métricas podem ser enganosas.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00051,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"colapso do esquema ponzi","id":"colapso_do_esquema_ponzi","definicao":"Ruptura do esquema Ponzi que ocorre quando o fluxo de fundos se torna insuficiente para sustentar os pagamentos prometidos, resultando em instabilidade fiscal e término do esquema. No corpus, é descrito como evento futuro que pode ser previsto por indicadores do fluxo de fundos e que ocorre mais cedo quanto mais rápida for a difusão do esquema.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00151,"artigos":["ref_72db3d675ef9_00237"],"areas":["Ecossistema do Atacante"]},{"nome":"coleta de dados primários","id":"coleta_de_dados_primários","definicao":"Processo de obtenção direta de dados originais junto a fontes primárias (participantes, experimentos, levantamentos), em oposição ao uso de conjuntos de dados secundários ou pré-existentes. No corpus, o conceito aparece apenas como alvo de inibição por restrições de tempo e recursos, indicando que sua ausência ou limitação é reconhecida como uma das fronteiras metodológicas dos estudos analisados.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"coleta de informação da vítima","id":"coleta_de_informação_da_vítima","definicao":"Processo de obtenção de dados pessoais, profissionais ou comportamentais sobre um alvo específico, utilizado como etapa preparatória em ataques de phishing direcionado (spear phishing). No corpus, esse processo é viabilizado pelo uso de redes sociais, que fornecem informações publicamente acessíveis sobre a vítima, permitindo ao atacante personalizar a abordagem e aumentar a credibilidade do ataque.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00082,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"coleta de informações","id":"coleta_de_informações","definicao":"Processo de obtenção de dados sobre alvos específicos, constituindo uma etapa preliminar do spear phishing. No corpus, o conceito aparece como componente integrante do spear phishing, sugerindo que a coleta de informações pessoais, profissionais ou contextuais sobre a vítima é uma fase preparatória que viabiliza a personalização e o direcionamento do ataque.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"coleta de informações da vítima","id":"coleta_de_informações_da_vítima","definicao":"Processo pelo qual o atacante obtém dados pessoais, comportamentais ou contextuais da vítima para subsidiar a elaboração e personalização de ataques de phishing. No corpus, aparece como uma etapa instrumental do phishing, que se vale de fontes como mídias sociais para reunir informações que tornam a abordagem mais convincente e direcionada.","topico":"Ciclo_do_Ataque","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00077,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"colusão","id":"colusão","definicao":"Prática maliciosa e coordenada de manipulação de reputação e avaliações em sistemas online, em que participantes impulsionam artificialmente a reputação de indivíduos ou vendedores. No corpus aparece como ato malicioso em sistemas de avaliação e review de mercados, associado à dificuldade de obter reputação social de modo natural e tratado como alvo de mitigação por blockchain.","topico":"Ameaças_Digitais","aspecto":"Social","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00077,"artigos":["fraudes00151","fraudes00195"],"areas":["Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"complexidade de fatores","id":"complexidade_de_fatores","definicao":"Grau de dificuldade ou sofisticação envolvido nos fatores de autenticação, referenciado no corpus como elemento que pode dificultar ou inibir a capacidade de atacantes em contornar mecanismos de autenticação multifator. A relação observada sugere que maior complexidade nos fatores de autenticação atua como barreira à derrota desses mecanismos, embora a evidência direta no corpus seja limitada a essa relação inferida.","topico":"Autenticação_e_Segurança","aspecto":"Analítico","zonas":{"Recomendação":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00101,"artigos":["g0066_phishing","ref_72db3d675ef9_00139"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"comportamento criminoso pseudônimo","id":"comportamento_criminoso_pseudônimo","definicao":"Conduta criminosa praticada em espaço digital por agentes que atuam sob pseudônimo, sem identificação direta, associada a ativos digitais e blockchain. No corpus, aparece como possibilidade condicionada ao ambiente regulatório vigente (\"may facilitate\"), e não como efeito comprovado.","topico":"Crimes_Digitais","aspecto":"Social","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00046,"artigos":["ref_3f42d6b2ce58_00632"],"areas":["Mecanismo do Ataque"]},{"nome":"comportamento de evitação de phishing","id":"comportamento_de_evitação_de_phishing","definicao":"Conduta de usuários, como clientes de internet banking e funcionários de instituições de ensino superior, voltada a evitar ou se proteger de ataques de phishing, incluindo intenção de adotar comportamentos autoprotetivos. No corpus aparece como resultado a ser previsto por modelo conceitual e influenciado por fatores humanos e pela percepção de risco.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Sensitivo","zonas":{"Objetivo":2,"Resultado":2},"n_relacoes":4,"n_trechos":4,"pagerank":0.00143,"artigos":["fraudes00021","fraudes00120","ref_72db3d675ef9_00225"],"areas":["Vítima"]},{"nome":"comportamento de manada","id":"comportamento_de_manada","definicao":"Tendência de investidores a seguir as ações e decisões de outros em vez de basear-se em avaliação própria, tratada no corpus como viés comportamental. Na evidência, aparece associada, em amostra de investidoras de Ho Chi Minh City analisada por PLS-SEM, ao aumento do FOMO e à redução da percepção de risco.","topico":"Fatores_Psicológicos","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00168"],"areas":["Vítima"]},{"nome":"comportamento de segurança da informação","id":"comportamento_de_segurança_da_informação","definicao":"Conjunto de ações e práticas adotadas por indivíduos no contexto organizacional ou pessoal para proteger informações e sistemas contra ameaças, incluindo phishing. No corpus, o conceito aparece como variável de resultado influenciada por treinamento de conscientização em segurança, sugerindo que se refere ao modo como usuários respondem a situações de risco informacional — por exemplo, identificar e-mails suspeitos, evitar clicar em links maliciosos ou reportar tentativas de ataque. A relação observada posiciona o comportamento como algo passível de ser moldado por intervenções educativas, distinguindo-o de atitudes ou percepções (dimensão cognitivo-afetiva) e de políticas formais (dimensão normativa).","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Recomendação":1,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00095,"artigos":["fraudes00132","g0066_phishing","ref_3f42d6b2ce58_00071"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"comportamento financeiro digital seguro","id":"comportamento_financeiro_digital_seguro","definicao":"Conjunto de práticas e condutas adotadas por usuários ao realizar atividades financeiras em meio digital, orientadas à proteção contra fraudes cibernéticas. No corpus aparece como resultado esperado, em nível de expectativa teórica de um framework conceitual, associado à maior consciência de segurança financeira digital, à menor vulnerabilidade e ao bem-estar financeiro.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Sensitivo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.0008,"artigos":["fraudes00075","ref_72db3d675ef9_00130"],"areas":["Vítima"]},{"nome":"comportamento fora da distribuição","id":"comportamento_fora_da_distribuição","definicao":"Padrão de comportamento ou dado que se desvia significativamente da distribuição estatística aprendida durante o treinamento de um modelo, utilizado como sinal para detecção de anomalias ou ataques em sistemas de segurança. No contexto do corpus, o conceito aparece associado à identificação de atividades suspeitas ou maliciosas que fogem ao comportamento esperado, servindo como base para mecanismos de detecção de phishing e outras ameaças.","topico":"Detecção_de_Anomalias","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"comportamento humano","id":"comportamento_humano","definicao":"Conjunto de ações, reações e padrões de conduta dos indivíduos que são explorados por técnicas de engenharia social em contextos de phishing. No corpus, o conceito aparece como alvo das estratégias de manipulação psicológica empregadas por atacantes, sendo referenciado principalmente pela relação em que a engenharia social o explora para induzir vítimas a revelar informações sensíveis ou executar ações prejudiciais. Abrange tanto respostas automáticas e heurísticas quanto decisões deliberadas que tornam os usuários vulneráveis a ataques.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Objeto":2,"Objetivo":1,"Lacuna":1,"Conclusão":1,"Contexto Prévio":1,"Resultado":1},"n_relacoes":6,"n_trechos":7,"pagerank":0.00179,"artigos":["fraudes00083","fraudes00121","fraudes00132","fraudes00209","g0066_phishing","ref_3f42d6b2ce58_01251"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"comportamento observado no mundo real","id":"comportamento_observado_no_mundo_real","definicao":"Padrão de conduta empiricamente verificado em situações reais de fraude e segurança, usado como referência para avaliar se um modelo formal, no corpus um modelo de jogo, consegue reproduzi-lo. No corpus, a informação imperfeita aparece como condição que permite essa replicação.","topico":"Modelagem_Formal","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00831"],"areas":["Prevenção e Resposta"]},{"nome":"comportamento protetivo","id":"comportamento_protetivo","definicao":"Conjunto de respostas comportamentais adotadas por indivíduos para se proteger de fraudes, tratadas no corpus como resultado observável (contagem de comportamentos) associado à percepção de ser alvo e à preocupação com fraude, segundo o modelo transacional de estresse e enfrentamento.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Sensitivo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00252"],"areas":["Vítima"]},{"nome":"composto de entidades humanas técnicas e virtuais","id":"composto_de_entidades_humanas_técnicas_e_virtuais","definicao":"Alvo de ataque composto por uma combinação de entidades humanas, técnicas e virtuais, e não por um único tipo de alvo. No corpus, aparece associado a formas emergentes de cibercrime de alta tecnologia, como ransomware, botnets e roubo virtual, nas quais o ofensor visa esse conjunto heterogêneo.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01191"],"areas":["Vítima"]},{"nome":"comprimento médio de caminho","id":"comprimento_médio_de_caminho","definicao":"Medida estrutural da rede, correspondente à distância média entre pares de nós, usada em modelo teórico de jogos com simulação em rede geral de ransomware. No corpus, aparece como propriedade topológica cujo aumento se associa a maior resgate total que os criminosos podem exigir, sob as condições do modelo.","topico":"Características_do_Ataque","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00774"],"areas":["Mecanismo do Ataque"]},{"nome":"comprometimento de e-mail corporativo","id":"comprometimento_de_e-mail_corporativo","definicao":"Modalidade de ataque direcionado em que agentes maliciosos comprometem ou se passam por contas de e-mail legítimas de organizações para enganar funcionários, parceiros ou clientes, frequentemente com objetivos financeiros ou de exfiltração de dados. No corpus, o conceito aparece como um tipo específico de spear phishing, caracterizado pelo foco em contas corporativas e pela exploração da confiança associada a comunicações internas ou de parceiros de negócios.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":8,"Objeto":8,"Resultado":6,"Objetivo":2,"Método":1,"Conclusão":1},"n_relacoes":17,"n_trechos":26,"pagerank":0.00455,"artigos":["g0066_phishing","papathanasiou2024","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00015","ref_8d955f377173_00020","ref_8d955f377173_00033","ref_8d955f377173_00034","ref_8d955f377173_00040","ref_8d955f377173_00046","ref_8d955f377173_00049"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta"]},{"nome":"comprometimento de novas vítimas","id":"comprometimento_de_novas_vítimas","definicao":"Processo pelo qual novas vítimas são comprometidas, possivelmente facilitado pelo uso de informações obtidas de vítimas anteriores. No corpus, o conceito aparece como resultado potencial do aproveitamento de dados pessoais ou credenciais já coletados, sugerindo um efeito cascata ou propagação do ataque a alvos adicionais.","topico":"Propagação_de_Ataques","aspecto":"Cinemático","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00062,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"computação segura entre duas partes","id":"computação_segura_entre_duas_partes","definicao":"Técnica criptográfica de computação segura entre duas partes, baseada em circuitos embaralhados (garbled circuits), usada para implementar um mecanismo de negociação sem intermediários confiáveis e preservando a privacidade de ambas as partes durante o processo. No corpus aparece como meio de implementação do mecanismo bayesiano compatível com incentivos.","topico":"Mecanismos_de_Segurança","aspecto":"Físico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00089,"artigos":["ref_3f42d6b2ce58_00153"],"areas":["Prevenção e Resposta"]},{"nome":"comunicação com helpdesk","id":"comunicação_com_helpdesk","definicao":"Interação entre usuários e equipe de suporte técnico (helpdesk) como mecanismo de resposta ou prevenção a incidentes de phishing. No corpus, o conceito aparece exclusivamente na relação de mitigação com phishing, sugerindo que o contato com o helpdesk funciona como canal de reporte, esclarecimento de dúvidas ou contenção de ataques, reduzindo o impacto ou a propagação de tentativas de phishing dentro de uma organização.","topico":"Resposta_a_Incidentes","aspecto":"Social","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"comunicação de crise","id":"comunicação_de_crise","definicao":"Mensagens internas e externas emitidas por organizações durante um incidente cibernético, como o ransomware. No corpus, são relatadas por profissionais entrevistados como capazes de influenciar negociações em curso, aumentar a pressão sobre fornecedores terceiros e complicar relações diplomáticas ou comerciais. A evidência provém de relatos de entrevistas.","topico":"Resposta_a_Incidentes","aspecto":"Lingual","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0007,"artigos":["ref_3f42d6b2ce58_00294"],"areas":["Prevenção e Resposta"]},{"nome":"comunicação suspeita","id":"comunicação_suspeita","definicao":"Comunicação que apresenta características associadas a tentativas de engano ou manipulação, sendo identificada como um tipo ou manifestação de engenharia social. No corpus, o conceito aparece como categoria subordinada à engenharia social, sugerindo que designa mensagens ou interações que exibem sinais indicativos de intenção fraudulenta, como solicitações incomuns, urgência artificial ou pedidos de informações sensíveis. A ausência de ocorrências diretas limita a precisão da definição ao vínculo relacional observado.","topico":"Detecção_De_Phishing","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"concepções equivocadas sobre ransomware","id":"concepções_equivocadas_sobre_ransomware","definicao":"Crenças imprecisas ou errôneas sobre o ransomware, apontadas no corpus como possível resultado da cobertura jornalística de um incidente específico. Tais concepções podem levar a conclusões enganosas sobre a responsabilidade pelo ataque e sobre opções políticas e técnicas de prevenção. O vínculo com a mídia é apenas possível, não comprovado.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Pístico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00755"],"areas":["Vítima"]},{"nome":"concordância entre anotadores","id":"concordância_entre_anotadores","definicao":"Grau de acordo entre dois ou mais anotadores ao classificar ou rotular um mesmo conjunto de dados, utilizado como critério de validação da consistência e confiabilidade de esquemas de anotação manual. No corpus, é operacionalizado por meio de métricas estatísticas específicas, como o kappa de Cohen e o AC1 de Gwet, que quantificam o nível de concordância corrigindo o efeito do acaso.","topico":"Validação_de_Anotação","aspecto":"Quantitativo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"concorrentes","id":"concorrentes","definicao":"Conjunto de métodos ou sistemas alternativos de detecção usados como referência de comparação nos experimentos, contra os quais o desempenho da abordagem proposta (PROGESI) é medido. No corpus, aparecem como termo de contraste, e a abordagem proposta atinge desempenho superior em certas condições, como baixas taxas de generalização.","topico":"Avaliação_de_Sistemas_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00079,"artigos":["fraudes00156"],"areas":["Detecção"]},{"nome":"condições econômicas atuais","id":"condições_econômicas_atuais","definicao":"Situação econômica vigente vivida pelos indivíduos, citada por participantes de estudo com usuários de esquemas de pirâmide como um dos motivos (cerca de 30%) para aderir a esses esquemas, ao lado do retorno esperado. No corpus aparece como fator contextual que motiva a adesão, não como medida em si.","topico":"Motivação_e_Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00266"],"areas":["Vítima"]},{"nome":"conectividade veicular","id":"conectividade_veicular","definicao":"Grau em que veículos estão conectados a redes e sistemas externos, característica tecnológica descrita no corpus junto à crescente automação dos carros. Aparece como condição associada ao aumento da vulnerabilidade desses veículos a ataques cibernéticos, sendo apresentada como fato estabelecido, sem detalhamento de mecanismos específicos.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01353"],"areas":["Vítima"]},{"nome":"conexão pessoal","id":"conexão_pessoal","definicao":"Vínculo pessoal, de natureza romântica ou familiar, por meio do qual um golpe é iniciado, com o golpista aparecendo à vítima sob uma identidade próxima. No corpus, golpes iniciados por esse tipo de conexão aparecem associados às maiores perdas financeiras nos rastreadores analisados.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00241"],"areas":["Vítima"]},{"nome":"conexões diretas","id":"conexões_diretas","definicao":"Número de ligações diretas que um indivíduo mantém numa rede, tratado como propriedade estrutural de sua posição. No corpus, aparece como variável associada, em modelos de regressão, à tendência de ocupar o papel de intermediário entre partes da rede. Trata-se de medida de conectividade, sem implicar causalidade.","topico":"Atores_do_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00215"],"areas":["Ecossistema do Atacante"]},{"nome":"confiabilidade operacional","id":"confiabilidade_operacional","definicao":"Propriedade de um sistema ou componente que expressa sua capacidade de funcionar de forma consistente e sem falhas ao longo do tempo, conforme inferido pelo contexto de uso no corpus. Aparece como objeto de medição de uma métrica agregada única, sugerindo que é tratada como um atributo quantificável do desempenho operacional de sistemas envolvidos na detecção ou mitigação de phishing. O corpus não fornece trechos diretos que detalhem sua operacionalização ou distinção de conceitos próximos como disponibilidade ou robustez.","topico":"Desempenho_de_Sistemas","aspecto":"Quantitativo","zonas":{"Conclusão":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00104,"artigos":["g0293_phishing","ref_3f42d6b2ce58_00312"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"confiança acrítica em tecnologia","id":"confiança_acrítica_em_tecnologia","definicao":"Disposição de usuários de depositar confiança irrestrita em sistemas tecnológicos — como filtros de spam, indicadores de segurança do navegador ou certificados SSL — sem questionar sua suficiência ou possibilidade de falha, criando uma vulnerabilidade explorada por atacantes que sabem que tais sinais de legitimidade serão aceitos sem escrutínio crítico. No corpus, o conceito aparece como fator que amplia a eficácia de vetores de ataque, pois o usuário delega o julgamento de segurança à tecnologia em vez de exercer avaliação própria.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Pístico","zonas":{"Lacuna":1,"Contexto Prévio":1,"Resultado":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00166,"artigos":["fraudes00050","g0066_phishing","ref_3f42d6b2ce58_01283"],"areas":["Detecção","Prevenção e Resposta","Vítima"]},{"nome":"confiança da vítima","id":"confiança_da_vítima","definicao":"Estado de crença ou disposição da vítima em aceitar como legítima a identidade, a intenção ou a mensagem do atacante, constituindo o alvo explorado por técnicas de pretexting e outras formas de manipulação social no contexto de phishing. Representa o comprometimento cognitivo e afetivo de fundo que predispõe o indivíduo a cumprir solicitações fraudulentas, distinguindo-se de reações emocionais imediatas (como medo ou urgência) por ser uma convicção mais estável sobre a confiabilidade da fonte.","topico":"Fatores_Humanos","aspecto":"Pístico","zonas":{"Resultado":11,"Objeto":3,"Objetivo":2,"Contexto Prévio":1},"n_relacoes":17,"n_trechos":17,"pagerank":0.00494,"artigos":["fraudes00015","fraudes00083","g0066_phishing","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01353","ref_72db3d675ef9_00026","ref_72db3d675ef9_00063","ref_72db3d675ef9_00131","ref_72db3d675ef9_00167","ref_72db3d675ef9_00176","ref_72db3d675ef9_00178","ref_72db3d675ef9_00184","ref_72db3d675ef9_00208","ref_8d955f377173_00002"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"confiança excessiva no grupo","id":"confiança_excessiva_no_grupo","definicao":"Grau exagerado de confiança depositado em membros do próprio grupo, descrito no corpus como o lado negativo ('sombra') do capital social em fraudes financeiras. Orienta decisões da vítima e substitui a devida diligência por credulidade, tornando-a vulnerável a golpes que exploram laços comunitários.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Pístico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00072"],"areas":["Mecanismo do Ataque"]},{"nome":"confiança institucional","id":"confiança_institucional","definicao":"Crença ou disposição de fundo que indivíduos depositam em instituições, organizações ou entidades reconhecidas (bancos, órgãos governamentais, empresas de tecnologia, etc.), conferindo-lhes legitimidade e autoridade percebida. No corpus, o conceito aparece como alvo explorado pela engenharia social: atacantes se valem da confiança preexistente que vítimas nutrem por essas entidades para tornar mensagens fraudulentas mais críveis e aumentar a probabilidade de conformidade com solicitações maliciosas. Distingue-se da confiança interpessoal por ser dirigida a papéis ou marcas institucionais, e da credibilidade percebida de uma mensagem específica por ser uma crença de fundo estável, não uma avaliação pontual.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Pístico","zonas":{"Resultado":3,"Objeto":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00127,"artigos":["fraudes00094","g0066_phishing","ref_3f42d6b2ce58_00206","ref_8d955f377173_00003"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"confiança na comunicação telefônica","id":"confiança_na_comunicação_telefônica","definicao":"Grau de confiança que usuários depositam em suas interações por telefone, medido em survey e associado de forma correlacional ao conhecimento sobre call spoofing. No corpus, é uma crença de fundo sobre a fiabilidade das chamadas, sem direção causal estabelecida, observada numa amostra diversa na Índia.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Pístico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00011"],"areas":["Vítima"]},{"nome":"conformidade da vítima","id":"conformidade_da_vítima","definicao":"Resultado buscado por ameaças cibernéticas e comunicações extorsivas, no qual a vítima cede e atende às exigências do atacante, alterando seu comportamento conforme o pretendido. No corpus aparece como afirmação geral sobre o propósito de tais ameaças, sem recorte empírico nem medição do grau de cumprimento.","topico":"Objetivos_de_Ataque","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01042"],"areas":["Mecanismo do Ataque"]},{"nome":"conhecimento geral sobre phishing","id":"conhecimento_geral_sobre_phishing","definicao":"Conjunto de informações e compreensão que um indivíduo possui sobre o fenômeno do phishing de forma ampla, incluindo o reconhecimento de que ataques de phishing existem, como funcionam em termos gerais e quais são suas características típicas. No corpus, o conceito aparece como fator antecedente que influencia a consciência_sobre_phishing, sugerindo que o grau de familiaridade geral com o tema phishing condiciona o nível de alerta e percepção de risco do usuário diante de tentativas de ataque.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Conclusão":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00096,"artigos":["g0066_phishing","ref_3f42d6b2ce58_01283"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"conhecimento sobre call spoofing","id":"conhecimento_sobre_call_spoofing","definicao":"Grau de conhecimento ou familiaridade que usuários têm sobre call spoofing, a falsificação de identidade de chamadas telefônicas. No corpus, é medido em survey e aparece correlacionado de forma positiva com a confiança na comunicação telefônica, sem direção causal estabelecida.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00011"],"areas":["Vítima"]},{"nome":"conhecimento sobre ransomware","id":"conhecimento_sobre_ransomware","definicao":"Compreensão ou familiaridade das pessoas com o ransomware, apresentada no corpus como importante para proteger dados sensíveis e para participar de debates públicos sobre regulação adequada. A relação com a violação de dados é uma afirmação geral de apoio à proteção, sem teste empírico.","topico":"Conscientização_e_Treinamento","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["ref_3f42d6b2ce58_00755"],"areas":["Vítima"]},{"nome":"conjunto de teste externo independente","id":"conjunto_de_teste_externo_independente","definicao":"Conjunto de dados de teste proveniente de fontes externas e independentes do conjunto de treinamento, utilizado para avaliar a capacidade de generalização de modelos de detecção de phishing em condições não vistas durante o treinamento. Sua função no corpus é medir o quanto o desempenho do modelo se mantém ao ser aplicado a dados distintos dos utilizados em sua construção, servindo como critério de validação externa da robustez e transferibilidade do modelo.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"conscienciosidade","id":"conscienciosidade","definicao":"Traço de personalidade individual, tratado no corpus como característica do potencial alvo de golpes e associado, por correlação negativa observada em estudantes jovens, a menor vulnerabilidade a golpes. O corpus a usa como fator psicológico individual, sem descrevê-la em detalhe, e a evidência se limita a uma amostra específica.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00280"],"areas":["Vítima"]},{"nome":"consciência de ameaça","id":"consciência_de_ameaça","definicao":"Consciência de ameaça (threat awareness, TA): fator psicológico e cognitivo do indivíduo, tratado em modelos de comportamento protetivo diante de phishing. No corpus, aparece com influência positiva estatisticamente significativa sobre a percepção de seriedade, entre estudantes universitários. A evidência vem de uma única fonte.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00089,"artigos":["ref_3f42d6b2ce58_00708"],"areas":["Vítima"]},{"nome":"consciência de segurança financeira digital","id":"consciência_de_segurança_financeira_digital","definicao":"Nível de conhecimento e atenção de indivíduos sobre segurança em atividades financeiras digitais e fraudes cibernéticas. No corpus, aparece em um framework conceitual proposto, sem validação empírica, como construto intermediário: seria moldado por letramento digital e percepção de risco e se espera que apoie comportamento financeiro digital seguro.","topico":"Conscientização_e_Treinamento","aspecto":"Sensitivo","zonas":{"Resultado":4},"n_relacoes":4,"n_trechos":4,"pagerank":0.00138,"artigos":["fraudes00075","ref_72db3d675ef9_00211"],"areas":["Vítima"]},{"nome":"consciência sobre phishing","id":"consciência_sobre_phishing","definicao":"Grau em que indivíduos reconhecem e compreendem o fenômeno do phishing como ameaça, incluindo seus mecanismos, riscos e formas de manifestação. No corpus, o conceito aparece como variável influenciada por fatores como a percepção da seriedade da ameaça, o conhecimento geral sobre phishing e a exposição a simulações internas de ataques, sugerindo que se trata de um estado cognitivo-atitudinal que pode ser desenvolvido ou aprimorado por meio de experiências e informações.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Conclusão":3,"Resultado":2,"Recomendação":2},"n_relacoes":7,"n_trechos":7,"pagerank":0.00211,"artigos":["fraudes00070","g0066_phishing","g0067_phishing","ref_72db3d675ef9_00210","ref_72db3d675ef9_00225"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"conta falsa","id":"conta_falsa","definicao":"Conta criada com identidade fictícia ou fraudulenta, utilizada como recurso operacional em ataques de phishing. No corpus, aparece como um dos meios empregados pelo atacante para conduzir ou sustentar o ataque, sem detalhamento adicional sobre suas características ou formas de criação.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":2,"Lacuna":1,"Objeto":1},"n_relacoes":3,"n_trechos":4,"pagerank":0.00118,"artigos":["fraudes00162","g0066_phishing","ref_8d955f377173_00007"],"areas":["Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"conta falsa em rede social","id":"conta_falsa_em_rede_social","definicao":"Perfil ou conta criada em plataformas de redes sociais com identidade fictícia ou usurpada, utilizada como vetor ou infraestrutura de suporte a ataques de phishing. A relação observada no corpus posiciona este conceito como um recurso operacional empregado pelo phishing, sem evidências diretas de trechos que detalhem suas propriedades internas, mecanismos de criação ou formas de detecção. A definição é, portanto, limitada ao papel funcional inferido pela cadeia relacional disponível.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":2,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.0008,"artigos":["fraudes00170","g0048_phishing","g0066_phishing"],"areas":["Detecção","Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"contaminação de dados de treinamento","id":"contaminação_de_dados_de_treinamento","definicao":"Fenômeno em que dados utilizados para avaliar ou testar um modelo de aprendizado de máquina estão presentes também no conjunto de treinamento, comprometendo a validade das métricas de desempenho obtidas. No corpus, o conceito aparece como alvo de mitigação pela auditoria_de_sobreposição, indicando que sua ocorrência distorce a avaliação de modelos de detecção de phishing ao inflar artificialmente os resultados, uma vez que o modelo já teria sido exposto às amostras de teste durante o treinamento.","topico":"Qualidade_de_Dados","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"contaminação do conjunto de treinamento","id":"contaminação_do_conjunto_de_treinamento","definicao":"Fenômeno em que dados maliciosos, enviesados ou não representativos são incorporados ao conjunto de treinamento de modelos de aprendizado de máquina, comprometendo a qualidade e a confiabilidade do modelo resultante. No contexto do corpus, o conceito aparece como alvo de mitigação pela prática de exclusão de dados, indicando que a contaminação é tratada como uma ameaça à integridade dos sistemas de detecção de phishing baseados em aprendizado de máquina.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"conteúdo de arquivos de resgate","id":"conteúdo_de_arquivos_de_resgate","definicao":"Conteúdo dos arquivos (e seus nomes) presentes no sistema da vítima, examinado no corpus como fator que pode reduzir o risco de criptografia por ransomware específicos ou aumentar a eficácia de ferramentas de detecção. A relação é condicional a determinados ransomware e descreve possível efeito inibidor, não efeito comprovado.","topico":"Defesa_e_Mitigação","aspecto":"Lingual","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_3f42d6b2ce58_01088"],"areas":["Detecção"]},{"nome":"contract cheating","id":"contract_cheating","definicao":"Fraude de identidade em exames online, em que outra pessoa realiza a prova no lugar do candidato legítimo, ou se usam imagens estáticas manipuladas para simular sua presença. No corpus aparece como o risco que um sistema de verificação facial com detecção de piscadas procura minimizar.","topico":"Crimes_Digitais","aspecto":"Ético","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ujianto2025815"],"areas":["Detecção"]},{"nome":"contramedidas restritivas e de incentivo","id":"contramedidas_restritivas_e_de_incentivo","definicao":"Conjunto de contramedidas contra o astroturfing digital, divididas em medidas restritivas, que limitam a prática, e medidas de incentivo, que estimulam comportamentos alternativos. No corpus, aparecem apenas como opções exploradas, sem teste de eficácia, e a relação de mitigação com o astroturfing é possível, não comprovada.","topico":"Contramedidas_e_Defesa","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00063,"artigos":["fraudes00129"],"areas":["Mecanismo do Ataque"]},{"nome":"contraponzi","id":"contraponzi","definicao":"ContraPonzi é o método de detecção de esquemas Ponzi em contratos inteligentes da rede Ethereum proposto no corpus. Segundo os resultados experimentais com dados reais, apresenta desempenho significativamente superior ao do estado da arte na detecção desse tipo de fraude. A evidência se limita a um único trecho.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00076"],"areas":["Detecção"]},{"nome":"contratos fraudulentos","id":"contratos_fraudulentos","definicao":"Categoria de contratos (inteligentes) usados para fraudar participantes, em que o funcionamento do contrato serve ao engano e à apropriação de fundos. No corpus aparece como classe geral que abrange contratos Ponzi, nos quais os investimentos de investidores posteriores remuneram os iniciais, enquanto os posteriores não obtêm ganho.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00085,"artigos":["ref_72db3d675ef9_00204"],"areas":["Detecção"]},{"nome":"contratos inteligentes","id":"contratos_inteligentes","definicao":"Programas executados em blockchain, cuja execução depende do estado dinâmico da rede. No corpus, aparecem como recurso elaborado pelo atacante em phishing por simulação de transações: a simulação exibe resultados benignos ou lucrativos, enquanto a execução real redireciona os fundos da vítima para endereços controlados pelo atacante.","topico":"Tecnologia_de_Ataque","aspecto":"Físico","zonas":{"Objetivo":4,"Contexto Prévio":3,"Objeto":2,"Resultado":1,"Método":1,"Conclusão":1},"n_relacoes":9,"n_trechos":12,"pagerank":0.0032,"artigos":["g0175_phishing","ref_3f42d6b2ce58_01278","ref_72db3d675ef9_00074","ref_72db3d675ef9_00076","ref_72db3d675ef9_00091","ref_72db3d675ef9_00113","ref_72db3d675ef9_00129","ref_72db3d675ef9_00243","ref_72db3d675ef9_00257"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"contratos ponzi","id":"contratos_ponzi","definicao":"Tipo de contrato fraudulento, tipicamente implantado em Ethereum, que remunera investidores iniciais com os fundos aportados por investidores posteriores, os quais não obtêm ganho. No corpus, aparece como subtipo de contratos fraudulentos e como alvo de detecção por um método proposto (CTRF).","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Objeto":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00155,"artigos":["ref_72db3d675ef9_00204"],"areas":["Detecção"]},{"nome":"controle comportamental percebido","id":"controle_comportamental_percebido","definicao":"Construto psicológico, derivado da teoria do comportamento planejado, que designa a percepção da vítima sobre sua capacidade e facilidade de realizar um investimento. No corpus, aparece ao lado da atitude de investimento como fator com impacto positivo significativo na intenção de investir, em estudo com 287 vítimas de golpes na China.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00052"],"areas":["Vítima"]},{"nome":"contágio","id":"contágio","definicao":"No corpus, 'contágio' aparece exclusivamente como parte constitutiva do spear_phishing, sem trechos diretos que descrevam seu significado operacional. Com base na relação observada, o conceito remete ao mecanismo pelo qual um ataque de spear_phishing se propaga ou se dissemina a partir de um vetor inicial, atingindo alvos adicionais por meio de conexões sociais, organizacionais ou de rede. A ausência de ocorrências diretas impede uma definição mais precisa; o conceito é inferido apenas pela sua posição estrutural como componente do spear_phishing.","topico":"Propagação_de_Ataques","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"conv1d","id":"conv1d","definicao":"Arquitetura de rede neural convolucional unidimensional, na versão aprimorada, empregada como modelo de detecção. No corpus, aparece com desempenho superior a outros modelos existentes em eficiência e acurácia de detecção, atendendo também a requisitos de verificação formal de segurança. Há apenas uma ocorrência, sem condições adicionais declaradas.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00289"],"areas":["Detecção"]},{"nome":"convergência entre crime organizado e cibercrime","id":"convergência_entre_crime_organizado_e_cibercrime","definicao":"Aproximação e adaptação de grupos do crime organizado ao ambiente digital, caracterizada no corpus como movimento orientado por lucro e oportunidade diante de um espaço digital pouco protegido. Envolve a atuação conjunta com provedores de serviços criminosos, finanças e infraestrutura, e é tratada como fenômeno a ser contido por respostas coordenadas.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00064"],"areas":["Ecossistema do Atacante"]},{"nome":"cooperação internacional em cibercrime","id":"cooperação_internacional_em_cibercrime","definicao":"Mecanismos e esforços coordenados entre países para combater crimes cibernéticos, incluindo phishing e engenharia social, por meio de acordos, tratados e ações conjuntas entre jurisdições distintas. No corpus, o conceito aparece em contraste com legislações nacionais sobre engenharia social, sugerindo que a fragmentação jurídica entre países representa um obstáculo à efetividade do combate ao cibercrime, enquanto a cooperação internacional seria uma resposta estrutural a essa limitação.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Recomendação":2,"Lacuna":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00097,"artigos":["fraudes00096","fraudes00106","g0066_phishing"],"areas":["Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"coronavírus","id":"coronavírus","definicao":"Pandemia de coronavírus tratada no corpus como contexto de saúde pública cujo impacto aparente sobre as experiências de vitimização por fraude é examinado, com foco em pessoas acima de 50 anos. A relação com a vitimização é apresentada como objeto de análise, e não como vínculo causal já comprovado.","topico":"Contextos_de_Ataque","aspecto":"Biótico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00010"],"areas":["Vítima"]},{"nome":"credenciais de acesso","id":"credenciais_de_acesso","definicao":"Conjunto de informações de autenticação — tipicamente combinações de nome de usuário e senha, mas também tokens ou dados equivalentes — que permitem acesso a sistemas, contas ou serviços. No corpus, o conceito aparece exclusivamente como objeto-alvo obtido por ataques: phishing (em suas diversas modalidades, incluindo phishing por e-mail), engenharia social e redirecionamento de URL são os mecanismos pelos quais tais credenciais são capturadas de vítimas. O conceito não é operacionalizado como processo, mas como recurso informacional cobiçado e extraído ilegitimamente.","topico":"Alvos_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":9,"Contexto Prévio":4,"Resultado":2},"n_relacoes":7,"n_trechos":15,"pagerank":0.00202,"artigos":["fraudes00023","fraudes00093","g0066_phishing","g0067_phishing","g0253_phishing","g0293_phishing","ref_8d955f377173_00045"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"credibilidade da informação na web","id":"credibilidade_da_informação_na_web","definicao":"Grau em que informações encontradas na web são percebidas como confiáveis pelos usuários, tratado no corpus como variável mensurada por escala validada (WICS-P) em estudantes universitários iranianos. A evidência limita-se a uma única ocorrência, que associa o conceito à sua medição psicométrica.","topico":"Avaliação_de_Confiabilidade","aspecto":"Pístico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00189"],"areas":["Vítima"]},{"nome":"credulidade induzida por vieses","id":"credulidade_induzida_por_vieses","definicao":"Tendência a acreditar em informações ou ofertas enganosas, atribuída a vieses cognitivos da pessoa. No corpus, é tratada como variável mediadora entre características individuais, como o letramento financeiro, e a propensão a ser vítima de golpes financeiros e de phishing, inclusive entre pessoas financeiramente letradas.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":2,"Resultado":2},"n_relacoes":3,"n_trechos":4,"pagerank":0.00106,"artigos":["ref_72db3d675ef9_00233"],"areas":["Vítima"]},{"nome":"crença na imoralidade do pagamento","id":"crença_na_imoralidade_do_pagamento","definicao":"Convicção da vítima de que pagar o resgate aos golpistas é moralmente errado. No corpus aparece como crença de fundo associada, em ambos os cenários analisados (disponibilidade e confidencialidade), à recusa de pagamento, em contraste com o medo e a crença na promessa dos criminosos, que se associam ao pagamento.","topico":"Fatores_Psicológicos","aspecto":"Ético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_3f42d6b2ce58_00132"],"areas":["Vítima"]},{"nome":"crescimento insustentável","id":"crescimento_insustentável","definicao":"Fase de expansão acelerada e excessiva, vista no corpus a partir do caso do preço das ações da Enron, em que o crescimento se aproxima de um nível de saturação (cerca de 0,9 num modelo logístico) e indica superaquecimento sistêmico. É caracterizada pela razão de saturação, que a mede.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00291"],"areas":["Mecanismo do Ataque"]},{"nome":"crime com criptoativos","id":"crime_com_criptoativos","definicao":"Conduta criminosa que envolve criptoativos, tratada no corpus como problema a ser prevenido por meio de abordagem jurídica equilibrada, que combine controles efetivos com apoio à inovação, e do letramento digital, apresentado apenas como contramedida sugerida e não testada. O corpus não detalha modalidades ou mecanismos específicos.","topico":"Crimes_Digitais","aspecto":"Jurídico","zonas":{"Recomendação":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.00048,"artigos":["ref_3f42d6b2ce58_00258","ref_72db3d675ef9_00004"],"areas":["Mecanismo do Ataque"]},{"nome":"crime organizado tradicional","id":"crime_organizado_tradicional","definicao":"Modelo de organização criminosa tradicional, caracterizado no corpus por estrutura hierárquica rígida, com posições e remuneração definidas e grupos coesos. Serve de termo de comparação para os arranjos do comprometimento de e-mail corporativo e do ransomware como serviço, descritos como não hierárquicos, fluidos, descentralizados e dispersos.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00091,"artigos":["ref_3f42d6b2ce58_00215","ref_8d955f377173_00015"],"areas":["Ecossistema do Atacante"]},{"nome":"crimes criptografados","id":"crimes_criptografados","definicao":"Categoria de crimes que envolvem criptografia, mencionada no corpus como alvo cuja incidência global seria reduzida por um sistema criptográfico integrado que antecipa tipos de crime. A afirmação de redução vem dos autores, sem evidência empírica no trecho; o corpus não detalha a natureza desses crimes.","topico":"Crimes_Digitais","aspecto":"Jurídico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["fraudes00191"],"areas":["Detecção"]},{"nome":"crimson","id":"crimson","definicao":"Crimson é o nome de um sistema distribuído, apresentado no corpus, projetado para detectar continuamente sites de golpes de investimento em criptoativos à medida que são criados. É tratado como ferramenta aplicada à detecção de phishing/golpes em sites, e não como método de análise genérico.","topico":"Ferramentas_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00101"],"areas":["Detecção"]},{"nome":"criptomoedas","id":"criptomoedas","definicao":"Ativo financeiro digital que o cibercriminoso busca adquirir como ganho do ataque. No corpus, aparece como objeto obtido diretamente de usuários, como no cryptojacking, em contraste com o ransomware, em que a obtenção depende da extorsão de um resgate.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["ref_3f42d6b2ce58_01174"],"areas":["Mecanismo do Ataque"]},{"nome":"critérios de governança de dados","id":"critérios_de_governança_de_dados","definicao":"Conjunto de requisitos, padrões ou princípios utilizados para avaliar e selecionar fontes de dados no contexto de pesquisas sobre phishing, orientando decisões sobre quais repositórios, conjuntos de dados ou bases são adequados para uso em estudos empíricos e experimentais. No corpus, o conceito aparece associado a fontes candidatas de substituição, sugerindo seu papel como critério de triagem e validação de alternativas quando fontes primárias não estão disponíveis ou são inadequadas.","topico":"Gestão_de_Dados","aspecto":"Jurídico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"critérios de segurança","id":"critérios_de_segurança","definicao":"Conjunto de requisitos ou padrões utilizados para avaliar se um modelo ou sistema atende a condições mínimas de segurança, funcionando como restrições que podem impedir a aprovação de soluções que apresentem compromissos desfavoráveis entre desempenho e segurança (trade-offs). No corpus, o conceito aparece como fator inibidor da adoção de modelos que não satisfazem tais exigências.","topico":"Segurança_de_Sistemas","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"crowdfunding","id":"crowdfunding","definicao":"Modalidade de financiamento coletivo, tratada no corpus como fonte de riscos cujo impacto recai sobre a segurança econômica e sobre o sistema econômico em geral. O corpus a menciona em uma única ocorrência, na qual o artigo lista seus riscos e seu efeito sobre a segurança econômica.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00150"],"areas":["Prevenção e Resposta"]},{"nome":"cryptojacking","id":"cryptojacking","definicao":"Modalidade de ataque em que cibercriminosos adquirem criptomoedas diretamente de usuários comuns da Internet, sem necessidade de extorquir resgate. No corpus, é contrastada com o ransomware, que depende da extorsão, e se caracteriza pelo objetivo de obter ganho em criptomoedas.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01174"],"areas":["Mecanismo do Ataque"]},{"nome":"cryptomarchés","id":"cryptomarchés","definicao":"Mercados online ilícitos (cryptomarchés) que funcionam como ponto de convergência de cibercriminosos para a oferta e a demanda de produtos e serviços ilegais. No corpus, são tratados como ambiente que reúne o necessário para executar as etapas do carding e cujo surgimento é investigado quanto ao efeito sobre a oferta desses produtos.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["fraudes00206"],"areas":["Ecossistema do Atacante"]},{"nome":"ctrf","id":"ctrf","definicao":"Método proposto para detectar contratos inteligentes fraudulentos do tipo esquema Ponzi na rede Ethereum. Constrói um conjunto de dados a partir de características de palavras e de sequência do código do contrato e de características das transações, e é relatado com recall significativamente melhor que métodos existentes de detecção.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1,"Método":1,"Resultado":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00226,"artigos":["ref_72db3d675ef9_00204"],"areas":["Detecção"]},{"nome":"custo de implantação","id":"custo_de_implantação","definicao":"Custo associado à implementação de ataques de phishing, considerado como fator que influencia o nível de sofisticação dos ataques empregados. Embora sem ocorrências diretas no corpus codificado, a relação observada sugere que o custo de implantação opera como variável condicionante da complexidade e elaboração das campanhas de phishing, implicando que recursos financeiros ou técnicos disponíveis ao atacante determinam o grau de sofisticação alcançável.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"custo de interrupção de negócios","id":"custo_de_interrupção_de_negócios","definicao":"Custo suportado pela vítima de ransomware em razão da paralisação ou degradação de suas operações durante o ataque e a negociação do resgate. No corpus, aparece como componente do prejuízo da vítima que tende a aumentar quando a negociação se prolonga sob informação incompleta entre atacante e vítima.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00089,"artigos":["ref_3f42d6b2ce58_00153"],"areas":["Prevenção e Resposta"]},{"nome":"custo por recrutado","id":"custo_por_recrutado","definicao":"Custo financeiro incorrido pelo operador do esquema para recrutar cada novo participante na propagação do golpe. No corpus, aparece como parâmetro econômico cujo valor mais alto se associa a um limiar crítico de propagação maior e a piores resultados financeiros.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00083,"artigos":["ref_72db3d675ef9_00151"],"areas":["Mecanismo do Ataque"]},{"nome":"cybercane","id":"cybercane","definicao":"Framework neuro-simbólico proposto no corpus para detecção de phishing, que integra análise simbólica determinística com geração aumentada por recuperação (RAG) que preserva a privacidade. É apresentado como aplicável a domínios críticos de privacidade e, nas avaliações relatadas, supera a detecção somente simbólica em ameaças geradas por IA.","topico":"Ferramentas_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00103,"artigos":["g0163_phishing"],"areas":["Detecção"]},{"nome":"dark web","id":"dark_web","definicao":"Ecossistema multifacetado de mercados, serviços, fóruns e canais de comunicação criptografados onde se comercializam credenciais roubadas, malware como serviço e hacking sob contratação, além de transferência de conhecimento, recrutamento e uso de serviços de mistura de criptomoedas. No corpus, é descrita como ambiente que viabiliza a oferta de capacidades de ataque.","topico":"Infraestrutura_de_Ataque","aspecto":"Social","zonas":{"Resultado":1,"Lacuna":1,"Objetivo":1,"Conclusão":1,"Objeto":1,"Contexto Prévio":1},"n_relacoes":4,"n_trechos":6,"pagerank":0.00078,"artigos":["fraudes00106","ref_3f42d6b2ce58_00512","ref_3f42d6b2ce58_01051","ref_3f42d6b2ce58_01099"],"areas":["Ecossistema do Atacante"]},{"nome":"data centers","id":"data_centers","definicao":"Instalações e ambientes de computação, em conjunto com ambientes de nuvem, que armazenam e processam dados e aparecem no corpus como alvos de ataques de ransomware, os quais comprometem a integridade e a segurança dos dados. O uso observado é de ativo de infraestrutura visado, sem detalhamento do mecanismo de ataque.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00248"],"areas":["Detecção"]},{"nome":"decepção","id":"decepção","definicao":"Mecanismo psicossocial pelo qual o atacante induz a vítima a acreditar em algo falso, criando uma percepção distorcida da realidade para obter informações ou ações desejadas. No contexto do phishing, a decepção é explorada como vetor central do ataque, sendo o meio pelo qual mensagens fraudulentas se apresentam como legítimas e confiáveis, levando o alvo a agir contra seus próprios interesses.","topico":"Manipulação_Psicológica","aspecto":"Sensitivo","zonas":{"Objeto":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00077,"artigos":["boumber202437","g0066_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"decisão da vítima","id":"decisão_da_vítima","definicao":"Processo pelo qual a vítima de um ataque, no corpus especificamente de ransomware, escolhe como agir diante da situação, por exemplo se cede ou não ao pedido. É tratada como objeto de modelagem formal, sobre o qual atuam fatores externos como o seguro, que influenciam a escolha.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["ref_3f42d6b2ce58_00751"],"areas":["Vítima"]},{"nome":"decisão de investimento","id":"decisão_de_investimento","definicao":"Escolha individual de aplicar recursos financeiros em determinado produto ou esquema, como esquemas Ponzi e robôs de trading de forex na Indonésia. No corpus, é o resultado examinado empiricamente, associado a fatores como tolerância ao risco, redes sociais, letramento financeiro, ganância e comportamento financeiro digital seguro.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Econômico","zonas":{"Resultado":6,"Objetivo":4},"n_relacoes":5,"n_trechos":10,"pagerank":0.00183,"artigos":["ref_72db3d675ef9_00093","ref_72db3d675ef9_00130"],"areas":["Vítima"]},{"nome":"decisão de pagar o resgate","id":"decisão_de_pagar_o_resgate","definicao":"Escolha feita pela vítima de um ataque de ransomware entre pagar o valor exigido pelos criminosos ou abandonar os dados e arquivos sequestrados. No corpus, é o desfecho examinado em relação a traços de personalidade (tríade sombria), à presença de backups e ao recurso a empresas de resposta a incidentes.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":3,"Objetivo":1},"n_relacoes":3,"n_trechos":4,"pagerank":0.00226,"artigos":["ref_3f42d6b2ce58_00148","ref_3f42d6b2ce58_00545"],"areas":["Vítima"]},{"nome":"decodificadores dsc","id":"decodificadores_dsc","definicao":"Programas e equipamentos decodificadores de sinais DSC (chamada seletiva digital) usados em comunicações de rádio, tratados no corpus como alvos técnicos de ataque. Os decodificadores testados, incluindo dois programas e um transceptor, mostraram-se suscetíveis a spoofing, o que os caracteriza como componentes vulneráveis da infraestrutura de comunicação.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00046,"artigos":["lindback2024211"],"areas":["Mecanismo do Ataque"]},{"nome":"deepface","id":"deepface","definicao":"Modelo de reconhecimento facial baseado em aprendizado profundo, usado no corpus como sistema comparativo de verificação de identidade por imagens de rosto. Aparece avaliado em conjunto de imagens por precisão, recall e F1, apresentando desempenho inferior ao do FaceNet em alguns participantes.","topico":"Aprendizado_de_Máquina","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ujianto2025815"],"areas":["Detecção"]},{"nome":"deepfake","id":"deepfake","definicao":"Técnica de síntese de mídia baseada em inteligência artificial que gera ou manipula conteúdo audiovisual (imagens, vídeos ou áudio) de forma a imitar de maneira convincente pessoas reais. No corpus, o conceito aparece como recurso utilizado pela engenharia social, sugerindo seu papel como meio de falsificação de identidade ou de contexto para tornar ataques de phishing mais críveis e difíceis de detectar.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":4,"Objeto":2,"Conclusão":1,"Objetivo":1},"n_relacoes":8,"n_trechos":8,"pagerank":0.00168,"artigos":["fraudes00004","fraudes00037","g0066_phishing","ref_8d955f377173_00001","ref_8d955f377173_00028","schafer202413"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"denúncia à polícia","id":"denúncia_à_polícia","definicao":"Decisão da vítima de ransomware de comunicar o incidente às autoridades policiais, tratada no corpus como desfecho comportamental examinado junto à decisão de pagar o resgate. O corpus apenas investiga se traços da tríade sombria influenciam essa decisão; não afirma um vínculo estabelecido.","topico":"Resposta_a_Incidentes","aspecto":"Jurídico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00085,"artigos":["ref_3f42d6b2ce58_00148"],"areas":["Vítima"]},{"nome":"dependência mútua","id":"dependência_mútua","definicao":"Relação de interdependência entre empresas integradas em cadeias de suprimentos, na qual a operação de cada uma depende das demais. No corpus, aparece como característica estrutural do contexto organizacional que pode ser explorada por cibercriminosos, como em ataques de ransomware.","topico":"Contexto_Organizacional","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00774"],"areas":["Mecanismo do Ataque"]},{"nome":"derrota da autenticação multifator","id":"derrota_da_autenticação_multifator","definicao":"Capacidade ou técnica empregada por atacantes para contornar ou neutralizar mecanismos de autenticação multifator (MFA), tornando ineficaz a camada adicional de segurança que exige múltiplos fatores de verificação de identidade. No corpus, o conceito aparece como alvo de inibição pela complexidade de fatores, sugerindo que quanto maior a complexidade dos fatores de autenticação exigidos, menor a probabilidade de que o MFA seja derrotado com sucesso pelo atacante.","topico":"Autenticação_e_Controle_de_Acesso","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00062,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"desempenho agregado","id":"desempenho_agregado","definicao":"Medida composta que sintetiza o resultado global de um sistema ou abordagem de detecção, contrastada com métricas específicas de segurança de detecção de phishing. No corpus, o conceito aparece como referência de avaliação geral que se opõe a indicadores mais focados em aspectos particulares do desempenho, sugerindo que o desempenho agregado pode mascarar variações em dimensões críticas de segurança quando considerado isoladamente.","topico":"Avaliação_de_Desempenho","aspecto":"Quantitativo","zonas":{"Conclusão":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.00068,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho composto email-sms","id":"desempenho_composto_email-sms","definicao":"Medida agregada de desempenho que combina resultados obtidos em dois canais distintos de comunicação — e-mail e SMS — para avaliação conjunta de modelos ou abordagens de detecção de phishing. Inferido a partir de sua relação de contraste com desempenho_interno, sugere que representa uma métrica composta que integra o desempenho em múltiplos vetores de ataque, permitindo comparação com métricas calculadas em contextos mais restritos ou internos.","topico":"Avaliação_de_Desempenho","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho de detecção","id":"desempenho_de_detecção","definicao":"Capacidade de um sistema ou modelo de identificar corretamente mensagens de phishing, operacionalizada no corpus por métricas como macro-F1 agregado, coeficiente de correlação de Matthews e phishing recall. O desempenho de detecção é influenciado por fatores como augmentação de dados, augmentação orientada a fonte, ponderação hierárquica, diversidade de fontes independentes e uso de ferramentas como SpamAssassin. O conceito também se relaciona com a transferência entre fontes, indicando que o desempenho obtido em um conjunto de dados pode ou não se generalizar para outros contextos.","topico":"Detecção_de_Phishing","aspecto":"Quantitativo","zonas":{"Resultado":14,"Objetivo":6,"Método":6,"Contexto Prévio":1,"Lacuna":1,"Conclusão":1},"n_relacoes":24,"n_trechos":29,"pagerank":0.00859,"artigos":["boumber202437","fraudes00036","fraudes00096","fraudes00153","fraudes00183","g0007_phishing","g0293_phishing","qachfar2024241","ref_3f42d6b2ce58_00041","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00723","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_01123","ref_72db3d675ef9_00158","ref_72db3d675ef9_00198"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"desempenho em sms","id":"desempenho_em_sms","definicao":"Desempenho de modelos ou sistemas de detecção quando aplicados a mensagens SMS, utilizado no corpus como ponto de contraste em relação ao desempenho obtido em e-mails. A relação observada sugere que os resultados alcançados por modelos de detecção de phishing por e-mail não se transferem diretamente para o contexto de SMS, implicando diferenças nas características do canal, no volume de dados ou nas métricas de eficácia entre os dois meios.","topico":"Detecção_de_Phishing","aspecto":"Quantitativo","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho entre fontes","id":"desempenho_entre_fontes","definicao":"Medida de desempenho que avalia o comportamento de modelos ou sistemas quando aplicados a dados provenientes de diferentes fontes ou domínios, permitindo comparar a eficácia relativa entre origens distintas de dados. No corpus, aparece como variável influenciada por estratégias de augmentação controlada de fonte e por esquemas de ponderação hierárquica por classe e fonte, indicando que variações nessas estratégias produzem efeitos mensuráveis no desempenho observado por fonte de dados.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Objetivo":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00115,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho family-disjoint","id":"desempenho_family-disjoint","definicao":"Métrica de desempenho de modelos de detecção de phishing avaliada em cenário family-disjoint, no qual os dados de teste pertencem a famílias de ataques distintas das utilizadas no treinamento. Esse protocolo avalia a capacidade de generalização do modelo para ataques não vistos durante o treinamento. Conforme as relações observadas, tanto a diversidade de fonte de e-mail quanto a augmentação de dados exercem influência sobre esse desempenho, sugerindo que a variabilidade dos dados de entrada é relevante para a robustez do modelo nesse cenário de avaliação.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Resultado":2,"Objetivo":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00111,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho fora da distribuição","id":"desempenho_fora_da_distribuição","definicao":"Desempenho de modelos de detecção avaliados em dados que diferem da distribuição original de treinamento, contrastando com o desempenho in-domain. No corpus, o conceito emerge como polo oposto ao desempenho in-domain, indicando a capacidade (ou limitação) de generalização de classificadores de phishing quando aplicados a amostras fora do domínio de treinamento.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho in-domain","id":"desempenho_in-domain","definicao":"Desempenho de modelos de detecção de phishing avaliado em dados pertencentes à mesma distribuição utilizada no treinamento, em contraste com o desempenho fora da distribuição. Serve como referência para comparar a capacidade de generalização dos modelos quando expostos a dados novos ou de domínios distintos.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho interno","id":"desempenho_interno","definicao":"Medida de desempenho de um modelo ou sistema avaliado exclusivamente sobre dados ou condições internas, em contraste com métricas compostas que combinam múltiplos canais ou modalidades (como e-mail e SMS). A relação observada no corpus indica que o desempenho interno é distinguido do desempenho composto email-SMS, sugerindo que se trata de uma métrica de avaliação restrita a um único domínio ou conjunto de dados, sem agregação entre diferentes tipos de canais de comunicação.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desemprego","id":"desemprego","definicao":"Condição socioeconômica de falta de emprego, mencionada no corpus como fator de tensão socioeconômica que influencia o envolvimento de jovens no cibercrime, em contexto local específico (Calabar, Nigéria). Aparece como condição de fundo associada à motivação de atores, não como técnica ou etapa do ataque.","topico":"Motivação_e_Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.0013,"artigos":["fraudes00080","mahanama2021","ref_72db3d675ef9_00286"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"desequilíbrio de classes","id":"desequilíbrio_de_classes","definicao":"Condição em que as classes de um conjunto de dados de treinamento ou avaliação apresentam distribuição desproporcional de exemplos, de modo que uma ou mais classes possuem muito mais instâncias do que outras. No contexto do corpus, o conceito aparece como um problema metodológico relevante em tarefas de classificação de phishing, sendo mitigado pelo uso de macroaveraging, técnica que pondera igualmente todas as classes independentemente de sua frequência, evitando que métricas de desempenho sejam dominadas pela classe majoritária.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Resultado":2,"Objetivo":1,"Método":1},"n_relacoes":3,"n_trechos":4,"pagerank":0.00135,"artigos":["fraudes00077","g0007_phishing","g0293_phishing"],"areas":["Detecção"]},{"nome":"desumanização das vítimas","id":"desumanização_das_vítimas","definicao":"Processo pelo qual vítimas de fraude online são tratadas ou representadas como animais ou objetos, perdendo o estatuto de pessoas, em discursos sobre o golpe. No corpus aparece como implicação investigada da metáfora animal 'pig butchering', sem confirmação de vínculo causal, e restrita a diversos discursos sobre fraude online.","topico":"Fatores_Psicológicos","aspecto":"Ético","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00267"],"areas":["Vítima"]},{"nome":"detecção de anomalias","id":"detecção_de_anomalias","definicao":"Procedimento de identificação de resultados anômalos, isto é, desvios em relação ao padrão esperado, por meio de modelos computacionais. No corpus aparece de forma única e pontual, como tarefa para a qual a árvore de decisão é proposta, sem teste empírico, a partir de uma revisão comparativa.","topico":"Detecção_de_Anomalias","aspecto":"Analítico","zonas":{"Objetivo":9,"Método":4,"Conclusão":1,"Resultado":1},"n_relacoes":11,"n_trechos":15,"pagerank":0.00373,"artigos":["boumber202437","fraudes00215","ref_3f42d6b2ce58_00043","ref_72db3d675ef9_00017","ref_72db3d675ef9_00018","ref_72db3d675ef9_00129","ref_72db3d675ef9_00136","ref_72db3d675ef9_00156","ref_72db3d675ef9_00186","ref_72db3d675ef9_00215","ref_72db3d675ef9_00229","ref_72db3d675ef9_00243","ref_72db3d675ef9_00259","ref_8d955f377173_00006"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"detecção de contas sybil","id":"detecção_de_contas_sybil","definicao":"Tarefa de identificar contas falsas ou maliciosas, as contas Sybil, em plataformas e comunidades online, inclusive no momento da tentativa de entrada em uma subcomunidade. No corpus é alvo de frameworks não supervisionados e abordagens proativas, e é dificultada por contas falsas que exibem comportamento confiável e nomes plausíveis.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Objetivo":2,"Lacuna":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00163,"artigos":["fraudes00124","fraudes00149","fraudes00162"],"areas":["Detecção","Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"detecção de contratos ponzi","id":"detecção_de_contratos_ponzi","definicao":"Tarefa de identificar contratos inteligentes que operam como esquemas Ponzi, distinguindo-os de contratos legítimos. No corpus, aparece como o problema ao qual se aplica o método proposto MTCformer, uma abordagem de detecção baseada em redes convolucionais de texto multicanal e Transformer.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00091"],"areas":["Detecção"]},{"nome":"detecção de engano","id":"detecção_de_engano","definicao":"Capacidade de pessoas, como decisores ou participantes de um jogo, de reconhecer que estão sendo enganadas. No corpus, é tratada como desempenho que pode melhorar com exposição repetida, experiência e aprendizado, conforme hipótese e evidência de uma amostra de participantes de game show de TV.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["banerjee2023"],"areas":["Vítima"]},{"nome":"detecção de esquemas ponzi","id":"detecção_de_esquemas_ponzi","definicao":"Tarefa de identificar esquemas Ponzi, um tipo de golpe de investimento, por meio de métodos computacionais. No corpus aparece como o problema-alvo ao qual abordagens de aprendizado de máquina, inclusive híbridas, são aplicadas para aprimorar o reconhecimento desses esquemas fraudulentos.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00046,"artigos":["ref_72db3d675ef9_00104"],"areas":["Detecção"]},{"nome":"detecção de intrusão","id":"detecção_de_intrusão","definicao":"Identificação de intrusos ou acessos não autorizados em redes por meio de sistemas de detecção de intrusão (IDS). No corpus aparece como domínio de aplicação de técnicas de aprendizado de máquina e aprendizado profundo, que mostram potencial para detectar intrusos de forma eficiente em redes.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Recomendação":2,"Contexto Prévio":1,"Objetivo":1,"Método":1,"Resultado":1},"n_relacoes":5,"n_trechos":6,"pagerank":0.00163,"artigos":["fraudes00215","ref_3f42d6b2ce58_00184","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_01174"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"detecção de phishing","id":"detecção_de_phishing","definicao":"Processo ou conjunto de métodos voltados à identificação automatizada de tentativas de phishing em mensagens, URLs ou outros vetores digitais. No corpus, o conceito aparece como alvo de técnicas que o dificultam — como codificação de URL, spoofing e uso de identificadores numéricos gerados artificialmente — e como domínio de aplicação de abordagens computacionais, incluindo modelos de linguagem como DistilRoBERTa e representações estatísticas como TF-IDF. A detecção de phishing por e-mail é tratada como subtipo, indicando que o conceito abrange múltiplos canais e modalidades de ataque. O foco observado é na discriminação automatizada entre conteúdo legítimo e malicioso.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Objetivo":15,"Resultado":11,"Método":7,"Contexto Prévio":3,"Conclusão":2,"Objeto":1,"Lacuna":1},"n_relacoes":29,"n_trechos":40,"pagerank":0.01006,"artigos":["fraudes00006","fraudes00018","fraudes00028","fraudes00053","fraudes00061","fraudes00077","fraudes00091","fraudes00092","fraudes00114","fraudes00117","fraudes00118","fraudes00147","fraudes00211","fraudes00219","g0062_phishing","g0066_phishing","g0163_phishing","g0205_phishing","g0232_phishing","g0253_phishing","g0293_phishing","g0296_phishing","ref_3f42d6b2ce58_00044","ref_3f42d6b2ce58_00342","ref_3f42d6b2ce58_00749","ref_3f42d6b2ce58_00766","ref_3f42d6b2ce58_00877","ref_72db3d675ef9_00087","ref_72db3d675ef9_00101","ref_72db3d675ef9_00197","ref_72db3d675ef9_00221","ref_72db3d675ef9_00242","ref_72db3d675ef9_00251","ref_72db3d675ef9_00269","ref_72db3d675ef9_00294","ref_8d955f377173_00054"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"detecção de phishing baseada em conteúdo","id":"detecção_de_phishing_baseada_em_conteúdo","definicao":"Abordagem de detecção de phishing que opera sobre o conteúdo das mensagens, utilizando características léxicas e semânticas do texto e pistas de persuasão como insumos analíticos para identificar tentativas maliciosas. Distingue-se de métodos baseados em listas negras ou heurísticas estruturais por centrar a análise no que é comunicado e em como os elementos linguísticos e retóricos são empregados para manipular o destinatário.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00096,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção de phishing baseada em transformer","id":"detecção_de_phishing_baseada_em_transformer","definicao":"Abordagem de detecção de phishing que utiliza arquiteturas baseadas em transformers, especialmente modelos de linguagem pré-treinados, para identificar mensagens ou páginas maliciosas. No corpus, o conceito aparece exclusivamente por meio de sua relação de uso com modelos de linguagem pré-treinados, indicando que a detecção é operacionalizada pelo aproveitamento de representações semânticas aprendidas em larga escala por esses modelos, aplicadas à tarefa de classificação de phishing.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção de phishing por e-mail","id":"detecção_de_phishing_por_e-mail","definicao":"Modalidade específica de detecção de phishing voltada para mensagens de correio eletrônico, operacionalizada no corpus por meio de arquiteturas transformer aplicadas à análise do conteúdo e características dos e-mails. Constitui uma especialização do conceito mais amplo de detecção de phishing, delimitada pelo canal de comunicação (e-mail) e pelo conjunto de técnicas de aprendizado de máquina empregadas para identificar mensagens maliciosas nesse meio.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Objetivo":2,"Contexto Prévio":2,"Resultado":1},"n_relacoes":4,"n_trechos":5,"pagerank":0.00167,"artigos":["fraudes00011","g0204_phishing","g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção de piscadas","id":"detecção_de_piscadas","definicao":"Mecanismo de verificação de vivacidade integrado a um modelo de reconhecimento facial em sistemas de exames online, que identifica o piscar dos olhos para confirmar a presença real do candidato. No corpus, é proposto como contramedida contra fraude de identidade e manipulação de imagens estáticas, ainda em avaliação.","topico":"Autenticação_e_Verificação","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ujianto2025815"],"areas":["Detecção"]},{"nome":"detecção de ransomware","id":"detecção_de_ransomware","definicao":"Tarefa de identificar ransomware ou atividade associada a ele, incluindo pagamentos em Bitcoin, por meio de monitoramento e análise de dados. No corpus, é viabilizada por contadores de desempenho de hardware e realizada com técnicas como aprendizado de máquina, aprendizado profundo e entropia de Shannon, de forma precoce e passiva.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Objetivo":2,"Resultado":1,"Método":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00166,"artigos":["ref_3f42d6b2ce58_00182","ref_3f42d6b2ce58_00248","ref_3f42d6b2ce58_00820","ref_3f42d6b2ce58_01261"],"areas":["Detecção"]},{"nome":"detecção operacional de phishing","id":"detecção_operacional_de_phishing","definicao":"Processo ou capacidade de identificar ataques de phishing em contexto operacional real, distinguindo-se de avaliações experimentais ou laboratoriais. No corpus, o conceito aparece como objeto de mensuração de métricas agregadas, sugerindo que se refere à eficácia prática de sistemas ou procedimentos de detecção implantados em ambientes de produção, onde o desempenho é avaliado por indicadores consolidados de desempenho.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00072,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção por mensagem","id":"detecção_por_mensagem","definicao":"Abordagem de defesa que identifica golpes avaliando cada mensagem isoladamente, com base no seu conteúdo. No corpus aparece como estratégia insuficiente quando usada sozinha, sendo contraposta a sinais comportamentais de longo prazo, conscientização pública e verificação por canal alternativo.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00062,"artigos":["ref_72db3d675ef9_00067"],"areas":["Ecossistema do Atacante"]},{"nome":"detecção somente simbólica","id":"detecção_somente_simbólica","definicao":"Abordagem de detecção de phishing que se apoia apenas em regras, assinaturas e características simbólicas explícitas, sem componente semântico ou de modelo de linguagem. No corpus aparece como linha de base de comparação: o sistema CyberCane a supera em recall sobre ameaças de e-mail geradas por IA, nos conjuntos avaliados.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00063,"artigos":["g0163_phishing"],"areas":["Detecção"]},{"nome":"difusão de fakes","id":"difusão_de_fakes","definicao":"Disseminação de conteúdos falsos ou enganosos, como notícias falsas, desinformação, deepfakes e anúncios enganosos, em ambientes digitais e redes sociais. No corpus, aparece associada a fontes como bots e usuários maliciosos, é modulada pela confiança institucional da audiência e é examinada quanto aos efeitos sobre as pessoas expostas.","topico":"Propagação_de_Ataques","aspecto":"Lingual","zonas":{"Resultado":1,"Contexto Prévio":1,"Objetivo":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00103,"artigos":["fraudes00094","fraudes00142","fraudes00192"],"areas":["Detecção","Vítima"]},{"nome":"digitalização das cadeias de suprimento alimentar","id":"digitalização_das_cadeias_de_suprimento_alimentar","definicao":"Processo de adoção de tecnologias digitais e de integração de sistemas nas cadeias de suprimento alimentar, associado à globalização do setor. No corpus, aparece como característica do contexto organizacional e tecnológico que pode ampliar o nível de exposição dessas cadeias a ataques de ransomware, em relação apresentada como possibilidade.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00336"],"areas":["Prevenção e Resposta"]},{"nome":"dinheiro","id":"dinheiro","definicao":"Recurso financeiro obtido como resultado de ataques de phishing ou engenharia social. No corpus, aparece como objetivo final de ataques por e-mail e de técnicas de engenharia social, representando o ganho monetário direto buscado pelo atacante. Não há ocorrências diretas no corpus codificado, sendo inferido exclusivamente pelas relações observadas com outros conceitos.","topico":"Motivação_e_Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Objeto":35,"Contexto Prévio":22,"Resultado":7,"Conclusão":2,"Objetivo":1,"Método":1},"n_relacoes":14,"n_trechos":68,"pagerank":0.00455,"artigos":["g0066_phishing","qachfar2024241","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00240","ref_3f42d6b2ce58_00270","ref_3f42d6b2ce58_00289","ref_3f42d6b2ce58_00317","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_00393","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00517","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00704","ref_3f42d6b2ce58_00770","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_00882","ref_3f42d6b2ce58_00886","ref_3f42d6b2ce58_01002","ref_3f42d6b2ce58_01007","ref_3f42d6b2ce58_01025","ref_3f42d6b2ce58_01031","ref_3f42d6b2ce58_01033","ref_3f42d6b2ce58_01051","ref_3f42d6b2ce58_01054","ref_3f42d6b2ce58_01060","ref_3f42d6b2ce58_01085","ref_3f42d6b2ce58_01099","ref_3f42d6b2ce58_01106","ref_3f42d6b2ce58_01131","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01152","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01198","ref_3f42d6b2ce58_01230","ref_3f42d6b2ce58_01232","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01260","ref_3f42d6b2ce58_01265","ref_3f42d6b2ce58_01275","ref_3f42d6b2ce58_01285","ref_3f42d6b2ce58_01291","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01300","ref_3f42d6b2ce58_01318","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01350","ref_3f42d6b2ce58_01362","ref_3f42d6b2ce58_01368","ref_72db3d675ef9_00022","ref_72db3d675ef9_00049","ref_72db3d675ef9_00071","ref_72db3d675ef9_00087","ref_72db3d675ef9_00102","ref_72db3d675ef9_00104","ref_72db3d675ef9_00142","ref_72db3d675ef9_00146","ref_72db3d675ef9_00170","ref_72db3d675ef9_00184","ref_72db3d675ef9_00214","ref_72db3d675ef9_00231","ref_72db3d675ef9_00279","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00013","ref_8d955f377173_00020","ref_8d955f377173_00040"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"dinâmica de difusão","id":"dinâmica_de_difusão","definicao":"Conjunto de características do processo pelo qual um golpe de investimento se propaga entre investidores ao longo de uma rede social. No corpus, aparece como a dinâmica observada em simulações com redes artificiais e do Facebook, sendo afetada pela estrutura da rede de investidores.","topico":"Propagação_de_Ataques","aspecto":"Cinemático","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00237"],"areas":["Ecossistema do Atacante"]},{"nome":"disponibilidade de backups recuperáveis","id":"disponibilidade_de_backups_recuperáveis","definicao":"Condição em que a vítima de ransomware dispõe de cópias de segurança passíveis de restauração dos dados afetados. No corpus aparece como variável explicativa associada à probabilidade de a vítima pagar o resgate, com base em relatórios policiais holandeses (2019-2022). É tratada como medida de preparação defensiva, sem evidência adicional de outros usos.","topico":"Defesa_Técnica","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00076,"artigos":["ref_3f42d6b2ce58_00649"],"areas":["Ecossistema do Atacante"]},{"nome":"disponibilidade pública de e-mail de autores","id":"disponibilidade_pública_de_e-mail_de_autores","definicao":"Condição em que os endereços de e-mail de autores acadêmicos ficam publicamente acessíveis, por exemplo em publicações. No corpus, essa exposição é apresentada como característica explorada por atores mal-intencionados para enviar spam acadêmico não solicitado, com possíveis riscos financeiros ou reputacionais para os autores.","topico":"Dados_da_Vítima","aspecto":"Físico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00099"],"areas":["Prevenção e Resposta"]},{"nome":"dispositivos de borda sem correção","id":"dispositivos_de_borda_sem_correção","definicao":"Dispositivos situados na borda da rede (como equipamentos de perímetro) que permanecem sem as correções de segurança disponíveis e, por isso, ficam expostos. No corpus, aparecem como alvo explorado por ataques de ransomware, citados entre as ameaças dominantes contra provedores de serviços gerenciados no período de 2020 a 2025.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00109"],"areas":["Mecanismo do Ataque"]},{"nome":"dispositivos iiot com recursos limitados","id":"dispositivos_iiot_com_recursos_limitados","definicao":"Dispositivos da Internet das Coisas Industrial com restrições de processamento, memória e energia, que operam em redes próprias e aparecem no corpus como alvo de ataques de ransomware. A viabilidade do ataque contra eles é demonstrada por protótipo de prova de conceito em sistemas embarcados, não por incidentes reais observados.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00402"],"areas":["Mecanismo do Ataque"]},{"nome":"dispositivos iot","id":"dispositivos_iot","definicao":"Dispositivos conectados da Internet das Coisas, descritos no corpus como alvos atraentes para atacantes de ransomware devido à sua ubiquidade e vulnerabilidade. Também funcionam como recurso do ataque: a funcionalidade do aparelho infectado é usada para invadir a privacidade do proprietário e pressioná-lo a pagar resgate.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Objetivo":1,"Resultado":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01265","ref_3f42d6b2ce58_01360"],"areas":["Mecanismo do Ataque"]},{"nome":"dispositivos nas","id":"dispositivos_nas","definicao":"Dispositivos de armazenamento conectado à rede (NAS) tratados no corpus como alvo de ataques de ransomware. Na evidência disponível, uma parcela dos ataques de ransomware reportados à polícia holandesa entre 2019 e 2022 visou esses equipamentos, que aparecem como objeto técnico visado, e não como vetor ou defesa.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00030"],"areas":["Vítima"]},{"nome":"disposição a pagar o resgate","id":"disposição_a_pagar_o_resgate","definicao":"Inclinação da vítima de ransomware a atender a exigência do golpista e efetuar o pagamento do resgate, tratada no corpus como variável de resposta medida em experimento com telas de resgate. É examinada como resultado influenciado pelo enquadramento da exigência e predito pela confiança da vítima.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00099,"artigos":["ref_3f42d6b2ce58_00356"],"areas":["Vítima"]},{"nome":"disposição de pagar","id":"disposição_de_pagar","definicao":"Intenção declarada, medida em experimento com vinhetas, de a vítima pagar o resgate diante de uma nota de ransomware. No corpus, é tratada como variável de resultado, associada às respostas emocionais (como o medo) e às diferenças entre mensagens de ameaça e condição neutra, sem equivaler a pagamento efetivo.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00076,"artigos":["ref_3f42d6b2ce58_00262"],"areas":["Vítima"]},{"nome":"dissonância pós-decisão","id":"dissonância_pós-decisão","definicao":"Mecanismo psicológico de desconforto ou necessidade de reafirmação que surge após a vítima tomar uma decisão de investir, explorado em conversas de grupo e mensagens privadas por golpes de investimento para consolidar suas intenções de investimento. No corpus aparece junto à influência social informacional, com evidência pontual.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00142"],"areas":["Mecanismo do Ataque"]},{"nome":"distilroberta","id":"distilroberta","definicao":"Modelo de linguagem baseado em arquitetura Transformer, derivado do RoBERTa por meio de destilação de conhecimento, utilizado no corpus para tarefas de detecção de phishing. Apresenta desempenho superior ao TF-IDF em métricas como macro-F1 composto, sendo empregado como classificador de texto que se beneficia de representações contextuais aprendidas durante o pré-treinamento com a abordagem RoBERTa.","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Resultado":4,"Método":2,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":6,"n_trechos":8,"pagerank":0.00201,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"distribuição de grau de lei de potência","id":"distribuição_de_grau_de_lei_de_potência","definicao":"Padrão estrutural de redes não homogêneas em que poucos nós concentram muitas conexões, usado em modelos de simulação de propagação. No corpus, é tratado como propriedade topológica da rede que, junto ao grau médio, está associada à redução do limiar crítico de propagação e à aceleração da difusão, em simulações com redes homogêneas e não homogêneas.","topico":"Propagação_de_Ataques","aspecto":"Quantitativo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00145,"artigos":["ref_72db3d675ef9_00237"],"areas":["Ecossistema do Atacante"]},{"nome":"distância de levenshtein","id":"distância_de_levenshtein","definicao":"Medida de diferença entre cadeias de texto, usada no corpus como instrumento de análise linguística aplicada ao texto de resgate de ransomware, em combinação com tradução automática, para examinar indícios da língua de origem do atacante. O uso é exploratório: o estudo investiga se o método funciona na detecção em tempo real.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01284"],"areas":["Detecção"]},{"nome":"divergência fora da distribuição","id":"divergência_fora_da_distribuição","definicao":"Fenômeno em que um modelo de aprendizado de máquina, ao ser exposto a dados que diferem significativamente da distribuição utilizada em seu treinamento, apresenta degradação de desempenho ou comportamento inesperado. No corpus, o conceito aparece como consequência do aprendizado de atalho: quando o modelo aprende padrões superficiais ou espúrios em vez de características genuínas, torna-se vulnerável a falhas ao encontrar exemplos fora da distribuição original, comprometendo a capacidade de generalização na detecção de phishing.","topico":"Robustez_de_Modelos","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"diversidade de fonte de e-mail","id":"diversidade_de_fonte_de_e-mail","definicao":"Variedade ou heterogeneidade das origens (remetentes, domínios, servidores) dos e-mails utilizados em um conjunto de dados ou experimento. No corpus, o conceito aparece como fator que influencia o desempenho em cenários family-disjoint, sugerindo que a amplitude de fontes distintas de e-mail afeta a capacidade de generalização de modelos de detecção quando testados em famílias de phishing não vistas durante o treinamento. A definição baseia-se exclusivamente nas relações observadas, uma vez que não há trechos diretos associados ao código.","topico":"Características_de_Conjuntos_de_Dados","aspecto":"Analítico","zonas":{"Resultado":1,"Objetivo":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00066,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"diversidade de fontes","id":"diversidade_de_fontes","definicao":"Variedade de origens ou canais a partir dos quais informações, dados ou mensagens são obtidos em um contexto de análise ou ataque de phishing. No corpus, o conceito aparece associado à sua influência sobre a resistência a fontes, sugerindo que a multiplicidade de origens pode afetar a capacidade de um sistema ou indivíduo de discriminar ou rejeitar fontes não confiáveis. A definição baseia-se exclusivamente na relação observada, sem ocorrências diretas no corpus.","topico":"Coleta_de_Dados","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"diversidade de fontes independentes","id":"diversidade_de_fontes_independentes","definicao":"Grau em que múltiplas fontes de informação ou sinais utilizados em um sistema de detecção são independentes entre si, ou seja, não compartilham os mesmos erros, vieses ou padrões de falha. No corpus, o conceito aparece como fator intermediário entre a ponderação hierárquica das fontes e o desempenho final de detecção, sugerindo que a independência entre as fontes contribui para a eficácia do sistema ao reduzir redundâncias e ampliar a cobertura de padrões detectáveis.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Conclusão":1,"Lacuna":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00088,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"dlp","id":"dlp","definicao":"Prevenção contra perda de dados (DLP, Data Loss Prevention), citada no corpus como uma das formas de proteção contra ataques de ransomware. É apresentada de forma descritiva, como contramedida técnica, sem avaliação empírica de eficácia nem detalhamento de funcionamento.","topico":"Controles_de_Segurança","aspecto":"Físico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00899"],"areas":["Prevenção e Resposta"]},{"nome":"dm-plc","id":"dm-plc","definicao":"Abordagem de extorsão cibernética em ambientes de tecnologia operacional (OT), denominada Dead Man's PLC, apresentada como passo pragmático rumo a uma extorsão viável nesse contexto. No corpus, ela reconhece e transforma em arma os processos de resiliência típicos de ambientes OT, aproveitando-os como alavanca do ataque.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00629"],"areas":["Mecanismo do Ataque"]},{"nome":"dns spoofing","id":"dns_spoofing","definicao":"Técnica de ataque em que registros DNS são falsificados ou corrompidos para redirecionar usuários a servidores maliciosos, sendo referenciada no corpus como um dos mecanismos de infraestrutura utilizados em ataques de phishing para desviar tráfego legítimo sem que a vítima perceba a adulteração do endereçamento.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"documentação de dataset","id":"documentação_de_dataset","definicao":"Registro formal das características, composição e procedimentos associados a um conjunto de dados utilizado em pesquisa sobre phishing, incluindo informações sobre origem, tamanho, critérios de seleção e pré-processamento. No corpus, aparece como prática que possibilita a transparência de composição, permitindo que outros pesquisadores compreendam e avaliem a adequação dos dados empregados nos estudos.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00074,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"dspamonto","id":"dspamonto","definicao":"Ontologia de domínio específico projetada no corpus para detectar spammers sociais em microblogging direcionado a um domínio particular. É um artefato de modelagem formal de conhecimento, aplicado à identificação de spammers sociais, e visa suprir uma lacuna de ontologias voltadas a esse contexto.","topico":"Modelagem_Formal","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00058,"artigos":["fraudes00032"],"areas":["Detecção"]},{"nome":"dupla extorsão","id":"dupla_extorsão","definicao":"Esquema de extorsão associado ao ransomware em que o atacante, além de comprometer o acesso, sinaliza a exfiltração de dados da vítima para aumentar a pressão e inflar o valor do resgate exigido. No corpus, aparece como recurso empregado por criminosos em ataques de ransomware.","topico":"Táticas_de_Ataque","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00662"],"areas":["Mecanismo do Ataque"]},{"nome":"e-mail de spam","id":"e-mail_de_spam","definicao":"Mensagem de correio eletrônico não solicitada que, no contexto do corpus, é associada ao uso de links maliciosos como vetor de ataque. Embora o conceito apareça sem ocorrências diretas no corpus analisado, sua relação observada com link_malicioso indica que é tratado como categoria de mensagem indesejada que serve de meio de distribuição de conteúdo potencialmente prejudicial, distinguindo-se do phishing por não necessariamente envolver engenharia social direcionada à coleta de credenciais.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Contexto Prévio":2,"Objeto":1,"Resultado":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00108,"artigos":["fernandez202230","fraudes00033","g0066_phishing","ref_8d955f377173_00046"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"e-mail falsificado","id":"e-mail_falsificado","definicao":"Mensagem de correio eletrônico cujos campos de identificação do remetente (como 'From', 'Reply-To' ou domínio) foram manipulados para aparentar origem legítima ou confiável, sendo utilizada como vetor primário em ataques de phishing. No corpus, o conceito aparece como instrumento técnico do phishing, representando a falsificação da identidade do emissor para enganar o destinatário.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":3,"Objetivo":1},"n_relacoes":2,"n_trechos":4,"pagerank":0.00096,"artigos":["g0009_phishing","g0066_phishing","g0067_phishing","g0098_phishing"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"e-mail legítimo","id":"e-mail_legítimo","definicao":"Mensagem de correio eletrônico autêntica, enviada por remetentes genuínos e com conteúdo verdadeiro, que serve como referência ou modelo implícito para a construção de mensagens de phishing. No corpus, o conceito aparece exclusivamente como objeto de imitação: ataques de phishing buscam reproduzir a aparência, o estilo e os elementos estruturais de e-mails legítimos para enganar os destinatários. Não há ocorrências diretas que descrevam propriedades intrínsecas do e-mail legítimo além de seu papel como alvo de falsificação.","topico":"Comunicação_por_E-mail","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"eca-efficientnet","id":"eca-efficientnet","definicao":"Arquitetura de rede neural EfficientNet com Efficient Channel Attention, proposta no corpus como método de detecção de fraude em contratos inteligentes do Ethereum, em particular contratos Ponzi, combinada a aumento de dados. É descrita como superior a métodos atuais e suas variantes, sem detalhamento de métricas no trecho.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00076,"artigos":["ref_72db3d675ef9_00017"],"areas":["Detecção"]},{"nome":"ecossistema de segurança integrado","id":"ecossistema_de_segurança_integrado","definicao":"Conjunto articulado de mecanismos, ferramentas e práticas de segurança que atuam de forma coordenada para reduzir a eficácia de ataques de engenharia social. O conceito aparece no corpus apenas por inferência relacional, sem trechos diretos que detalhem sua composição ou operacionalização, sendo definido funcionalmente pela relação de mitigação que exerce sobre a engenharia social.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"edarkfind","id":"edarkfind","definicao":"Framework não supervisionado de múltiplas visões, denominado eDarkFind, proposto no corpus para modelar características de vendedores e apoiar a detecção de contas Sybil. É descrito como método aplicado a essa tarefa de detecção, sem outros detalhes de operacionalização nos trechos disponíveis.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00065,"artigos":["fraudes00124"],"areas":["Ecossistema do Atacante"]},{"nome":"educação do usuário","id":"educação_do_usuário","definicao":"Conjunto de iniciativas voltadas a capacitar usuários para reconhecer e resistir a ataques de phishing e engenharia social. No corpus, o conceito aparece exclusivamente por meio de relações de mitigação com engenharia_social, indicando que sua função central é reduzir a eficácia de técnicas de manipulação humana empregadas em ataques. Não há trechos diretos que detalhem formatos, conteúdos ou métodos específicos dessas iniciativas educacionais.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":3,"Lacuna":2,"Conclusão":1,"Contexto Prévio":1},"n_relacoes":5,"n_trechos":7,"pagerank":0.00162,"artigos":["fraudes00090","fraudes00098","g0066_phishing","ref_72db3d675ef9_00139","ref_72db3d675ef9_00161","ref_72db3d675ef9_00245"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"eleições ocidentais","id":"eleições_ocidentais","definicao":"Períodos de eleições em países ocidentais, usados no corpus como marco temporal e contexto geopolítico em que grupos de ransomware baseados na Rússia aumentam seus ataques. A relação com o ransomware é de influência condicionada à origem dos grupos atacantes; não se trata de alvo, mas de momento propício à atividade.","topico":"Contextos_de_Ataque","aspecto":"Cinemático","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00046"],"areas":["Ecossistema do Atacante"]},{"nome":"empresa","id":"empresa","definicao":"Organização ou entidade corporativa que é imitada em ataques de phishing. No corpus, o conceito aparece como alvo de imitação por parte de atacantes, que reproduzem a identidade visual, o nome ou a comunicação de empresas legítimas para enganar vítimas. A relação observada posiciona a empresa como objeto de falsificação de identidade, não como agente ativo do ataque.","topico":"Identidade_e_Representação","aspecto":"Social","zonas":{"Contexto Prévio":12,"Objeto":7,"Resultado":5,"Conclusão":1,"Objetivo":1},"n_relacoes":7,"n_trechos":26,"pagerank":0.0018,"artigos":["fraudes00041","g0066_phishing","g0259_phishing","ref_3f42d6b2ce58_00046","ref_3f42d6b2ce58_00141","ref_3f42d6b2ce58_00297","ref_3f42d6b2ce58_00500","ref_3f42d6b2ce58_00572","ref_3f42d6b2ce58_00732","ref_3f42d6b2ce58_00735","ref_3f42d6b2ce58_00841","ref_3f42d6b2ce58_00865","ref_3f42d6b2ce58_00871","ref_3f42d6b2ce58_00896","ref_3f42d6b2ce58_00911","ref_3f42d6b2ce58_00978","ref_3f42d6b2ce58_01089","ref_3f42d6b2ce58_01276","ref_3f42d6b2ce58_01291","ref_72db3d675ef9_00262","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00020","ref_8d955f377173_00049","schafer202413"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"enclave","id":"enclave","definicao":"Enclave de execução segura em hardware, suportado por CPUs comuns, citado no corpus como recurso que malware futuro poderia empregar para evitar mitigações existentes. A evidência é apenas uma possibilidade levantada em trabalhos anteriores, sem demonstração de uso efetivo.","topico":"Tecnologia_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["ref_3f42d6b2ce58_01217"],"areas":["Mecanismo do Ataque"]},{"nome":"endereço válido no reino unido","id":"endereço_válido_no_reino_unido","definicao":"Característica de esquemas HYIP (golpes de investimento de alto rendimento) que declaram ou registram um endereço de empresa válido no Reino Unido. No corpus, é tratada como variável explicativa em análise de regressão de Cox, associada a diferenças significativas no tempo de vida do esquema, funcionando como indício de legitimidade jurisdicional.","topico":"Características_do_Ataque","aspecto":"Jurídico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00001"],"areas":["Ecossistema do Atacante"]},{"nome":"endurecimento do mercado de seguro cibernético","id":"endurecimento_do_mercado_de_seguro_cibernético","definicao":"Processo de restrição das condições do mercado de seguro cibernético, apontado por profissionais do setor como consequência do ransomware. Eleva as exigências de segurança antes da contratação e pode deixar algumas organizações sem acesso a uma apólice viável. Os efeitos descritos refletem a percepção dos entrevistados.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00102,"artigos":["ref_3f42d6b2ce58_00994"],"areas":["Prevenção e Resposta"]},{"nome":"engenharia de prompts","id":"engenharia_de_prompts","definicao":"Técnica de elaborar e ajustar instruções textuais (prompts) dirigidas a grandes modelos de linguagem para obter comportamentos desejados sem programação. No corpus, aparece aplicada à construção de redes semânticas em abordagem no-code e como linha de base por prompt, superada em taxa útil-e-segura por um método alternativo (SAFER).","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00127,"artigos":["fraudes00088","fraudes00216"],"areas":["Detecção","Não Especificado"]},{"nome":"engenharia social","id":"engenharia_social","definicao":"Conjunto de técnicas de manipulação psicológica e comportamental direcionadas a pessoas, com o objetivo de obter informações sensíveis ou induzir ações que comprometam a segurança. No corpus, aparece como categoria ampla que engloba ataques como phishing, spear phishing, vishing, pretexting e baiting, todos tratados como tipos ou usos de engenharia social. Explora vulnerabilidades humanas como medo e contextos como trabalho remoto, podendo ser potencializada por inteligência artificial e deepfakes. Distingue-se de ataques puramente técnicos por centrar-se na exploração do fator humano, e é mitigada por educação do usuário.","topico":"Ataques_de_Phishing","aspecto":"Social","zonas":{"Contexto Prévio":20,"Objeto":19,"Resultado":13,"Recomendação":10,"Objetivo":5,"Conclusão":5,"Lacuna":2},"n_relacoes":58,"n_trechos":74,"pagerank":0.01446,"artigos":["fraudes00005","fraudes00008","fraudes00011","fraudes00019","fraudes00056","fraudes00087","fraudes00088","fraudes00095","fraudes00112","fraudes00120","fraudes00209","g0009_phishing","g0066_phishing","g0146_phishing","g0257_phishing","g0293_phishing","ref_3f42d6b2ce58_00201","ref_3f42d6b2ce58_01189","ref_72db3d675ef9_00178","ref_72db3d675ef9_00285","ref_8d955f377173_00009","ref_8d955f377173_00020","ref_8d955f377173_00028","ref_8d955f377173_00032","ref_8d955f377173_00048","ref_8d955f377173_00049"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"enquadramento da exigência de resgate","id":"enquadramento_da_exigência_de_resgate","definicao":"Modo como a exigência de resgate é apresentada à vítima em ataques de ransomware, com base em insights de economia comportamental. No corpus, é tratado como fator cuja variação é examinada quanto à possível influência sobre a disposição da vítima a pagar; a relação é investigada, não confirmada.","topico":"Manipulação_Psicológica","aspecto":"Lingual","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00061,"artigos":["ref_3f42d6b2ce58_00356"],"areas":["Vítima"]},{"nome":"enquadramento negativo","id":"enquadramento_negativo","definicao":"Modo de formular a mensagem, no corpus ilustrado por telas de resgate de ransomware, que destaca perdas, ameaças ou consequências negativas para induzir a ação da vítima. É tomado como termo de comparação do enquadramento positivo, o qual provavelmente o supera em disposição a pagar, segundo resultado experimental condicionado.","topico":"Manipulação_Psicológica","aspecto":"Lingual","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00356"],"areas":["Vítima"]},{"nome":"enquadramento positivo","id":"enquadramento_positivo","definicao":"Modo de formular a mensagem, no corpus uma tela de resgate de ransomware, que destaca ganhos ou resultados favoráveis da ação solicitada, em contraste com o enquadramento negativo. Na única evidência, é provável que aumente a disposição da vítima de pagar, em comparação ao enquadramento negativo, em contexto experimental.","topico":"Manipulação_Psicológica","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00356"],"areas":["Vítima"]},{"nome":"entidade confiável","id":"entidade_confiável","definicao":"Organização, instituição ou pessoa legítima cuja identidade é falsificada ou imitada em ataques de phishing para conferir aparência de autenticidade às mensagens fraudulentas. No corpus, o conceito aparece como alvo de imitação pelo phishing, funcionando como referência de credibilidade explorada pelo atacante para enganar vítimas.","topico":"Engano_e_Falsificação","aspecto":"Pístico","zonas":{"Contexto Prévio":1,"Objeto":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00045,"artigos":["fraudes00013","g0066_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"entropia de shannon","id":"entropia_de_shannon","definicao":"Medida de aleatoriedade ou desordem dos bytes de um arquivo, usada no corpus para construir curvas de entropia e compará-las com as de dados aleatórios. A diferença de área entre as curvas alimenta um modelo de classificação que identifica arquivos criptografados, apoiando a detecção de ransomware.","topico":"Extração_de_Características","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["ref_3f42d6b2ce58_01261"],"areas":["Detecção"]},{"nome":"envolvimento juvenil no cibercrime","id":"envolvimento_juvenil_no_cibercrime","definicao":"Participação de jovens em atividades de cibercrime, descrita no corpus como fenômeno que agrava o problema em um contexto local (Calabar, Nigéria) e é associada, nesse trecho, a desemprego e pressão socioeconômica. O conceito designa o engajamento de jovens como atores de ataques, sem detalhar formas de operacionalização.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00056,"artigos":["fraudes00080"],"areas":["Vítima"]},{"nome":"equity equalizing","id":"equity_equalizing","definicao":"Uma das quatro formas comuns de avaliações online falsificadas em redes sociais, identificadas em entrevistas com autores de avaliações de alimentos e bebidas. É tratada como tipo de avaliação falsificada, distinta de friendly flattery, opinionated opportunism e malicious profiteering. O corpus não detalha mais o seu mecanismo.","topico":"Engano_e_Falsificação","aspecto":"Ético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00182"],"areas":["Mecanismo do Ataque"]},{"nome":"erro de calibração esperado","id":"erro_de_calibração_esperado","definicao":"Métrica quantitativa utilizada para avaliar a calibração de modelos preditivos, mensurando a discrepância esperada entre as probabilidades estimadas pelo modelo e as frequências reais de ocorrência dos eventos. No contexto do corpus, aparece como medida associada à avaliação da qualidade probabilística de modelos de detecção, indicando o grau em que as saídas de confiança do modelo refletem com precisão as taxas reais de acerto ou erro.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"erro de classificação de phishing","id":"erro_de_classificação_de_phishing","definicao":"Falha cometida por um sistema ou modelo ao categorizar incorretamente uma mensagem ou URL, atribuindo-lhe uma classe errada (por exemplo, classificar phishing como legítimo ou vice-versa). No corpus, o conceito aparece como alvo de mitigação pela classificação seletiva, indicando que estratégias de seleção criteriosa de instâncias ou decisões de classificação buscam reduzir a ocorrência desse tipo de erro. Abrange tanto falsos negativos (phishing não detectado) quanto falsos positivos (conteúdo legítimo marcado como phishing), sendo tratado como um problema de desempenho de sistemas de detecção automatizada.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"erro de classificação severo","id":"erro_de_classificação_severo","definicao":"Erro de classificação de alta gravidade em sistemas de detecção de phishing, caracterizado pela identificação incorreta de mensagens ou URLs de phishing como legítimas. Representa o tipo de falha mais crítico em detectores automatizados, pois permite que ataques passem despercebidos pelo sistema de defesa. É operacionalizado e mensurado pela taxa de phishing classificado como legítimo (taxa_phishing_para_legítimo), sendo essa métrica sua principal forma de quantificação no corpus.","topico":"Desempenho_de_Detecção","aspecto":"Analítico","zonas":{"Método":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00148,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"erro humano","id":"erro_humano","definicao":"Falha ou equívoco cometido por um indivíduo no contexto de segurança da informação, resultante de limitações cognitivas, falta de atenção, conhecimento insuficiente ou suscetibilidade a manipulação. No corpus, o conceito aparece como fator causal de incidentes de cibersegurança, indicando que ações ou omissões humanas inadequadas contribuem para a ocorrência de ataques bem-sucedidos, como o phishing. A relação com incidente_de_cibersegurança posiciona o erro humano como um vetor de vulnerabilidade que antecede ou viabiliza o comprometimento de sistemas e dados.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Conclusão":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.0008,"artigos":["fraudes00090","g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"erro severo de classificação","id":"erro_severo_de_classificação","definicao":"Erro de classificação considerado de alta gravidade em sistemas de detecção de phishing, operacionalizado no corpus pela taxa de phishing classificado como legítimo (falso negativo). Representa a falha em que mensagens maliciosas passam despercebidas pelo sistema, sendo tratadas como inofensivas, o que expõe os usuários a ataques reais. A severidade é atribuída ao impacto potencial desse tipo de erro em comparação com o erro inverso (classificar legítimo como phishing).","topico":"Desempenho_de_Classificação","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"escassez de datasets estruturados","id":"escassez_de_datasets_estruturados","definicao":"Falta de conjuntos de dados estruturados e abrangentes no domínio da cibersegurança, apontada no corpus como desafio significativo à construção de modelos de inteligência artificial. Descreve uma limitação na disponibilidade e qualidade de dados para treinamento, restrita ao contexto da cibersegurança, sem detalhar medidas ou causas específicas.","topico":"Características_de_Conjuntos_de_Dados","aspecto":"Físico","zonas":{"Lacuna":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00081,"artigos":["fraudes00002","ref_3f42d6b2ce58_00342"],"areas":["Detecção","Não Especificado"]},{"nome":"esforço criminoso","id":"esforço_criminoso","definicao":"Insumo ou investimento empregado pelo golpista na execução da fraude, tratado no corpus como o lado do 'input' da relação com o benefício financeiro obtido. Em casos de fraude contra empresas holandesas, é examinado e descrito como positivamente correlacionado ao benefício criminoso, sem se estabelecer direção causal.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["ref_8d955f377173_00018"],"areas":["Mecanismo do Ataque"]},{"nome":"esforço do atacante","id":"esforço_do_atacante","definicao":"Nível de esforço empregado pelo atacante na execução de um ataque de ransomware, tratado no corpus, à luz do modelo de escolha racional do crime e do roteiro criminal, como variável que se hipotetiza influenciar o resgate solicitado e as perdas financeiras reportadas. A relação é apresentada como hipótese, não como vínculo confirmado.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00074,"artigos":["ref_3f42d6b2ce58_00649"],"areas":["Ecossistema do Atacante"]},{"nome":"especialistas","id":"especialistas","definicao":"Grupo de profissionais e conhecedores de cibersegurança, tomados no corpus como referência de comparação para a percepção de risco. Distinguem-se dos agricultores por perceberem vulnerabilidades significativas e crescentes, enquanto os produtores tendem a tratar a segurança como baixa prioridade. O uso observado é de contraste de percepções entre grupos.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00384"],"areas":["Vítima"]},{"nome":"especialistas financeiros","id":"especialistas_financeiros","definicao":"Figuras de autoridade em finanças, como analistas e consultores de investimento, cuja identidade ou título é imitado por golpistas em golpes com criptomoedas para criar aparência de legitimidade e credibilidade perante a vítima. No corpus aparecem ao lado de figuras públicas e conhecidos como identidades personificadas.","topico":"Identidade_e_Representação","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00063,"artigos":["ref_72db3d675ef9_00241"],"areas":["Vítima"]},{"nome":"esquema de investimento de madoff","id":"esquema_de_investimento_de_madoff","definicao":"Caso concreto de fraude de investimento (esquema Madoff) tratado no corpus como objeto empírico de estudo, descrito como empreendimento criminoso sofisticado organizado em rede. É o objeto ao qual se aplica a análise de redes sociais para identificar fatores de resiliência dessas redes.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00089"],"areas":["Ecossistema do Atacante"]},{"nome":"esquema de pirâmide","id":"esquema_de_pirâmide","definicao":"Golpe de negócio fraudulento que atrai pessoas com promessas de grandes lucros obtidos pelo recrutamento de novos participantes, e não pela venda real de produtos ou serviços. Exige taxa de licença e comissão por recrutamento, explora redes de agentes com crenças grosseiras e extrai dinheiro dos participantes, sendo influenciado por remuneração elevada e ausência de guardiões eficazes.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":3,"Objeto":2,"Objetivo":1,"Conclusão":1,"Contexto Prévio":1},"n_relacoes":7,"n_trechos":8,"pagerank":0.00326,"artigos":["ref_72db3d675ef9_00111","ref_72db3d675ef9_00177","ref_72db3d675ef9_00182","ref_72db3d675ef9_00210","ref_72db3d675ef9_00222","ref_72db3d675ef9_00231","ref_72db3d675ef9_00279"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"esquema de ponzi inteligente","id":"esquema_de_ponzi_inteligente","definicao":"Tipo de aplicação composta por contratos inteligentes em blockchain que implementa a lógica do esquema de Ponzi, causando perdas financeiras irreversíveis às vítimas. No corpus, aparece como golpe financeiro a ser identificado por modelos de aprendizado de máquina aplicados aos contratos.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Contexto Prévio":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00076,"artigos":["ref_72db3d675ef9_00079"],"areas":["Detecção"]},{"nome":"esquema ponzi","id":"esquema_ponzi","definicao":"Tipo de fraude financeira em que um promotor promete retornos de investimento acima da média e usa o dinheiro de investidores novos para pagar os anteriores. No corpus, associa-se a marketing multinível, explora capital social e promessas de alto retorno, imita acordos de investimento, pode operar com blockchain e contratos inteligentes e é alvo de detecção por aprendizado de máquina.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Contexto Prévio":12,"Objetivo":9,"Conclusão":5,"Resultado":4,"Objeto":2,"Método":1},"n_relacoes":25,"n_trechos":33,"pagerank":0.00837,"artigos":["ref_72db3d675ef9_00014","ref_72db3d675ef9_00022","ref_72db3d675ef9_00038","ref_72db3d675ef9_00039","ref_72db3d675ef9_00064","ref_72db3d675ef9_00072","ref_72db3d675ef9_00076","ref_72db3d675ef9_00078","ref_72db3d675ef9_00085","ref_72db3d675ef9_00087","ref_72db3d675ef9_00089","ref_72db3d675ef9_00091","ref_72db3d675ef9_00104","ref_72db3d675ef9_00115","ref_72db3d675ef9_00129","ref_72db3d675ef9_00146","ref_72db3d675ef9_00247","ref_72db3d675ef9_00257","ref_72db3d675ef9_00262","ref_72db3d675ef9_00273","ref_72db3d675ef9_00289","ref_72db3d675ef9_00290"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"esquema ponzi inteligente","id":"esquema_ponzi_inteligente","definicao":"Esquema Ponzi financeiro implementado e implantado em blockchain por meio de contratos inteligentes. No corpus, sua ocorrência decorre da vulnerabilidade do mecanismo de supervisão na blockchain, que o esquema aproveita. Designa uma modalidade de golpe de investimento automatizada por tecnologia de contratos inteligentes.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Objeto":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00108,"artigos":["ref_72db3d675ef9_00074"],"areas":["Detecção"]},{"nome":"estado","id":"estado","definicao":"Estado como ator institucional cujo papel na conformação da atividade cibercriminosa é objeto de investigação no corpus. Aparece como entidade política e de governança que pode influenciar a ocorrência ou o formato do crime digital; o trecho formula apenas uma pergunta de pesquisa, sem estabelecer a natureza ou a direção do efeito.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00046"],"areas":["Ecossistema do Atacante"]},{"nome":"estado da arte","id":"estado_da_arte","definicao":"Conjunto dos métodos de detecção de esquemas Ponzi em Ethereum previamente existentes e reconhecidos na literatura, usado como referência de comparação de desempenho. No corpus aparece como o padrão que o modelo proposto, ContraPonzi, supera em experimentos com dados reais, sob a condição de avaliação nesses dados.","topico":"Avaliação_de_Modelos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00076"],"areas":["Detecção"]},{"nome":"estado final da dinâmica social","id":"estado_final_da_dinâmica_social","definicao":"Resultado terminal, nulo ou não nulo, a que chega a dinâmica social modelada em redes (homogêneas e inomogêneas), como a persistência ou extinção da atividade ao fim do processo. No corpus, é o desfecho associado à taxa de reinvestimento, e não ao surto epidêmico, que se relaciona à taxa de propagação.","topico":"Modelagem_Formal","aspecto":"Cinemático","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00151"],"areas":["Mecanismo do Ataque"]},{"nome":"estratégia de defesa alimentar","id":"estratégia_de_defesa_alimentar","definicao":"Estratégia de defesa alimentar (food defence) que as organizações do setor alimentício devem adotar para reduzir o risco de um ataque de ransomware e permitir ação rápida e direcionada caso ocorra um incidente. No corpus aparece como recomendação apenas sugerida, sem avaliação empírica no estudo.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00336"],"areas":["Prevenção e Resposta"]},{"nome":"estratégia de precificação","id":"estratégia_de_precificação","definicao":"Estratégia adotada pelos criminosos para fixar o preço do que oferecem às vítimas, examinada no corpus nas modalidades de preço uniforme e discriminação de preços. É tratada como fator do qual os ganhos ilícitos podem depender, sendo no corpus uma pergunta de pesquisa, não um vínculo confirmado.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01225"],"areas":["Mecanismo do Ataque"]},{"nome":"estratégia de resposta organizacional","id":"estratégia_de_resposta_organizacional","definicao":"Forma como uma organização conduz sua resposta após uma violação de segurança, com variações de estratégia que, no corpus, aparecem associadas a reações distintas dos consumidores. O conceito designa a escolha e o desenho da resposta institucional ao incidente, observada em survey com vinhetas, não a reação dos consumidores em si.","topico":"Resposta_Institucional","aspecto":"Formativo","zonas":{"Objetivo":2,"Resultado":1,"Lacuna":1,"Recomendação":1},"n_relacoes":3,"n_trechos":5,"pagerank":0.00131,"artigos":["fraudes00136","ref_3f42d6b2ce58_00026","ref_3f42d6b2ce58_00224","ref_3f42d6b2ce58_00468","ref_3f42d6b2ce58_00754"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"estratégias baseadas em gamificação","id":"estratégias_baseadas_em_gamificação","definicao":"Abordagens que incorporam elementos de jogo, personalização e engajamento em treinamentos e cursos de eLearning de segurança, com o propósito de mitigar ameaças cibernéticas e motivar o aprendizado, inclusive na detecção de phishing. No corpus aparecem como contramedida examinada em revisão sistemática e como aplicação pretendida em pesquisa, sem evidência de eficácia.","topico":"Treinamento_e_Conscientização","aspecto":"Formativo","zonas":{"Objetivo":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00069,"artigos":["fraudes00054","fraudes00210"],"areas":["Prevenção e Resposta"]},{"nome":"estrutura da rede de investidores","id":"estrutura_da_rede_de_investidores","definicao":"Configuração das conexões sociais entre investidores, tratada em simulações com redes artificiais e do Facebook, que afeta as características da dinâmica de difusão de um golpe de investimento. No corpus aparece como propriedade topológica da rede, e o vínculo com a difusão é sustentado sob as condições da simulação.","topico":"Propagação_de_Ataques","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00237"],"areas":["Ecossistema do Atacante"]},{"nome":"estrutura organizacional","id":"estrutura_organizacional","definicao":"Conjunto de fatores de organização interna de grupos de cibercrime, nas dimensões funcional, operacional e estratégica, tratados no corpus como sustentáculos de sua resiliência. A relação com a resiliência organizacional é apresentada como argumento teórico proposto pelos autores, e não como vínculo demonstrado empiricamente.","topico":"Contexto_Organizacional","aspecto":"Social","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00443"],"areas":["Ecossistema do Atacante"]},{"nome":"excesso de confiança","id":"excesso_de_confiança","definicao":"Viés cognitivo de investidores que superestimam a própria capacidade de avaliar decisões, observado no corpus junto ao comportamento de manada e ao FOMO. Em um estudo com investidoras de Ho Chi Minh City (PLS-SEM), associa-se à redução da percepção de risco, tornando-as mais vulneráveis a golpes de investimento.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00168"],"areas":["Vítima"]},{"nome":"exclusão de dados","id":"exclusão_de_dados","definicao":"Processo de remoção de instâncias ou registros de um conjunto de dados utilizado no treinamento de modelos de detecção de phishing, empregado como medida para reduzir ou eliminar a contaminação introduzida por amostras incorretas, maliciosas ou enviesadas. No corpus, o conceito aparece exclusivamente na relação de mitigação com a contaminação do conjunto de treinamento, indicando seu papel como contramedida voltada à integridade dos dados de aprendizado de máquina.","topico":"Qualidade_de_Dados","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"executivos","id":"executivos","definicao":"Indivíduos que ocupam posições de alta hierarquia em organizações, referenciados no corpus como alvos de ataques de phishing direcionado (spear phishing ou whaling). A relação observada indica que executivos são visados por campanhas de phishing, possivelmente em razão de seu acesso privilegiado a informações sensíveis e recursos organizacionais.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Objeto":2,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.0012,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00071","ref_8d955f377173_00001","ref_8d955f377173_00040"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"exfiltração de dados","id":"exfiltração_de_dados","definicao":"Ato de extrair e copiar dados da rede da vítima durante um ataque de ransomware, antes ou junto à criptografia. No corpus aparece como característica do incidente associada a resgates maiores entre as vítimas que pagaram, junto a receita anual e seguro cibernético, funcionando como alavanca de extorsão.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["ref_3f42d6b2ce58_00545"],"areas":["Vítima"]},{"nome":"exit scam com criptoativos","id":"exit_scam_com_criptoativos","definicao":"Categoria de fraude com criptoativos em que os responsáveis por um projeto abandonam-no e se apropriam do valor investido pelas vítimas. No corpus aparece ao lado de esquemas Ponzi e de mint-and-run com NFTs, e abrange os rug pulls de criptomoedas como subtipo.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00060"],"areas":["Mecanismo do Ataque"]},{"nome":"experiência","id":"experiência","definicao":"Exposição repetida ou vivência prévia de situações de engano por parte de decisores ou participantes. No corpus, aparece como condição que pode gerar aprendizado e favorecer a detecção de engano, sendo tratada inicialmente como hipótese e depois como indício observado em uma amostra específica de participantes de game show de TV.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Cinemático","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["banerjee2023"],"areas":["Vítima"]},{"nome":"experiência do infrator","id":"experiência_do_infrator","definicao":"Característica do infrator, associada ao seu tempo ou histórico de atuação, tratada no corpus como uma das variáveis de maior peso (por coeficiente padronizado, em casos do IIROC) na predição da ocorrência de fraude de investimento. O corpus a usa como atributo do perpetrador, sem detalhar sua operacionalização.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00144"],"areas":["Detecção"]},{"nome":"exploração de engenharia social","id":"exploração_de_engenharia_social","definicao":"Uso de técnicas de manipulação psicológica e social para enganar indivíduos e obter informações confidenciais, acesso não autorizado ou ações prejudiciais. No corpus, o conceito aparece associado a ambientes imersivos como realidade virtual e metaverso, que são apontados como contextos que possibilitam ou ampliam a ocorrência dessas explorações, sugerindo que tais ambientes criam condições favoráveis para a aplicação de táticas de engenharia social contra usuários.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"exploração financeira","id":"exploração_financeira","definicao":"Experiência de perda financeira vivida por uma pessoa em decorrência de golpes (FE, financial exploitation). No corpus aparece como desfecho de um modelo conceitual ainda não testado, no qual a vulnerabilidade a golpes aumenta o risco de vivenciá-la. É tratada como dano econômico sofrido pela vítima.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":3,"Contexto Prévio":2,"Objetivo":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00153,"artigos":["fraudes00133","ref_3f42d6b2ce58_01054","ref_72db3d675ef9_00176","ref_8d955f377173_00033"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque","Vítima"]},{"nome":"exposição a ameaças de segurança","id":"exposição_a_ameaças_de_segurança","definicao":"Condição de ficar sujeito a ameaças de segurança, como vazamento de dados, phishing assistido por IA e engenharia social, em ambientes de aprendizagem digital. No corpus aparece como desfecho de um modelo conceitual, no qual características de estudantes, tendências cognitivas e comportamentos de engajamento são apresentados como fatores que a produzem.","topico":"Vulnerabilidade_Humana","aspecto":"Físico","zonas":{"Conclusão":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00081,"artigos":["fraudes00001","ref_72db3d675ef9_00161"],"areas":["Vítima"]},{"nome":"exposição a malware","id":"exposição_a_malware","definicao":"Condição em que um usuário ou sistema é submetido a software malicioso como consequência de uma ação de engenharia social, particularmente de ataques de isca (baiting). No corpus, o conceito aparece exclusivamente como efeito causal do baiting, representando o resultado de o alvo interagir com mídia ou conteúdo armadilhado que instala ou executa código malicioso no dispositivo da vítima.","topico":"Impactos_de_Ataques","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"exposição de informação pessoal","id":"exposição_de_informação_pessoal","definicao":"Divulgação não autorizada ou comprometimento de dados pessoais de um indivíduo como resultado de um ataque de phishing. No corpus, o conceito aparece como consequência direta do phishing, representando o dano informacional sofrido pela vítima quando credenciais, dados financeiros ou outras informações sensíveis são capturadas pelo atacante.","topico":"Impacto_do_Phishing","aspecto":"Lingual","zonas":{"Resultado":2,"Objeto":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00117,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00194","ref_3f42d6b2ce58_00606"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"extração de dados","id":"extração_de_dados","definicao":"Processo de coleta e recuperação de informações sensíveis ou relevantes a partir de sistemas, dispositivos ou usuários, utilizado no contexto de phishing automatizado como finalidade ou etapa do ataque. No corpus, o conceito aparece como objetivo operacional de campanhas de phishing, referindo-se à obtenção de dados como credenciais, informações pessoais ou financeiras por meio de técnicas automatizadas.","topico":"Objetivos_de_Ataque","aspecto":"Formativo","zonas":{"Método":2,"Conclusão":1,"Objetivo":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00129,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00184","ref_3f42d6b2ce58_01266","ref_72db3d675ef9_00031"],"areas":["Detecção","Não Especificado","Prevenção e Resposta"]},{"nome":"extração de texto por ocr","id":"extração_de_texto_por_ocr","definicao":"Etapa de reconhecimento óptico de caracteres em que o texto contido em imagens é convertido em texto processável por sistemas automáticos de moderação de conteúdo. No corpus, aparece como a fase identificada como origem das falhas observadas em moderadores automáticos de conteúdo testados em condições reais.","topico":"Extração_de_Características","aspecto":"Analítico","zonas":{"Resultado":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00102,"artigos":["fraudes00165","ref_3f42d6b2ce58_01194"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"facenet","id":"facenet","definicao":"Modelo de reconhecimento facial baseado em aprendizado profundo, usado no corpus como sistema de verificação de identidade a partir de imagens de rosto. É avaliado em comparação com o DeepFace, com acurácia de 96,67% em um conjunto de 150 imagens, superando-o em precisão, revocação e F1 para alguns participantes.","topico":"Autenticação_e_Verificação","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ujianto2025815"],"areas":["Detecção"]},{"nome":"falha de moderação automática","id":"falha_de_moderação_automática","definicao":"Situação em que sistemas automáticos de moderação de conteúdo (ACM) deixam de identificar ou tratar corretamente mensagens ou conteúdos maliciosos. No corpus, aparece como resultado observado em ACM reais, atribuído a uma etapa específica do processamento, a extração de texto por OCR, sem maior detalhamento de tipos ou taxas de falha.","topico":"Robustez_de_Modelos","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00062,"artigos":["fraudes00165"],"areas":["Mecanismo do Ataque"]},{"nome":"falhas de segurança computacional","id":"falhas_de_segurança_computacional","definicao":"Vulnerabilidades ou brechas em sistemas computacionais que podem ser exploradas por atacantes, frequentemente em combinação com técnicas de engenharia social, para comprometer a segurança de usuários e organizações. No corpus, o conceito aparece como efeito ou consequência potencial de ataques de phishing e manipulação social, representando o ponto de falha técnica que viabiliza ou amplifica o sucesso de ataques cibernéticos.","topico":"Segurança_Computacional","aspecto":"Físico","zonas":{"Contexto Prévio":2,"Resultado":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00096,"artigos":["fraudes00052","g0066_phishing","ref_72db3d675ef9_00125"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"familiaridade com a voz","id":"familiaridade_com_a_voz","definicao":"Reconhecimento perceptual da voz de uma pessoa conhecida pelo alvo, tratado no corpus como a última defesa perceptual contra o vishing. A familiaridade ajuda a distinguir interlocutores legítimos de impostores. O corpus a apresenta como algo que a clonagem de voz poderia corroer, em argumento prospectivo dos autores, no contexto do vishing em Gana.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Conclusão":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00075,"artigos":["fraudes00093","ref_8d955f377173_00002"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"fator humano","id":"fator_humano","definicao":"Conjunto de características, comportamentos e limitações humanas que influenciam a segurança de sistemas e a suscetibilidade a ataques de phishing. No corpus, o conceito aparece em relação à vulnerabilidade de senha, indicando que aspectos ligados ao comportamento humano — como escolhas inadequadas de credenciais, descuido ou falta de conscientização — contribuem para a exposição a riscos de segurança. O fator humano é tratado como elemento que medeia ou amplifica vulnerabilidades técnicas por meio de decisões e ações dos usuários.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Sensitivo","zonas":{"Objetivo":2,"Contexto Prévio":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00113,"artigos":["fraudes00015","fraudes00120","g0066_phishing"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"fatores tecnológicos organizacionais e ambientais","id":"fatores_tecnológicos_organizacionais_e_ambientais","definicao":"Conjunto de fatores tecnológicos, organizacionais e ambientais, delimitados pelo arcabouço TOE (Tecnologia, Organização e Ambiente), usados no corpus para investigar o que influencia a eficácia das políticas de segurança da informação e a conformidade em universidades. É uma lente analítica de condicionantes contextuais, não um conjunto de medidas.","topico":"Contexto_Organizacional","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["fraudes00076"],"areas":["Prevenção e Resposta"]},{"nome":"faturamento anual elevado","id":"faturamento_anual_elevado","definicao":"Característica organizacional de empresas, freelancers e PMEs com receita anual (turnover) mais alta, tratada no corpus como atributo da vítima associado a maiores chances de vitimização por ransomware em survey na Holanda. Funciona como medida de porte econômico, não como causa comprovada; o vínculo é associativo e limitado ao contexto amostral.","topico":"Alvos_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["ref_3f42d6b2ce58_00471"],"areas":["Vítima"]},{"nome":"federated learning","id":"federated_learning","definicao":"Abordagem de treinamento descentralizado de modelos, em que a detecção é construída sem troca de dados brutos, preservando a privacidade. No corpus é examinada em comparação ao treinamento centralizado quanto a desempenho, garantias de privacidade, resiliência e escalabilidade, sendo aplicada à detecção de phishing.","topico":"Metodologia_de_Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0296_phishing"],"areas":["Mecanismo do Ataque"]},{"nome":"ferramenta de apoio à decisão","id":"ferramenta_de_apoio_à_decisão","definicao":"Recurso ou sistema projetado para auxiliar usuários ou organizações na tomada de decisões relacionadas à identificação e resposta a ameaças de phishing, atuando como mecanismo de mitigação ao fornecer suporte informacional ou analítico que reduz a vulnerabilidade a ataques. No corpus, o conceito aparece exclusivamente na relação de mitigação com phishing, sem detalhamento de suas características internas ou formas de operacionalização.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Objeto":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00076,"artigos":["g0066_phishing","ref_3f42d6b2ce58_01260"],"areas":["Prevenção e Resposta"]},{"nome":"filtragem de e-mail","id":"filtragem_de_e-mail","definicao":"Mecanismo de defesa aplicado ao canal de e-mail com o objetivo de mitigar ataques de phishing, atuando sobre as mensagens recebidas para identificar e bloquear ou segregar aquelas com características maliciosas antes que cheguem ao destinatário. No corpus, o conceito aparece exclusivamente na relação de mitigação em relação ao phishing por e-mail, sem detalhamento dos critérios técnicos ou métodos específicos de filtragem empregados.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Contexto Prévio":2,"Lacuna":1,"Método":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00132,"artigos":["fraudes00012","fraudes00153","fraudes00173","g0066_phishing"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"fingerprint","id":"fingerprint","definicao":"Etapa inicial do ciclo de implantação de ransomware, listada entre as fases do ataque (fingerprint, propagate, communicate, map, encrypt, lock, delete, threaten) no modelo Randep, aplicado a 18 famílias. No corpus aparece apenas como componente do ransomware, sem detalhamento operacional.","topico":"Ciclo_do_Ataque","aspecto":"Cinemático","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01100"],"areas":["Mecanismo do Ataque"]},{"nome":"flexibilização de restrições","id":"flexibilização_de_restrições","definicao":"Períodos em que políticas restritivas da pandemia, em especial lockdowns e limitações de viagem, foram afrouxadas. No corpus, aparecem associados a taxas mais elevadas de crimes de engano em Hong Kong e apontados como facilitadores do tráfico de mão de obra para complexos de golpe no Sudeste Asiático.","topico":"Contextos_de_Ataque","aspecto":"Jurídico","zonas":{"Resultado":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00094,"artigos":["ref_72db3d675ef9_00181"],"areas":["Vítima"]},{"nome":"fluxo de governança e avaliação","id":"fluxo_de_governança_e_avaliação","definicao":"Processo estruturado de supervisão, controle e avaliação de sistemas ou fluxos de trabalho relacionados à detecção e resposta a phishing, inferido a partir de sua relação de tipo com o conceito central do corpus. Abrange as etapas e mecanismos pelos quais decisões sobre classificação, validação e gestão de ameaças são organizadas e monitoradas dentro de um framework ou pipeline de segurança.","topico":"Gestão_de_Segurança","aspecto":"Formativo","zonas":{"Objeto":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00097,"artigos":["g0293_phishing","ref_3f42d6b2ce58_00194"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"fluxos de trabalho clínicos","id":"fluxos_de_trabalho_clínicos","definicao":"Conjunto de processos assistenciais em ambiente de saúde que dependem de tecnologia conectada, como prontuários eletrônicos, sistemas laboratoriais e plataformas de imagem. No corpus, aparecem como o que pode ser atrasado ou interrompido em um ataque de ransomware, sendo tratados como área operacional afetada.","topico":"Impacto_de_Ataques","aspecto":"Cinemático","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00393"],"areas":["Prevenção e Resposta"]},{"nome":"fomo","id":"fomo","definicao":"Medo de ficar de fora (FOMO): estado psicológico de investidores diante de oportunidades de investimento, tratado no corpus como variável mediadora. É aumentado por vieses como o comportamento de manada e o excesso de confiança e, junto com a percepção de risco, influencia a intenção de participar de esquemas MLM fintech.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_72db3d675ef9_00168"],"areas":["Vítima"]},{"nome":"fonte confiável","id":"fonte_confiável","definicao":"Entidade — pessoa, organização, instituição ou serviço — cuja identidade é percebida como legítima e digna de crédito pelo destinatário de uma comunicação. No corpus, o conceito aparece como alvo de imitação em ataques de phishing: o atacante forja ou simula a identidade de uma fonte confiável para induzir o destinatário a cumprir solicitações fraudulentas. A confiabilidade percebida é o atributo central explorado, não a confiabilidade real da entidade.","topico":"Engenharia_Social","aspecto":"Pístico","zonas":{"Contexto Prévio":1,"Objeto":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00045,"artigos":["fraudes00015","g0066_phishing"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"fontes candidatas de substituição","id":"fontes_candidatas_de_substituição","definicao":"Conjunto de fontes de dados alternativas consideradas para substituir ou complementar uma fonte primária no contexto de governança de dados em sistemas de detecção ou análise de phishing. O conceito aparece associado a critérios de governança de dados, sugerindo que a seleção dessas fontes envolve avaliação segundo padrões de qualidade, confiabilidade ou conformidade. A ausência de ocorrências diretas no corpus limita a caracterização detalhada, mas a relação observada indica que o conceito opera no âmbito do planejamento e gestão de fontes de informação.","topico":"Governança_de_Dados","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"forsage","id":"forsage","definicao":"Esquema de pirâmide financeira baseado em contratos inteligentes, estudado empiricamente no corpus. Seus promotores exploraram características dos contratos inteligentes, como a transparência, para atrair usuários com falsas alegações de confiabilidade e lucratividade, divulgando o esquema por vídeos promocionais e redes sociais, com atividade concentrada em poucas comunidades nacionais.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00053,"artigos":["ref_72db3d675ef9_00113"],"areas":["Mecanismo do Ataque"]},{"nome":"fraude com criptoativos","id":"fraude_com_criptoativos","definicao":"Conjunto de crimes em que atores criminosos exploram criptoativos para enganar vítimas e obter ganho, executados por etapas cronológicas e funcionais que a literatura examina por meio de análise de roteiro de crime. No corpus, sua ocorrência é associada a lacunas de cobertura regulatória global sobre criptoativos.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Contexto Prévio":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_72db3d675ef9_00060"],"areas":["Mecanismo do Ataque"]},{"nome":"fraude de adiantamento de taxa","id":"fraude_de_adiantamento_de_taxa","definicao":"Modalidade de fraude em que o golpista recorre ao engano para obter ganho financeiro da vítima, tipicamente por meio de pagamentos antecipados. No corpus aparece como categoria de golpe cujo resultado é a obtenção de dinheiro, sem detalhamento adicional de técnicas, canais ou vulnerabilidades exploradas.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00214"],"areas":["Prevenção e Resposta"]},{"nome":"fraude de investimento híbrida","id":"fraude_de_investimento_híbrida","definicao":"Fraude cibernética em que criminosos conquistam a confiança da vítima formando vínculos e relacionamentos e, depois, exploram essa confiança com medidas de construção de credibilidade e coerção para induzi-la a investir continuamente em valores mobiliários, obtendo dinheiro. Definição adotada pelos autores de uma única fonte.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00075,"artigos":["ref_72db3d675ef9_00184"],"areas":["Mecanismo do Ataque"]},{"nome":"fraude de investimento online","id":"fraude_de_investimento_online","definicao":"Golpe financeiro aplicado em ambiente online em que o golpista induz a vítima a investir em oportunidades falsas, apresentando-se em formatos de longa ou curta duração. No corpus, aparece associado à construção de relações de confiança e ao uso de mídia rica para reforçar a legitimidade percebida, com base em relatos de vítimas em fóruns.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00281"],"areas":["Vítima"]},{"nome":"fraude em hedge funds","id":"fraude_em_hedge_funds","definicao":"Atividade fraudulenta envolvendo fundos de investimento do tipo hedge fund, como a manipulação ou o ocultamento de resultados de investimento. No corpus aparece como o fenômeno que métricas como a bias ratio, usadas historicamente e em conjunto sobre casos conhecidos, poderiam sinalizar precocemente como atividade suspeita.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00226"],"areas":["Detecção"]},{"nome":"fraude financeira","id":"fraude_financeira","definicao":"Categoria ampla de golpe que visa obter ganho financeiro mediante engano, causando perdas expressivas às vítimas. No corpus aparece como classe geral da qual o esquema Ponzi é uma forma clássica, inclusive quando oculto em contratos inteligentes de blockchain.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00076"],"areas":["Detecção"]},{"nome":"fraude online","id":"fraude_online","definicao":"Atividade criminosa realizada em ambiente digital na qual indivíduos são enganados ou manipulados com o objetivo de obter ganhos ilícitos, como roubo de credenciais, dados financeiros ou dinheiro. No corpus, o conceito aparece como consequência ou categoria mais ampla da qual o phishing é uma forma específica, situando o phishing dentro do espectro de crimes e golpes perpetrados pela internet.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Recomendação":9,"Contexto Prévio":9,"Resultado":7,"Objetivo":6,"Conclusão":5,"Objeto":5},"n_relacoes":33,"n_trechos":41,"pagerank":0.0089,"artigos":["choi20243","fraudes00003","fraudes00037","fraudes00056","fraudes00070","fraudes00083","fraudes00096","fraudes00100","fraudes00125","fraudes00148","g0066_phishing","ref_72db3d675ef9_00024","ref_72db3d675ef9_00036","ref_72db3d675ef9_00043","ref_72db3d675ef9_00058","ref_72db3d675ef9_00075","ref_72db3d675ef9_00103","ref_72db3d675ef9_00118","ref_72db3d675ef9_00125","ref_72db3d675ef9_00139","ref_72db3d675ef9_00156","ref_72db3d675ef9_00166","ref_72db3d675ef9_00170","ref_72db3d675ef9_00181","ref_72db3d675ef9_00205","ref_72db3d675ef9_00210","ref_72db3d675ef9_00230","ref_8d955f377173_00013","ref_8d955f377173_00018","ref_8d955f377173_00028","ref_8d955f377173_00058","wang2023"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"fronesis","id":"fronesis","definicao":"Abordagem proposta (referida como fronesis) cuja aplicação é demonstrada em um cenário de ataque de phishing por e-mail. No corpus, designa o método ou arcabouço apresentado pelo artigo, ilustrado por esse cenário; há uma única ocorrência, sem detalhamento de seus componentes ou de resultados.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["fraudes00043"],"areas":["Detecção"]},{"nome":"funcionário interno","id":"funcionário_interno","definicao":"Membro da organização-alvo cujo papel, identidade ou autoridade é falsificado em mensagens de phishing para conferir legitimidade ao ataque. No corpus, o conceito aparece exclusivamente como alvo de imitação em campanhas de phishing por e-mail, em que o remetente se passa por um colega, superior ou colaborador interno para aumentar a credibilidade da mensagem e induzir a vítima a executar ações maliciosas.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Objeto":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.0007,"artigos":["fraudes00082","g0066_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"funcionários vigilantes","id":"funcionários_vigilantes","definicao":"Funcionários atentos e alertas a sinais de fraude, tratados no corpus como contramedida humana de prevenção. Em estudo de empresas holandesas, a vigilância dos empregados é apontada como a forma mais eficaz de prevenir fraude, tanto online quanto offline, atuando como defesa organizacional baseada em comportamento.","topico":"Defesa_Organizacional","aspecto":"Sensitivo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["ref_8d955f377173_00018"],"areas":["Mecanismo do Ataque"]},{"nome":"fundamentos morais de autoridade e dano cuidado","id":"fundamentos_morais_de_autoridade_e_dano_cuidado","definicao":"Adesão dos participantes aos fundamentos morais de autoridade e de dano/cuidado, medida como grau de endosso. No corpus, é tratada como característica avaliativa individual associada ao apoio ao uso de ransomware que possa beneficiar membros do endogrupo, sem estabelecer causalidade além da associação preditiva observada.","topico":"Fatores_Psicológicos","aspecto":"Ético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_3f42d6b2ce58_00976"],"areas":["Vítima"]},{"nome":"fundos da vítima","id":"fundos_da_vítima","definicao":"Recursos financeiros ou ativos digitais pertencentes ao usuário atacado, que o atacante busca desviar para endereços sob seu controle. No corpus, aparecem como o alvo patrimonial obtido por phishing de simulação de transações, por meio de contratos inteligentes cuja execução real difere do resultado simulado.","topico":"Alvos_de_Ataque","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["g0175_phishing"],"areas":["Mecanismo do Ataque"]},{"nome":"função cognitiva","id":"função_cognitiva","definicao":"Capacidade cognitiva do indivíduo, abrangendo domínios como memória, raciocínio, velocidade de processamento, funções executivas e inteligência cristalizada. No corpus, aparece como característica da vítima, sobretudo idosos, associada a maior suscetibilidade a golpes em resultados preliminares, sem estabelecer causalidade definitiva.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["fraudes00133"],"areas":["Vítima"]},{"nome":"ganhos ilícitos","id":"ganhos_ilícitos","definicao":"Benefício financeiro obtido por criminosos com a atividade fraudulenta. No corpus, aparece como resultado econômico que varia conforme as estratégias adotadas pelos golpistas, em especial a precificação uniforme ou discriminatória. É tratado como grandeza a ser examinada, sem que se estabeleça valor ou magnitude específicos.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01225"],"areas":["Mecanismo do Ataque"]},{"nome":"ganância","id":"ganância","definicao":"Disposição psicológica de desejo excessivo por ganho financeiro atribuída às vítimas de esquemas Ponzi. No corpus, aparece como traço explorado pelo golpe para atrair assinantes e como variável testada, sem efeito moderador confirmado, sobre a decisão de investimento, não sendo uma relação causal estabelecida.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00081,"artigos":["ref_72db3d675ef9_00093","ref_72db3d675ef9_00290"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"gastos excessivos em produtos internos","id":"gastos_excessivos_em_produtos_internos","definicao":"Despesa acima do necessário que distribuidores de marketing multinível realizam na compra de produtos da própria organização. No corpus, aparece como resultado de pressão criada por características organizacionais, em um framework conceitual proposto a partir da literatura de ética profissional e empresarial, sem teste empírico.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00222"],"areas":["Vítima"]},{"nome":"gateway de borda iiot","id":"gateway_de_borda_iiot","definicao":"Dispositivo de borda da Internet Industrial das Coisas (IIoT) que intermedia a comunicação e as funções de controle em ambientes ligados a infraestrutura crítica. No corpus aparece como componente tecnológico considerado atraente como alvo de ransomware, por seu papel vital e suas funcionalidades.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01234"],"areas":["Mecanismo do Ataque"]},{"nome":"generalização do modelo","id":"generalização_do_modelo","definicao":"Capacidade de um modelo treinado de manter desempenho satisfatório quando aplicado a dados não vistos durante o treinamento, especialmente dados provenientes de fontes externas e independentes. No corpus, o conceito é operacionalizado por meio da avaliação em conjuntos de teste externos independentes, que servem como instrumento de medição dessa capacidade de transferência do modelo para contextos distintos dos utilizados no desenvolvimento.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"gestão governamental","id":"gestão_governamental","definicao":"Atuação de gestão exercida por autoridades governamentais sobre esquemas de pirâmide, tratada no corpus como fator cuja influência sobre a propagação do esquema é estudada em um modelo em redes livres de escala, junto com a topologia de interação social. A relação é objeto de investigação, não efeito confirmado.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00085,"artigos":["ref_72db3d675ef9_00124"],"areas":["Mecanismo do Ataque"]},{"nome":"golpe com criptomoedas","id":"golpe_com_criptomoedas","definicao":"Golpe cujo objeto é o investimento ou a negociação de criptomoedas, no corpus associado a plataformas de negociação fraudulentas e a esquemas de pig butchering. Os golpistas contatam vítimas sobretudo por redes sociais e mensageiros e adotam títulos de especialista financeiro para simular legitimidade e induzir o investimento.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00103,"artigos":["ref_72db3d675ef9_00241"],"areas":["Vítima"]},{"nome":"golpe de emergência familiar","id":"golpe_de_emergência_familiar","definicao":"Golpe em que o golpista se passa por familiar ou amigo da vítima, simulando uma situação de emergência para obter ação ou dinheiro, com possível clonagem de voz. No corpus, é mencionado por participantes que veem como defesa possível apenas palavras-código combinadas previamente, medida não testada.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00002"],"areas":["Vítima"]},{"nome":"golpe de investimento","id":"golpe_de_investimento","definicao":"Esquema fraudulento em que o golpista induz vítimas a transferir dinheiro com promessas de retorno financeiro, como Ponzi, honey pot, pump-and-dump e rug-pull. No corpus, imita identidades e autoridade legítimas, usa serviços legítimos e explora confiança, urgência, tendências cognitivas e vulnerabilidades psicológicas, sendo facilitado pela ausência de regulação.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Resultado":11,"Contexto Prévio":4,"Conclusão":2,"Objetivo":1,"Método":1},"n_relacoes":18,"n_trechos":19,"pagerank":0.00535,"artigos":["ref_72db3d675ef9_00006","ref_72db3d675ef9_00010","ref_72db3d675ef9_00051","ref_72db3d675ef9_00122","ref_72db3d675ef9_00127","ref_72db3d675ef9_00131","ref_72db3d675ef9_00142","ref_72db3d675ef9_00144","ref_72db3d675ef9_00180"],"areas":["Detecção","Mecanismo do Ataque","Vítima"]},{"nome":"golpe de investimento em criptoativos","id":"golpe_de_investimento_em_criptoativos","definicao":"Modalidade de fraude digital em que golpistas atraem vítimas com promessas de retornos irrealisticamente altos em criptoativos, valendo-se de sites de aparência profissional. No corpus, aparece associada a perdas financeiras mensuradas por transações em carteiras de golpistas, sendo tratada como categoria própria de golpe de investimento.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Contexto Prévio":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00074,"artigos":["ref_72db3d675ef9_00101"],"areas":["Detecção"]},{"nome":"golpe de investimento online","id":"golpe_de_investimento_online","definicao":"Modalidade de fraude digital em que golpistas promovem falsas oportunidades de investimento por meio de páginas e mensagens online. No corpus, aparece como objeto de análise descritiva de páginas de golpe na Malásia, em que predominam pistas linguísticas de estilo de vida no conteúdo usado para persuadir as vítimas.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00169"],"areas":["Mecanismo do Ataque"]},{"nome":"golpe de personificação institucional","id":"golpe_de_personificação_institucional","definicao":"Modalidade de golpe em que o fraudador se apresenta como representante de uma instituição ou autoridade, estilizando-se por atos de posicionamento que indexam autoridade profissional, interesse pelo alvo e integridade comunitária. No corpus, aparece em casos autênticos analisados discursivamente, nos quais o fraudador imita a autoridade profissional para conduzir a interação com a vítima.","topico":"Identidade_e_Representação","aspecto":"Lingual","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00014"],"areas":["Mecanismo do Ataque"]},{"nome":"golpe de plataforma de negociação fraudulenta","id":"golpe_de_plataforma_de_negociação_fraudulenta","definicao":"Modalidade de fraude digital em que a vítima é levada a depositar dinheiro em uma plataforma de negociação falsa ou fraudulenta, geralmente com criptomoedas. No corpus aparece como a categoria mais prevalente nos dados analisados e frequentemente entrelaçada com o pig butchering, sem direção causal definida entre os dois.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00141"],"areas":["Mecanismo do Ataque"]},{"nome":"golpe de suporte técnico","id":"golpe_de_suporte_técnico","definicao":"Modalidade de fraude em que criminosos convencem o usuário de que seu computador está infectado por malware e precisa de suporte técnico. Combina abuso online, como publicidade maliciosa e anúncios patrocinados, com engenharia social, inclusive pelo canal telefônico, explorando o medo de infecção para induzir contato e pagamento.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1,"Resultado":1,"Contexto Prévio":1,"Lacuna":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00162,"artigos":["ref_8d955f377173_00005","ref_8d955f377173_00048"],"areas":["Ecossistema do Atacante"]},{"nome":"golpe de suporte técnico com criptomoedas","id":"golpe_de_suporte_técnico_com_criptomoedas","definicao":"Modalidade emergente de fraude em que golpistas oferecem falsos serviços de recuperação de carteiras de criptomoedas a usuários com problemas nelas. O contato começa em redes sociais como o Twitter e migra para e-mail, Instagram ou Telegram, com o objetivo de obter chaves privadas e credenciais de acesso às carteiras.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":2,"Objeto":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00099,"artigos":["ref_8d955f377173_00045"],"areas":["Ecossistema do Atacante"]},{"nome":"golpe game hack","id":"golpe_game_hack","definicao":"Modalidade de golpe associada a jogos online (game hack scams, GHS), em que atacantes oferecem supostos hacks ou trapaças de jogos para alcançar muitas vítimas. No corpus, aparece como golpe que se vale de mídias sociais, sites de streaming, blogs e sites não relacionados como canais de divulgação e execução.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["badawi2019729"],"areas":["Ecossistema do Atacante"]},{"nome":"golpe romântico","id":"golpe_romântico","definicao":"Modalidade de fraude em que o golpista simula um relacionamento genuíno com a vítima para enganá-la e levá-la a transferir dinheiro, frequentemente em grandes quantias, ao ofensor. No corpus, o conceito aparece em uma definição geral que combina imitação de vínculo afetivo e obtenção de ganho financeiro.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00098,"artigos":["ref_72db3d675ef9_00071"],"areas":["Mecanismo do Ataque"]},{"nome":"golpe romântico de adiantamento de taxa","id":"golpe_romântico_de_adiantamento_de_taxa","definicao":"Modalidade de golpe romântico online (AFRS) em que o golpista simula crises fabricadas e mantém aliciamento emocional prolongado para induzir a vítima a efetuar pagamentos repetidos. Distingue-se do golpe romântico de investimento, que usa plataformas de investimento fraudulentas, e tem como finalidade obter dinheiro da vítima.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00049"],"areas":["Mecanismo do Ataque"]},{"nome":"golpe romântico de investimento","id":"golpe_romântico_de_investimento","definicao":"Modalidade de golpe romântico online (InvRS), incluindo esquemas de pig-butchering, em que o golpista usa plataformas de investimento fraudulentas, muitas vezes ligadas a criptoativos, para induzir a vítima a compromissos financeiros crescentes. Distingue-se do golpe romântico de adiantamento de taxa, baseado em crises fabricadas e pagamentos repetidos.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00049"],"areas":["Mecanismo do Ataque"]},{"nome":"golpe telefônico","id":"golpe_telefônico","definicao":"Golpe aplicado por meio de chamadas telefônicas, no qual o golpista visa indivíduos específicos e emprega recursos técnicos como clonagem de voz por inteligência artificial e falsificação do identificador de chamadas (spoofing), apresentando uma voz familiar originada de números aparentemente confiáveis.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00074,"artigos":["ref_8d955f377173_00002"],"areas":["Vítima"]},{"nome":"golpes de criptomoedas com tema covid-19","id":"golpes_de_criptomoedas_com_tema_covid-19","definicao":"Golpes envolvendo criptomoedas que exploram o tema da pandemia de COVID-19 como isca. No corpus, são identificados por endereços de blockchain associados (mais de 200) e vinculados a perdas financeiras de vítimas, medidas em dólares e em número de lesados.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00263"],"areas":["Ecossistema do Atacante"]},{"nome":"golpes financeiros contra idosos","id":"golpes_financeiros_contra_idosos","definicao":"Golpes de natureza financeira dirigidos a pessoas idosas, que ocorrem por canais de texto e voz (e-mail, SMS, telefone) em conversas de múltiplos turnos. Começam com personificação ou contato casual, avançam por construção de confiança e urgência e culminam em pedidos de informações sensíveis ou transferências financeiras.","topico":"Alvos_de_Ataque","aspecto":"Econômico","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00069,"artigos":["ref_8d955f377173_00035"],"areas":["Detecção"]},{"nome":"golpes por mensagens","id":"golpes_por_mensagens","definicao":"Golpes conduzidos por troca de mensagens com a vítima, nos quais operadores de complexos de golpe empregam LLMs e ChatGPT para polir o tom, traduzir e redigir respostas, elevando escala e qualidade. No corpus, a detecção mensagem a mensagem é apontada como insuficiente para mitigá-los.","topico":"Modalidades_de_Ataque","aspecto":"Lingual","zonas":{"Lacuna":1,"Resultado":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00152,"artigos":["ref_72db3d675ef9_00067"],"areas":["Ecossistema do Atacante"]},{"nome":"gpt-5","id":"gpt-5","definicao":"Modelo de linguagem de grande porte de última geração, citado no corpus como exemplo de modelo de ponta usado na detecção de phishing. Aparece como alvo de ataques de injeção de prompt, e os resultados indicam que permanece vulnerável a eles. É tratado como sistema avaliado, não como técnica de ataque.","topico":"Modelos_de_Linguagem","aspecto":"Físico","zonas":{"Resultado":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00126,"artigos":["fraudes00087","fraudes00088","g0232_phishing"],"areas":["Mecanismo do Ataque","Não Especificado"]},{"nome":"grafo de fluxo de controle","id":"grafo_de_fluxo_de_controle","definicao":"Representação estruturada, baseada em grafo, do fluxo de controle de um conteúdo, usada como base de um método de extração de características. No corpus, é contrastada com a representação em texto contínuo e relatada como de desempenho superior em conjunto de dados do mundo real.","topico":"Extração_de_Características","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00064"],"areas":["Detecção"]},{"nome":"gun","id":"gun","definicao":"Medida de desempenho denominada GUN, sugerida por Billio et al. (2015) e generalizada pelo estudo para construir um índice de detecção de fraude. No corpus, aparece como instrumento quantitativo associado à fraude online, usado para avaliar ou indicar sua ocorrência, sem detalhamento adicional de seu cálculo.","topico":"Métricas_de_Desempenho","aspecto":"Quantitativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["ref_72db3d675ef9_00118"],"areas":["Detecção"]},{"nome":"gun robusta","id":"gun_robusta","definicao":"Medida robusta de desempenho, denominada GUN*, proposta pelos autores para construir o índice IDeA de detecção de anomalias, com base no lema \"bom demais para ser verdade\" aplicado ao investidor racional. No corpus, aparece apenas como proposta, sem teste no trecho; o identificador gun_robusta substitui o asterisco, que não é aceito.","topico":"Métricas_de_Desempenho","aspecto":"Quantitativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00051,"artigos":["ref_72db3d675ef9_00158"],"areas":["Detecção"]},{"nome":"habilidades cognitivas baixas","id":"habilidades_cognitivas_baixas","definicao":"Nível reduzido de capacidade cognitiva de indivíduos, tratado no corpus como característica individual associada à propensão a investir em esquemas de pirâmide. No trecho disponível, a relação é de predição ou explicação restrita à população geral dos EUA, sem sustentação na amostra alemã.","topico":"Vulnerabilidade_Humana","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00067,"artigos":["ref_72db3d675ef9_00190"],"areas":["Vítima"]},{"nome":"hardware performance counters","id":"hardware_performance_counters","definicao":"Contadores de desempenho de hardware (HPCs): registros microarquiteturais do processador que medem eventos de execução. No corpus, servem como fonte de dados para monitoramento passivo e de baixo overhead, viabilizando a detecção precoce de ransomware e outros malwares, em estudo de caso microarquitetural.","topico":"Ferramentas_de_Detecção","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["ref_3f42d6b2ce58_00182"],"areas":["Detecção"]},{"nome":"hiperlink infectado","id":"hiperlink_infectado","definicao":"Hiperlink presente em mensagens de phishing que direciona a vítima para um destino malicioso, como uma página falsa de coleta de credenciais ou um servidor de distribuição de malware. No corpus, o conceito aparece como componente técnico central do vetor de ataque de phishing, sendo o mecanismo pelo qual a mensagem fraudulenta concretiza o redirecionamento da vítima para o ambiente controlado pelo atacante.","topico":"Vetor_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"hospital","id":"hospital","definicao":"Instituição de saúde que, no corpus, aparece como alvo de ataques de ransomware, em contexto de atendimento de emergência e cuidados agudos. É tratada como organização vítima, na Europa e nos Estados Unidos entre 2017 e 2022, cujas operações assistenciais sofrem efeitos do ataque.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00807"],"areas":["Vítima"]},{"nome":"identidade de usuário","id":"identidade_de_usuário","definicao":"Conjunto de atributos e características que identificam um usuário em ambientes digitais, como nome, aparência, voz ou credenciais. No corpus, o conceito aparece como alvo de imitação por tecnologias de deepfake, que reproduzem ou falsificam esses atributos para enganar terceiros, tornando a identidade do usuário um objeto de falsificação em ataques de phishing avançados.","topico":"Identidade_Digital","aspecto":"Estético","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"identidade legítima","id":"identidade_legítima","definicao":"Identidade de uma entidade genuína — organização, marca, instituição ou indivíduo — que é falsificada ou imitada em ataques de phishing. No corpus, o conceito aparece como o alvo da operação de imitação: o phishing se caracteriza precisamente por se passar por essa identidade para enganar vítimas. A identidade legítima funciona, portanto, como o referente autêntico que o atacante toma emprestado para conferir aparência de credibilidade à comunicação fraudulenta.","topico":"Engano_e_Falsificação","aspecto":"Estético","zonas":{"Objeto":3,"Resultado":1,"Contexto Prévio":1},"n_relacoes":3,"n_trechos":5,"pagerank":0.00103,"artigos":["deng2018369","g0066_phishing","ref_72db3d675ef9_00051","tas202460123","zheng2026102"],"areas":["Detecção","Prevenção e Resposta","Vítima"]},{"nome":"identidade social de superhumano","id":"identidade_social_de_superhumano","definicao":"Identidade social de 'super-humano' que os membros de esquemas de pirâmide, entre ex-participantes no Irã, constroem de si por meio das práticas do esquema, apoiada numa interpretação equivocada do mundo real. A identidade se desfaz quando a realidade contrasta com as promessas das empresas, e os membros perdem capital social.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Social","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00117,"artigos":["ref_72db3d675ef9_00111"],"areas":["Vítima"]},{"nome":"identificador numérico gerado artificialmente","id":"identificador_numérico_gerado_artificialmente","definicao":"Identificador composto exclusivamente por dígitos numéricos gerado de forma artificial ou sintética, sem correspondência a entidades legítimas preexistentes. No contexto de phishing, refere-se a sequências numéricas fabricadas — como números de telefone, CPF, CNPJ, códigos de rastreamento ou identificadores de transação — inseridas em mensagens fraudulentas para conferir aparência de autenticidade e dificultar a detecção automatizada de conteúdo malicioso.","topico":"Técnicas_de_Evasão","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"identificação de red flags","id":"identificação_de_red_flags","definicao":"Procedimento de reconhecer sinais de alerta associados a esquemas fraudulentos, no corpus ligados a jogos de cripto, para oferecer subsídios a investidores e usuários e auxiliar na prevenção da participação em fraudes como esquemas Ponzi. O efeito mitigador aparece apenas como possibilidade hipotética, condicionada a esse contexto.","topico":"Defesa_e_Mitigação","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00273"],"areas":["Detecção"]},{"nome":"identificação de sinais de ataque cibernético","id":"identificação_de_sinais_de_ataque_cibernético","definicao":"Capacidade ou procedimento de reconhecer indícios de que um ataque cibernético está em curso ou ocorreu, a partir da análise de dados. No corpus, aparece como resultado viabilizado por uma técnica de normalização de dados, que permite distinguir sinais de ataque.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Objetivo":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00083,"artigos":["fraudes00213","ref_3f42d6b2ce58_01031"],"areas":["Detecção"]},{"nome":"imitação","id":"imitação","definicao":"Prática de se passar por uma entidade legítima — pessoa, organização ou marca — para enganar a vítima e obter informações ou ações desejadas. No corpus, aparece como componente constitutivo do spear phishing, indicando que a representação fraudulenta de identidade é um elemento estrutural desse tipo de ataque direcionado.","topico":"Técnicas_de_Engano","aspecto":"Estético","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"implantação de modelo não validado","id":"implantação_de_modelo_não_validado","definicao":"Prática de colocar em produção ou uso operacional um modelo de detecção ou classificação sem que este tenha passado por processo formal de validação de desempenho, robustez ou adequação ao contexto de aplicação. No corpus, o conceito aparece como risco a ser mitigado por mecanismos de revisão de governança, indicando que sua ocorrência representa uma falha de processo que pode comprometer a confiabilidade e a segurança dos sistemas de detecção de phishing.","topico":"Governança_de_Modelos","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"imposto sobre resgate","id":"imposto_sobre_resgate","definicao":"Tributo proposto sobre o pagamento de resgates em ataques de ransomware, examinado como instrumento de política pública. No corpus, seus efeitos sobre os incentivos de atacantes e vítimas potenciais são analisados de forma condicional: poderia estimular a cibersegurança prévia e reduzir pagamentos de resgate, dependendo da elasticidade-preço.","topico":"Regulação_e_Governança_de_Cibersegurança","aspecto":"Jurídico","zonas":{"Conclusão":2,"Objetivo":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00167,"artigos":["ref_3f42d6b2ce58_00809"],"areas":["Prevenção e Resposta"]},{"nome":"impunidade","id":"impunidade","definicao":"Alto grau de ausência de punição ou responsabilização dos autores de crimes digitais, citado no corpus como característica do ransomware que, junto com a eficiência econômica, é apontada como fator do crescimento da prática criminosa. A afirmação é geral e sem evidência empírica própria.","topico":"Economia_do_Ataque","aspecto":"Jurídico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00557"],"areas":["Prevenção e Resposta"]},{"nome":"incentivos dos atacantes","id":"incentivos_dos_atacantes","definicao":"Conjunto de motivações e estímulos, sobretudo de natureza econômica, que orientam a decisão dos atacantes de ransomware de realizar ataques. No corpus, aparece como aquilo que pode ser afetado por uma política, como um imposto sobre o pagamento de resgate, analisado em conjunto com os incentivos das vítimas potenciais.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["ref_3f42d6b2ce58_00809"],"areas":["Prevenção e Resposta"]},{"nome":"incidente de cibersegurança","id":"incidente_de_cibersegurança","definicao":"Evento de segurança digital que resulta em comprometimento, violação ou dano a sistemas, dados ou infraestruturas de tecnologia da informação. No corpus, o conceito aparece como efeito potencial de erros humanos e como alvo de planos de resposta estruturados, posicionando-o como consequência operacional de falhas comportamentais e objeto de estratégias de mitigação organizacional.","topico":"Segurança_da_Informação","aspecto":"Físico","zonas":{"Resultado":1,"Contexto Prévio":1,"Recomendação":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00117,"artigos":["fraudes00098","g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"indicadores de infraestrutura","id":"indicadores_de_infraestrutura","definicao":"Sinais observáveis da infraestrutura técnica usada em campanhas de phishing (como domínios e plataformas de hospedagem), empregados como pistas para detectar ataques. No corpus, aparecem como insuficientes isoladamente, pois atacantes abusam de infraestruturas legítimas e plataformas de terceiros para montar suas campanhas.","topico":"Infraestrutura_Técnica_de_Phishing","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0205_phishing"],"areas":["Detecção"]},{"nome":"indicadores de spam","id":"indicadores_de_spam","definicao":"Sinais ou características presentes em mensagens eletrônicas que indicam a natureza indesejada ou maliciosa do conteúdo, utilizados como critério de medição ou identificação de phishing. No corpus, o conceito aparece em relação de medição com phishing, sugerindo que tais indicadores funcionam como métricas ou atributos observáveis que quantificam ou sinalizam a presença de atividade de phishing em mensagens.","topico":"Detecção_de_Phishing","aspecto":"Quantitativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"indivíduos específicos","id":"indivíduos_específicos","definicao":"Pessoas ou alvos determinados que são objeto de ataques de spear phishing, em contraste com alvos genéricos ou em massa. No corpus, o conceito aparece exclusivamente como destino intencional do spear phishing, caracterizando a seletividade e personalização do ataque em direção a um receptor identificado e escolhido deliberadamente pelo atacante.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Resultado":1,"Contexto Prévio":1,"Objeto":1,"Conclusão":1},"n_relacoes":3,"n_trechos":4,"pagerank":0.00103,"artigos":["fraudes00023","g0066_phishing","ref_3f42d6b2ce58_00030"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"indústria alimentícia","id":"indústria_alimentícia","definicao":"Setor econômico de produção e processamento de alimentos, tratado no corpus como alvo de ataques de ransomware organizados, especialmente durante a pandemia de Covid-19. Esses ataques levantaram dúvidas sobre a vulnerabilidade cibernética do setor. O conceito designa o segmento visado, não o método do ataque.","topico":"Alvos_de_Ataque","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00336"],"areas":["Prevenção e Resposta"]},{"nome":"infecção por ransomware","id":"infecção_por_ransomware","definicao":"Ocorrência de contaminação de sistemas por ransomware, tratada no corpus como possível consequência ou desdobramento associado a ataques de phishing. Aparece apenas em um exemplo ilustrativo sobre ontologias que permitem vincular ataques de phishing a infecções, ajudando modelos de IA a reconhecer padrões; o vínculo é ilustrativo, sem teste empírico.","topico":"Impacto_de_Ataques","aspecto":"Físico","zonas":{"Objetivo":2,"Conclusão":1,"Método":1,"Resultado":1,"Contexto Prévio":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00217,"artigos":["fraudes00002","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00521","ref_3f42d6b2ce58_01088","ref_3f42d6b2ce58_01189","ref_3f42d6b2ce58_01274"],"areas":["Detecção","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"influência social informacional","id":"influência_social_informacional","definicao":"Mecanismo psicossocial em que a pessoa toma como evidência o comportamento e as opiniões aparentes de outros para formar sua decisão. No corpus, grupos de golpe de investimento simulam discussão ativa sobre investimentos, em grupos e mensagens privadas, para consolidar as intenções de investir das vítimas.","topico":"Manipulação_Psicológica","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00142"],"areas":["Mecanismo do Ataque"]},{"nome":"informação da vítima","id":"informação_da_vítima","definicao":"Dados pessoais, credenciais ou informações sensíveis pertencentes ao alvo de um ataque, obtidos por meio de phishing por e-mail ou malware. No corpus, o conceito aparece como objeto de extração por parte de vetores de ataque, representando o resultado final da ação maliciosa sobre o indivíduo visado.","topico":"Impacto_do_Ataque","aspecto":"Lingual","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.0007,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"informação imperfeita","id":"informação_imperfeita","definicao":"Característica de um modelo de jogo em que os agentes atuam sem conhecimento completo sobre o estado ou as ações dos demais. No corpus, é apresentada como elemento necessário para que o modelo reproduza o comportamento observado no mundo real, dentro das condições do modelo proposto.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00831"],"areas":["Prevenção e Resposta"]},{"nome":"informação incompleta","id":"informação_incompleta","definicao":"Condição de negociação de ransomware em que atacante e vítima desconhecem informações privadas um do outro: o atacante ignora a valoração que a vítima atribui aos dados e a vítima ignora o resgate mínimo aceito pelo atacante. No corpus, essa assimetria é associada ao prolongamento das negociações e é alvo de um mecanismo de desenho.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00164,"artigos":["ref_3f42d6b2ce58_00153"],"areas":["Prevenção e Resposta"]},{"nome":"informação pessoal","id":"informação_pessoal","definicao":"Dados de identificação ou credenciais pertencentes a indivíduos que constituem o objetivo de extração em ataques de phishing, vishing e pretexting. No corpus, o conceito aparece exclusivamente como alvo ou resultado obtido por técnicas de engenharia social e comunicação fraudulenta, sem distinção explícita entre categorias de dados (financeiros, de acesso, demográficos). Sua relevância é definida pela posição de objeto nas cadeias de obtenção ilícita, não por propriedades intrínsecas dos dados.","topico":"Alvos_e_Impactos_de_Ataques","aspecto":"Lingual","zonas":{"Objeto":5,"Resultado":2,"Contexto Prévio":1},"n_relacoes":6,"n_trechos":8,"pagerank":0.00161,"artigos":["fraudes00012","g0066_phishing","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00993"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"informação privada","id":"informação_privada","definicao":"Dados pessoais ou confidenciais que constituem o objetivo de obtenção em ataques de phishing. No corpus, o conceito aparece como o alvo que o phishing busca capturar, posicionando-se como o recurso cobiçado pelo atacante ao final do processo de engano. A relação observada indica que o phishing opera como mecanismo de extração desse tipo de informação, sem que o corpus forneça detalhes adicionais sobre categorias específicas ou formas de operacionalização.","topico":"Alvos_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":2,"Contexto Prévio":1,"Resultado":1},"n_relacoes":3,"n_trechos":4,"pagerank":0.00105,"artigos":["fraudes00162","g0066_phishing","ref_3f42d6b2ce58_00517"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"informação sensível","id":"informação_sensível","definicao":"Dados de caráter privado ou confidencial que constituem o alvo de obtenção em ataques de phishing, engenharia social, spear phishing e malware. No corpus, o conceito aparece consistentemente como objeto das relações de obtenção dessas ameaças, abrangendo credenciais de acesso, informações financeiras, dados pessoais identificáveis e outros dados cuja exposição não autorizada representa prejuízo ao titular. O conceito define o que é buscado pelo atacante, funcionando como motivador e critério de sucesso do ataque.","topico":"Dados_e_Privacidade","aspecto":"Lingual","zonas":{"Contexto Prévio":12,"Objeto":9,"Objetivo":1},"n_relacoes":12,"n_trechos":22,"pagerank":0.00321,"artigos":["fraudes00011","fraudes00019","fraudes00132","fraudes00136","fraudes00188","g0009_phishing","g0023_phishing","g0066_phishing","g0098_phishing","g0146_phishing","g0293_phishing","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00992","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00035","ref_8d955f377173_00049","tas202460123"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"informação temporal heterogênea","id":"informação_temporal_heterogênea","definicao":"Informação de natureza temporal e de múltiplos tipos, extraída de dados de transações, que é incorporada a métodos de detecção de esquemas Ponzi (como no módulo TMFAug). No corpus, aparece como insumo de dados cuja inclusão se associa a melhorias de desempenho de detecção no conjunto da Ethereum.","topico":"Extração_de_Características","aspecto":"Cinemático","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00051,"artigos":["ref_72db3d675ef9_00198"],"areas":["Detecção"]},{"nome":"informações da vítima","id":"informações_da_vítima","definicao":"Dados pessoais, credenciais ou informações sensíveis obtidos de uma vítima durante um ataque de phishing, especialmente no contexto de spear phishing. No corpus, o conceito aparece como resultado da ação do atacante sobre a vítima e, simultaneamente, como insumo que viabiliza o comprometimento de novas vítimas, sugerindo um papel intermediário em cadeias de ataque progressivas.","topico":"Dados_da_Vítima","aspecto":"Lingual","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.001,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"injectdefuser","id":"injectdefuser","definicao":"Framework de defesa proposto no corpus contra prompt injection em modelos de linguagem, que combina endurecimento de prompts (prompt hardening), recuperação aumentada restrita por lista de permissão (allowlist) e validação de saída. Nos trechos, é apresentado como reduzindo a taxa de sucesso dos ataques em vários modelos, sem valores quantitativos indicados.","topico":"Defesa_Técnica","aspecto":"Formativo","zonas":{"Método":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00054,"artigos":["g0232_phishing"],"areas":["Mecanismo do Ataque"]},{"nome":"inovação aberta","id":"inovação_aberta","definicao":"Contexto de colaboração e inovação aberta, no qual a criação de confiança ampliada e de relações próximas entre participantes é frequentemente exigida. No corpus, aparece ligado ao caso Madoff como ambiente em que essa dependência da confiança pode ser explorada por golpistas contra a vítima.","topico":"Contextos_de_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00063"],"areas":["Mecanismo do Ataque"]},{"nome":"instalação de malware","id":"instalação_de_malware","definicao":"Processo pelo qual um software malicioso é implantado no dispositivo da vítima como consequência de um ataque de phishing, particularmente por meio de ataques de um clique. No corpus, aparece como resultado direto de interações maliciosas e pode ser mitigado pelo uso de navegadores atualizados, que reduzem vulnerabilidades exploráveis nesse processo.","topico":"Ataques_e_Exploração","aspecto":"Formativo","zonas":{"Contexto Prévio":2,"Resultado":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00123,"artigos":["g0066_phishing","g0146_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"instituição financeira","id":"instituição_financeira","definicao":"Organização do setor financeiro (bancos, cooperativas de crédito, operadoras de cartão, entre outras) que figura no corpus como alvo recorrente de ataques de phishing e como entidade cuja identidade, marca ou comunicação oficial é imitada pelos atacantes para conferir credibilidade às mensagens fraudulentas. As relações observadas indicam dois papéis complementares: ser o objeto visado pelo ataque (VISA) e ser a entidade cuja aparência é falsificada (IMITA), sugerindo que a instituição financeira é simultaneamente vítima institucional e vetor de legitimação explorado pelo phisher.","topico":"Alvos_De_Phishing","aspecto":"Social","zonas":{"Objeto":5,"Contexto Prévio":2,"Resultado":2},"n_relacoes":6,"n_trechos":9,"pagerank":0.0015,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00614","ref_72db3d675ef9_00208","ref_8d955f377173_00024","venkatesha2021"],"areas":["Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"inteligência artificial","id":"inteligência_artificial","definicao":"Conjunto de técnicas e sistemas computacionais capazes de realizar tarefas que normalmente requerem inteligência humana, como geração de linguagem natural, reconhecimento de padrões e tomada de decisão automatizada. No corpus, o conceito aparece principalmente como ferramenta utilizada pela engenharia social para potencializar ataques de phishing, permitindo a criação automatizada de mensagens convincentes, personalização em escala e sofisticação crescente das táticas de manipulação.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":12,"Objetivo":6,"Resultado":3,"Recomendação":1,"Método":1},"n_relacoes":17,"n_trechos":23,"pagerank":0.0032,"artigos":["angafor20241679","fraudes00004","fraudes00008","fraudes00035","fraudes00056","fraudes00064","fraudes00071","fraudes00073","fraudes00092","fraudes00094","fraudes00095","fraudes00107","g0066_phishing","ref_3f42d6b2ce58_00224","ref_3f42d6b2ce58_00287","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00457","ref_8d955f377173_00032"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"intensidade de repressão governamental","id":"intensidade_de_repressão_governamental","definicao":"Grau de rigor da ação repressiva do governo sobre os indivíduos envolvidos em esquemas de pirâmide, tratado como parâmetro do modelo epidêmico SHIPR. No corpus, aparece associado, em análise teórica, ao número básico de reprodução da propagação do esquema, ao lado da publicidade antipirâmide e da topologia de interação social.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00085,"artigos":["ref_72db3d675ef9_00124"],"areas":["Mecanismo do Ataque"]},{"nome":"intenção comportamental","id":"intenção_comportamental","definicao":"Intenção comportamental (BI) é a predisposição declarada de indivíduos, no corpus estudantes universitários, de adotar comportamentos preventivos diante de ameaças. Aparece como variável resultado de fatores de motivação preventiva, como percepção de seriedade e autoeficácia, sendo que alguns fatores tiveram contribuição significativa e outros não.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00164,"artigos":["ref_3f42d6b2ce58_00708"],"areas":["Vítima"]},{"nome":"intenção de investir","id":"intenção_de_investir","definicao":"Disposição ou propensão de uma pessoa a aplicar recursos em um investimento, incluindo esquemas fraudulentos como o Ponzi. No corpus, é tratada como variável resultante, associada a atitude de investimento, controle comportamental percebido, normas subjetivas (efeito limitado) e informações obtidas em redes sociais, em estudo com vítimas.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":3,"Conclusão":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00214,"artigos":["ref_72db3d675ef9_00052","ref_72db3d675ef9_00093"],"areas":["Vítima"]},{"nome":"intenção de participação","id":"intenção_de_participação","definicao":"Disposição ou propensão de uma pessoa a aderir a um esquema fraudulento, no corpus tratada como desfecho comportamental de vieses cognitivos mediados por medo de ficar de fora (FOMO) e risco percebido, no contexto de esquemas de marketing multinível em fintech no Vietnã.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00168"],"areas":["Vítima"]},{"nome":"interface de e-mail móvel","id":"interface_de_e-mail_móvel","definicao":"Interface de uso do e-mail em dispositivos móveis, caracterizada no corpus como restrita e inserida em um contexto de uso específico, como o de profissionais de saúde. Essas características são descritas como amplificadoras da vulnerabilidade a ataques de engenharia social, em especial o phishing, por meio da apresentação limitada das mensagens.","topico":"Infraestrutura_de_E-mail","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0173_phishing"],"areas":["Vítima"]},{"nome":"intervalo de confiança","id":"intervalo_de_confiança","definicao":"Intervalo estatístico que expressa a incerteza em torno de uma estimativa pontual, utilizado no corpus para quantificar a precisão de métricas de desempenho de modelos ou sistemas, como a adequação para implantação. Indica o intervalo dentro do qual o valor verdadeiro de uma medida se encontra com determinado nível de confiança, permitindo avaliar a confiabilidade dos resultados obtidos.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00081,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"investidores mulheres ou idosos","id":"investidores_mulheres_ou_idosos","definicao":"Grupo de vítimas formado por investidores do sexo feminino ou de idade mais avançada, identificado em dados policiais de um esquema Ponzi na China como mais suscetível à afinidade entre investidores. O conceito designa o perfil demográfico visado e sua maior vulnerabilidade a essa tática, sem estabelecer causalidade além da associação observada.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00062,"artigos":["ref_72db3d675ef9_00109"],"areas":["Vítima"]},{"nome":"investimento em backup","id":"investimento_em_backup","definicao":"Aplicação de recursos financeiros e organizacionais em cópias de segurança de dados e sistemas, tratada no corpus como medida defensiva. É examinada quanto ao grau em que, se realizada de forma abrangente em todo o setor, poderia dissuadir ataques em curso. O vínculo com a inibição de ataques é investigado, não demonstrado.","topico":"Defesa_e_Mitigação","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["ref_3f42d6b2ce58_01157"],"areas":["Prevenção e Resposta"]},{"nome":"investimento em esquema de pirâmide","id":"investimento_em_esquema_de_pirâmide","definicao":"Ato de aplicar recursos financeiros em um esquema de pirâmide, observado em experimentos com participantes de amostras dos EUA e da Alemanha. No corpus é o comportamento-resultado a ser explicado: associa-se à tolerância ao risco e, na população geral dos EUA, a baixas habilidades cognitivas, e diminui quando a informação sobre os ganhos é fornecida sem exigir extrapolação.","topico":"Vulnerabilidade_Humana","aspecto":"Econômico","zonas":{"Resultado":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00171,"artigos":["ref_72db3d675ef9_00190"],"areas":["Vítima"]},{"nome":"investimento por impulso","id":"investimento_por_impulso","definicao":"Decisão de investir tomada de forma impulsiva, sem avaliação ponderada, associada a vieses e a narrativas como a de segurança em números nas redes sociais, o que torna o investidor vulnerável a esquemas financeiros fraudulentos. No corpus, aparece como comportamento a ser mitigado pela educação financeira, vínculo apresentado apenas como sugestão não testada.","topico":"Vulnerabilidade_Humana","aspecto":"Sensitivo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00168"],"areas":["Vítima"]},{"nome":"isca","id":"isca","definicao":"Elemento ou conteúdo utilizado em ataques de phishing para atrair a vítima e induzi-la a realizar uma ação desejada pelo atacante, como clicar em um link malicioso ou fornecer credenciais. No corpus, o conceito aparece como componente constitutivo do spear_phishing, sugerindo que a isca é uma parte integrante da estrutura do ataque, especificamente elaborada para enganar o alvo. A relação observada é estrutural (PARTE_DE), indicando que a isca não é o ataque em si, mas um elemento que o compõe.","topico":"Técnicas_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"isis","id":"isis","definicao":"Grupo extremista (Isis) citado no corpus como exemplo de ator que emprega discurso de ódio online em mídias sociais, como páginas do Facebook e contas do Twitter, para fins de recrutamento e propaganda. Aparece como agente organizado, não como técnica de ataque nem como alvo.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["fraudes00177"],"areas":["Mecanismo do Ataque"]},{"nome":"isolamento social","id":"isolamento_social","definicao":"Condição de baixa integração social e de menor contato ou vínculo com outras pessoas, tratada no corpus como característica da vítima, associada a solidão. Aparece em resultados preliminares com idosos, nos quais níveis mais altos de isolamento acompanham maior vulnerabilidade a golpes, sem que o trecho estabeleça mecanismo causal.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Social","zonas":{"Resultado":3},"n_relacoes":2,"n_trechos":3,"pagerank":0.00073,"artigos":["fraudes00133","ref_72db3d675ef9_00161","ref_72db3d675ef9_00205"],"areas":["Vítima"]},{"nome":"javascript","id":"javascript","definicao":"JavaScript é uma linguagem de programação de scripts amplamente utilizada no contexto de ataques de phishing, referenciada no corpus como componente técnico empregado em páginas e kits de phishing para implementar comportamentos maliciosos, como redirecionamentos, coleta de credenciais e evasão de detecção. Sua presença em páginas fraudulentas é um indicador técnico relevante para sistemas de detecção automatizada de phishing.","topico":"Infraestrutura_Técnica_de_Phishing","aspecto":"Físico","zonas":{"Objeto":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"julgamento pessoal","id":"julgamento_pessoal","definicao":"Avaliação própria e individual feita pela vítima ao decidir sobre uma situação, em contraste com a influência social de terceiros. No corpus aparece, em hipótese cautelosa, como algo em que vítimas de golpes com criptomoedas podem confiar mais, dada a natureza descentralizada desses ativos.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Sensitivo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00052"],"areas":["Vítima"]},{"nome":"k-means","id":"k-means","definicao":"Algoritmo de agrupamento (clustering) não supervisionado utilizado no corpus como base de uma abordagem de classificação de malware Android, agrupando amostras por similaridade. Aparece como técnica analítica aplicada ao malware, e não como característica do ataque em si; o uso observado se restringe ao contexto Android.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["ref_3f42d6b2ce58_01320"],"areas":["Detecção"]},{"nome":"kappa de cohen","id":"kappa_de_cohen","definicao":"Estatística utilizada para medir o grau de concordância entre anotadores em tarefas de classificação ou rotulagem, descontando a concordância esperada pelo acaso. No corpus, aparece em contraste com o AC1 de Gwet, sugerindo que ambos são métricas de confiabilidade inter-anotador, mas com diferentes abordagens para o cálculo da concordância esperada. O kappa de Cohen é referenciado como medida padrão de concordância entre anotadores em processos de anotação de dados.","topico":"Avaliação_de_Confiabilidade","aspecto":"Quantitativo","zonas":{"Resultado":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"kit de phishing","id":"kit_de_phishing","definicao":"Conjunto de ferramentas e recursos pré-empacotados que possibilita a execução de ataques de phishing, incluindo tipicamente páginas web falsas, scripts e outros componentes necessários para clonar sites legítimos e capturar credenciais de vítimas. No corpus, o conceito aparece como elemento facilitador da cadeia de ataque, estabelecendo relação de possibilitação com o phishing em geral.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"legislação sobre engenharia social","id":"legislação_sobre_engenharia_social","definicao":"Conjunto de normas legais e regulatórias que tratam especificamente de práticas de engenharia social, como phishing e manipulação psicológica para obtenção de informações ou acesso não autorizado. No corpus, o conceito aparece em contraste com a cooperação internacional em cibercrime, sugerindo que a legislação nacional sobre engenharia social é percebida como fragmentada ou insuficiente quando confrontada com a natureza transfronteiriça dos ataques, evidenciando tensão entre marcos jurídicos locais e a necessidade de coordenação global para combate efetivo a essas práticas.","topico":"Regulação_e_Governança_de_Cibersegurança","aspecto":"Jurídico","zonas":{"Resultado":1,"Lacuna":1,"Recomendação":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00097,"artigos":["fraudes00005","g0066_phishing","ref_72db3d675ef9_00075"],"areas":["Prevenção e Resposta"]},{"nome":"letramento digital","id":"letramento_digital","definicao":"Fator antecedente individual, tratado no corpus como competência ou nível de familiaridade com tecnologias digitais, listado ao lado de fatores demográficos, treinamento institucional e influência social. É proposto, sem validação empírica, como possível influência sobre a consciência de segurança financeira digital, com a percepção de risco como mecanismo mediador.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Analítico","zonas":{"Resultado":3,"Recomendação":3},"n_relacoes":5,"n_trechos":6,"pagerank":0.00172,"artigos":["fraudes00075","ref_3f42d6b2ce58_00258","ref_72db3d675ef9_00004","ref_72db3d675ef9_00225","ref_72db3d675ef9_00281","ref_8d955f377173_00003"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"letramento financeiro","id":"letramento_financeiro","definicao":"Nível de conhecimento e competência de uma pessoa para lidar com questões financeiras, incluindo a gestão financeira cotidiana e a capacidade numérica. No corpus, aparece como característica de idosos, e o letramento financeiro mais baixo é associado a maior vulnerabilidade a golpes, em resultados preliminares com cerca de 500 participantes.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Analítico","zonas":{"Resultado":13,"Objetivo":4,"Conclusão":2,"Recomendação":2,"Contexto Prévio":1},"n_relacoes":10,"n_trechos":22,"pagerank":0.00233,"artigos":["fraudes00133","ref_72db3d675ef9_00005","ref_72db3d675ef9_00010","ref_72db3d675ef9_00011","ref_72db3d675ef9_00014","ref_72db3d675ef9_00058","ref_72db3d675ef9_00093","ref_72db3d675ef9_00126","ref_72db3d675ef9_00130","ref_72db3d675ef9_00168","ref_72db3d675ef9_00211","ref_72db3d675ef9_00218","ref_72db3d675ef9_00230","ref_72db3d675ef9_00233","ref_72db3d675ef9_00245","ref_8d955f377173_00036"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"liberação de chaves sem confiança","id":"liberação_de_chaves_sem_confiança","definicao":"Esquema de liberação de chaves de descriptografia em ransomware que dispensa a confiança da vítima no atacante, viabilizado pelo uso de enclaves (RansomClave). No corpus, aparece como novo mecanismo que poderia elevar a lucratividade do atacante, conforme análise sob dois modelos de vítima.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01217"],"areas":["Mecanismo do Ataque"]},{"nome":"limiar crítico de propagação","id":"limiar_crítico_de_propagação","definicao":"Valor-limite do parâmetro de propagação em modelos de difusão sobre redes (aqui, esquemas de recrutamento tipo pirâmide), a partir do qual a difusão se sustenta. No corpus, aparece como grandeza que aumenta com o custo por recrutado e diminui com a distribuição de grau em lei de potência.","topico":"Propagação_de_Ataques","aspecto":"Quantitativo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00151,"artigos":["ref_72db3d675ef9_00151","ref_72db3d675ef9_00237"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque"]},{"nome":"limiar de segurança","id":"limiar_de_segurança","definicao":"Valor de corte ou critério mínimo de desempenho que um modelo de detecção de phishing deve atingir para ser considerado adequado para implantação. Atua como barreira de aprovação: modelos que não alcançam o limiar são bloqueados de avançar para uso em produção ou exigem ajustes adicionais antes de nova avaliação. Sua função no corpus é essencialmente restritiva e regulatória em relação ao ciclo de desenvolvimento de modelos.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":2,"Conclusão":1,"Resultado":1},"n_relacoes":3,"n_trechos":4,"pagerank":0.00204,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"line","id":"line","definicao":"Aplicativo de mensagens instantâneas LINE, citado no corpus como canal usado por quadrilhas de fraude para criar grupos de golpe de investimento e atrair vítimas para ingressar neles. É descrito como meio de comunicação do golpe, no contexto de Taiwan, e não como técnica de engano em si.","topico":"Canais_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00142"],"areas":["Mecanismo do Ataque"]},{"nome":"linguagem não culpabilizadora","id":"linguagem_não_culpabilizadora","definicao":"Uso, por agências de aplicação da lei e instituições, de linguagem que não atribui culpa nem estigmatiza as vítimas de golpes. No corpus, aparece como recomendação sem teste empírico, voltada a incentivar o reporte de crimes e a reduzir o estigma ligado à vitimização.","topico":"Resposta_Institucional","aspecto":"Lingual","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00267"],"areas":["Vítima"]},{"nome":"link malicioso","id":"link_malicioso","definicao":"Hiperlink incorporado em mensagens de phishing ou spam que direciona o destinatário a um recurso malicioso, como uma página falsa de coleta de credenciais ou um site de distribuição de malware. No corpus, aparece como componente funcional central tanto de e-mails de spam quanto de ataques de phishing em geral, sendo o vetor pelo qual a vítima é conduzida do canal de comunicação ao ambiente controlado pelo atacante.","topico":"Vetores_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":3,"Contexto Prévio":1,"Resultado":1},"n_relacoes":3,"n_trechos":5,"pagerank":0.00122,"artigos":["fraudes00031","g0066_phishing","g0293_phishing","ref_72db3d675ef9_00100"],"areas":["Detecção","Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"literatura de marketing sobre mlm","id":"literatura_de_marketing_sobre_mlm","definicao":"Conjunto da produção acadêmica de marketing que trata do marketing multinível (MLM), descrito no corpus como portador de uma compreensão distorcida e excessivamente positiva do fenômeno, em parte por influência de autores afiliados à indústria. Refere-se ao corpo de textos científicos, não ao esquema comercial em si.","topico":"Metodologia_Científica","aspecto":"Lingual","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00053"],"areas":["Mecanismo do Ataque"]},{"nome":"llm","id":"llm","definicao":"Modelo de linguagem de grande porte, tratado no corpus como tecnologia de processamento de texto usada tanto para gerar conteúdo de phishing persuasivo em escala quanto como abordagem de detecção comparada a modelos baseados em propagação. Também é descrito como inerentemente vulnerável a prompt injection.","topico":"Modelos_de_Linguagem","aspecto":"Físico","zonas":{"Objetivo":7,"Resultado":6,"Lacuna":3,"Método":3,"Contexto Prévio":2},"n_relacoes":18,"n_trechos":21,"pagerank":0.00555,"artigos":["boumber202437","fraudes00087","fraudes00111","fraudes00159","fraudes00197","fraudes00216","g0205_phishing","g0216_phishing","g0232_phishing","ref_3f42d6b2ce58_00289","ref_3f42d6b2ce58_00317","ref_3f42d6b2ce58_00789","ref_72db3d675ef9_00030","ref_72db3d675ef9_00031","ref_72db3d675ef9_00067","ref_8d955f377173_00046"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta"]},{"nome":"lstm","id":"lstm","definicao":"Arquitetura de rede neural recorrente (LSTM) empregada no corpus como modelo de aprendizado de máquina comparativo para detecção e classificação de textos. Aparece ao lado de RNN e BERT, sendo um dos modelos testados e superado pelo BERT em acurácia de detecção, em condição experimental específica com dados do Twitter mapeados para TTPs do ATT&CK.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Resultado":2,"Conclusão":1,"Objetivo":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00144,"artigos":["fraudes00086","fraudes00141","g0257_phishing","ref_72db3d675ef9_00294"],"areas":["Detecção"]},{"nome":"macro-f1","id":"macro-f1","definicao":"Média não ponderada dos valores de F1-score calculados por classe, utilizada para avaliar o desempenho global de modelos de detecção de phishing em cenários multiclasse. Por tratar todas as classes com peso igual independentemente de sua frequência no conjunto de dados, a macro-F1 é especialmente relevante quando se deseja avaliar o desempenho do modelo de forma equilibrada entre classes majoritárias e minoritárias. No corpus, aparece como métrica de avaliação associada ao desempenho de detecção.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Método":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00078,"artigos":["g0293_phishing","ref_3f42d6b2ce58_00184"],"areas":["Detecção"]},{"nome":"macro-f1 agregado","id":"macro-f1_agregado","definicao":"Métrica de avaliação de modelos de classificação que representa a média aritmética dos valores de F1-score calculados individualmente para cada classe do problema (phishing e legítimo), sem ponderação pelo número de instâncias por classe. No corpus, é utilizada para medir o desempenho geral de sistemas de detecção de phishing, sendo sensível ao equilíbrio entre precisão e recall em todas as classes. Aparece associada ao recall de phishing e é influenciada por técnicas de augmentação de dados, indicando seu uso como critério de comparação entre configurações experimentais de modelos.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":2,"Objetivo":2},"n_relacoes":3,"n_trechos":4,"pagerank":0.00136,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"macro-f1 composto","id":"macro-f1_composto","definicao":"Métrica de avaliação de desempenho de modelos de classificação que combina precisão e recall em uma média harmônica calculada de forma macro (ponderação igual entre classes), aplicada no contexto de detecção de phishing para medir o desempenho geral do sistema considerando todas as classes de forma equilibrada. No corpus, contrasta com phishing_recall (que foca especificamente na taxa de detecção de phishing) e com macro-f1_interno (variante calculada em escopo diferente), sendo influenciado por estratégias de balanceamento hierárquico e pelo modelo DistilRoBERTa. Serve como indicador agregado da segurança de detecção de phishing, capturando o equilíbrio entre não perder ataques e não gerar falsos alarmes em múltiplas classes.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Resultado":3,"Conclusão":2,"Lacuna":1},"n_relacoes":5,"n_trechos":6,"pagerank":0.00224,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"macro-f1 interno","id":"macro-f1_interno","definicao":"Variante da métrica Macro-F1 calculada de forma interna a um sistema ou experimento, em contraste com o Macro-F1 composto. No corpus, o conceito aparece apenas por meio de relação de contraste com o macro-f1_composto, sem trechos diretos que detalhem sua operacionalização; infere-se que representa a média não ponderada dos F1-scores por classe obtida dentro de um único modelo ou configuração experimental, distinguindo-se de versões compostas que agregam resultados de múltiplos componentes ou etapas.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00057,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"macroaveraging","id":"macroaveraging","definicao":"Técnica de agregação de métricas de avaliação em que o desempenho é calculado independentemente para cada classe e, em seguida, a média aritmética dos resultados por classe é obtida, conferindo peso igual a todas as classes independentemente de sua frequência no conjunto de dados. No corpus, aparece associada à mitigação do efeito do desequilíbrio de classes sobre a avaliação de modelos de detecção de phishing, evitando que classes majoritárias dominem a métrica final.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00057,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"malware","id":"malware","definicao":"Software malicioso utilizado como vetor ou componente de ataques de phishing e spear phishing. No corpus, malware aparece como meio pelo qual atacantes obtêm informações da vítima e informações sensíveis, sendo empregado em conjunto com técnicas de phishing para comprometer sistemas e extrair dados. Não há ocorrências diretas no corpus codificado, mas as relações observadas indicam seu papel instrumental: phishing e spear phishing fazem uso de malware, que por sua vez opera como mecanismo de coleta de informações-alvo.","topico":"Vetores_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":20,"Contexto Prévio":11,"Objetivo":5,"Recomendação":2,"Conclusão":1},"n_relacoes":17,"n_trechos":39,"pagerank":0.00496,"artigos":["fraudes00132","fraudes00144","fraudes00172","fraudes00185","fraudes00197","g0066_phishing","ref_3f42d6b2ce58_00393","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00457","ref_3f42d6b2ce58_00462","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00723","ref_3f42d6b2ce58_00732","ref_3f42d6b2ce58_00746","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_00908","ref_3f42d6b2ce58_00937","ref_3f42d6b2ce58_01002","ref_3f42d6b2ce58_01007","ref_3f42d6b2ce58_01025","ref_3f42d6b2ce58_01060","ref_3f42d6b2ce58_01099","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01198","ref_3f42d6b2ce58_01217","ref_3f42d6b2ce58_01230","ref_3f42d6b2ce58_01232","ref_3f42d6b2ce58_01275","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01312","ref_3f42d6b2ce58_01320","ref_3f42d6b2ce58_01368","ref_8d955f377173_00049"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"malware como serviço","id":"malware_como_serviço","definicao":"Modelo de distribuição e operação de software malicioso no qual ferramentas de ataque são disponibilizadas como serviço, permitindo que agentes mal-intencionados utilizem infraestrutura pronta para conduzir ataques. No corpus, o conceito aparece em relação à exploração de mecanismos de autenticação de dois fatores, indicando que esse modelo de serviço é empregado para contornar ou comprometer controles de segurança baseados em múltiplos fatores.","topico":"Ameaças_Cibernéticas","aspecto":"Formativo","zonas":{"Contexto Prévio":4,"Resultado":3},"n_relacoes":7,"n_trechos":7,"pagerank":0.00136,"artigos":["fraudes00106","g0066_phishing","ref_3f42d6b2ce58_00066","ref_3f42d6b2ce58_00143","ref_3f42d6b2ce58_00161","ref_3f42d6b2ce58_00699","ref_3f42d6b2ce58_01054"],"areas":["Ecossistema do Atacante","Prevenção e Resposta","Vítima"]},{"nome":"manipulação de retornos","id":"manipulação_de_retornos","definicao":"Distorção da distribuição de retornos de um ativo, que se afasta da distribuição de retornos não enviesados, típica de esquemas de fraude de investimento. No corpus aparece como o fenômeno que o bias ratio, combinado a outras métricas, poderia quantificar, ao comparar a distribuição real com a não enviesada; a evidência é única e proposta como possibilidade.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00226"],"areas":["Detecção"]},{"nome":"manipulação humana","id":"manipulação_humana","definicao":"Processo pelo qual um agente malicioso influencia o comportamento, as decisões ou as ações de uma pessoa por meio de técnicas psicológicas, exploração de vieses cognitivos ou apelos emocionais, sem recorrer a meios técnicos diretos. No corpus, o conceito aparece como o alvo ou mecanismo central explorado pela engenharia social em ataques de phishing, sendo o elemento humano que torna possível a eficácia do ataque independentemente de vulnerabilidades tecnológicas.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"marketing multinível","id":"marketing_multinível","definicao":"Modelo de negócio de venda e distribuição baseado em rede hierárquica de participantes recrutados, com incentivos ligados à estrutura de recrutamento. No corpus, é examinado em relação a esquemas Ponzi e jogos de dinheiro, com elementos de Ponzi encontrados em algumas práticas na Indonésia, sem afirmação de equivalência geral.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":2,"Resultado":2},"n_relacoes":2,"n_trechos":4,"pagerank":0.00103,"artigos":["ref_72db3d675ef9_00014","ref_72db3d675ef9_00146"],"areas":["Mecanismo do Ataque"]},{"nome":"marketing multinível ilegal","id":"marketing_multinível_ilegal","definicao":"Esquema de marketing multinível de caráter ilegal, cujas práticas, como a captação de fundos iniciais e a promessa de lucros rápidos, aparecem no corpus como modelo ao qual certas práticas de money games se assemelham. É usado como referência de comparação para caracterizar o funcionamento financeiro desses golpes.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00014"],"areas":["Mecanismo do Ataque"]},{"nome":"mecanismo bayesiano compatível com incentivos","id":"mecanismo_bayesiano_compatível_com_incentivos","definicao":"Mecanismo de negociação projetado com base em teoria bayesiana e compatibilidade de incentivos, que visa alcançar rapidamente um acordo sobre um resgate justo sem que as partes revelem suas avaliações privadas. No corpus, é apresentado como resposta à informação incompleta e implementado por computação segura entre duas partes com circuitos embaralhados.","topico":"Modelagem_Formal","aspecto":"Formativo","zonas":{"Conclusão":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00164,"artigos":["ref_3f42d6b2ce58_00153"],"areas":["Prevenção e Resposta"]},{"nome":"mecanismos endógenos de mercado","id":"mecanismos_endógenos_de_mercado","definicao":"Dinâmicas internas ao próprio mercado, distintas da má conduta gerencial, cuja contribuição para o surgimento e o colapso da bolha de ações da Enron é colocada como pergunta de pesquisa. No corpus aparece apenas como hipótese avaliada, sem confirmação do vínculo causal nem detalhamento de quais mecanismos o compõem.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00291"],"areas":["Mecanismo do Ataque"]},{"nome":"medo","id":"medo","definicao":"Estado emocional de apreensão ou ameaça percebida que, no contexto do corpus, aparece como alvo de exploração pela engenharia social em ataques de phishing. O conceito é referenciado indiretamente por meio da relação em que a engenharia social explora o medo para induzir comportamentos desejados pelo atacante, como cliques em links maliciosos ou divulgação de credenciais. Não há trechos diretos no corpus que detalhem operacionalização ou mensuração do medo, sendo sua presença inferida a partir da cadeia relacional observada.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":3,"Resultado":2,"Contexto Prévio":1,"Objeto":1},"n_relacoes":7,"n_trechos":7,"pagerank":0.00225,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00132","ref_3f42d6b2ce58_00262","ref_8d955f377173_00003","ref_8d955f377173_00005","ref_8d955f377173_00053"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"mensagem direta","id":"mensagem_direta","definicao":"Canal de comunicação interpessoal direto utilizado como vetor de distribuição de ataques de phishing, no qual mensagens fraudulentas são enviadas diretamente a alvos individuais, sem intermediação de listas de transmissão em massa. No corpus, o conceito aparece como meio pelo qual conteúdo de phishing é entregue ao destinatário, distinguindo-se de e-mails em massa por seu caráter direcionado e pessoal.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"meta-ifd","id":"meta-ifd","definicao":"Framework de detecção de fraudes proposto no corpus, aplicado a dados reais da rede Ethereum para identificar comportamentos fraudulentos comuns, como esquemas Ponzi e golpes de phishing. É tratado como método de detecção, avaliado experimentalmente quanto à eficácia e à superioridade na identificação dessas fraudes.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00269"],"areas":["Detecção"]},{"nome":"metaverso","id":"metaverso","definicao":"Ambiente virtual imersivo e interativo que, conforme indicado pela relação observada no corpus, possibilita a exploração de técnicas de engenharia social. Embora o conceito não apareça diretamente em trechos codificados, sua presença na ontologia é sustentada pela relação com exploração_de_engenharia_social, sugerindo que o metaverso é tratado como um contexto ou plataforma emergente onde ataques de phishing e manipulação social podem ocorrer de forma ampliada ou adaptada.","topico":"Contextos_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"modelagem de ataques cibernéticos","id":"modelagem_de_ataques_cibernéticos","definicao":"Abordagem formal para representar e analisar ataques cibernéticos como estruturas abstratas, permitindo estudar estratégias, interações e resultados possíveis entre atacantes e defensores. No corpus, o conceito aparece como domínio de aplicação da teoria dos jogos, indicando que ataques cibernéticos são modelados como situações de decisão estratégica em que múltiplos agentes racionais interagem com objetivos conflitantes. A modelagem serve como instrumento analítico para compreender e antecipar comportamentos ofensivos em ambientes digitais.","topico":"Segurança_Cibernética","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"modelo baseado em propagação","id":"modelo_baseado_em_propagação","definicao":"Modelo leve de detecção de phishing em redes sociais que se baseia em metadados e em padrões de propagação das mensagens, e não no conteúdo textual. No corpus é comparado a modelos de linguagem (LLMs), sendo apresentado como mais eficaz e eficiente para detecção quase em tempo real no conjunto TelePhish.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00047,"artigos":["g0205_phishing"],"areas":["Detecção"]},{"nome":"modelo conceitual","id":"modelo_conceitual","definicao":"Estrutura teórica proposta no estudo que organiza construtos relacionados ao comportamento de usuários diante de phishing e é apresentada como capaz de prever o sucesso da evitação de phishing, em um contexto específico de usuários de internet banking na Nigéria. No corpus, a previsão é uma expectativa do estudo.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Objetivo":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00079,"artigos":["fraudes00021","ref_3f42d6b2ce58_00137"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"modelo de detecção","id":"modelo_de_detecção","definicao":"Sistema ou abordagem computacional desenvolvido para identificar e classificar automaticamente mensagens ou conteúdos de phishing, operando sobre características extraídas do texto, da estrutura ou de metadados das comunicações. No corpus, aparece em relação com pistas léxicas correlacionadas à fonte, indicando que tais modelos exploram padrões linguísticos associados à origem das mensagens como insumo para a detecção.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Resultado":6,"Objetivo":3,"Lacuna":1,"Contexto Prévio":1,"Método":1,"Conclusão":1},"n_relacoes":13,"n_trechos":13,"pagerank":0.00438,"artigos":["fraudes00117","fraudes00172","fraudes00196","g0204_phishing","g0293_phishing","martinez-echevarria2026","rameemzahra2022197","ref_72db3d675ef9_00017","ref_72db3d675ef9_00043","ref_72db3d675ef9_00129","ref_72db3d675ef9_00229","ref_72db3d675ef9_00289"],"areas":["Detecção"]},{"nome":"modelo de detecção de phishing por e-mail","id":"modelo_de_detecção_de_phishing_por_e-mail","definicao":"Sistema ou abordagem computacional voltada especificamente para identificar mensagens de e-mail fraudulentas (phishing) com base em características extraídas desse canal. No corpus, o conceito aparece em contraste com desempenho em SMS, sugerindo que modelos treinados ou avaliados em e-mail podem apresentar comportamento distinto quando aplicados a outros canais de comunicação, evidenciando a especificidade do domínio de treinamento e avaliação.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Objetivo":1,"Lacuna":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00119,"artigos":["g0009_phishing","g0293_phishing"],"areas":["Detecção"]},{"nome":"modelo hurdle","id":"modelo_hurdle","definicao":"Modelo estatístico em duas etapas empregado para tratar a inflação de zeros nos valores de resgate pago em ataques de ransomware. Representa a decisão da vítima como um processo sequencial: primeiro, se cede ou não à exigência de resgate; depois, caso ceda, qual valor considera aceitável. Opera como procedimento analítico de modelagem, não como medida.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00545"],"areas":["Vítima"]},{"nome":"modelos de inteligência artificial","id":"modelos_de_inteligência_artificial","definicao":"Sistemas computacionais baseados em inteligência artificial e aprendizado de máquina, como detectores de anomalias em ensemble e moderadores automáticos de conteúdo, usados em cibersegurança. No corpus, sua construção depende da disponibilidade de datasets estruturados, podem ser contornados por ataques como o CC-CAPA e são associados à redução de incidentes.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":2,"Lacuna":1,"Objetivo":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.0015,"artigos":["fraudes00002","fraudes00098","fraudes00165","ref_3f42d6b2ce58_00224"],"areas":["Mecanismo do Ataque","Não Especificado","Prevenção e Resposta"]},{"nome":"modelos de linguagem pré-treinados","id":"modelos_de_linguagem_pré-treinados","definicao":"Modelos de linguagem treinados previamente em grandes corpora textuais, utilizados como base para tarefas de detecção de phishing baseadas em arquiteturas transformer. No corpus, o conceito aparece como componente tecnológico subjacente a abordagens de classificação de mensagens e URLs maliciosas, sendo empregado por meio de fine-tuning ou extração de representações semânticas para identificar padrões linguísticos associados a ataques de phishing.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00111,"artigos":["g0204_phishing","g0293_phishing"],"areas":["Detecção"]},{"nome":"modelos existentes","id":"modelos_existentes","definicao":"Conjunto de modelos de detecção previamente propostos na literatura, usados como referência de comparação para avaliar o desempenho de uma nova abordagem. No corpus, aparecem como quatro modelos superados por um Random Forest com SVM_SMOTE, em conjunto de dados do mundo real, sem detalhamento de quais são.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00064"],"areas":["Detecção"]},{"nome":"moderação de conteúdo","id":"moderação_de_conteúdo","definicao":"Atividade de gerir e avaliar conteúdo sensível em comunidades online, realizada por moderadores humanos, que exige cuidado no tratamento do material e discernimento para relacioná-lo ao contexto. No corpus aparece como prática que modelos de linguagem poderiam apoiar, de forma potencial, segundo moderadores de subreddits.","topico":"Defesa_Organizacional","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["fraudes00159"],"areas":["Não Especificado"]},{"nome":"money game","id":"money_game","definicao":"Esquema fraudulento de captação de fundos em que participantes pagam valores iniciais com promessa de lucros rápidos. No corpus, aparece como golpe cujas práticas, como a coleta de fundos iniciais e a promessa de ganho rápido, se assemelham às do marketing multinível ilegal, sendo descrito a partir de uma amostra de vítimas.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00014"],"areas":["Mecanismo do Ataque"]},{"nome":"monitoramento de logs","id":"monitoramento_de_logs","definicao":"Prática de coleta e análise contínua de registros de eventos e atividades em sistemas computacionais, utilizada como mecanismo de defesa contra ataques de engenharia social. No corpus, o conceito aparece exclusivamente na relação de mitigação com engenharia_social, indicando seu papel como contramedida de segurança capaz de detectar ou reduzir o impacto de ataques que exploram o fator humano.","topico":"Defesa_e_Contramedidas","aspecto":"Formativo","zonas":{"Recomendação":2,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00074,"artigos":["g0066_phishing","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01309"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"monitoramento de respostas da rede a choques","id":"monitoramento_de_respostas_da_rede_a_choques","definicao":"Prática de acompanhar como a rede de transações ou participantes reage a choques exógenos e endógenos, proposta no corpus como possível auxílio a investigadores na identificação de esquemas Ponzi. A relação com a mitigação é apresentada como possibilidade sugerida pelos achados, sem condições especificadas no trecho.","topico":"Detecção_de_Anomalias","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00089"],"areas":["Ecossistema do Atacante"]},{"nome":"mortalidade de pacientes","id":"mortalidade_de_pacientes","definicao":"Ocorrência de óbitos entre pacientes de serviços de saúde, tratada no corpus como possível desfecho de ataques de ransomware a sistemas de informação de provedores de saúde. A relação é de impacto potencial, não confirmado, condicionada a esses sistemas; aparece junto com a morbidade e é relatada em notícias.","topico":"Impacto_de_Ataques","aspecto":"Biótico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00115"],"areas":["Prevenção e Resposta"]},{"nome":"mtcformer","id":"mtcformer","definicao":"Método de detecção de contratos inteligentes fraudulentos do tipo esquema Ponzi, proposto no corpus e composto por redes neurais convolucionais de texto multicanal combinadas a um Transformer. É descrito como aplicado à detecção de contratos Ponzi e, nos resultados experimentais relatados, superior a métodos do estado da arte e a suas variantes.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_72db3d675ef9_00091"],"areas":["Detecção"]},{"nome":"mulheres assalariadas","id":"mulheres_assalariadas","definicao":"Grupo populacional de mulheres com emprego remunerado, tratado no corpus como público exposto a ameaças cibernéticas, como phishing, fraude de OTP e troca de SIM, no contexto do uso crescente de serviços financeiros digitais na Índia. Designa o segmento-alvo de vítimas, caracterizado por categoria de gênero e ocupação.","topico":"Alvos_De_Phishing","aspecto":"Social","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["fraudes00075"],"areas":["Vítima"]},{"nome":"multi layer perceptron","id":"multi_layer_perceptron","definicao":"Modelo de aprendizado de máquina baseado em rede neural (Multi Layer Perceptron, MLP), empregado como classificador na detecção de golpes. No corpus aparece como alternativa comparada ao Random Forest: teve acurácia offline de 99,48%, inferior à do RF, mas desempenho melhor na implantação (70%), o que limita a comparação às condições avaliadas.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00329"],"areas":["Detecção"]},{"nome":"mvcg-sps","id":"mvcg-sps","definicao":"MVCG-SPS é uma rede neural de grafos contrastiva de múltiplas visões proposta no corpus para detectar esquemas Ponzi em contratos inteligentes da Ethereum. É aplicada à detecção de anomalias e, em experimentos com dados reais, superou modelos de referência em F1, AUPRC e Rec@K.","topico":"Métodos_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00076,"artigos":["ref_72db3d675ef9_00229"],"areas":["Detecção"]},{"nome":"máquina de estados finitos","id":"máquina_de_estados_finitos","definicao":"Formalismo de modelagem em que o processo de ataque de ransomware é representado como estados de segurança e transições, nas quais cada transição indica uma violação de confidencialidade, integridade ou disponibilidade. No corpus, é aplicada ao ataque em redes empresariais em cascata, como instrumento de descrição formal do processo.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01212"],"areas":["Mecanismo do Ataque"]},{"nome":"máxima entropia","id":"máxima_entropia","definicao":"Método de classificação baseado em máxima entropia (ME), implementado no corpus para identificar e-mails de phishing. É apresentado como abordagem eficiente de classificação supervisionada e, com espaço de características parcimonioso, alcança maior precisão do que Naïve Bayes e SVM, conforme a condição e a métrica reportadas.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Resultado":2,"Objetivo":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00117,"artigos":["fraudes00011"],"areas":["Detecção"]},{"nome":"método científico","id":"método_científico","definicao":"Conjunto de procedimentos e princípios epistemológicos que orientam a produção de conhecimento científico, no qual a revisão humana figura como componente integrante. No corpus, o conceito aparece apenas como destino de uma relação de parte-todo a partir de revisão_humana, sem descrição direta de seus elementos ou aplicações específicas no contexto de pesquisa sobre phishing.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"métodos de entropia","id":"métodos_de_entropia","definicao":"Conjunto de diferentes técnicas de cálculo de entropia aplicadas a arquivos para distinguir conteúdo cifrado de não cifrado, no contexto de detecção de ransomware. No corpus, são tratadas como hipótese de que há diferença fundamental entre os métodos e de que os melhores podem melhorar a detecção; o vínculo é hipotético, não demonstrado.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00051,"artigos":["ref_3f42d6b2ce58_00723"],"areas":["Detecção"]},{"nome":"métodos do estado da arte","id":"métodos_do_estado_da_arte","definicao":"Conjunto de métodos de detecção já existentes e considerados de referência na literatura, usados como base de comparação para avaliar o desempenho de um novo modelo. No corpus aparece como termo de comparação do MTCformer na detecção de contratos de esquemas Ponzi, sem detalhar quais métodos ou métricas.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00091"],"areas":["Detecção"]},{"nome":"métodos existentes de detecção de contratos ponzi","id":"métodos_existentes_de_detecção_de_contratos_ponzi","definicao":"Conjunto das abordagens previamente propostas para identificar contratos inteligentes fraudulentos do tipo Ponzi, usado no corpus como linha de base de comparação. O trecho os apresenta como referência frente à qual um modelo novo (ctrf) obtém recall superior, sem detalhar suas técnicas específicas.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00083,"artigos":["ref_72db3d675ef9_00204"],"areas":["Detecção"]},{"nome":"métrica agregada única","id":"métrica_agregada_única","definicao":"No corpus, métrica_agregada_única refere-se a um valor numérico singular que consolida múltiplos indicadores de desempenho em uma única medida, utilizada para avaliar a eficácia de sistemas de detecção operacional de phishing e sua confiabilidade operacional. Aparece nas relações como instrumento de mensuração que sintetiza aspectos distintos do desempenho em um único escalar, permitindo comparação direta entre abordagens ou configurações de detecção.","topico":"Avaliação_de_Desempenho","aspecto":"Quantitativo","zonas":{"Conclusão":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00124,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"mídia rica","id":"mídia_rica","definicao":"Conteúdos multimídia (como imagens, vídeos e outros recursos visuais e interativos) empregados por golpistas em fraudes de investimento online. No corpus, serve tanto para facilitar relações hiperpessoais de confiança quanto para reforçar a legitimidade aparente do golpe, em formatos longos e curtos.","topico":"Conteúdo_de_Isca","aspecto":"Estético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00281"],"areas":["Vítima"]},{"nome":"mídia social","id":"mídia_social","definicao":"Plataformas digitais de interação e compartilhamento de conteúdo entre usuários (como Facebook, Twitter, LinkedIn, Instagram) que, no contexto do corpus, aparecem como fonte de coleta de informações sobre vítimas potenciais de phishing. A relação observada indica que atacantes utilizam perfis e dados publicamente disponíveis nessas plataformas para reunir informações pessoais e profissionais que subsidiam ataques direcionados (spear phishing).","topico":"Infraestrutura_de_Ataque","aspecto":"Social","zonas":{"Resultado":3,"Objetivo":1,"Objeto":1,"Conclusão":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00221,"artigos":["badawi2019729","fraudes00168","fraudes00177","g0066_phishing","ref_72db3d675ef9_00036","ref_72db3d675ef9_00165"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"nas","id":"nas","definicao":"Dispositivos de armazenamento conectados à rede (Network Attached Storage), citados no corpus como alvo de ataques de ransomware observados de forma contínua no cenário de ameaças desde 2019. O conceito designa o tipo de equipamento visado, isto é, um ativo físico de infraestrutura de armazenamento, e não o método do ataque.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00567"],"areas":["Ecossistema do Atacante"]},{"nome":"natureza descentralizada das criptomoedas","id":"natureza_descentralizada_das_criptomoedas","definicao":"Característica estrutural das criptomoedas, que operam sem autoridade central de controle ou intermediação. No corpus, aparece como possível explicação, formulada de modo hipotético, para o fato de vítimas de golpes com criptomoedas se apoiarem mais no próprio julgamento pessoal do que na influência social.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00052"],"areas":["Vítima"]},{"nome":"navegador atualizado","id":"navegador_atualizado","definicao":"Estado de um navegador web que possui versões e patches de segurança atualizados, considerado no corpus como medida de proteção que reduz a vulnerabilidade à instalação de malware durante ataques de phishing. A relação com mitigação de instalação de malware sugere que navegadores desatualizados representam um vetor de exploração aproveitado em ataques.","topico":"Defesa_Técnica","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"navegador com ia","id":"navegador_com_ia","definicao":"Navegador web que incorpora um modelo de IA para interpretar semanticamente o conteúdo das páginas, incluindo o DOM, e agir de forma autônoma. No corpus, essa interpretação semântica expõe elementos antes inertes, como texto oculto, rótulos ARIA e metadados, a usos como canais encobertos para injeção de prompts e exfiltração de dados.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["fraudes00164"],"areas":["Mecanismo do Ataque"]},{"nome":"naïve bayes","id":"naïve_bayes","definicao":"Algoritmo probabilístico de aprendizado de máquina supervisionado usado como classificador de referência na detecção de phishing, spam e notícias falsas. No corpus aparece como baseline comparado a máxima entropia, LSTM, regressão logística, SVM e random forest, em geral com desempenho inferior em precisão ou acurácia, dependendo do conjunto de dados e das características usadas.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Resultado":3,"Conclusão":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00144,"artigos":["fraudes00011","fraudes00141","fraudes00173","ref_72db3d675ef9_00259"],"areas":["Detecção"]},{"nome":"negociação de ransomware","id":"negociação_de_ransomware","definicao":"Processo de interação entre a organização vítima e os atacantes de ransomware após o ataque, conduzido por meio de conversas ou mensagens sobre o resgate. No corpus, é tratado como condição para viabilizar o pagamento, associado à redução do valor exigido e ao risco de abrir canais adicionais de vazamento, sendo influenciado pela comunicação de crise.","topico":"Resposta_a_Incidentes","aspecto":"Social","zonas":{"Resultado":4},"n_relacoes":4,"n_trechos":4,"pagerank":0.00239,"artigos":["ref_3f42d6b2ce58_00294","ref_3f42d6b2ce58_00440"],"areas":["Prevenção e Resposta"]},{"nome":"negociações de ransomware","id":"negociações_de_ransomware","definicao":"Interação estratégica entre atacante de ransomware e vítima sobre o pagamento do resgate e a recuperação dos dados. No corpus, é tratada como um processo dinâmico, influenciado pelo desenvolvimento de ransomware direcionado, e modelado como jogo assimétrico não cooperativo de dois jogadores, para orientar a resposta aos ataques.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00089,"artigos":["ref_3f42d6b2ce58_00831"],"areas":["Prevenção e Resposta"]},{"nome":"nomes de arquivos de resgate","id":"nomes_de_arquivos_de_resgate","definicao":"Nomes de arquivos associados a ransomware, tratados como uma classe a ser distinguida de nomes de arquivos benignos. No corpus, aparecem como alvo de classificação binária por modelos de aprendizado de máquina, funcionando como indício textual para identificar atividade de resgate. O corpus não detalha seus padrões internos.","topico":"Características_do_Ataque","aspecto":"Lingual","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00046,"artigos":["ref_3f42d6b2ce58_01088"],"areas":["Detecção"]},{"nome":"normalização de dados","id":"normalização_de_dados","definicao":"Técnica de tratamento de dados desenvolvida no corpus que, além de preparar os dados, permite identificar sinais de ataque cibernético e pode ser empregada como método independente de detecção de ataques, inclusive em sistemas baseados em aprendizado de máquina, no contexto de UAVs e sistemas ciberfísicos.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00079,"artigos":["fraudes00213"],"areas":["Detecção"]},{"nome":"normas subjetivas","id":"normas_subjetivas","definicao":"Pressão social percebida, ou expectativa de pessoas relevantes, sobre a decisão de realizar um comportamento, aqui o investimento. No corpus, é um construto de modelo comportamental cujo efeito sobre a intenção de investir é descrito como limitado, e não ausente, em amostra de vítimas de golpes de investimento na China.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00052"],"areas":["Vítima"]},{"nome":"número básico de reprodução","id":"número_básico_de_reprodução","definicao":"Medida epidemiológica R_0, adotada em modelo teórico (SHIPR) de propagação de esquemas fraudulentos piramidais, que quantifica o potencial de difusão do esquema na população. No corpus, apresenta forte correlação com a intensidade da repressão governamental e com a topologia de interação social.","topico":"Propagação_de_Ataques","aspecto":"Quantitativo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00155,"artigos":["ref_72db3d675ef9_00124"],"areas":["Mecanismo do Ataque"]},{"nome":"offre de produits de carding","id":"offre_de_produits_de_carding","definicao":"Oferta de produtos e serviços de carding disponibilizados por cibercriminosos em mercados ilícitos. No corpus aparece como variável cuja evolução (junto à demanda) é examinada diante do surgimento dos criptomercados, tratados como ponto de convergência de criminosos. A relação é formulada como questão de pesquisa, sem efeito comprovado.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["fraudes00206"],"areas":["Ecossistema do Atacante"]},{"nome":"one-shot learning","id":"one-shot_learning","definicao":"Abordagem de aprendizado de máquina em que o modelo é treinado a partir de uma única amostra (por exemplo, uma imagem por família de ransomware), dispensando grandes conjuntos de treinamento. No corpus, é viabilizada por técnicas de augmentação de dados que simulam condições de captura, tornando o treinamento simples e eficiente.","topico":"Metodologia_de_Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00055,"artigos":["ref_3f42d6b2ce58_01245"],"areas":["Detecção"]},{"nome":"ontologia","id":"ontologia","definicao":"Estrutura formal e semântica de conceitos e relações do domínio do phishing e da fraude, construída manualmente ou com apoio de LLMs. No corpus, é aplicada à detecção de phishing, à filtragem de e-mail e à prevenção de fraudes, e é comparada ou combinada com aprendizado de máquina; seu efeito mitigador é proposto, não testado.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Objetivo":6,"Conclusão":3,"Resultado":3,"Método":2},"n_relacoes":13,"n_trechos":14,"pagerank":0.0034,"artigos":["fraudes00047","fraudes00087","fraudes00117","fraudes00118","fraudes00125","fraudes00173","fraudes00179","fraudes00191","fraudes00196","ref_3f42d6b2ce58_00877","ref_3f42d6b2ce58_00937"],"areas":["Detecção","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta"]},{"nome":"operações agrícolas","id":"operações_agrícolas","definicao":"Atividades produtivas de fazendas e do setor agrícola, mencionadas no corpus como setor-alvo de ameaças cibernéticas, em especial ransomware. O conceito designa a vítima setorial visada, não uma técnica de ataque, e há apenas uma ocorrência que registra o aumento desses ataques contra a agricultura.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00384"],"areas":["Vítima"]},{"nome":"oportunidade de investimento em criptoativos","id":"oportunidade_de_investimento_em_criptoativos","definicao":"Oferta fraudulenta de suposto investimento em criptomoedas, apresentada à vítima como chance legítima de ganho e imitada pelo golpe conhecido como pig butchering, no qual um relacionamento construído com a vítima serve de mecanismo para conduzi-la ao investimento falso.","topico":"Conteúdo_de_Isca","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00071"],"areas":["Mecanismo do Ataque"]},{"nome":"organização","id":"organização","definicao":"Entidade ou instituição específica que figura como alvo de adversários de ransomware no corpus. É o ente visado cujas estratégias de proteção podem ser formuladas a partir da identificação de quais adversários tendem a atacá-lo. Aparece como destinatária do ataque, não como agente.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00317"],"areas":["Ecossistema do Atacante"]},{"nome":"padrões de segurança","id":"padrões_de_segurança","definicao":"Conjunto de requisitos e níveis mínimos de segurança exigidos das organizações, como condição prévia para a contratação de seguro cibernético. No corpus, aparecem como algo elevado pelo endurecimento do mercado de seguros, segundo a percepção dos profissionais entrevistados, e funcionam como critério de elegibilidade.","topico":"Regulação_e_Conformidade","aspecto":"Jurídico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00062,"artigos":["ref_3f42d6b2ce58_00994"],"areas":["Prevenção e Resposta"]},{"nome":"pagamento de resgate","id":"pagamento_de_resgate","definicao":"Decisão da vítima de ransomware de ceder à exigência dos atacantes e transferir o valor solicitado em troca da restauração de dados ou sistemas. No corpus, aparece como desfecho influenciado por medo, severidade do ataque, seguro cibernético e tributação, e como fator que pode estimular novos ataques; contrasta com a recusa de pagamento.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":2,"Conclusão":2,"Objetivo":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00208,"artigos":["ref_3f42d6b2ce58_00132","ref_3f42d6b2ce58_00537","ref_3f42d6b2ce58_00751","ref_3f42d6b2ce58_00809"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"pagamento do resgate","id":"pagamento_do_resgate","definicao":"Ato da vítima de ransomware de transferir ao atacante o valor exigido pelo resgate. No corpus, aparece como desfecho da interação entre vítima e atacante: é viabilizado pela negociação, associado ao valor do resgate e sua probabilidade é explicada pela disponibilidade de backups recuperáveis.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00135,"artigos":["ref_3f42d6b2ce58_00440","ref_3f42d6b2ce58_00649"],"areas":["Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"palavra-código familiar","id":"palavra-código_familiar","definicao":"Palavra-código previamente combinada entre familiares e amigos, difícil de ser inferida por golpistas, usada para confirmar a identidade de quem faz a chamada. No corpus, é apontada pelos participantes como única defesa imaginada contra golpes de emergência familiar com voz clonada; sua eficácia não foi testada.","topico":"Autenticação_e_Verificação","aspecto":"Pístico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00002"],"areas":["Vítima"]},{"nome":"pandemia de covid-19","id":"pandemia_de_covid-19","definicao":"Período de crise sanitária global iniciado em 2020, tratado no corpus como contexto temporal e social associado a mudanças no cenário das fraudes, incluindo aumento de crimes de engano e maior uso do princípio da bondade nas estratégias de atração de vítimas, em 2020-2023 e em fóruns como o Bitcointalk.","topico":"Contextos_de_Ataque","aspecto":"Cinemático","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00094,"artigos":["ref_72db3d675ef9_00180","ref_72db3d675ef9_00181"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"papel de intermediário","id":"papel_de_intermediário","definicao":"Posição estrutural de indivíduo em uma rede em que atua como ponte (broker) entre diferentes partes da rede. No corpus, aparece como desfecho associado a ter mais conexões diretas, estimado em modelos de regressão OLS com desfechos log-transformados; a relação descrita é de predição estatística.","topico":"Atores_do_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00215"],"areas":["Ecossistema do Atacante"]},{"nome":"parceiro comercial","id":"parceiro_comercial","definicao":"Entidade organizacional — empresa, fornecedor ou colaborador de negócios — cuja identidade é falsificada em ataques de phishing. No corpus, o conceito aparece exclusivamente como alvo de spoofing, ou seja, como a identidade que o atacante imita para conferir legitimidade à mensagem fraudulenta e induzir a vítima a agir.","topico":"Identidade_Alvo","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00046,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"parâmetros de atividade do kernel","id":"parâmetros_de_atividade_do_kernel","definicao":"Medidas de atividade em nível de kernel do sistema operacional, observadas em gateways de borda de IIoT, usadas como indicadores do comportamento anormal causado por ransomware de criptografia. No corpus funcionam como sinais mensuráveis de detecção, com evidência limitada a medições em testbed com ransomware de teste.","topico":"Detecção_de_Anomalias","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01234"],"areas":["Mecanismo do Ataque"]},{"nome":"percepção de risco","id":"percepção_de_risco","definicao":"Avaliação subjetiva que o indivíduo faz da ameaça de phishing e de seus possíveis danos, tratada no corpus como mecanismo mediador ou determinante psicológico. Aparece associada, no framework conceitual e em modelo de intenção comportamental, à consciência de segurança financeira digital e à evitação de phishing, mas como relação proposta, dependente de condições do estudo.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":7},"n_relacoes":7,"n_trechos":7,"pagerank":0.00227,"artigos":["fraudes00075","fraudes00120","ref_3f42d6b2ce58_00047","ref_3f42d6b2ce58_00201","ref_72db3d675ef9_00168","ref_8d955f377173_00024","ref_8d955f377173_00058"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"percepção de ser alvo de fraude","id":"percepção_de_ser_alvo_de_fraude","definicao":"Percepção subjetiva de que o indivíduo foi ou está sendo visado por tentativas de fraude. No corpus, é tratada como um estressor no modelo transacional de estresse e enfrentamento, associado a maior preocupação com fraude e a comportamentos protetivos, com mediação parcial pela preocupação.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":2,"Objetivo":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00252"],"areas":["Vítima"]},{"nome":"percepção de seriedade","id":"percepção_de_seriedade","definicao":"Percepção de seriedade (perceived severity): avaliação subjetiva, feita pelo indivíduo, da gravidade das consequências de uma ameaça de phishing. No corpus, aparece como fator motivacional preventivo, junto de vulnerabilidade percebida, eficácia da resposta e autoeficácia, associado à consciência da ameaça e à intenção comportamental de proteção entre estudantes universitários.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00164,"artigos":["ref_3f42d6b2ce58_00708"],"areas":["Vítima"]},{"nome":"percepção de seriedade do phishing","id":"percepção_de_seriedade_do_phishing","definicao":"Avaliação subjetiva que o indivíduo faz sobre a gravidade ou relevância da ameaça representada pelo phishing, influenciando o nível de atenção e consciência que ele desenvolve em relação ao fenômeno. No corpus, o conceito aparece como antecedente da consciência sobre phishing, sugerindo que quanto maior a percepção de seriedade da ameaça, maior o engajamento cognitivo do indivíduo com o tema. A relação observada é direcional, mas seu estatuto causal deve ser interpretado com cautela na ausência de trechos diretos que detalhem as condições ou mecanismos subjacentes.","topico":"Fatores_Humanos_em_Phishing","aspecto":"Sensitivo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"percepção pública","id":"percepção_pública","definicao":"Conjunto de visões, opiniões e interpretações que o público em geral forma sobre temas, informações ou eventos. No corpus, aparece como aquilo que pode ser influenciado por desinformação gerada por inteligência artificial e visado por campanhas de informação falsa em redes sociais, que buscam manipular a opinião pública.","topico":"Manipulação_Psicológica","aspecto":"Sensitivo","zonas":{"Objetivo":1,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00107,"artigos":["fraudes00094","fraudes00119","ref_72db3d675ef9_00165"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"perda de capital social","id":"perda_de_capital_social","definicao":"Perda do capital social por membros de um esquema fraudulento quando a identidade construída pela promessa da empresa fracassa diante da realidade. No corpus, aparece como consequência social para ex-membros entrevistados, que perdem vínculos, posição e reconhecimento. Descrita em um único estudo, sem generalização para outras fraudes.","topico":"Impactos_de_Ataques","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["ref_72db3d675ef9_00111"],"areas":["Vítima"]},{"nome":"perda de investimento","id":"perda_de_investimento","definicao":"Perda de investimento é o prejuízo financeiro sofrido por indivíduos que aplicam recursos em esquemas fraudulentos. No corpus, aparece como desfecho associado positivamente à ameaça financeira em estudo de regressão logística com 435 indivíduos em Gana. A relação é de associação estatística, restrita às condições dessa amostra.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00063,"artigos":["ref_72db3d675ef9_00085"],"areas":["Vítima"]},{"nome":"perda financeira","id":"perda_financeira","definicao":"Dano econômico direto sofrido por indivíduos ou organizações como consequência de ataques de phishing. No corpus, o conceito aparece como efeito causal do phishing, representando o prejuízo monetário resultante de fraudes, transferências não autorizadas ou roubo de credenciais financeiras. Funciona como indicador de impacto e motivador para o desenvolvimento de mecanismos de detecção e prevenção.","topico":"Impacto_do_Phishing","aspecto":"Econômico","zonas":{"Resultado":10,"Contexto Prévio":6,"Objetivo":3,"Objeto":2,"Conclusão":2,"Método":1},"n_relacoes":19,"n_trechos":24,"pagerank":0.00622,"artigos":["fraudes00011","fraudes00041","fraudes00060","g0066_phishing","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00318","ref_3f42d6b2ce58_00515","ref_3f42d6b2ce58_00521","ref_3f42d6b2ce58_00649","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_01002","ref_72db3d675ef9_00079","ref_72db3d675ef9_00101","ref_72db3d675ef9_00109","ref_72db3d675ef9_00122","ref_72db3d675ef9_00139","ref_72db3d675ef9_00208","ref_72db3d675ef9_00241","ref_72db3d675ef9_00247","ref_72db3d675ef9_00263","ref_72db3d675ef9_00285"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"perfil falso","id":"perfil_falso","definicao":"Identidade fictícia ou conta fraudulenta criada por agentes maliciosos para se passar por entidades legítimas (pessoas, organizações ou marcas) em canais digitais, sendo utilizada como vetor de ataques de phishing. No corpus, o conceito aparece como recurso empregado na execução de phishing, indicando que a construção de uma identidade falsa é parte integrante da estratégia de engano.","topico":"Identidade_Digital","aspecto":"Estético","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"perfil falso em rede social","id":"perfil_falso_em_rede_social","definicao":"Conta ou identidade fictícia criada em plataformas de redes sociais e utilizada como vetor ou instrumento de ataques de phishing e spear phishing. No corpus, o conceito aparece exclusivamente por meio de relações de uso (USA), indicando que perfis falsos em redes sociais são empregados tanto em campanhas genéricas de phishing quanto em ataques direcionados (spear phishing) como meio de aproximação, coleta de informações ou entrega de conteúdo malicioso às vítimas.","topico":"Vetores_de_Ataque","aspecto":"Estético","zonas":{"Contexto Prévio":2,"Objeto":2},"n_relacoes":3,"n_trechos":4,"pagerank":0.00104,"artigos":["fraudes00162","g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"personificação","id":"personificação","definicao":"Técnica de ataque em que o agente malicioso assume uma identidade falsa — de pessoa, organização ou entidade legítima — para enganar a vítima. No corpus, aparece como componente da engenharia social, sendo viabilizada pelo reconhecimento online (coleta de informações sobre o alvo) e operacionalizada por meio do pretexting, que fornece o roteiro narrativo para sustentar a identidade assumida.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Objeto":3,"Resultado":1,"Contexto Prévio":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00155,"artigos":["g0066_phishing","ref_72db3d675ef9_00208","ref_8d955f377173_00009"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"pertencimento ao endogrupo","id":"pertencimento_ao_endogrupo","definicao":"Condição em que os atores do ataque de ransomware pertencem ao mesmo grupo social do respondente, e os resultados beneficiam membros desse grupo. No corpus, é tratada como fator relacional de identidade coletiva, associado a maior apoio ao uso de ransomware em survey com experimento split-ballot.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_3f42d6b2ce58_00976"],"areas":["Vítima"]},{"nome":"phishing","id":"phishing","definicao":"Ataque de engenharia social no qual o agente malicioso se faz passar por entidade confiável (instituição financeira, site legítimo, marca reconhecida) para obter credenciais de acesso ou informações sensíveis das vítimas, podendo causar roubo de identidade. Manifesta-se em múltiplos canais e modalidades, incluindo e-mail (phishing_por_e-mail), SMS (smishing), voz (vishing) e redes sociais (phishing_em_rede_social), e pode explorar tópicos de interesse como questões políticas para aumentar a eficácia do engano. Compõe-se de elementos como URLs fraudulentas e é mitigado por ações de aplicação da lei.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":64,"Contexto Prévio":62,"Resultado":23,"Conclusão":8,"Objetivo":7,"Recomendação":6,"Método":2,"Lacuna":1},"n_relacoes":111,"n_trechos":173,"pagerank":0.02964,"artigos":["angafor20241679","fernandez202230","fraudes00002","fraudes00004","fraudes00011","fraudes00012","fraudes00013","fraudes00015","fraudes00017","fraudes00019","fraudes00030","fraudes00031","fraudes00033","fraudes00040","fraudes00041","fraudes00047","fraudes00054","fraudes00056","fraudes00060","fraudes00064","fraudes00065","fraudes00071","fraudes00075","fraudes00082","fraudes00083","fraudes00086","fraudes00087","fraudes00088","fraudes00090","fraudes00094","fraudes00107","fraudes00111","fraudes00120","g0009_phishing","g0013_phishing","g0023_phishing","g0048_phishing","g0062_phishing","g0066_phishing","g0067_phishing","g0098_phishing","g0146_phishing","g0205_phishing","g0216_phishing","g0259_phishing","g0293_phishing","rameemzahra2022197","ref_3f42d6b2ce58_00266","ref_3f42d6b2ce58_00806","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00871","ref_3f42d6b2ce58_01283","ref_72db3d675ef9_00024","ref_72db3d675ef9_00036","ref_72db3d675ef9_00125","ref_72db3d675ef9_00126","ref_72db3d675ef9_00215","ref_72db3d675ef9_00285","ref_8d955f377173_00047","ref_8d955f377173_00053","scott2024643"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"phishing automatizado","id":"phishing_automatizado","definicao":"Modalidade de ataque de phishing que emprega automação — incluindo bots e técnicas de extração de dados — para conduzir campanhas de engenharia social em escala, superando o phishing convencional em alcance ou eficiência. As relações observadas indicam que o conceito é classificado como subtipo de engenharia social e se distingue do phishing tradicional pela incorporação de recursos automatizados no processo de ataque.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Conclusão":3,"Objeto":2},"n_relacoes":4,"n_trechos":5,"pagerank":0.00127,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"phishing em rede social","id":"phishing_em_rede_social","definicao":"Modalidade de phishing que ocorre em plataformas de redes sociais, classificada como subtipo de phishing no corpus. Embora não apareça em trechos codificados, sua relação taxonômica indica que compartilha as características gerais do phishing — engano, coleta de credenciais ou dados sensíveis — adaptadas ao ambiente de redes sociais, onde perfis falsos, mensagens diretas e conteúdo compartilhado podem ser usados como vetores de ataque.","topico":"Taxonomia_de_Ataques","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"phishing por e-mail","id":"phishing_por_e-mail","definicao":"Modalidade de phishing que utiliza o e-mail como canal de entrega do ataque. No corpus, é caracterizado por mensagens que imitam instituições financeiras (bancos), funcionários internos ou outras entidades confiáveis, explorando urgência para induzir o destinatário a fornecer credenciais de acesso ou transferir dinheiro, frequentemente por meio de redirecionamento para sites falsos. É contrastado com outras formas de phishing que não empregam o e-mail como vetor principal, e o redirecionamento de URL é apontado como um subtipo específico dessa modalidade.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":11,"Contexto Prévio":9,"Resultado":6,"Objetivo":2,"Método":1,"Recomendação":1},"n_relacoes":22,"n_trechos":30,"pagerank":0.00552,"artigos":["angafor20241679","fraudes00011","fraudes00013","fraudes00023","fraudes00038","fraudes00043","fraudes00059","g0066_phishing","ref_3f42d6b2ce58_00095","ref_8d955f377173_00046","venkatesha2021"],"areas":["Detecção","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta"]},{"nome":"phishing por simulação de transações","id":"phishing_por_simulação_de_transações","definicao":"Técnica de phishing em carteiras de criptomoedas que explora a simulação de transações, defesa contra ataques de drenagem de fundos. O atacante usa contratos inteligentes cuja execução depende do estado dinâmico da blockchain, de modo que a simulação exibe resultado benigno ou lucrativo, enquanto a execução real redireciona os fundos da vítima para endereços do atacante.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00164,"artigos":["g0175_phishing"],"areas":["Mecanismo do Ataque"]},{"nome":"phishing recall","id":"phishing_recall","definicao":"Métrica de avaliação que quantifica a proporção de instâncias de phishing corretamente identificadas pelo modelo em relação ao total de instâncias de phishing reais presentes no conjunto de dados. No corpus, é utilizada como indicador de desempenho de detecção, sendo influenciada por técnicas de augmentação de dados e balanceamento hierárquico, e contrastada com métricas agregadas como o macro-F1 composto, que pondera o desempenho entre múltiplas classes.","topico":"Métricas_de_Desempenho","aspecto":"Quantitativo","zonas":{"Resultado":3,"Método":1,"Conclusão":1},"n_relacoes":4,"n_trechos":5,"pagerank":0.00164,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"pig butchering","id":"pig_butchering","definicao":"Modalidade híbrida de fraude que combina golpe romântico e golpe de investimento: o golpista estabelece um relacionamento com a vítima, constrói confiança e escala gradualmente até uma fraude de grande valor, oferecendo falsas oportunidades de investimento em criptoativos. Aparece associada a plataformas de negociação fraudulentas e a efeitos sobre o reporte e a desumanização das vítimas.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Objeto":3,"Conclusão":1,"Resultado":1,"Objetivo":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00321,"artigos":["ref_72db3d675ef9_00071","ref_72db3d675ef9_00141","ref_72db3d675ef9_00167","ref_72db3d675ef9_00267"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"pig-butchering","id":"pig-butchering","definicao":"Modalidade de golpe de investimento em criptomoedas em que o atacante interage com a vítima por um período, conquista sua confiança e a conduz a uma oportunidade fraudulenta de investimento. No corpus, costuma usar plataformas falsas de negociação que imitam instituições financeiras, ou exchanges legítimas para ganhar credibilidade e evitar suspeitas.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00072,"artigos":["ref_72db3d675ef9_00208"],"areas":["Mecanismo do Ataque"]},{"nome":"pistas de persuasão","id":"pistas_de_persuasão","definicao":"Elementos textuais ou retóricos presentes em mensagens de phishing que exploram princípios de influência e persuasão — como urgência, autoridade, reciprocidade ou escassez — para induzir o destinatário a agir de forma precipitada. No corpus, o conceito aparece como objeto de análise em abordagens de detecção de phishing baseada em conteúdo, que examinam o texto das mensagens em busca dessas marcas linguísticas para distinguir comunicações maliciosas de legítimas.","topico":"Técnicas_de_Engenharia_Social","aspecto":"Lingual","zonas":{"Contexto Prévio":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.0009,"artigos":["g0293_phishing","ref_3f42d6b2ce58_00157"],"areas":["Detecção","Ecossistema do Atacante"]},{"nome":"pistas linguísticas de estilo de vida","id":"pistas_linguísticas_de_estilo_de_vida","definicao":"Categoria de pista linguística (conforme análise LIWC) referente a vocabulário de estilo de vida, identificada em páginas e materiais promocionais de golpes de investimento online na Malásia. Aparece como a pista mais frequente nesses golpes e mostra correlação significativa, sem direção definida, com a pista de percepção.","topico":"Conteúdo_de_Isca","aspecto":"Lingual","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_72db3d675ef9_00169"],"areas":["Mecanismo do Ataque"]},{"nome":"pistas linguísticas de percepção","id":"pistas_linguísticas_de_percepção","definicao":"Categoria de pistas linguísticas presentes no texto de materiais promocionais de golpes de investimento, relativa a termos de percepção. No corpus, aparece como variável de análise de conteúdo textual que se correlaciona de forma significativa com outras pistas, como estilo de vida, processos sociais, cognição e afeto, sem direção causal estabelecida.","topico":"Conteúdo_de_Isca","aspecto":"Lingual","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00169"],"areas":["Mecanismo do Ataque"]},{"nome":"pistas léxicas correlacionadas à fonte","id":"pistas_léxicas_correlacionadas_à_fonte","definicao":"Características linguísticas presentes no texto de mensagens que apresentam correlação estatística ou semântica com a identidade da fonte emissora, utilizadas como sinais discriminativos por modelos de detecção de phishing. No contexto do corpus, essas pistas são exploradas por modelos de detecção para distinguir mensagens legítimas de fraudulentas com base em padrões lexicais associados a remetentes específicos ou categorias de origem.","topico":"Detecção_de_Phishing","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"plano de resposta a incidentes","id":"plano_de_resposta_a_incidentes","definicao":"Conjunto estruturado de procedimentos e diretrizes organizacionais destinado a mitigar incidentes de cibersegurança, incluindo ataques de phishing. No corpus, o conceito aparece exclusivamente por meio de relação inferida, sem trechos diretos que detalhem sua composição ou operacionalização; sua presença é marcada pela função de reduzir o impacto de incidentes de segurança quando estes ocorrem.","topico":"Gestão_de_Incidentes","aspecto":"Formativo","zonas":{"Recomendação":4,"Objetivo":2},"n_relacoes":4,"n_trechos":6,"pagerank":0.00151,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00312","ref_3f42d6b2ce58_00572","ref_3f42d6b2ce58_00609","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_01296"],"areas":["Prevenção e Resposta"]},{"nome":"plataforma de investimento fraudulenta","id":"plataforma_de_investimento_fraudulenta","definicao":"Plataforma de investimento falsa, frequentemente centrada em criptoativos, usada em golpes românticos de investimento (como o pig-butchering) como recurso para induzir a vítima a compromissos financeiros crescentes. No corpus aparece como instrumento empregado pelo golpe, distinto do golpe de adiantamento de taxa, que se baseia em crises fabricadas.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00049"],"areas":["Mecanismo do Ataque"]},{"nome":"plataformas de gerenciamento centralizado","id":"plataformas_de_gerenciamento_centralizado","definicao":"Plataformas de gerenciamento centralizado são sistemas de administração remota e multilocatário, como os usados por provedores de serviços gerenciados (MSPs), que os ataques cibernéticos exploram como recurso. No corpus, seu uso permite que um comprometimento inicial limitado se propague e cause interrupções em cascata em várias organizações.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["ref_3f42d6b2ce58_00109"],"areas":["Mecanismo do Ataque"]},{"nome":"plataformas de terceiros","id":"plataformas_de_terceiros","definicao":"Serviços, hospedagens e plataformas legítimas operados por terceiros que atacantes de phishing exploram como infraestrutura para veicular ou sustentar ataques. No corpus aparecem junto a domínios legítimos, e seu uso torna a detecção mais difícil, por se confundirem com tráfego e recursos confiáveis.","topico":"Infraestrutura_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0205_phishing"],"areas":["Detecção"]},{"nome":"poluição de dados","id":"poluição_de_dados","definicao":"Contaminação de bases de dados de serviços de denúncia de abuso com criptomoedas por registros imprecisos, irrelevantes ou fraudulentos, que compromete a qualidade das informações coletadas e seu uso na análise de golpes. No corpus, é tratada como problema de dados cuja extensão e impacto são analisados e que uma defesa baseada em LLM busca mitigar.","topico":"Qualidade_de_Dados","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00030"],"areas":["Detecção"]},{"nome":"política de segurança","id":"política_de_segurança","definicao":"Conjunto de diretrizes, regras e procedimentos institucionais destinados a reduzir a exposição organizacional a ameaças de segurança da informação, com ênfase particular na mitigação de ataques de engenharia social, incluindo phishing. No corpus, o conceito aparece como mecanismo de controle organizacional que atua sobre as vulnerabilidades humanas exploradas por técnicas de manipulação, funcionando como contramedida de nível institucional.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":2,"Objetivo":2,"Conclusão":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00181,"artigos":["fraudes00035","fraudes00076","g0066_phishing","ref_3f42d6b2ce58_00095","ref_72db3d675ef9_00222"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"ponderação hierárquica","id":"ponderação_hierárquica","definicao":"Mecanismo de atribuição diferenciada de pesos a componentes ou fontes organizados em estrutura hierárquica, utilizado em sistemas de detecção de phishing para modular a contribuição relativa de cada elemento ao resultado final. No corpus, o conceito aparece associado à sua influência sobre o desempenho de detecção e sobre a diversidade de fontes independentes consideradas, sugerindo que a forma como os pesos são distribuídos hierarquicamente afeta tanto a eficácia do sistema quanto o aproveitamento de múltiplas fontes de evidência.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00088,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ponderação hierárquica classe-fonte","id":"ponderação_hierárquica_classe-fonte","definicao":"Mecanismo de atribuição diferenciada de pesos a classes de fontes de dados (por exemplo, e-mails legítimos versus phishing) dentro de um sistema de detecção, operando de forma hierárquica para equilibrar a contribuição relativa de cada fonte ao modelo. No corpus, aparece como componente do sistema TrustPhish-AI, influenciando o desempenho comparativo entre fontes e mitigando trade-offs de segurança decorrentes de desequilíbrios na representatividade das classes.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Objetivo":2,"Método":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00169,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ponto de cruzamento zero da função de fluxo de fundos","id":"ponto_de_cruzamento_zero_da_função_de_fluxo_de_fundos","definicao":"Índice derivado da função de fluxo de fundos de um esquema Ponzi, correspondente ao momento em que essa função cruza o zero. No corpus, é apresentado como indicador viável da deterioração acelerada da instabilidade fiscal do esquema e como preditor de seu colapso iminente.","topico":"Modelagem_Formal","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00083,"artigos":["ref_72db3d675ef9_00237"],"areas":["Ecossistema do Atacante"]},{"nome":"ponzilens","id":"ponzilens","definicao":"PonziLens é uma ferramenta de análise visual citada no corpus como aplicada à identificação de esquemas Ponzi. Sua eficácia é demonstrada em dois cenários de uso, um com esquemas Ponzi e outro com esquemas não Ponzi, o que a posiciona como instrumento de apoio à análise e detecção.","topico":"Ferramentas_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00247"],"areas":["Detecção"]},{"nome":"portões de segurança","id":"portões_de_segurança","definicao":"Mecanismos de controle que bloqueiam ou condicionam o avanço de um processo com base no cumprimento de critérios predefinidos, operando como pontos de verificação obrigatórios. No corpus, o conceito aparece exclusivamente por inferência relacional: portões de segurança inibem a aprovação baseada em métricas agregadas, sugerindo que funcionam como barreiras que impedem decisões automáticas ou simplificadas de passagem, exigindo que condições específicas sejam satisfeitas antes de qualquer liberação ou validação.","topico":"Controle_de_Segurança","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"preocupação com fraude","id":"preocupação_com_fraude","definicao":"Estado de preocupação ou ansiedade do indivíduo em relação à possibilidade de sofrer fraude, tratado no corpus como resposta psicológica ao estressor da percepção de ser alvo e como mediador parcial que motiva comportamentos protetivos, conforme o modelo transacional de estresse e enfrentamento.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":2,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00252"],"areas":["Vítima"]},{"nome":"presença de backups","id":"presença_de_backups","definicao":"Existência, na organização vítima de ransomware, de cópias de segurança dos dados no momento do ataque. No corpus, é tratada como característica da vítima e como fator que influencia a decisão de pagar ou não o resgate, com base em estudo de 382 ataques a vítimas holandesas.","topico":"Defesa_Técnica","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00083,"artigos":["ref_3f42d6b2ce58_00545"],"areas":["Vítima"]},{"nome":"pressão direta","id":"pressão_direta","definicao":"Tática de influência empregada por atacantes de ransomware durante as negociações com as vítimas, em que se exerce coerção explícita para obter concordância ou pagamento. No corpus aparece ao lado da credibilidade como estratégia predominante dos atacantes, em contraste com a persuasão racional e a gentileza usadas pelas vítimas.","topico":"Manipulação_Psicológica","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00240"],"areas":["Mecanismo do Ataque"]},{"nome":"pretexting","id":"pretexting","definicao":"Técnica de engenharia social na qual o atacante constrói um pretexto ou cenário fictício para manipular a vítima e obter informações pessoais. Opera por meio da personificação de entidades legítimas e do uso de reconhecimento online para tornar o cenário crível, explorando a confiança da vítima como vetor principal de persuasão. É classificado como um tipo de engenharia social, distinguindo-se de outras técnicas pelo foco na elaboração de uma narrativa de fundo que justifica o pedido de informação.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Objeto":5},"n_relacoes":5,"n_trechos":5,"pagerank":0.00156,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"princípio da bondade","id":"princípio_da_bondade","definicao":"Princípio de persuasão baseado na bondade, usado nas estratégias de atração de vítimas em golpes. No corpus, aparece como um dos princípios de influência explorados pelos golpistas, com uso acima do esperado em 2021 e 2022, período associado à influência da pandemia, em fóruns como o Bitcointalk.","topico":"Manipulação_Psicológica","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["ref_72db3d675ef9_00180"],"areas":["Mecanismo do Ataque"]},{"nome":"princípio financeiro","id":"princípio_financeiro","definicao":"Princípio de persuasão de natureza financeira, identificado como tática usada para atrair pessoas a golpes de investimento. No corpus, aparece como a tática mais provável de ser empregada entre 2015 e 2017 em fóruns como o Bitcointalk, período em que o termo 'Ponzi' era a palavra-chave mais frequente.","topico":"Táticas_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00180"],"areas":["Mecanismo do Ataque"]},{"nome":"princípios psicológicos","id":"princípios_psicológicos","definicao":"Princípios fundamentais do comportamento humano explorados em ataques de phishing e engenharia social para induzir vítimas a agir de forma previsível e favorável ao atacante. No corpus, o conceito aparece como objeto de exploração pela engenharia social, indicando que tais princípios — como autoridade, reciprocidade, escassez, urgência e prova social — constituem vulnerabilidades cognitivas e comportamentais que os atacantes identificam e manipulam para aumentar a eficácia dos ataques.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Objetivo":2,"Objeto":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00069,"artigos":["fraudes00019","fraudes00023","g0066_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"princípios zero trust","id":"princípios_zero_trust","definicao":"Conjunto de princípios de segurança do tipo zero trust, citado no corpus como estratégia de mitigação contextualizada ao lado de controles rígidos de identidade, isolamento de locatários e monitoramento contínuo, proposta para reduzir riscos sistêmicos de ataques cibernéticos em provedores de serviços gerenciados (MSPs), sem validação empírica.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["ref_3f42d6b2ce58_00109"],"areas":["Mecanismo do Ataque"]},{"nome":"prisão digital","id":"prisão_digital","definicao":"Forma emergente de fraude digital em que golpistas se passam por autoridades ou agentes da lei para alegar falsamente poder legal de prender a vítima por meios digitais, geralmente por ligações telefônicas ou canais online. Distingue-se de phishing, vishing e engenharia social, e explora medo, urgência e autoridade percebida.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Objetivo":4,"Objeto":2},"n_relacoes":6,"n_trechos":6,"pagerank":0.00176,"artigos":["ref_8d955f377173_00053"],"areas":["Mecanismo do Ataque"]},{"nome":"procedimento de recuperação de arquivos","id":"procedimento_de_recuperação_de_arquivos","definicao":"Procedimento técnico desenvolvido para recuperar arquivos cifrados por um ransomware específico (Avaddon), funcionando como contramedida que mitiga os efeitos do ataque. No corpus, é descrito como solução testada em diferentes versões do ransomware, sem evidência de generalização para outras famílias.","topico":"Contramedidas_e_Defesa","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01054"],"areas":["Ecossistema do Atacante"]},{"nome":"processo de reporte de comportamento suspeito","id":"processo_de_reporte_de_comportamento_suspeito","definicao":"Mecanismo ou procedimento pelo qual indivíduos ou organizações comunicam formalmente a ocorrência ou suspeita de atividades maliciosas, como tentativas de engenharia social, com o objetivo de mitigar a propagação e o impacto dessas ameaças. No corpus, o conceito aparece associado à sua função de contenção de ataques de engenharia social, sugerindo que o reporte de comportamentos suspeitos atua como contramedida organizacional ou institucional.","topico":"Defesa_Organizacional","aspecto":"Social","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"processos de resiliência","id":"processos_de_resiliência","definicao":"Mecanismos e rotinas de resiliência normalmente presentes em ambientes de tecnologia operacional (OT), voltados a manter ou restaurar o funcionamento. No corpus, aparecem como característica do ambiente que o ataque Dead Man's PLC reconhece e explora (\"weaponises\") para viabilizar a extorsão cibernética em OT.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00629"],"areas":["Mecanismo do Ataque"]},{"nome":"processos geradores de confiança","id":"processos_geradores_de_confiança","definicao":"Conjunto de mecanismos e práticas pelas quais se estabelece e se fortalece a confiança entre participantes de mercados ilícitos online, como vendedores de carding em criptomercados. No corpus, esses processos aparecem como algo que o sistema formal de avaliação permitiu transcender e aprimorar, sem detalhamento adicional de seus componentes.","topico":"Avaliação_de_Confiabilidade","aspecto":"Pístico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00206"],"areas":["Ecossistema do Atacante"]},{"nome":"progesi","id":"progesi","definicao":"Framework proposto em um dos artigos do corpus que usa gramática de proxy (PROxy Grammar) para aprimorar firewalls de aplicações web na prevenção de injeção de SQL. É apresentado como contramedida técnica capaz de identificar SQLi mesmo com defesas no servidor e, sob baixas taxas de generalização, com desempenho de detecção superior ao de concorrentes.","topico":"Defesa_Técnica","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00142,"artigos":["fraudes00156"],"areas":["Detecção"]},{"nome":"programa de conscientização","id":"programa_de_conscientização","definicao":"Iniciativa estruturada de treinamento e educação voltada a reduzir a vulnerabilidade humana a ataques de phishing e engenharia social, operando por meio da capacitação de usuários para reconhecer e evitar tentativas de manipulação. No corpus, o conceito aparece como mecanismo de mitigação tanto de engenharia social quanto do risco de violação de dados, posicionando-se como contramedida organizacional centrada no fator humano.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":6},"n_relacoes":5,"n_trechos":6,"pagerank":0.00166,"artigos":["fraudes00090","g0066_phishing","ref_3f42d6b2ce58_00572","ref_72db3d675ef9_00036","ref_72db3d675ef9_00058"],"areas":["Ecossistema do Atacante","Prevenção e Resposta","Vítima"]},{"nome":"programa de treinamento","id":"programa_de_treinamento","definicao":"Conjunto estruturado de atividades educacionais voltadas ao desenvolvimento de habilidades e conhecimentos dos usuários para reconhecer e resistir a ataques de phishing e engenharia social. No corpus, o conceito aparece como intervenção de mitigação direcionada a reduzir a vulnerabilidade humana frente a técnicas de manipulação social, sendo posicionado como contramedida organizacional ou individual.","topico":"Conscientização_e_Treinamento","aspecto":"Formativo","zonas":{"Recomendação":2,"Objetivo":1,"Resultado":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00096,"artigos":["g0066_phishing","ref_72db3d675ef9_00230","scott2024643"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"promessa de lucros elevados","id":"promessa_de_lucros_elevados","definicao":"Oferta de grandes ganhos financeiros feita a potenciais vítimas como atrativo central de um golpe. No corpus, aparece como o apelo explorado por esquemas de pirâmide, que prometem lucros altos obtidos por recrutamento e não por venda real de produtos ou serviços. Trata-se do conteúdo prometido, não do ganho efetivo.","topico":"Conteúdo_de_Isca","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["ref_72db3d675ef9_00177"],"areas":["Vítima"]},{"nome":"promessas de alto retorno","id":"promessas_de_alto_retorno","definicao":"Promessas falsas de ganhos financeiros elevados feitas a usuários, usadas como isca para atrair vítimas a esquemas fraudulentos como o esquema Ponzi. No corpus, aparecem como o apelo explorado pelo golpe em plataformas blockchain, enganando os usuários quanto ao retorno esperado.","topico":"Conteúdo_de_Isca","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00078"],"areas":["Detecção"]},{"nome":"prompt injection","id":"prompt_injection","definicao":"Ataque que manipula as entradas de modelos de linguagem (LLMs) para alterar seu comportamento, explorando a vulnerabilidade inerente desses modelos. No corpus, visa sistemas de detecção de phishing baseados em LLMs multimodais, incluindo modelos como o GPT-5, e é tratado como ameaça que pode ser mitigada ou inibida por defesas específicas.","topico":"Ataques_e_Exploração","aspecto":"Formativo","zonas":{"Resultado":2,"Contexto Prévio":1,"Lacuna":1,"Objetivo":1,"Método":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00204,"artigos":["fraudes00164","g0232_phishing"],"areas":["Mecanismo do Ataque"]},{"nome":"propagação de esquema de pirâmide","id":"propagação_de_esquema_de_pirâmide","definicao":"Processo de disseminação de esquemas de pirâmide entre indivíduos de uma população, modelado como dinâmica de transição entre estados (suscetível, hesitante, envolvido, punido, resistente) em redes livres de escala. No corpus, é o fenômeno estudado em relação à gestão governamental e à topologia de interação social, apenas investigada como influência.","topico":"Propagação_de_Ataques","aspecto":"Cinemático","zonas":{"Objetivo":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00155,"artigos":["ref_72db3d675ef9_00124"],"areas":["Mecanismo do Ataque"]},{"nome":"protocolo de segurança","id":"protocolo_de_segurança","definicao":"Conjunto de regras, procedimentos e mecanismos formais estabelecidos para proteger sistemas, dados e usuários contra ameaças de segurança, incluindo ataques de phishing e engenharia social. No corpus, o conceito aparece como alvo de inibição pela engenharia social, sugerindo que táticas de manipulação humana são empregadas justamente para contornar ou neutralizar os protocolos de segurança vigentes, tornando-os menos eficazes na prática.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Resultado":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00098,"artigos":["g0066_phishing","ref_3f42d6b2ce58_01122","ref_8d955f377173_00034"],"areas":["Prevenção e Resposta"]},{"nome":"provedor de telecomunicações","id":"provedor_de_telecomunicações","definicao":"Organização prestadora de serviços de telefonia e comunicação móvel cuja identidade é assumida por fraudadores em chamadas de vishing. No corpus, aparece como a entidade imitada para induzir assinantes a entregar credenciais ou autorizar transferências, no contexto de fraudes de mobile money.","topico":"Identidade_Alvo","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["fraudes00093"],"areas":["Mecanismo do Ataque"]},{"nome":"provedores de serviços gerenciados","id":"provedores_de_serviços_gerenciados","definicao":"Organizações que prestam serviços de TI e segurança gerenciados a múltiplos clientes e, por isso, detêm acesso privilegiado a diversos ambientes de clientes. No corpus aparecem como alvos preferenciais de ataques cibernéticos, justamente em razão desse acesso privilegiado multiclientes.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["ref_3f42d6b2ce58_00109"],"areas":["Mecanismo do Ataque"]},{"nome":"pré-treinamento roberta","id":"pré-treinamento_roberta","definicao":"Processo de treinamento inicial do modelo RoBERTa em grandes corpora de texto não rotulado, que resulta em representações linguísticas gerais reutilizáveis. No corpus, o conceito aparece como base sobre a qual variantes como DistilRoBERTa são construídas, indicando que o pré-treinamento fornece os pesos e o conhecimento linguístico transferido para tarefas downstream de detecção de phishing.","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00053,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"publicidade em mídia social","id":"publicidade_em_mídia_social","definicao":"Uso de anúncios e conteúdos patrocinados em plataformas de mídia social como veículo para ataques de phishing, explorando a infraestrutura publicitária dessas plataformas para distribuir mensagens fraudulentas ou redirecionar usuários a páginas maliciosas. No corpus, o conceito aparece como um canal ou meio pelo qual o phishing é operacionalizado, integrando-se às estratégias de disseminação de ataques que se aproveitam da confiança dos usuários em ambientes de redes sociais.","topico":"Canais_de_Ataque","aspecto":"Lingual","zonas":{"Resultado":1,"Objeto":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00045,"artigos":["fraudes00094","g0066_phishing"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"publicidade maliciosa","id":"publicidade_maliciosa","definicao":"Uso de anúncios online (malvertising) como meio de exposição de usuários a golpes. No corpus, aparece como vetor pelo qual golpes de suporte técnico alcançam suas vítimas, sendo apontada como principal responsável por essa exposição e usada como base para descobrir números de telefone e domínios operados por golpistas.","topico":"Vetores_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00053,"artigos":["ref_8d955f377173_00005"],"areas":["Ecossistema do Atacante"]},{"nome":"qualidade do backup","id":"qualidade_do_backup","definicao":"Grau de adequação e confiabilidade das cópias de segurança mantidas pela vítima ou organização, que permitem recuperar os dados afetados por um ataque de ransomware. No corpus, aparece como característica da vítima associada, sob a condição de resgate pela disponibilidade, à recusa de pagamento, mas não à confidencialidade.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_3f42d6b2ce58_00132"],"areas":["Vítima"]},{"nome":"random forest","id":"random_forest","definicao":"Algoritmo supervisionado de aprendizado de máquina baseado em conjunto de árvores de decisão, empregado no corpus como classificador para detecção de phishing e de intrusões, a partir de características técnicas de URL e semânticas do conteúdo. Aparece também como modelo comparado, tendo acurácia superada pela regressão logística em estudo com o conjunto Enron.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Resultado":6,"Método":4,"Objetivo":2},"n_relacoes":8,"n_trechos":12,"pagerank":0.00286,"artigos":["fraudes00053","fraudes00091","fraudes00173","ref_3f42d6b2ce58_00150","ref_3f42d6b2ce58_00329","ref_3f42d6b2ce58_00342","ref_3f42d6b2ce58_00749","ref_3f42d6b2ce58_00770","ref_72db3d675ef9_00064","ref_72db3d675ef9_00087","ref_72db3d675ef9_00259"],"areas":["Detecção","Ecossistema do Atacante"]},{"nome":"ransomclave","id":"ransomclave","definicao":"Variante de ransomware que utiliza enclaves de hardware (ambientes de execução confiável) para conduzir etapas do ataque, como geração de chaves e criptografia. No corpus, é analisada por permitir esquemas de liberação de chaves sem confiança entre atacante e vítima, o que poderia elevar a lucratividade do atacante.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01217"],"areas":["Mecanismo do Ataque"]},{"nome":"ransomware","id":"ransomware","definicao":"Tipo de ataque cibernético que criptografa os dados da vítima e exige resgate para a decifração. No corpus, aparece frequentemente executado por e-mails de phishing e listado entre as ameaças que visam setores como saúde e educação, com sistemas e dados sensíveis como alvo.","topico":"Ameaças_Cibernéticas","aspecto":"Formativo","zonas":{"Contexto Prévio":85,"Resultado":62,"Objeto":51,"Objetivo":46,"Método":16,"Recomendação":16,"Conclusão":13,"Lacuna":5},"n_relacoes":148,"n_trechos":294,"pagerank":0.0424,"artigos":["fraudes00059","fraudes00098","qachfar2024241","ref_3f42d6b2ce58_00026","ref_3f42d6b2ce58_00030","ref_3f42d6b2ce58_00038","ref_3f42d6b2ce58_00041","ref_3f42d6b2ce58_00042","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00046","ref_3f42d6b2ce58_00047","ref_3f42d6b2ce58_00052","ref_3f42d6b2ce58_00066","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00109","ref_3f42d6b2ce58_00115","ref_3f42d6b2ce58_00137","ref_3f42d6b2ce58_00141","ref_3f42d6b2ce58_00143","ref_3f42d6b2ce58_00150","ref_3f42d6b2ce58_00153","ref_3f42d6b2ce58_00157","ref_3f42d6b2ce58_00161","ref_3f42d6b2ce58_00184","ref_3f42d6b2ce58_00187","ref_3f42d6b2ce58_00201","ref_3f42d6b2ce58_00206","ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00224","ref_3f42d6b2ce58_00240","ref_3f42d6b2ce58_00248","ref_3f42d6b2ce58_00262","ref_3f42d6b2ce58_00266","ref_3f42d6b2ce58_00270","ref_3f42d6b2ce58_00287","ref_3f42d6b2ce58_00289","ref_3f42d6b2ce58_00297","ref_3f42d6b2ce58_00317","ref_3f42d6b2ce58_00336","ref_3f42d6b2ce58_00342","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_00373","ref_3f42d6b2ce58_00384","ref_3f42d6b2ce58_00393","ref_3f42d6b2ce58_00402","ref_3f42d6b2ce58_00417","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00457","ref_3f42d6b2ce58_00462","ref_3f42d6b2ce58_00478","ref_3f42d6b2ce58_00500","ref_3f42d6b2ce58_00512","ref_3f42d6b2ce58_00515","ref_3f42d6b2ce58_00517","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00537","ref_3f42d6b2ce58_00557","ref_3f42d6b2ce58_00567","ref_3f42d6b2ce58_00572","ref_3f42d6b2ce58_00603","ref_3f42d6b2ce58_00606","ref_3f42d6b2ce58_00609","ref_3f42d6b2ce58_00617","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_00646","ref_3f42d6b2ce58_00662","ref_3f42d6b2ce58_00699","ref_3f42d6b2ce58_00704","ref_3f42d6b2ce58_00723","ref_3f42d6b2ce58_00732","ref_3f42d6b2ce58_00735","ref_3f42d6b2ce58_00745","ref_3f42d6b2ce58_00746","ref_3f42d6b2ce58_00748","ref_3f42d6b2ce58_00749","ref_3f42d6b2ce58_00750","ref_3f42d6b2ce58_00754","ref_3f42d6b2ce58_00761","ref_3f42d6b2ce58_00766","ref_3f42d6b2ce58_00770","ref_3f42d6b2ce58_00774","ref_3f42d6b2ce58_00784","ref_3f42d6b2ce58_00786","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_00797","ref_3f42d6b2ce58_00806","ref_3f42d6b2ce58_00807","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00824","ref_3f42d6b2ce58_00831","ref_3f42d6b2ce58_00865","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_00871","ref_3f42d6b2ce58_00874","ref_3f42d6b2ce58_00882","ref_3f42d6b2ce58_00886","ref_3f42d6b2ce58_00896","ref_3f42d6b2ce58_00898","ref_3f42d6b2ce58_00899","ref_3f42d6b2ce58_00901","ref_3f42d6b2ce58_00908","ref_3f42d6b2ce58_00911","ref_3f42d6b2ce58_00937","ref_3f42d6b2ce58_00978","ref_3f42d6b2ce58_00986","ref_3f42d6b2ce58_00992","ref_3f42d6b2ce58_00993","ref_3f42d6b2ce58_00994","ref_3f42d6b2ce58_01002","ref_3f42d6b2ce58_01007","ref_3f42d6b2ce58_01025","ref_3f42d6b2ce58_01031","ref_3f42d6b2ce58_01033","ref_3f42d6b2ce58_01051","ref_3f42d6b2ce58_01054","ref_3f42d6b2ce58_01060","ref_3f42d6b2ce58_01070","ref_3f42d6b2ce58_01080","ref_3f42d6b2ce58_01085","ref_3f42d6b2ce58_01089","ref_3f42d6b2ce58_01099","ref_3f42d6b2ce58_01100","ref_3f42d6b2ce58_01106","ref_3f42d6b2ce58_01112","ref_3f42d6b2ce58_01121","ref_3f42d6b2ce58_01122","ref_3f42d6b2ce58_01123","ref_3f42d6b2ce58_01131","ref_3f42d6b2ce58_01133","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01152","ref_3f42d6b2ce58_01157","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01189","ref_3f42d6b2ce58_01191","ref_3f42d6b2ce58_01194","ref_3f42d6b2ce58_01198","ref_3f42d6b2ce58_01212","ref_3f42d6b2ce58_01230","ref_3f42d6b2ce58_01232","ref_3f42d6b2ce58_01234","ref_3f42d6b2ce58_01245","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01251","ref_3f42d6b2ce58_01260","ref_3f42d6b2ce58_01265","ref_3f42d6b2ce58_01273","ref_3f42d6b2ce58_01275","ref_3f42d6b2ce58_01276","ref_3f42d6b2ce58_01278","ref_3f42d6b2ce58_01283","ref_3f42d6b2ce58_01284","ref_3f42d6b2ce58_01285","ref_3f42d6b2ce58_01291","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01296","ref_3f42d6b2ce58_01300","ref_3f42d6b2ce58_01309","ref_3f42d6b2ce58_01312","ref_3f42d6b2ce58_01317","ref_3f42d6b2ce58_01318","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01342","ref_3f42d6b2ce58_01350","ref_3f42d6b2ce58_01353","ref_3f42d6b2ce58_01360","ref_3f42d6b2ce58_01362","ref_3f42d6b2ce58_01368"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"ransomware como serviço","id":"ransomware_como_serviço","definicao":"Modelo de operação de ransomware em que o atacante usa uma oferta de ransomware como serviço, organizada em redes frouxas e descentralizadas de cibercriminosos e grupos, distintas da estrutura do crime organizado tradicional. No corpus, aparece como esforço do atacante associado ao valor do resgate solicitado e às perdas financeiras relatadas.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00113,"artigos":["ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_00649"],"areas":["Ecossistema do Atacante"]},{"nome":"ransomware contra nas","id":"ransomware_contra_nas","definicao":"Ataques de ransomware dirigidos a dispositivos de armazenamento em rede (NAS), observados em um honeypot. No corpus, caracterizam-se por um grau de automação da operação muito superior ao dos ataques de ransomware cuidadosamente adaptados e direcionados, com os quais são contrastados.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["ref_3f42d6b2ce58_00567"],"areas":["Ecossistema do Atacante"]},{"nome":"ransomware em desktop","id":"ransomware_em_desktop","definicao":"Ataque de ransomware dirigido a sistemas computacionais tradicionais de desktop. No corpus, funciona como termo de comparação para ransomware em ambientes IIoT, que, segundo o trecho, apresentaria propriedades distintas e exigiria abordagem de defesa própria. Seu uso é contrastivo, sem caracterização detalhada de suas propriedades.","topico":"Contextos_de_Ataque","aspecto":"Físico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00402"],"areas":["Mecanismo do Ataque"]},{"nome":"rantology","id":"rantology","definicao":"Ontologia dedicada a extorsões digitais, com foco em ataques de ransomware. Codifica uma lógica que permite avaliar a malignidade de programas com base em fatores como funções de API chamadas e seus comportamentos, servindo como estrutura formal de conhecimento para descrever e classificar ransomware e malware.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Objetivo":2,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00102,"artigos":["ref_3f42d6b2ce58_00937"],"areas":["Mecanismo do Ataque"]},{"nome":"rapidez de execução da fraude","id":"rapidez_de_execução_da_fraude","definicao":"Velocidade com que a fraude é realizada, em especial nas fraudes com criptoativos. No corpus, é tratada como característica do ataque associada à dificuldade de os reguladores reagirem em tempo hábil, sendo descrita como desafio persistente à resposta regulatória.","topico":"Características_do_Ataque","aspecto":"Cinemático","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00060"],"areas":["Mecanismo do Ataque"]},{"nome":"razão de saturação","id":"razão_de_saturação","definicao":"Indicador numérico, obtido por ajuste de modelo logístico a uma série temporal, que expressa o quanto uma variável se aproxima do seu nível de saturação. No corpus, um valor próximo de 0,9 para o preço das ações da Enron sinaliza fase de crescimento hiperacelerado e insustentável.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00291"],"areas":["Mecanismo do Ataque"]},{"nome":"rdbalert","id":"rdbalert","definicao":"Ferramenta prática e modular, proposta no corpus, que automatiza a extração de dados pessoais multimodais de repositórios de vazamento de ransomware para informar vítimas sobre o comprometimento de suas informações. Cada módulo pode ser substituído ou atualizado, e os resultados experimentais indicam eficácia na identificação de informações pessoais, apoiando a mitigação precoce de danos.","topico":"Ferramentas_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00077,"artigos":["ref_3f42d6b2ce58_00222"],"areas":["Prevenção e Resposta"]},{"nome":"realidade virtual","id":"realidade_virtual","definicao":"Ambiente ou tecnologia de simulação imersiva que, conforme a relação observada no corpus, é apontada como possibilitadora de exploração de engenharia social. O conceito aparece no corpus apenas como referência a um vetor ou contexto tecnológico emergente que pode ser explorado em ataques de phishing e manipulação social, sem definição operacional detalhada nos trechos disponíveis.","topico":"Vetores_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"reação do consumidor","id":"reação_do_consumidor","definicao":"Resposta dos consumidores diante de uma violação de segurança sofrida por uma organização, observada em survey com vinhetas. No corpus, a reação varia de forma significativa conforme a estratégia de resposta adotada pela organização após o incidente, sendo tratada como desfecho comportamental e atitudinal do consumidor afetado.","topico":"Impacto_de_Ataques","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00056,"artigos":["fraudes00136"],"areas":["Prevenção e Resposta"]},{"nome":"recall de phishing","id":"recall_de_phishing","definicao":"Métrica de avaliação que quantifica a proporção de instâncias de phishing corretamente identificadas pelo modelo em relação ao total de instâncias de phishing reais presentes no conjunto de dados. No corpus, aparece associada ao macro-F1 agregado como componente do desempenho global do classificador, e é utilizada para medir a segurança do modelo e a segurança operacional, indicando a capacidade do sistema de não deixar passar ataques de phishing (minimização de falsos negativos).","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Objetivo":1,"Método":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00173,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"receita anual da vítima","id":"receita_anual_da_vítima","definicao":"Receita anual da organização vítima de um ataque de ransomware, tratada como característica financeira da vítima. No corpus, aparece como variável associada ao valor do resgate pago: cada aumento percentual na receita corresponde a um aumento proporcional menor no resgate, entre vítimas que pagaram, ao lado de seguro cibernético e exfiltração de dados.","topico":"Dados_da_Vítima","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["ref_3f42d6b2ce58_00545"],"areas":["Vítima"]},{"nome":"reconhecimento online","id":"reconhecimento_online","definicao":"Atividade de coleta e análise de informações sobre alvos potenciais realizada em ambientes digitais, como redes sociais, sites corporativos e outras fontes abertas, com o objetivo de subsidiar ataques de phishing. No corpus, o reconhecimento online aparece como etapa preparatória utilizada no pretexting, fornecendo dados que possibilitam a personificação convincente de indivíduos ou entidades legítimas. Trata-se de um procedimento de inteligência prévia ao ataque, orientado à identificação de vulnerabilidades, relações e informações pessoais ou organizacionais exploráveis.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00072,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"recorrer a empresa de resposta a incidentes","id":"recorrer_a_empresa_de_resposta_a_incidentes","definicao":"Decisão da organização vítima de ransomware de acionar uma empresa especializada em resposta a incidentes (IR) após o ataque. No corpus, aparece como fator que, junto à presença de backups, exerce papel central na decisão de pagar ou não o resgate, em estudo de ataques a vítimas holandesas.","topico":"Resposta_a_Incidentes","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00083,"artigos":["ref_3f42d6b2ce58_00545"],"areas":["Vítima"]},{"nome":"recrutamento hierárquico","id":"recrutamento_hierárquico","definicao":"Estrutura de recrutamento em camadas, na qual participantes atraem novos membros e recebem incentivos conforme sua posição na hierarquia. No corpus, aparece como componente de certas práticas de marketing multinível na Indonésia, onde foram identificados elementos semelhantes aos de esquemas Ponzi, sem generalização para todas as práticas.","topico":"Modalidades_de_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00063,"artigos":["ref_72db3d675ef9_00014"],"areas":["Mecanismo do Ataque"]},{"nome":"recusa de pagamento","id":"recusa_de_pagamento","definicao":"Decisão da vítima de ransomware de não pagar o resgate exigido pelos atacantes. No corpus aparece como desfecho de escolha, associado a fatores como boa qualidade do backup (para resgate pela disponibilidade dos dados) e à crença de que o pagamento é imoral, em oposição ao pagamento motivado pelo medo.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Ético","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["ref_3f42d6b2ce58_00132"],"areas":["Vítima"]},{"nome":"rede de madoff","id":"rede_de_madoff","definicao":"Rede de investidores e intermediários ligada ao esquema fraudulento de Madoff, tratada no corpus como estrutura de relações analisada quanto à sua resiliência. A evidência indica que a rede resistiu a choques exógenos, como exames da SEC, e endógenos, como saques de investidores, até o colapso em 2008.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00089"],"areas":["Ecossistema do Atacante"]},{"nome":"rede semântica","id":"rede_semântica","definicao":"Estrutura de conceitos relacionados, formada por pares de conceitos ligados, construída no corpus por meio de engenharia de prompts com modelos de linguagem de grande porte, sem programação. Em experimento, o GPT-5 processou notícias sobre phishing e formou automaticamente cerca de 70 pares de conceitos.","topico":"Modelos_de_Linguagem","aspecto":"Lingual","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00109,"artigos":["fraudes00088"],"areas":["Não Especificado"]},{"nome":"rede social","id":"rede_social","definicao":"Plataforma digital de interação social utilizada no contexto de phishing como fonte de coleta de informações sobre vítimas potenciais. No corpus, o conceito aparece exclusivamente na relação com a coleta de dados pessoais, sugerindo que redes sociais são exploradas por atacantes para obter informações que subsidiam ataques direcionados, como spear phishing.","topico":"Infraestrutura_de_Ataque","aspecto":"Social","zonas":{"Contexto Prévio":3,"Objeto":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00121,"artigos":["fraudes00117","fraudes00118","fraudes00170","g0066_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"redes de phishing de alta tecnologia","id":"redes_de_phishing_de_alta_tecnologia","definicao":"Categoria de organização criminosa de phishing, descrita em investigações policiais holandesas, que se contrasta com as redes de baixa tecnologia por apresentar mais componentes internacionais, em vez de membros e facilitadores operando no mesmo país e sem vítimas no exterior.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00025"],"areas":["Ecossistema do Atacante"]},{"nome":"redes de phishing de baixa tecnologia","id":"redes_de_phishing_de_baixa_tecnologia","definicao":"Tipo de rede criminosa de phishing caracterizada, no corpus, por escopo predominantemente nacional: não faz vítimas em outros países e seus membros centrais e facilitadores costumam operar do mesmo país. É contrastada com redes de alta tecnologia, que têm mais componentes internacionais. A caracterização se apoia em investigações policiais holandesas.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00025"],"areas":["Ecossistema do Atacante"]},{"nome":"redes sociais","id":"redes_sociais","definicao":"Plataformas digitais de interação social (como Facebook, Twitter, LinkedIn, entre outras) utilizadas como canal ou vetor para a realização de ataques de phishing e spear phishing. No corpus, o conceito aparece exclusivamente como meio explorado por atacantes para conduzir campanhas de phishing, aproveitando a natureza relacional e comunicativa dessas plataformas para atingir vítimas com mensagens fraudulentas personalizadas ou em massa.","topico":"Canais_de_Ataque","aspecto":"Social","zonas":{"Resultado":5,"Contexto Prévio":4,"Objeto":1,"Objetivo":1,"Conclusão":1},"n_relacoes":10,"n_trechos":12,"pagerank":0.0036,"artigos":["fraudes00032","fraudes00122","g0066_phishing","ref_3f42d6b2ce58_01362","ref_72db3d675ef9_00093","ref_72db3d675ef9_00225","ref_72db3d675ef9_00241","ref_8d955f377173_00045"],"areas":["Detecção","Ecossistema do Atacante","Não Especificado","Prevenção e Resposta","Vítima"]},{"nome":"redirecionamento de url","id":"redirecionamento_de_url","definicao":"Técnica de ataque de phishing na qual o usuário é direcionado, por meio de um link ou mecanismo automatizado, para uma URL maliciosa ou fraudulenta distinta da aparente. No corpus, o conceito aparece como uma modalidade de phishing por e-mail e como meio para obtenção de credenciais de acesso, sendo associado ao fenômeno geral de phishing. Funciona como vetor de engano ao explorar a discrepância entre o destino exibido e o destino real do link, conduzindo a vítima a páginas falsas onde suas informações podem ser capturadas.","topico":"Vetores_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":3,"Método":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00125,"artigos":["fraudes00053","g0066_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"redução semântica sem perdas","id":"redução_semântica_sem_perdas","definicao":"Estratégia de redução de características para classificação de textos que agrupa tokens por informação semântica de dicionários ontológicos (synsets), sem perda de informação. No corpus, é apresentada como esquema novo, associado a melhor desempenho de classificadores Naïve Bayes e a menor custo computacional que abordagens baseadas em otimização, como algoritmos evolutivos.","topico":"Extração_de_Características","aspecto":"Analítico","zonas":{"Resultado":1,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00082,"artigos":["fraudes00153","fraudes00201"],"areas":["Detecção"]},{"nome":"regressão logística","id":"regressão_logística","definicao":"Método de classificação estatística utilizado no corpus como algoritmo de aprendizado de máquina para detecção de phishing, operando sobre representações vetoriais de texto (características TF-IDF) para produzir predições binárias ou categóricas. Aparece como componente de pipelines de classificação automática de mensagens ou URLs suspeitas, sendo treinado e avaliado em conjunto com outras abordagens de aprendizado de máquina.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Resultado":2,"Método":2,"Objetivo":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00184,"artigos":["fraudes00173","g0253_phishing","g0293_phishing"],"areas":["Detecção"]},{"nome":"relacionamento com a vítima","id":"relacionamento_com_a_vítima","definicao":"Vínculo construído entre o golpista e a vítima, geralmente de natureza romântica ou de proximidade, empregado como mecanismo para viabilizar a fraude. No corpus, aparece como meio pelo qual ofertas falsas de investimento em criptoativos são apresentadas, combinando fraude romântica e fraude de investimento no esquema conhecido como pig butchering.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00071"],"areas":["Mecanismo do Ataque"]},{"nome":"relacionamento genuíno","id":"relacionamento_genuíno","definicao":"Vínculo afetivo ou interpessoal autêntico, cuja aparência é imitada pelo golpe romântico como fachada para enganar a vítima e levá-la a transferir dinheiro ao golpista. No corpus, aparece como o modelo imitado, e não como relação real entre as partes.","topico":"Identidade_e_Representação","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00061,"artigos":["ref_72db3d675ef9_00071"],"areas":["Mecanismo do Ataque"]},{"nome":"remoção de cobertura de pagamentos de extorsão","id":"remoção_de_cobertura_de_pagamentos_de_extorsão","definicao":"Medida de política em apólices de seguro cibernético que consiste em excluir a cobertura de pagamentos de extorsão exigidos por atacantes. No corpus aparece como sugestão, não como achado testado: poderia proteger seguradoras da insolvência e gerar um possível efeito dissuasório sobre agentes de ransomware, ao reduzir o pagamento pelas vítimas.","topico":"Defesa_e_Mitigação","aspecto":"Econômico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00417"],"areas":["Mecanismo do Ataque"]},{"nome":"remoção de conteúdo","id":"remoção_de_conteúdo","definicao":"Ação de retirada ou exclusão de conteúdo malicioso (como páginas, mensagens ou recursos utilizados em ataques) como medida de mitigação contra spear phishing. No corpus, o conceito aparece exclusivamente na relação de mitigação com spear phishing, indicando seu papel como contramedida operacional voltada à interrupção ou redução da eficácia de ataques direcionados.","topico":"Contramedidas_e_Defesa","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"remuneração elevada","id":"remuneração_elevada","definicao":"Alta remuneração prometida ou oferecida em um modelo de negócio, como o de venda direta, descrita no corpus como característica do mecanismo que atrai golpistas e os leva a disfarçar negócios, contribuindo para a formação de esquemas de pirâmide, com ganho financeiro como incentivo central.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["ref_72db3d675ef9_00210"],"areas":["Prevenção e Resposta"]},{"nome":"reporte de ameaças","id":"reporte_de_ameaças","definicao":"Processo ou mecanismo pelo qual ameaças identificadas, como ataques de engenharia social e phishing, são comunicadas a partes relevantes (usuários, organizações, autoridades ou sistemas de segurança) com o objetivo de reduzir sua eficácia ou propagação. No corpus, o conceito aparece em relação de mitigação frente à engenharia social, sugerindo que o reporte funciona como contramedida ao reduzir o impacto ou a disseminação de ataques baseados em manipulação humana.","topico":"Resposta_a_Incidentes","aspecto":"Lingual","zonas":{"Resultado":6,"Recomendação":2},"n_relacoes":8,"n_trechos":8,"pagerank":0.00239,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00047","ref_3f42d6b2ce58_00318","ref_72db3d675ef9_00122","ref_72db3d675ef9_00267"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"reporte de fraudes","id":"reporte_de_fraudes","definicao":"Ato ou prática de comunicar a ocorrência de fraudes às autoridades ou instituições, de modo que os incidentes sejam registrados e contabilizados. No corpus aparece apenas como objeto que a abordagem híbrida do pig butchering poderia distorcer, em relação hipotética e não confirmada, junto com as mensagens de prevenção.","topico":"Resposta_a_Incidentes","aspecto":"Lingual","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00064,"artigos":["ref_72db3d675ef9_00071"],"areas":["Mecanismo do Ataque"]},{"nome":"reputação social","id":"reputação_social","definicao":"Reputação que um indivíduo adquire perante outros em mídias online. No corpus, obtê-la de forma natural é descrito como tarefa trabalhosa, o que se relaciona à criação de meios artificiais e injustos de ampliá-la, como a colusão. O conceito refere-se ao prestígio percebido, não a uma medida.","topico":"Identidade_e_Representação","aspecto":"Estético","zonas":{"Contexto Prévio":1,"Objetivo":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.0011,"artigos":["fraudes00151","ref_3f42d6b2ce58_01322"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque"]},{"nome":"resgate pago","id":"resgate_pago","definicao":"Valor monetário efetivamente pago pela vítima a atacantes de ransomware após a exigência de resgate. No corpus, é tratado como variável de desfecho com inflação de zeros, resultante de duas decisões sucessivas da vítima: se atende à demanda e, em caso afirmativo, qual montante aceita pagar.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00545"],"areas":["Vítima"]},{"nome":"resgate solicitado","id":"resgate_solicitado","definicao":"Valor monetário exigido pelo atacante de ransomware à vítima para devolver o acesso aos dados ou sistemas. No corpus, aparece como variável de resultado distinta da perda financeira efetivamente reportada pelas vítimas, associada ao esforço do atacante, ao uso de ransomware como serviço e às características da vítima.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.0013,"artigos":["ref_3f42d6b2ce58_00649"],"areas":["Ecossistema do Atacante"]},{"nome":"resgate total","id":"resgate_total","definicao":"Valor total de resgate que os criminosos conseguem exigir em um ataque de ransomware, tratado no corpus como resultado quantitativo de um modelo de teoria dos jogos em rede. Segundo o modelo, esse valor cresce com o comprimento médio de caminho da rede; o vínculo vale apenas nas condições da simulação em rede geral.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00774"],"areas":["Mecanismo do Ataque"]},{"nome":"resiliência organizacional","id":"resiliência_organizacional","definicao":"Capacidade de organizações de cibercrime de se sustentarem e persistirem em suas dimensões funcional, operacional e estratégica. No corpus, aparece como propriedade apoiada por fatores organizacionais, como a estrutura, em um argumento teórico, sem medida empírica nem distinção de formas específicas de resiliência.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00443"],"areas":["Ecossistema do Atacante"]},{"nome":"resistência a fontes","id":"resistência_a_fontes","definicao":"Capacidade de um modelo ou sistema de detecção de phishing de manter desempenho estável e confiável independentemente da origem ou variedade das fontes de dados utilizadas. No corpus, o conceito aparece como propriedade desejável influenciada pela diversidade de fontes de dados e pela augmentação de dados, sugerindo que a exposição a múltiplas origens e a técnicas de ampliação do conjunto de treinamento contribui para que o sistema não seja sensível a vieses ou limitações associados a fontes específicas.","topico":"Robustez_de_Modelos","aspecto":"Formativo","zonas":{"Conclusão":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00111,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"resistência global a fontes","id":"resistência_global_a_fontes","definicao":"Propriedade de um modelo de detecção de phishing que expressa sua capacidade de manter desempenho satisfatório independentemente da origem ou domínio dos dados de entrada, sem degradação significativa quando exposto a fontes não vistas durante o treinamento. No corpus, o conceito aparece como alvo de influência da augmentação de dados, sugerindo que técnicas de ampliação do conjunto de treinamento são empregadas para fortalecer essa robustez transversal a diferentes fontes.","topico":"Robustez_de_Modelos","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00055,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"resposta afetiva negativa","id":"resposta_afetiva_negativa","definicao":"Reação emocional desfavorável, como desconforto ou medo, manifestada por vítimas e não vítimas diante de ameaças digitais. No corpus aparece como variável psicológica examinada junto a fatores situacionais, como ter backup e reportar ameaças; o trecho registra ausência de associação entre elas, sem sustentar vínculo.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_3f42d6b2ce58_00318"],"areas":["Prevenção e Resposta"]},{"nome":"resposta regulatória","id":"resposta_regulatória","definicao":"Capacidade ou ação dos órgãos reguladores de reagir a fraudes, em especial àquelas envolvendo criptoativos. No corpus, aparece como resposta frequentemente lenta diante da rapidez de execução da fraude, o que representa um desafio duradouro para os reguladores. Evidência limitada a uma única ocorrência.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00060"],"areas":["Mecanismo do Ataque"]},{"nome":"restrições de tempo e recursos","id":"restrições_de_tempo_e_recursos","definicao":"Limitações práticas de tempo e recursos que afetam a condução de pesquisas sobre phishing, manifestando-se especialmente como impedimento à coleta de dados primários. No corpus, o conceito aparece como fator restritivo que condiciona as escolhas metodológicas dos pesquisadores, levando ao uso de dados secundários ou abordagens alternativas quando a obtenção direta de dados não é viável.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"retorno esperado","id":"retorno_esperado","definicao":"Benefício ou ganho financeiro que o indivíduo antecipa ao participar de um esquema de pirâmide. No corpus, aparece como o motivo mais citado (40% dos entrevistados) para a adesão, junto de condições econômicas, recomendação de conhecidos e desejo de enriquecer rápido. Refere-se à expectativa, não a ganho efetivamente obtido.","topico":"Motivação_e_Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["ref_72db3d675ef9_00266"],"areas":["Vítima"]},{"nome":"revisão de governança","id":"revisão_de_governança","definicao":"Processo de avaliação e supervisão institucional aplicado a sistemas ou modelos implantados, com o objetivo de identificar e mitigar riscos decorrentes da adoção de soluções não validadas. No corpus, o conceito aparece exclusivamente como relação inferida, sem ocorrências textuais diretas, sendo caracterizado pela sua função de controle sobre a implantação de modelos não validados no contexto de segurança contra phishing.","topico":"Gestão_de_Risco","aspecto":"Jurídico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"revisão humana","id":"revisão_humana","definicao":"Processo de avaliação e verificação realizado por especialistas humanos, utilizado como componente do método científico para validar resultados, classificações ou anotações produzidas por sistemas automatizados ou por outros pesquisadores. No corpus, aparece como parte integrante do método científico, sugerindo seu papel na garantia de qualidade e confiabilidade das análises conduzidas em estudos sobre phishing.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"risco de violação de dados","id":"risco_de_violação_de_dados","definicao":"Probabilidade ou exposição potencial de que dados sensíveis sejam acessados, divulgados ou comprometidos de forma não autorizada, especialmente como consequência de ataques de phishing bem-sucedidos. No corpus, o conceito aparece como alvo de mitigação por programas de conscientização, indicando que é tratado como um resultado adverso a ser reduzido por meio de intervenções educacionais e de treinamento voltadas a usuários.","topico":"Segurança_da_Informação","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"risco operacional","id":"risco_operacional","definicao":"Risco associado a falhas, perdas ou impactos negativos decorrentes de processos, sistemas ou comportamentos humanos no contexto operacional de organizações. No corpus, o conceito aparece como alvo de mitigação por meio de classificação seletiva, sugerindo que a triagem ou filtragem de ameaças (como phishing) é tratada como mecanismo de redução desse tipo de risco. A relação observada é de inibição, indicando que práticas analíticas de classificação atuam sobre a exposição operacional a ataques.","topico":"Gestão_de_Risco","aspecto":"Econômico","zonas":{"Resultado":5,"Objetivo":2,"Contexto Prévio":2,"Recomendação":1},"n_relacoes":6,"n_trechos":10,"pagerank":0.00203,"artigos":["g0293_phishing","mahanama2021","ref_3f42d6b2ce58_00468","ref_3f42d6b2ce58_00603","ref_3f42d6b2ce58_00606","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_00754","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00896"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"rnn","id":"rnn","definicao":"Arquitetura de rede neural recorrente utilizada no corpus como modelo de aprendizado de máquina de referência na tarefa de detecção, avaliada em comparação com outros modelos, como BERT e LSTM. No único trecho disponível, aparece como modelo cujo desempenho de acurácia foi superado pelo BERT em dados do Twitter mapeados para TTPs do ATT&CK.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00056,"artigos":["g0257_phishing"],"areas":["Detecção"]},{"nome":"roubo de credenciais","id":"roubo_de_credenciais","definicao":"Comprometimento de contas por obtenção indevida das credenciais de acesso de usuários, tratado no corpus como resultado de ataques de phishing que a autenticação multifator tende a reduzir. O uso observado é breve e vem de estudos empíricos citados, sem detalhar técnicas de obtenção, e ainda sujeito a ataques avançados como proxies de phishing e fadiga de MFA.","topico":"Segurança_de_Credenciais","aspecto":"Físico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["fraudes00097"],"areas":["Prevenção e Resposta"]},{"nome":"roubo de identidade","id":"roubo_de_identidade","definicao":"Consequência do phishing em que credenciais ou dados pessoais da vítima são obtidos e utilizados de forma fraudulenta por terceiros para se passar pela vítima ou acessar recursos em seu nome. No corpus, o conceito aparece exclusivamente como efeito causado por ataques de phishing, sem descrição detalhada de mecanismos internos ou variações tipológicas.","topico":"Impactos_do_Phishing","aspecto":"Econômico","zonas":{"Objeto":2,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00072,"artigos":["g0066_phishing","ref_72db3d675ef9_00036"],"areas":["Ecossistema do Atacante","Prevenção e Resposta"]},{"nome":"roubo de informação pessoal","id":"roubo_de_informação_pessoal","definicao":"Apropriação não autorizada de dados pessoais de indivíduos, referenciada no corpus como consequência de violações de dados no contexto de ataques de phishing. Embora o conceito não apareça diretamente em trechos codificados, sua presença como alvo causal de violação_de_dados indica que designa o resultado em que informações identificáveis de usuários são obtidas por agentes maliciosos sem consentimento.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"rtcatch","id":"rtcatch","definicao":"Método de detecção leve e em tempo real, nomeado RTCatch, projetado no corpus para contrapor ataques de ransomware escritos em Rust. É apresentado como contramedida de detecção e avaliado por recall, tempo de inferência, tempo máximo de resposta e baixo custo computacional e de armazenamento, sobre um conjunto de dados construído.","topico":"Métodos_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00081,"artigos":["ref_3f42d6b2ce58_00041"],"areas":["Detecção"]},{"nome":"rug pull","id":"rug_pull","definicao":"Tipo de exit scam com criptoativos no qual os responsáveis por um projeto de criptomoeda captam valor de investidores e o subtraem, abandonando o projeto. No corpus aparece como exemplo de fraude com criptoativos, ao lado de esquemas Ponzi e de mint-and-run com NFTs, em que o valor investido é roubado.","topico":"Modalidades_de_Ataque","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00060"],"areas":["Mecanismo do Ataque"]},{"nome":"rug-pull","id":"rug-pull","definicao":"Tipo de fraude em finanças descentralizadas observado na exchange Uniswap, tratado no corpus como o problema-alvo de detecção por meio de aprendizado supervisionado. O trecho disponível não descreve o mecanismo do golpe, apenas o situa como fenômeno a ser identificado em um ambiente específico.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00006"],"areas":["Detecção"]},{"nome":"rust","id":"rust","definicao":"Linguagem de programação empregada por atacantes como recurso de desenvolvimento de novas variantes de ransomware, com o propósito declarado de evadir ferramentas de detecção e ampliar a capacidade destrutiva. No corpus aparece como instrumento tecnológico do ataque, sustentado por evidências externas citadas pelos autores.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00041"],"areas":["Detecção"]},{"nome":"sabric","id":"sabric","definicao":"Organização do setor bancário sul-africano (SABRIC) citada no corpus como ator institucional que usa seu site para comunicar-se proativamente com clientes, gerando conscientização e educando sobre medidas de prevenção de fraude em e-banking. No corpus aparece apenas nesse uso, ligada ao seu site.","topico":"Resposta_Institucional","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00055"],"areas":["Prevenção e Resposta"]},{"nome":"safer","id":"safer","definicao":"Abordagem de defesa nomeada SAFER, avaliada em quatro modelos abertos, que inclui um estágio de negação por padrão (deny-by-default). No corpus, eleva a taxa média de respostas úteis e seguras a 87,0%, superando em 39,6 pontos o melhor baseline baseado em engenharia de prompts, com ganho líquido positivo em todos os modelos.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00073,"artigos":["fraudes00216"],"areas":["Detecção"]},{"nome":"saúde","id":"saúde","definicao":"Setor de atividade (indústria de saúde) mencionado no corpus como alvo de ataques, entre outros setores como negócios, academia e bancos. É descrito como particularmente vulnerável por possuir dados sensíveis, cuja divulgação poderia gerar repercussões graves. No corpus aparece como destino de ransomware.","topico":"Alvos_de_Ataque","aspecto":"Biótico","zonas":{"Contexto Prévio":4,"Resultado":3,"Conclusão":2,"Objetivo":1},"n_relacoes":2,"n_trechos":10,"pagerank":0.00049,"artigos":["fraudes00059","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00373","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00606","ref_3f42d6b2ce58_00806","ref_3f42d6b2ce58_01070","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01296"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"se-capsnet","id":"se-capsnet","definicao":"Método de detecção de golpes baseado em imagens que utiliza uma rede de cápsulas com atenção (SE-CapsNet), proposto no corpus para o contexto do Ethereum. É apresentado como modelo de aprendizado de máquina aplicado à detecção de golpes, como esquemas Ponzi, e não como tipo de golpe nem como medida de desempenho.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00197"],"areas":["Detecção"]},{"nome":"segredos corporativos","id":"segredos_corporativos","definicao":"Informações confidenciais de natureza corporativa que constituem alvo de ataques de phishing. No corpus, o conceito aparece como objeto de obtenção por meio de phishing, representando dados estratégicos, proprietários ou sensíveis de organizações que atacantes buscam exfiltrar por meio de engenharia social e mensagens fraudulentas.","topico":"Alvos_de_Ataque","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"segurança cibernética","id":"segurança_cibernética","definicao":"Conjunto de práticas, condições e resultados de proteção dos sistemas e da informação de uma organização contra ameaças digitais. No corpus aparece como o objetivo que pode ser melhorado por mecanismos de governança, como o seguro cibernético, segundo evidência empírica de entrevistas e workshops com organizações.","topico":"Segurança_Cibernética","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00057,"artigos":["ref_3f42d6b2ce58_00994"],"areas":["Prevenção e Resposta"]},{"nome":"segurança de detecção de phishing","id":"segurança_de_detecção_de_phishing","definicao":"Métrica ou propriedade de desempenho de sistemas de detecção de phishing que expressa a capacidade de identificar corretamente instâncias legítimas (não-phishing), evitando falsos positivos. No corpus, o conceito aparece em contraste com desempenho agregado e é operacionalizado por meio de macro-F1 composto, sugerindo que representa uma dimensão específica de acurácia voltada à minimização de classificações incorretas de conteúdo legítimo como phishing.","topico":"Desempenho_de_Detecção","aspecto":"Quantitativo","zonas":{"Conclusão":3},"n_relacoes":2,"n_trechos":3,"pagerank":0.00115,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"segurança do modelo","id":"segurança_do_modelo","definicao":"Propriedade de um modelo de detecção de phishing que expressa sua capacidade de identificar corretamente instâncias maliciosas, operacionalizada pela métrica de recall de phishing. No corpus, o conceito aparece como atributo avaliativo de sistemas automatizados, indicando o grau em que o modelo evita falsos negativos — ou seja, deixar passar mensagens de phishing sem detecção. A relação observada posiciona segurança_do_modelo como o construto latente que o recall de phishing mede, sugerindo que maior recall corresponde a maior segurança do modelo frente a ataques.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00068,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"segurança econômica","id":"segurança_econômica","definicao":"Condição de estabilidade e proteção do sistema econômico e das finanças de agentes e da economia como um todo, tratada no corpus como o âmbito sobre o qual se registram os riscos e impactos do crowdfunding. O uso é pontual e a relação com o crowdfunding aparece apenas como influência, sem condições declaradas.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00150"],"areas":["Prevenção e Resposta"]},{"nome":"segurança operacional","id":"segurança_operacional","definicao":"Capacidade operacional de um sistema, organização ou usuário de resistir ou evitar comprometimentos por ataques de phishing, inferida no corpus a partir de sua relação com recall_de_phishing como grandeza mensurável. Embora o conceito não apareça diretamente em trechos codificados, sua presença como alvo de medição sugere que representa o grau de proteção efetiva alcançado em contextos operacionais reais, distinguindo-se de métricas de detecção técnica por enfatizar o resultado prático de segurança no nível do processo ou da operação.","topico":"Proteção_e_Defesa","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00068,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"seguro cibernético","id":"seguro_cibernético","definicao":"Cobertura securitária contratada por organizações para riscos cibernéticos, em especial ransomware. No corpus, aparece como fator contratual e financeiro cuja relação com o valor do resgate, a decisão de pagá-lo, a mitigação do ransomware e a segurança cibernética é medida ou investigada, sem que o vínculo seja tido como estabelecido.","topico":"Gestão_de_Risco","aspecto":"Econômico","zonas":{"Objetivo":2,"Conclusão":2,"Resultado":1},"n_relacoes":4,"n_trechos":5,"pagerank":0.0018,"artigos":["ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_00751","ref_3f42d6b2ce58_00994"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"seguro contra ransomware","id":"seguro_contra_ransomware","definicao":"Produto de seguro voltado à cobertura de perdas decorrentes de ataques de ransomware, tratado no corpus como um mercado específico, cujos méritos e riscos são discutidos em relação a propostas de intervenção governamental. Funciona como mecanismo de transferência de risco financeiro associado ao ransomware, e não como medida técnica de prevenção.","topico":"Gestão_de_Risco","aspecto":"Econômico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00901"],"areas":["Prevenção e Resposta"]},{"nome":"seleção de características","id":"seleção_de_características","definicao":"Etapa de um arcabouço analítico em que, entre características extraídas (no corpus, 28 séries temporais do histórico de transações Bitcoin), se escolhe um subconjunto por meio de um método de agrupamento, o Partition Around Medoids, antes da análise de pontos de mudança.","topico":"Extração_de_Características","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00032"],"areas":["Ecossistema do Atacante"]},{"nome":"self-organizing map","id":"self-organizing_map","definicao":"Técnica de aprendizado de máquina baseada em mapa auto-organizável, usada no corpus como núcleo de um sistema de detecção de anomalias. Rotula transações suspeitas como legítimas ou fraudulentas pela similaridade com transações frequentes de uma empresa, combinada a uma abordagem baseada em grafos.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_8d955f377173_00006"],"areas":["Detecção"]},{"nome":"serviços legítimos","id":"serviços_legítimos","definicao":"Provisão de serviços genuínos e legítimos ddos quais o golpista depende ou que utiliza como suporte na execução do golpe de investimento. Nos casos amostrados, essa dependência aparece associada a medidas de confiança empregadas para atrair a vítima, conferindo credibilidade à fraude por meio da aparência de operação regular.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_72db3d675ef9_00131"],"areas":["Mecanismo do Ataque"]},{"nome":"setor da indústria","id":"setor_da_indústria","definicao":"Característica da vítima que indica o ramo de atividade econômica da organização atacada por ransomware. No corpus, é tratada como atributo da vítima que contribui, junto com o uso de ransomware como serviço, para o resgate solicitado e as perdas financeiras relatadas, com base em relatórios policiais.","topico":"Alvos_de_Ataque","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_3f42d6b2ce58_00649"],"areas":["Ecossistema do Atacante"]},{"nome":"setor de água","id":"setor_de_água","definicao":"Setor de infraestrutura crítica de abastecimento e tratamento de água, tomado no corpus como domínio visado por ameaças cibernéticas como ransomware e criptojacking, além de ameaças internas. É caracterizado por incidentes revisados e pela demanda de ciberdefesa adaptativa e cooperativa, sem detalhar mecanismos de ataque específicos.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_01342"],"areas":["Mecanismo do Ataque"]},{"nome":"severidade do ataque","id":"severidade_do_ataque","definicao":"Grau de gravidade de um ataque, no corpus de ransomware, medido pela interrupção das operações da vítima, pela necessidade de restauração e/ou pela exfiltração de dados sensíveis. Funciona como especificidade de contexto que, segundo o modelo, pode modular a decisão de pagar o resgate e o efeito do seguro cibernético.","topico":"Impacto_do_Ataque","aspecto":"Quantitativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00054,"artigos":["ref_3f42d6b2ce58_00751"],"areas":["Vítima"]},{"nome":"simguard","id":"simguard","definicao":"Sistema de detecção em nível de bytecode proposto no corpus para identificar contratos de phishing, combinando análise estática e dinâmica de programas. Opera sobre o código compilado dos contratos e aplica análise de bytecode como base de sua identificação, funcionando como ferramenta de detecção e não como modelo de ataque.","topico":"Ferramentas_de_Detecção","aspecto":"Físico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00061,"artigos":["g0175_phishing"],"areas":["Mecanismo do Ataque"]},{"nome":"simulação de transações","id":"simulação_de_transações","definicao":"Mecanismo defensivo de carteiras de criptoativos que simula previamente uma transação para mostrar ao usuário seus efeitos esperados, protegendo contra ataques tradicionais de esvaziamento de fundos. No corpus, é tratado como defesa eficaz, mas passível de exploração por uma nova técnica de phishing que se aproveita dela.","topico":"Mecanismos_de_Defesa","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00066,"artigos":["g0175_phishing"],"areas":["Mecanismo do Ataque"]},{"nome":"simulação interna de phishing","id":"simulação_interna_de_phishing","definicao":"Prática organizacional que consiste na execução de campanhas simuladas de phishing direcionadas aos próprios colaboradores de uma organização, com o objetivo de mensurar o grau de suscetibilidade ao phishing e influenciar a consciência sobre ameaças de phishing. As relações observadas no corpus indicam que a simulação interna funciona tanto como instrumento de medição — permitindo quantificar a vulnerabilidade dos usuários a ataques — quanto como mecanismo de intervenção, potencialmente elevando o nível de conscientização dos participantes. Não há trechos diretos no corpus que detalhem metodologias específicas de implementação ou resultados empíricos consolidados, sendo as relações registradas de caráter hipotético ou investigado.","topico":"Treinamento_e_Conscientização","aspecto":"Formativo","zonas":{"Conclusão":2,"Recomendação":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00103,"artigos":["angafor20241679","g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"sincronização de pressão sobre infratores finanças e infraestrutura","id":"sincronização_de_pressão_sobre_infratores_finanças_e_infraestrutura","definicao":"Estratégia de resposta que articula, de forma coordenada e simultânea, ações contra infratores, seus fluxos financeiros, sua infraestrutura e os provedores de serviços criminosos. No corpus, aparece como condição apontada para respostas eficazes à convergência entre crime organizado e cibercrime, sem detalhamento operacional no trecho.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00064"],"areas":["Ecossistema do Atacante"]},{"nome":"sistema criptográfico","id":"sistema_criptográfico","definicao":"Arcabouço tecnológico descrito no corpus que integra ontologia da web semântica, conjunto de dados predefinido e aprendizado de máquina para criptografia, descriptografia e criptoanálise. Os autores o apresentam como apto a antecipar tipos de crime e reduzir crimes criptografados, afirmação feita sem evidência empírica no trecho.","topico":"Segurança_Computacional","aspecto":"Formativo","zonas":{"Método":2,"Conclusão":1,"Contexto Prévio":1,"Resultado":1},"n_relacoes":4,"n_trechos":5,"pagerank":0.00145,"artigos":["fraudes00191","ref_3f42d6b2ce58_01031","ref_3f42d6b2ce58_01309"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"sistema de avaliação formal","id":"sistema_de_avaliação_formal","definicao":"Mecanismo formal de avaliação (como avaliações e reputações de vendedores) em mercados ilícitos online, como criptomercados de carding e de drogas. No corpus, aparece associado à melhoria e à ampliação dos processos que geram confiança entre participantes, sob a condição do contexto de vendedores de carding.","topico":"Avaliação_de_Confiabilidade","aspecto":"Pístico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00206"],"areas":["Ecossistema do Atacante"]},{"nome":"sistema de monitoramento de mensagens criptografadas","id":"sistema_de_monitoramento_de_mensagens_criptografadas","definicao":"Sistema proposto que monitora mensagens curtas de texto criptografadas em programas de mensagens instantâneas, com a finalidade declarada de mitigar ameaças terroristas, atividades suspeitas e violações legais. No corpus aparece como intenção de um framework proposto, sem avaliação empírica do efeito mitigador.","topico":"Mecanismos_de_Segurança","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00191"],"areas":["Detecção"]},{"nome":"sistema operacional android","id":"sistema_operacional_android","definicao":"Sistema operacional móvel Android, mencionado no corpus como alvo de ataques de phishing do tipo 'ataque de um clique', indicando que dispositivos que executam esse sistema são alvos específicos de campanhas maliciosas voltadas a plataformas móveis.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Contexto Prévio":2,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00076,"artigos":["fraudes00150","g0066_phishing","ref_3f42d6b2ce58_01354"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"sistemas ciber-físicos","id":"sistemas_ciber-físicos","definicao":"Sistemas ciber-físicos (CPS) são sistemas que integram componentes computacionais e processos físicos, como sistemas de controle industrial, redes elétricas inteligentes e redes de saúde. No corpus aparecem como alvo de ransomware, ao lado de infraestruturas críticas, em ataques observados em anos recentes.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00865"],"areas":["Mecanismo do Ataque"]},{"nome":"sistemas iiot","id":"sistemas_iiot","definicao":"Sistemas da Internet das Coisas Industrial (IIoT), caracterizados por dispositivos heterogêneos, protocolos de conectividade legados e novos e redes distribuídas. No corpus aparecem como alvo previsto de ataques sofisticados como ransomware, devido à sua complexidade e diversidade, em uma projeção de futuro próximo.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00874"],"areas":["Detecção"]},{"nome":"site do sabric","id":"site_do_sabric","definicao":"Website mantido pelo SABRIC, entidade do setor bancário sul-africano, usado como canal de comunicação proativa com clientes. No corpus, serve para criar conscientização e educar sobre medidas de prevenção de fraude em e-banking, funcionando como meio institucional de divulgação de informação preventiva.","topico":"Educação_e_Conscientização","aspecto":"Lingual","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00055"],"areas":["Prevenção e Resposta"]},{"nome":"site falso","id":"site_falso","definicao":"Página web fraudulenta criada para imitar um site legítimo, utilizada em ataques de phishing por e-mail como destino para onde a vítima é direcionada após interagir com a mensagem maliciosa. O site falso tem como função coletar credenciais, dados pessoais ou financeiros da vítima ao simular a aparência e o comportamento de um serviço ou instituição confiável.","topico":"Infraestrutura_de_Ataque","aspecto":"Estético","zonas":{"Objeto":3,"Contexto Prévio":3,"Conclusão":1},"n_relacoes":5,"n_trechos":7,"pagerank":0.00151,"artigos":["fraudes00037","g0066_phishing","g0067_phishing","g0098_phishing","g0253_phishing","g0259_phishing","ref_72db3d675ef9_00101"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"site legítimo","id":"site_legítimo","definicao":"Recurso web autêntico e confiável que serve como modelo ou alvo de imitação em ataques de phishing. No corpus, o conceito aparece exclusivamente como objeto da relação de imitação: páginas de phishing são construídas para reproduzir a aparência e o conteúdo de sites legítimos, induzindo o usuário a acreditar estar interagindo com uma fonte genuína. O conceito delimita o polo autêntico em oposição ao site fraudulento, funcionando como referência de credibilidade que o atacante busca explorar.","topico":"Infraestrutura_Web","aspecto":"Estético","zonas":{"Lacuna":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00073,"artigos":["fraudes00198","g0066_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"situação das vítimas","id":"situação_das_vítimas","definicao":"Condição ou predicamento vivenciado pelas vítimas de fraude, que no corpus aparece como agravada pelo uso acrítico de termos pejorativos, como \"pig butchering\", por veículos de mídia. O conceito remete ao bem-estar e ao tratamento social e simbólico dado às vítimas, não a uma medida de perdas.","topico":"Impacto_de_Ataques","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00267"],"areas":["Vítima"]},{"nome":"smishing","id":"smishing","definicao":"Variante de phishing realizada por meio de mensagens de texto SMS (Short Message Service), classificada no corpus como um tipo específico de phishing. Embora o conceito apareça apenas como relação taxonômica sem trechos de uso direto, sua posição na ontologia indica que compartilha os mecanismos gerais de engano e manipulação do phishing, diferenciando-se pelo canal de comunicação utilizado.","topico":"Taxonomia_De_Ataques","aspecto":"Lingual","zonas":{"Objeto":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00071,"artigos":["fraudes00100","g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"social bots","id":"social_bots","definicao":"Algoritmos automatizados que, em redes sociais online, imitam o comportamento de agentes políticos reais, sendo descritos no corpus como fenômeno recente da comunicação política. O conceito designa agentes de software que simulam atores humanos para atuar no ambiente social digital, sem evidência adicional sobre finalidade ou efeitos.","topico":"Automação_de_Ataques","aspecto":"Físico","zonas":{"Objeto":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00109,"artigos":["fraudes00169","ref_72db3d675ef9_00100"],"areas":["Ecossistema do Atacante","Mecanismo do Ataque"]},{"nome":"sofisticação do phishing","id":"sofisticação_do_phishing","definicao":"Grau de elaboração técnica e estratégica de um ataque de phishing, inferido no corpus a partir de sua relação com custo de implantação: ataques mais sofisticados tendem a demandar maior investimento em recursos, personalização e infraestrutura. O conceito abrange a complexidade dos mecanismos de engano empregados, incluindo qualidade de imitação, personalização da mensagem e robustez técnica da campanha.","topico":"Características_do_Ataque","aspecto":"Formativo","zonas":{"Lacuna":1,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00123,"artigos":["fraudes00012","fraudes00018","g0066_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"software de robô de trading","id":"software_de_robô_de_trading","definicao":"Software de negociação automatizada (robô de trading), descrito no corpus como fachada tecnológica usada para encobrir esquemas Ponzi. Ao lado do investimento em criptoativos, serve de disfarce que dá aparência de legitimidade a operações fraudulentas, conforme casos recentes na Indonésia. O corpus não trata do funcionamento técnico do software.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00115"],"areas":["Prevenção e Resposta"]},{"nome":"software de segurança","id":"software_de_segurança","definicao":"Programas de segurança instalados por usuários ou organizações para examinar vírus e malware, tratados no corpus como variável de proteção em survey com freelancers e PMEs. A única evidência associa a não utilização a menores chances de vitimização por ransomware, resultado contraintuitivo e restrito a esse contexto.","topico":"Controles_de_Segurança","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["ref_3f42d6b2ce58_00471"],"areas":["Vítima"]},{"nome":"software defined radio","id":"software_defined_radio","definicao":"Rádio definido por software (SDR): plataforma de rádio cujo processamento de sinais é feito por software, usada no corpus como instrumento técnico para falsificar (spoofing) chamadas de socorro DSC em VHF. A evidência é única e apresentada como objetivo de demonstração, não como resultado consolidado.","topico":"Tecnologia_de_Ataque","aspecto":"Físico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00046,"artigos":["lindback2024211"],"areas":["Mecanismo do Ataque"]},{"nome":"spacy ner","id":"spacy_ner","definicao":"Baseline de reconhecimento de entidades nomeadas pré-treinado da biblioteca spaCy, usado como método de comparação para extrair informações de textos de queixas, como valores de perda. No corpus, apresenta desempenho inferior (F1 ≤0,381) ao de modelos de linguagem em tarefas que exigem interpretação dependente de contexto.","topico":"Extração_de_Características","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00047,"artigos":["ref_72db3d675ef9_00031"],"areas":["Detecção"]},{"nome":"spam acadêmico","id":"spam_acadêmico","definicao":"Envio de e-mails indesejados dirigidos a autores acadêmicos por agentes inescrupulosos, com oferta de benefício acadêmico limitado e possíveis riscos financeiros ou reputacionais. No corpus, aparece como prática que se vale da disponibilidade pública dos endereços de e-mail de autores, apresentada como fato estabelecido pelos autores.","topico":"Ataques_Cibernéticos","aspecto":"Lingual","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00099"],"areas":["Prevenção e Resposta"]},{"nome":"spam de avaliações","id":"spam_de_avaliações","definicao":"Avaliações falsas ou fraudulentas publicadas em plataformas de avaliação de produtos e serviços, geradas por atividades fraudulentas online, que induzem a erro compradores e comerciantes potenciais. No corpus aparece como consequência da fraude online, com base em uma única ocorrência.","topico":"Crimes_Digitais","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00044,"artigos":["fraudes00148"],"areas":["Detecção"]},{"nome":"spam social","id":"spam_social","definicao":"Disseminação de conteúdo não solicitado e de baixa qualidade em redes sociais e na web, como tweets indesejados ou spams acoplados a conteúdos populares, com o propósito de enganar e manipular usuários, promover serviços ou sites e ampliar a visibilidade. É praticado por contas falsas e spammers, humanos ou automáticos.","topico":"Ameaças_Digitais","aspecto":"Lingual","zonas":{"Contexto Prévio":2,"Objeto":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00123,"artigos":["fraudes00032","fraudes00170","fraudes00207"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"spamassassin","id":"spamassassin","definicao":"Ferramenta de filtragem de e-mail baseada em regras heurísticas e pontuação, utilizada no corpus como sistema de referência ou baseline para avaliação de desempenho de detecção de phishing e spam. Aparece nas relações como fator que influencia métricas de detecção, sugerindo seu uso comparativo em experimentos de classificação de mensagens maliciosas.","topico":"Ferramentas_de_Detecção","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00051,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"spammers sociais","id":"spammers_sociais","definicao":"Atores que exploram plataformas de redes sociais e microblogging, como o Twitter, para disseminar mensagens comerciais, irrelevantes ou nocivas em grande volume. No corpus, são o alvo da detecção por ontologias de domínio específico e utilizam o spam social como meio, favorecendo plataformas pela alta popularidade.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Contexto Prévio":2,"Objetivo":1,"Objeto":1},"n_relacoes":4,"n_trechos":4,"pagerank":0.00137,"artigos":["fraudes00032","fraudes00117","fraudes00170","fraudes00207"],"areas":["Detecção","Mecanismo do Ataque"]},{"nome":"spear phishing","id":"spear_phishing","definicao":"Modalidade de ataque de phishing altamente direcionada que visa indivíduos específicos ou organizações, distinguindo-se do phishing genérico pela personalização do ataque. Constitui uma forma de engenharia social que combina etapas de coleta de informações sobre a vítima, imitação de entidades confiáveis, uso de iscas contextualizadas e mecanismos de contágio. Para viabilizar a personalização, o atacante utiliza redes sociais e perfis falsos como fontes de inteligência e vetores de ataque, podendo também empregar malware. O comprometimento de e-mail corporativo é classificado no corpus como um subtipo de spear_phishing. O objetivo central é obter informações sensíveis da vítima. Medidas de remoção de conteúdo são apontadas como forma de mitigação.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":14,"Contexto Prévio":4,"Objetivo":1},"n_relacoes":17,"n_trechos":19,"pagerank":0.00545,"artigos":["fraudes00112","g0066_phishing"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"spoofing","id":"spoofing","definicao":"Técnica de falsificação de identidade empregada em ataques de phishing, na qual o atacante forja elementos de identificação — como endereços de remetente, cabeçalhos de e-mail ou identidade de parceiros comerciais — para fazer a comunicação maliciosa parecer legítima. No corpus, o spoofing é tratado como um subtipo de phishing e como componente de ataques de vishing, atuando como mecanismo que dificulta a detecção de phishing e a verificação do remetente. Medidas como a análise de cabeçalhos de e-mail são apontadas como formas de mitigação.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":8,"Objetivo":5,"Contexto Prévio":4,"Conclusão":2,"Resultado":2,"Lacuna":1,"Recomendação":1},"n_relacoes":20,"n_trechos":23,"pagerank":0.00614,"artigos":["deng2018369","deng2018846","fraudes00060","fraudes00198","g0066_phishing","lindback2024211","ref_8d955f377173_00002","tas202460123","wang2023","zheng2026102"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"sql injection","id":"sql_injection","definicao":"Injeção de SQL (SQLi): ataque a aplicações web em que agentes maliciosos exploram a entrada de dados para comprometer a segurança de sites. No corpus é tratada como um tipo de vetor de ataque popular, contra o qual se propõem contramedidas, como firewalls de aplicação web aprimorados por gramática proxy (PROGESI).","topico":"Vetores_de_Ataque","aspecto":"Físico","zonas":{"Objeto":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00131,"artigos":["fraudes00156"],"areas":["Detecção"]},{"nome":"suscetibilidade ao phishing","id":"suscetibilidade_ao_phishing","definicao":"Grau em que indivíduos ou grupos estão propensos a ser enganados por ataques de phishing, inferido no corpus a partir de simulações internas de phishing que medem a taxa de cliques ou respostas a mensagens fraudulentas. Representa uma propriedade latente do alvo que é operacionalizada por meio de experimentos controlados ou testes simulados, refletindo a vulnerabilidade comportamental diante de tentativas de engano.","topico":"Vulnerabilidade_Humana","aspecto":"Sensitivo","zonas":{"Resultado":3,"Objetivo":2,"Conclusão":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00208,"artigos":["fraudes00015","g0066_phishing","g0173_phishing","ref_72db3d675ef9_00230","ref_72db3d675ef9_00233"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"svm","id":"svm","definicao":"Máquina de vetores de suporte (support vector machine), algoritmo de aprendizado de máquina supervisionado usado como classificador. No corpus aparece como técnica de referência comparada a Naïve Bayes e máxima entropia em precisão de classificação, e como componente de sistemas de filtragem de conteúdo web; o uso em detecção de phishing é aproximado.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Resultado":2,"Objetivo":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00113,"artigos":["fraudes00011","fraudes00114","ref_3f42d6b2ce58_00770"],"areas":["Detecção"]},{"nome":"taxa de phishing classificado como legítimo","id":"taxa_de_phishing_classificado_como_legítimo","definicao":"Taxa que quantifica a proporção de mensagens de phishing incorretamente classificadas como legítimas por um sistema de detecção. Representa um tipo específico de erro de classificação — o falso negativo no contexto de detecção de phishing — em que o sistema falha em identificar a ameaça, permitindo que mensagens maliciosas passem despercebidas. A relação observada no corpus indica que essa taxa é utilizada como medida do erro severo de classificação, sinalizando o grau de risco residual deixado pelo sistema de detecção.","topico":"Desempenho_de_Detecção","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"taxa de reinvestimento","id":"taxa_de_reinvestimento","definicao":"Parâmetro de um modelo de dinâmica social em redes que descreve a taxa com que ganhos são reinvestidos no processo de propagação do golpe. No corpus, distingue-se da taxa de propagação: relaciona-se aos estados finais nulo e não nulo da dinâmica, em redes homogêneas e inomogêneas.","topico":"Modelagem_Formal","aspecto":"Econômico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00151"],"areas":["Mecanismo do Ataque"]},{"nome":"taxa phishing para legítimo","id":"taxa_phishing_para_legítimo","definicao":"Métrica que expressa a proporção ou frequência com que e-mails ou URLs de phishing são incorretamente classificados como legítimos por um sistema de detecção. Representa um tipo específico de erro de classificação considerado de alta severidade, pois permite que ataques passem despercebidos pelo filtro. Seu valor influencia diretamente a aprovação ou rejeição de modelos de detecção, funcionando como critério de avaliação de desempenho em contextos onde falsos negativos têm consequências críticas para a segurança.","topico":"Avaliação_de_Modelos_de_Detecção","aspecto":"Quantitativo","zonas":{"Método":2,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.0014,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"taxonomia de phishing","id":"taxonomia_de_phishing","definicao":"Esquema de classificação proposto na literatura para organizar ataques de phishing e ataques cibernéticos correlatos, por exemplo segundo seus objetivos. No corpus, é apresentada como orientação esperada para o desenho de técnicas de detecção e prevenção e para a seleção de ferramentas, benefício ainda não testado.","topico":"Classificação_e_Taxonomia","aspecto":"Analítico","zonas":{"Conclusão":2,"Objeto":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00105,"artigos":["fraudes00006","fraudes00155","ref_3f42d6b2ce58_00038"],"areas":["Mecanismo do Ataque"]},{"nome":"taxonomia de três classes","id":"taxonomia_de_três_classes","definicao":"Esquema de classificação que organiza instâncias (tipicamente mensagens ou ataques) em exatamente três categorias mutuamente exclusivas, utilizado no contexto de detecção de phishing para distinguir, por exemplo, phishing legítimo, spam e mensagens benignas. No corpus, aparece como recurso metodológico adotado pelo sistema trustphish-ai e como pré-condição para a execução de ações operacionais de bloqueio, indicando que a tripartição das classes orienta decisões automatizadas de resposta.","topico":"Classificação_e_Taxonomia","aspecto":"Analítico","zonas":{"Método":1,"Objeto":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00125,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"tecnologia de deepfake","id":"tecnologia_de_deepfake","definicao":"Tecnologia capaz de sintetizar ou manipular conteúdo audiovisual de modo a imitar a identidade de um usuário real, explorando mecanismos de validação de identidade baseados em imagem ou vídeo. No corpus, o conceito aparece associado à capacidade de falsificar características visuais de indivíduos para contornar sistemas de autenticação que dependem de verificação fotográfica, representando um vetor de ataque que compromete a integridade de processos de reconhecimento de identidade.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00185,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"tecnologia operacional","id":"tecnologia_operacional","definicao":"Sistemas de tecnologia operacional (OT), isto é, os sistemas que controlam processos físicos e industriais, tratados no corpus como alvo de ataques cibernéticos. O trecho descreve adversários menos avançados que passam a mostrar interesse em atacar a OT, o que enfraquece a segurança baseada em obscuridade. O uso restringe-se à OT como objeto visado por cibercriminosos.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["ref_3f42d6b2ce58_00629"],"areas":["Mecanismo do Ataque"]},{"nome":"tecnologias de web semântica","id":"tecnologias_de_web_semântica","definicao":"Conjunto de tecnologias da web semântica empregadas em um framework para extrair e analisar automaticamente texto em linguagem natural disponível online. No corpus, aparece como técnica aplicada ao texto, com função de apoio à extração e à análise, sem detalhamento de padrões ou ferramentas específicas.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00180"],"areas":["Ecossistema do Atacante"]},{"nome":"telefone","id":"telefone","definicao":"Canal de comunicação por voz utilizado em ataques de phishing vocal (vishing), no qual o atacante contacta a vítima diretamente por chamada telefônica para obter informações sensíveis ou induzir ações fraudulentas. No corpus, aparece como o meio físico/tecnológico que distingue o vishing de outras modalidades de phishing baseadas em texto ou e-mail.","topico":"Canais_de_Ataque","aspecto":"Físico","zonas":{"Objeto":2,"Resultado":1,"Método":1,"Contexto Prévio":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00155,"artigos":["deng2018846","g0066_phishing","ref_72db3d675ef9_00122","ref_8d955f377173_00022","ref_8d955f377173_00053"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"telefonia voip","id":"telefonia_voip","definicao":"Infraestrutura de comunicação baseada em protocolo de voz sobre IP (VoIP), mencionada no corpus como canal utilizado em ataques de vishing. Representa o meio tecnológico que viabiliza chamadas de voz transmitidas via internet, distinguindo-se de redes telefônicas tradicionais pela sua base em protocolos digitais de pacotes. No corpus, aparece exclusivamente como substrato técnico associado ao vishing, sem caracterização adicional de propriedades ou mecanismos específicos.","topico":"Infraestrutura_de_Comunicação","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"telemarketing legítimo","id":"telemarketing_legítimo","definicao":"Prática legítima de contato telefônico comercial ou institucional com consumidores, utilizada como referência de imitação pelo vishing. No corpus, o conceito aparece exclusivamente como objeto da relação de imitação: ataques de vishing simulam o padrão comunicativo, o tom e os procedimentos do telemarketing legítimo para conferir aparência de autenticidade às chamadas fraudulentas.","topico":"Vetor_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"tempo de vida do hyip","id":"tempo_de_vida_do_hyip","definicao":"Duração de existência ou sobrevivência operacional de um HYIP (esquema de investimento de alto rendimento fraudulento), tratada como variável de desfecho em análise de sobrevivência por regressão de Cox. No corpus, aparece como resultado influenciado por características do esquema, como possuir endereço válido no Reino Unido.","topico":"Características_do_Ataque","aspecto":"Cinemático","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00001"],"areas":["Ecossistema do Atacante"]},{"nome":"tendências cognitivas","id":"tendências_cognitivas","definicao":"Propensões cognitivas dos estudantes, tratadas em um modelo conceitual de ambientes de aprendizagem digital como uma das características que, junto com o perfil discente e os comportamentos de engajamento, são associadas a violações de integridade acadêmica e à exposição a ameaças de segurança, como vazamento de dados, phishing assistido por IA e engenharia social.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Sensitivo","zonas":{"Conclusão":2,"Objetivo":1,"Contexto Prévio":1,"Resultado":1},"n_relacoes":4,"n_trechos":5,"pagerank":0.00157,"artigos":["fraudes00001","ref_72db3d675ef9_00081","ref_72db3d675ef9_00122","ref_72db3d675ef9_00211"],"areas":["Vítima"]},{"nome":"tensão social","id":"tensão_social","definicao":"Pressão ou tensão de origem social e territorial, associada a lugares e comunidades, que no corpus aparece como possível fonte de influência sobre a vulnerabilidade a golpes, em especial fraudes de esquema de pirâmide em nível comunitário. A relação é apresentada como hipótese, não como vínculo confirmado.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["ref_72db3d675ef9_00286"],"areas":["Vítima"]},{"nome":"teoria dos jogos","id":"teoria_dos_jogos","definicao":"Framework matemático para modelar situações de decisão estratégica entre agentes com interesses potencialmente conflitantes. No corpus, o conceito aparece exclusivamente por meio de sua relação com modelagem_de_ataques_cibernéticos, sugerindo seu uso como abordagem formal para representar interações entre atacantes e defensores em cenários de phishing ou segurança cibernética. A definição é inferida a partir da relação observada, sem trechos diretos no corpus que detalhem sua operacionalização.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Objetivo":8,"Contexto Prévio":2,"Método":2,"Lacuna":1},"n_relacoes":5,"n_trechos":13,"pagerank":0.00186,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00153","ref_3f42d6b2ce58_00462","ref_3f42d6b2ce58_00517","ref_3f42d6b2ce58_00748","ref_3f42d6b2ce58_00751","ref_3f42d6b2ce58_00831","ref_3f42d6b2ce58_01080","ref_3f42d6b2ce58_01122","ref_3f42d6b2ce58_01152","ref_3f42d6b2ce58_01157","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01312"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"teste de penetração","id":"teste_de_penetração","definicao":"Prática de segurança que simula ataques contra sistemas para identificar fraquezas, apresentada no corpus como abordagem discutida para mitigar os riscos de ataques de ransomware. O uso vem de um único trecho, de um livro sem avaliação empírica, e não demonstra a eficácia da prática.","topico":"Defesa_e_Mitigação","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00797"],"areas":["Prevenção e Resposta"]},{"nome":"testes estatísticos","id":"testes_estatísticos","definicao":"Técnicas estatísticas básicas aplicadas para identificar e quantificar a aleatoriedade em dados, como arquivos. No corpus, são usadas na detecção de ransomware, pois alta aleatoriedade pode indicar a presença de criptografia e, por extensão, um ataque. Constituem estratégia intuitiva e frequente na literatura.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01123"],"areas":["Detecção"]},{"nome":"testes estatísticos simples","id":"testes_estatísticos_simples","definicao":"Abordagens estatísticas elementares, como testes aplicados a características dos arquivos, usadas em ferramentas anti-ransomware para distinguir dados criptografados de não criptografados. No corpus, são tratadas como método de detecção cuja dependência excessiva gera classificações falsas frequentes e detecção inconsistente, sendo avaliadas como insuficientes.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Objetivo":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00081,"artigos":["ref_3f42d6b2ce58_01123"],"areas":["Detecção"]},{"nome":"texto contínuo","id":"texto_contínuo","definicao":"Forma de representação de entrada baseada no texto corrido (sequência linear de texto), usada como base de extração de características e tomada como método de comparação. No corpus aparece como alternativa superada pela representação em grafo de fluxo de controle, em conjunto de dados do mundo real.","topico":"Representação_de_Texto","aspecto":"Lingual","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00064"],"areas":["Detecção"]},{"nome":"texto de resgate","id":"texto_de_resgate","definicao":"Conteúdo textual da mensagem de resgate (ransom note) deixada por ataques de ransomware, tratado no corpus como objeto de análise linguística. Examina-se esse texto, por tradução automática e distância de Levenshtein, em busca de indícios sobre o idioma de origem do atacante. É a mensagem do golpista à vítima, não o método que a examina.","topico":"Conteúdo_de_Isca","aspecto":"Lingual","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01284"],"areas":["Detecção"]},{"nome":"texto em linguagem natural","id":"texto_em_linguagem_natural","definicao":"Conteúdo textual escrito em linguagem humana, disponível online, que constitui o material de entrada sobre o qual técnicas automatizadas de extração e análise são aplicadas. No corpus aparece como objeto de processamento por tecnologias de web semântica, sem detalhamento adicional de sua forma ou origem.","topico":"Representação_de_Texto","aspecto":"Lingual","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00180"],"areas":["Ecossistema do Atacante"]},{"nome":"tf-idf","id":"tf-idf","definicao":"TF-IDF (Term Frequency–Inverse Document Frequency) é uma técnica de representação numérica de texto utilizada no corpus como método de extração de características linguísticas para tarefas de detecção de phishing. Opera ponderando a frequência de termos em um documento em relação à sua raridade no corpus geral, produzindo vetores que alimentam classificadores como regressão logística. No corpus, aparece principalmente como linha de base comparativa frente a modelos de linguagem baseados em transformers, como DistilRoBERTa, que o superam em desempenho nas tarefas avaliadas.","topico":"Representação_de_Texto","aspecto":"Analítico","zonas":{"Método":3,"Resultado":3,"Conclusão":1},"n_relacoes":5,"n_trechos":7,"pagerank":0.00145,"artigos":["g0293_phishing","ref_3f42d6b2ce58_00761"],"areas":["Detecção","Ecossistema do Atacante"]},{"nome":"the palm-wine drinkard","id":"the_palm-wine_drinkard","definicao":"Romance nigeriano tratado no corpus como obra literária lida metaforicamente, pelo Novo Historicismo, como inteligência indígena capaz de oferecer conhecimento que desmistifica os artifícios dos esquemas Ponzi. Funciona como fonte cultural e interpretativa de saber, não como ferramenta técnica; o vínculo de mitigação depende dessa leitura metafórica.","topico":"Educação_e_Conscientização","aspecto":"Lingual","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["ref_72db3d675ef9_00038"],"areas":["Mecanismo do Ataque"]},{"nome":"tipologia de astroturfing digital","id":"tipologia_de_astroturfing_digital","definicao":"Proposta de classificação do astroturfing digital organizada em três dimensões: alvo, tipo de ator e objetivos. No corpus, serve como esquema analítico para distinguir esforços de astroturfing e se complementa com o conceito de repertórios, isto é, combinações de ferramentas, espaços e ações. Alvo é descrito como uma de suas dimensões.","topico":"Classificação_e_Taxonomia","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00129"],"areas":["Mecanismo do Ataque"]},{"nome":"tipos de personalidade","id":"tipos_de_personalidade","definicao":"Categorias de traços ou perfis psicológicos individuais que, no corpus, são examinadas como possível fator associado à propensão de pessoas a se tornarem vítimas de ransomware. O vínculo com a vitimização é tratado como objeto de investigação, não como relação confirmada.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00069,"artigos":["ref_3f42d6b2ce58_00702"],"areas":["Vítima"]},{"nome":"tolerância ao risco","id":"tolerância_ao_risco","definicao":"Disposição individual de aceitar incerteza e possíveis perdas ao decidir sobre investimentos. No corpus, é tratada como traço psicológico associado a traços de personalidade como abertura à experiência, examinada como fator que influencia decisões de investimento, prediz participação em esquemas de pirâmide e medeia a vulnerabilidade a golpes, com alcance restrito às amostras estudadas.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Resultado":4,"Objetivo":1},"n_relacoes":4,"n_trechos":5,"pagerank":0.00175,"artigos":["ref_72db3d675ef9_00093","ref_72db3d675ef9_00190","ref_72db3d675ef9_00280"],"areas":["Vítima"]},{"nome":"tomada de decisão","id":"tomada_de_decisão","definicao":"Processo pelo qual a vítima escolhe agir ou não diante de uma situação, no corpus tratado no contexto de fraude financeira, em que a escolha pode ser orientada por fatores como confiança excessiva no grupo e credulidade em lugar de verificação cuidadosa (due diligence).","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00072"],"areas":["Mecanismo do Ataque"]},{"nome":"tomada de decisão do investidor","id":"tomada_de_decisão_do_investidor","definicao":"Processo pelo qual o investidor avalia e escolhe aplicar recursos em um esquema de investimento, como esquemas Ponzi, tal como examinado no corpus. É tratado como o resultado sobre o qual atuam fatores psicológicos, em especial o viés de excesso de confiança, observado em investidores malaios em estudo qualitativo.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00196"],"areas":["Vítima"]},{"nome":"topologia de interação social","id":"topologia_de_interação_social","definicao":"Estrutura das conexões e interações entre indivíduos de uma população, modelada como rede livre de escala no modelo SHIPR de esquemas de pirâmide. No corpus, é tratada como fator cuja configuração é examinada quanto à influência sobre a propagação do esquema e sobre o número básico de reprodução.","topico":"Propagação_de_Ataques","aspecto":"Social","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00151,"artigos":["ref_72db3d675ef9_00124"],"areas":["Mecanismo do Ataque"]},{"nome":"trabalhadores de agência","id":"trabalhadores_de_agência","definicao":"Categoria de alvo de ataques de phishing composta por trabalhadores vinculados a agências, mencionada no corpus como um dos grupos visados por campanhas de phishing. A definição baseia-se exclusivamente na relação observada, que indica que trabalhadores de agência constituem um segmento específico de vítimas potenciais, sem detalhamento adicional sobre características ou contexto de vitimização disponível no corpus.","topico":"Alvos_de_Phishing","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"trabalho remoto","id":"trabalho_remoto","definicao":"Modalidade de trabalho realizada fora do ambiente corporativo tradicional, mencionada no corpus como contexto explorado por ataques de engenharia social. A relação observada sugere que o trabalho remoto cria condições (isolamento, uso de dispositivos pessoais, comunicação mediada digitalmente) que ampliam a superfície de ataque e reduzem barreiras de verificação presencial, tornando usuários mais vulneráveis a manipulação. A evidência no corpus é limitada a uma relação inferida, sem trechos diretos que detalhem mecanismos específicos.","topico":"Contexto_Organizacional","aspecto":"Social","zonas":{"Contexto Prévio":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00079,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00813"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"trade-off de segurança","id":"trade-off_de_segurança","definicao":"Tensão ou compromisso entre objetivos concorrentes no contexto de segurança, em que o ganho em uma dimensão (como precisão na detecção de phishing) implica custo em outra (como desempenho, usabilidade ou privacidade). No corpus, o conceito aparece como algo que pode ser mitigado por meio de ponderação hierárquica entre classes e fontes de evidência, sugerindo que a atribuição diferenciada de pesos a diferentes sinais de classificação é uma estratégia para equilibrar essas tensões.","topico":"Avaliação_de_Sistemas_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00067,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"transferência entre fontes","id":"transferência_entre_fontes","definicao":"Capacidade de um modelo ou sistema de detecção de phishing, treinado em dados de uma fonte ou domínio específico, de manter desempenho satisfatório quando aplicado a dados provenientes de fontes ou domínios distintos. No corpus, o conceito aparece como fator que influencia o desempenho de detecção, indicando que a generalização entre diferentes origens de dados é uma dimensão relevante para avaliar a robustez de abordagens automatizadas de detecção.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00051,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"transparência de composição","id":"transparência_de_composição","definicao":"Propriedade de conjuntos de dados ou sistemas que consiste em tornar explícita e acessível a informação sobre sua composição, origem, critérios de seleção e características dos elementos que os constituem. No corpus, o conceito aparece como resultado possibilitado pela documentação de dataset, indicando que a transparência de composição é uma qualidade alcançada quando a documentação descreve adequadamente o conteúdo e a estrutura do conjunto de dados, permitindo que pesquisadores e usuários compreendam o que está sendo analisado ou utilizado.","topico":"Qualidade_de_Dados","aspecto":"Lingual","zonas":{"Lacuna":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00129,"artigos":["fraudes00050","g0293_phishing"],"areas":["Detecção"]},{"nome":"traços de personalidade","id":"traços_de_personalidade","definicao":"Características psicológicas individuais relativamente estáveis, como as dimensões do modelo Big-Five, tratadas no corpus como atributos das pessoas visadas. São examinadas como possível fator associado à vulnerabilidade a golpes de investimento (direta ou via tolerância ao risco) e à vitimização por ransomware, onde não se encontrou evidência convincente.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00098,"artigos":["ref_3f42d6b2ce58_00702","ref_72db3d675ef9_00280"],"areas":["Vítima"]},{"nome":"treinamento de conscientização em segurança","id":"treinamento_de_conscientização_em_segurança","definicao":"Conjunto de atividades educativas e formativas voltadas a aumentar o conhecimento e a vigilância dos usuários em relação a ameaças de segurança da informação, especialmente phishing e engenharia social. No corpus, o conceito aparece como intervenção que mitiga a engenharia social e influencia o comportamento de segurança da informação dos indivíduos, atuando como mecanismo preventivo centrado no fator humano.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":3,"Objetivo":2,"Resultado":2,"Conclusão":1,"Contexto Prévio":1},"n_relacoes":7,"n_trechos":9,"pagerank":0.00201,"artigos":["angafor20241679","fraudes00210","g0066_phishing","ref_3f42d6b2ce58_00500","ref_8d955f377173_00013","ref_8d955f377173_00034"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"treinamento de funcionários","id":"treinamento_de_funcionários","definicao":"Processo de capacitação de funcionários com o objetivo de reduzir a vulnerabilidade organizacional a ataques de engenharia social, incluindo phishing. No corpus, o conceito aparece como medida de mitigação voltada ao fator humano, pressupondo que a exposição a conteúdo educativo ou simulações aumenta a capacidade dos indivíduos de reconhecer e resistir a tentativas de manipulação. A relação observada é de mitigação em relação à engenharia social, sem detalhamento dos métodos, conteúdos ou métricas de eficácia nos trechos disponíveis.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":4,"Resultado":2,"Conclusão":1},"n_relacoes":6,"n_trechos":7,"pagerank":0.00153,"artigos":["fraudes00054","g0066_phishing","ref_3f42d6b2ce58_00201","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_01247","ref_8d955f377173_00047","ref_8d955f377173_00058"],"areas":["Não Especificado","Prevenção e Resposta"]},{"nome":"treinamento multimodal","id":"treinamento_multimodal","definicao":"Abordagem de capacitação que combina múltiplos formatos ou modalidades de ensino (como texto, vídeo, simulações e exercícios práticos) para desenvolver habilidades de reconhecimento e resistência a ataques de phishing. No corpus, o conceito aparece exclusivamente na relação de mitigação com phishing, indicando seu papel como estratégia de defesa baseada em educação e treinamento de usuários.","topico":"Educação_e_Conscientização","aspecto":"Formativo","zonas":{"Recomendação":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00071,"artigos":["g0066_phishing","ref_8d955f377173_00058"],"areas":["Prevenção e Resposta"]},{"nome":"trustphish-ai","id":"trustphish-ai","definicao":"Framework computacional para geração e avaliação de mensagens de phishing com auxílio de inteligência artificial, estruturado em torno de uma taxonomia de três classes e de mecanismos de augmentação controlada de fonte. Incorpora ponderação hierárquica classe-fonte como componente interno e se insere em um fluxo de governança e avaliação. Visa identificar comportamentos fora da distribuição esperada, funcionando como artefato de pesquisa que combina construção de dados sintéticos com análise classificatória de ameaças.","topico":"Detecção_e_Classificação_de_Phishing","aspecto":"Formativo","zonas":{"Método":3,"Objetivo":1,"Objeto":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00263,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"tráfico de mão de obra","id":"tráfico_de_mão_de_obra","definicao":"Recrutamento e transporte coercitivo de pessoas para trabalhar em complexos de golpe, sobretudo no Sudeste Asiático, a fim de ampliar a escala das operações de fraude industrializada (como o \"pig butchering\"). No corpus, é descrito como facilitado por períodos de flexibilização de restrições de deslocamento, segundo estudos existentes.","topico":"Economia_do_Ataque","aspecto":"Ético","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00059,"artigos":["ref_72db3d675ef9_00181"],"areas":["Vítima"]},{"nome":"tríade sombria","id":"tríade_sombria","definicao":"Conjunto de traços de personalidade socialmente aversivos (narcisismo, maquiavelismo e psicopatia) tratado no corpus como característica individual das vítimas de ransomware, cujos níveis são examinados quanto à relação com decisões diante do ataque, como pagar o resgate, abandonar os dados ou denunciar o incidente à polícia.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":2,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00155,"artigos":["ref_3f42d6b2ce58_00148"],"areas":["Vítima"]},{"nome":"técnicas de neutralização","id":"técnicas_de_neutralização","definicao":"Conjunto de estratégias psicológicas e discursivas que autores de ransomware empregam para minimizar o impacto percebido e o sentimento de culpa pelos próprios atos. No corpus, aparecem como seis técnicas identificadas de modo preliminar, em discursos de supostos agressores relatados na mídia, e não como medida ou ferramenta técnica.","topico":"Fatores_Psicológicos","aspecto":"Ético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00646"],"areas":["Ecossistema do Atacante"]},{"nome":"técnicas de segurança em nível de so","id":"técnicas_de_segurança_em_nível_de_so","definicao":"Mecanismos de proteção contra phishing implementados no nível do sistema operacional, mencionados no corpus como uma abordagem que supera em eficácia as barras de ferramentas antiphishing. O conceito aparece apenas em relação comparativa, sem descrição detalhada de suas características ou implementação específica no corpus disponível.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0006,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"tópicos políticos","id":"tópicos_políticos","definicao":"Assuntos ou eventos de natureza política utilizados como tema ou pretexto em mensagens de phishing para atrair a atenção das vítimas e aumentar a credibilidade do ataque. No corpus, o conceito aparece como um dos conteúdos temáticos explorados por atacantes na construção de iscas, ao lado de outros tópicos de interesse público, sendo referenciado na relação em que phishing explora tópicos políticos como vetor de engajamento.","topico":"Conteúdo_de_Isca","aspecto":"Lingual","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"urgência","id":"urgência","definicao":"Elemento de pressão temporal explorado em ataques de phishing e vishing para induzir a vítima a agir rapidamente, sem tempo para reflexão crítica. No corpus, aparece como recurso manipulativo acionado tanto em mensagens de e-mail quanto em abordagens por voz, funcionando como gatilho que compele o alvo a tomar decisões precipitadas. Não há ocorrências diretas no corpus que permitam distinguir nuances internas ao conceito, mas as relações observadas indicam que a urgência é operacionalizada como componente retórico-emocional das mensagens fraudulentas.","topico":"Manipulação_Psicológica","aspecto":"Sensitivo","zonas":{"Resultado":4,"Objeto":2,"Contexto Prévio":1,"Objetivo":1},"n_relacoes":8,"n_trechos":8,"pagerank":0.0021,"artigos":["fraudes00038","fraudes00056","g0066_phishing","ref_72db3d675ef9_00051","ref_72db3d675ef9_00131","ref_8d955f377173_00035","ref_8d955f377173_00053"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"url de phishing","id":"url_de_phishing","definicao":"URL utilizada em ataques de phishing para direcionar vítimas a páginas fraudulentas, constituindo um componente estrutural da mensagem de phishing. No corpus, o conceito aparece como parte integrante do ataque de phishing, sem ocorrências diretas que permitam detalhar suas propriedades específicas além dessa relação de composição.","topico":"Infraestrutura_de_Ataque","aspecto":"Lingual","zonas":{"Lacuna":1,"Contexto Prévio":1,"Objetivo":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00102,"artigos":["fraudes00216","g0066_phishing","rameemzahra2022197"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"url enganosa","id":"url_enganosa","definicao":"URL construída para induzir o usuário a acreditar que está acessando um destino legítimo, mas que na realidade aponta para um recurso malicioso ou fraudulento. No corpus, aparece como componente técnico-linguístico central do phishing, sendo o meio pelo qual o ataque direciona a vítima a páginas falsas ou de coleta de credenciais. Distingue-se do conteúdo textual da mensagem (lingual) por envolver a aparência e a imitação de endereços confiáveis, e de técnicas de spoofing de domínio por focar especificamente na estrutura do localizador de recurso como vetor de engano.","topico":"Vetores_de_Ataque","aspecto":"Estético","zonas":{"Método":1,"Objeto":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00072,"artigos":["fraudes00053","g0066_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"uso acrítico do termo pig butchering","id":"uso_acrítico_do_termo_pig_butchering","definicao":"Emprego do termo \"pig butchering\" por veículos de mídia sem escrutínio crítico, reproduzindo uma expressão depreciativa para designar vítimas de fraude, em contraste com a literatura acadêmica que a questiona. No corpus, a prática é associada ao agravamento da situação das vítimas.","topico":"Impacto_de_Ataques","aspecto":"Ético","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00267"],"areas":["Vítima"]},{"nome":"usuário","id":"usuário","definicao":"Indivíduo que utiliza sistemas, serviços ou plataformas digitais e que figura como alvo ou destinatário em contextos de phishing, especialmente em ataques conduzidos por e-mail. No corpus, o conceito aparece como o polo receptor das mensagens maliciosas, sendo o sujeito cujas credenciais, dados ou ações são visados pelo atacante.","topico":"Fatores_Humanos","aspecto":"Social","zonas":{"Contexto Prévio":8,"Objeto":3,"Objetivo":2},"n_relacoes":9,"n_trechos":13,"pagerank":0.00266,"artigos":["fraudes00011","fraudes00040","fraudes00168","g0013_phishing","g0066_phishing","g0098_phishing","ref_3f42d6b2ce58_00786","ref_3f42d6b2ce58_00978","ref_72db3d675ef9_00058","ref_72db3d675ef9_00078","ref_8d955f377173_00036","ref_8d955f377173_00045","schafer202413"],"areas":["Detecção","Ecossistema do Atacante","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"usuário de rede social","id":"usuário_de_rede_social","definicao":"Indivíduo que utiliza plataformas de redes sociais e que, no contexto do corpus, é identificado como alvo potencial de ataques de phishing. A relação observada indica que ataques de phishing são direcionados (VISA) a esse perfil de usuário, posicionando-o como vítima potencial em cenários de engenharia social mediados por redes sociais.","topico":"Alvos_De_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"validadores","id":"validadores","definicao":"Nós participantes de uma rede de blockchain responsáveis por validar operações, que no corpus aparecem como alvo de um atacante que os comprometa e ameace praticar ações maliciosas passíveis de penalização (slashing), mantendo-os como reféns em um cenário de ransomware. A relação é formulada como possibilidade, não como ocorrência confirmada.","topico":"Alvos_de_Ataque","aspecto":"Físico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00704"],"areas":["Mecanismo do Ataque"]},{"nome":"validação de identidade por foto","id":"validação_de_identidade_por_foto","definicao":"Processo de verificação de identidade baseado na análise de imagens fotográficas do usuário, utilizado como mecanismo de autenticação ou confirmação de identidade em sistemas digitais. No corpus, o conceito aparece exclusivamente como alvo explorado pela tecnologia de deepfake, sugerindo que ataques baseados em mídia sintética podem comprometer ou contornar esse tipo de controle de segurança.","topico":"Autenticação_e_Controle_de_Acesso","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00097,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"valor do resgate","id":"valor_do_resgate","definicao":"Montante financeiro exigido ou efetivamente pago por vítimas de ransomware, tratado no corpus como grandeza quantitativa a ser explicada. Nos trechos, aparece como variável modelada em negociações reais, associada a fatores como seguro cibernético, exfiltração de dados, receita anual da vítima e redução obtida por negociação.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Resultado":4},"n_relacoes":4,"n_trechos":4,"pagerank":0.0022,"artigos":["ref_3f42d6b2ce58_00440","ref_3f42d6b2ce58_00545"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"variação de desempenho entre modelos","id":"variação_de_desempenho_entre_modelos","definicao":"Diferença observada nos resultados de desempenho entre distintos modelos de detecção ou classificação, avaliada no contexto de comparações experimentais. No corpus, aparece como objeto de mensuração do bootstrap pareado, indicando que a variação é quantificada estatisticamente para determinar se as diferenças entre modelos são significativas ou atribuíveis ao acaso. Refere-se, portanto, à magnitude e consistência das discrepâncias de métricas (como acurácia, precisão ou F1) obtidas por diferentes abordagens sob as mesmas condições de teste.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"vazamento de informação","id":"vazamento_de_informação","definicao":"Exposição indevida de informações a terceiros, descrita no corpus como canal adicional de vazamento detectado por artefatos forenses em conversas de negociação com grupos de ransomware. É tratada como consequência de segurança da informação para as vítimas, a ser evitada por avaliação prévia de risco e adaptação da estratégia de negociação.","topico":"Impacto_de_Ataques","aspecto":"Biótico","zonas":{"Resultado":1,"Recomendação":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00135,"artigos":["ref_3f42d6b2ce58_00440"],"areas":["Prevenção e Resposta"]},{"nome":"velocidade de difusão","id":"velocidade_de_difusão","definicao":"Ritmo com que um esquema fraudulento, como o esquema Ponzi, se propaga em uma rede de participantes. No corpus, é tratada como grandeza de dinâmica de propagação, influenciada pela distribuição de grau da rede em simulações e associada a picos mais altos e a colapso mais rápido do esquema.","topico":"Propagação_de_Ataques","aspecto":"Cinemático","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00145,"artigos":["ref_72db3d675ef9_00237"],"areas":["Ecossistema do Atacante"]},{"nome":"verificação de identidade","id":"verificação_de_identidade","definicao":"Processo ou mecanismo destinado a confirmar a autenticidade da identidade de um usuário, sistema ou entidade, utilizado como contramedida para reduzir a eficácia de ataques de engenharia social. No corpus, o conceito aparece exclusivamente em relação de mitigação com engenharia_social, indicando seu papel como controle de segurança que dificulta a exploração de vulnerabilidades humanas por meio de manipulação e falsificação de identidade.","topico":"Controles_de_Segurança","aspecto":"Formativo","zonas":{"Recomendação":1,"Resultado":1,"Objetivo":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00096,"artigos":["g0066_phishing","ref_8d955f377173_00034","zheng2026102"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"verificação de remetente","id":"verificação_de_remetente","definicao":"Processo de validação da autenticidade da identidade do remetente de uma mensagem, verificando se o endereço ou domínio de origem corresponde legitimamente à entidade declarada. No corpus, o conceito aparece como alvo de inibição pelo spoofing, indicando que técnicas de falsificação de identidade comprometem ou contornam os mecanismos de verificação de remetente, tornando-os ineficazes na detecção de mensagens fraudulentas.","topico":"Autenticação_e_Verificação","aspecto":"Analítico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00046,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"vetor de ataque","id":"vetor_de_ataque","definicao":"Canal ou meio técnico explorado para conduzir um ataque de phishing, como e-mail, SMS, voz ou plataformas de mensagens. No corpus, o conceito aparece como destino de influência da confiança acrítica em tecnologia, sugerindo que a crença irrefletida dos usuários em determinadas tecnologias facilita ou amplifica a eficácia de vetores específicos de ataque. O conceito designa, portanto, o ponto de entrada ou mecanismo de entrega pelo qual o ataque é perpetrado.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00122,"artigos":["fraudes00156","g0066_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"vingança online","id":"vingança_online","definicao":"Conduta de retaliação contra uma organização ou pessoa praticada em ambiente digital, observada no corpus em consumidores que recorrem a redes sociais e sites de avaliação para se vingar, em contraste com formas mais agressivas e por vezes ilegais descritas em outra amostra cultural.","topico":"Motivação_e_Impacto_de_Ataques","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0005,"artigos":["fraudes00122"],"areas":["Não Especificado"]},{"nome":"violação de dados","id":"violação_de_dados","definicao":"Incidente de segurança no qual informações protegidas ou confidenciais são acessadas, divulgadas ou extraídas sem autorização. No corpus, o conceito aparece como causa de roubo de informação pessoal, indicando que a violação de dados é o evento precipitante que resulta na apropriação indevida de dados de indivíduos, sendo tratado como consequência de ataques de phishing ou outras ações maliciosas bem-sucedidas.","topico":"Segurança_da_Informação","aspecto":"Cinemático","zonas":{"Contexto Prévio":4,"Resultado":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00166,"artigos":["fraudes00136","g0066_phishing","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00755","ref_3f42d6b2ce58_00993"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"violações de integridade acadêmica","id":"violações_de_integridade_acadêmica","definicao":"Condutas de estudantes em ambientes de aprendizagem digital que contrariam normas de integridade acadêmica. No corpus aparecem em um modelo conceitual, no qual características dos estudantes, tendências cognitivas e comportamentos de engajamento as produzem em conjunto com a exposição a ameaças de segurança como vazamento de dados, phishing assistido por IA e engenharia social.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Ético","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00052,"artigos":["fraudes00001"],"areas":["Vítima"]},{"nome":"vishing","id":"vishing","definicao":"Modalidade de phishing realizada por meio de canais de voz, como telefone convencional ou telefonia VoIP, na qual o atacante utiliza engenharia social para obter informações pessoais da vítima. O vishing pode empregar spoofing de identificador de chamadas e imitar práticas de telemarketing legítimo para aumentar a credibilidade do contato. A exploração de urgência é um recurso recorrente para pressionar a vítima a fornecer dados sensíveis. Distingue-se de outras formas de phishing pelo canal de comunicação utilizado (voz), em contraste com e-mail, SMS ou páginas web falsas.","topico":"Modalidades_De_Phishing","aspecto":"Formativo","zonas":{"Objeto":14,"Objetivo":1,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":14,"n_trechos":17,"pagerank":0.0043,"artigos":["fraudes00083","fraudes00093","fraudes00100","g0066_phishing","martinez-echevarria2026"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"vitimização","id":"vitimização","definicao":"Experiências de ser alvo e sofrer dano em golpes e fraudes, tratadas no corpus como desfecho investigado em relação ao contexto da pandemia de coronavírus, com foco em pessoas acima de 50 anos. O uso é pontual e descreve o impacto aparente sobre essas experiências, sem detalhar formas de mensuração.","topico":"Impacto_de_Ataques","aspecto":"Social","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_8d955f377173_00010"],"areas":["Vítima"]},{"nome":"vitimização por ransomware","id":"vitimização_por_ransomware","definicao":"Condição de uma pessoa, freelancer ou pequena e média empresa ter sido alvo de um ataque de ransomware, tratada nos estudos como desfecho (probabilidade de ocorrência) examinado em relação a fatores como atividades rotineiras, atratividade do alvo, faturamento, uso de autenticação de dois fatores, software de segurança e traços de personalidade.","topico":"Impacto_de_Ataques","aspecto":"Biótico","zonas":{"Resultado":4,"Objetivo":2,"Conclusão":1},"n_relacoes":7,"n_trechos":7,"pagerank":0.00413,"artigos":["ref_3f42d6b2ce58_00471","ref_3f42d6b2ce58_00702"],"areas":["Vítima"]},{"nome":"viés de excesso de confiança","id":"viés_de_excesso_de_confiança","definicao":"Tendência cognitiva de investidores a superestimar o próprio julgamento e conhecimento ao decidir investir. No corpus, aparece em estudo qualitativo com investidores malaios em esquemas Ponzi, que exibem o viés, e a relação com a decisão de investir é descrita como influência.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Objetivo":1,"Resultado":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00126,"artigos":["ref_72db3d675ef9_00196"],"areas":["Vítima"]},{"nome":"voip","id":"voip","definicao":"Tecnologia de comunicação de voz transmitida por redes de protocolo de internet (VoIP), utilizada no corpus como infraestrutura subjacente a ataques de vishing avançado. A relação observada indica que o VoIP é empregado como meio técnico para a realização de chamadas fraudulentas em ataques de engenharia social por voz.","topico":"Infraestrutura_Técnica","aspecto":"Físico","zonas":{"Objeto":1,"Resultado":1,"Contexto Prévio":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00104,"artigos":["g0066_phishing","he2020110","tas202460123"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"vulnerabilidade a ataque cibernético","id":"vulnerabilidade_a_ataque_cibernético","definicao":"Grau de exposição ou suscetibilidade de um sistema, aqui veículos automatizados e conectados, a ser comprometido por ataques cibernéticos. No corpus aparece como propriedade que cresce com a conectividade e a automação, apresentada como fato estabelecido e sem medição específica ou detalhamento de mecanismos de exploração.","topico":"Segurança_de_Sistemas","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_01353"],"areas":["Vítima"]},{"nome":"vulnerabilidade a golpes","id":"vulnerabilidade_a_golpes","definicao":"Suscetibilidade de uma pessoa, no corpus tratada sobretudo em idosos, a ser enganada por cenários de golpe, avaliada pela credibilidade atribuída a esses cenários. É descrita em associação com função cognitiva, letramento financeiro, isolamento social, impulsividade e depressão, e em modelo conceitual ainda a testar como elevando o risco de exploração financeira.","topico":"Vulnerabilidade_Humana","aspecto":"Sensitivo","zonas":{"Resultado":23,"Objetivo":7,"Conclusão":5,"Recomendação":3,"Contexto Prévio":1},"n_relacoes":27,"n_trechos":39,"pagerank":0.00814,"artigos":["fraudes00133","ref_3f42d6b2ce58_00258","ref_72db3d675ef9_00004","ref_72db3d675ef9_00010","ref_72db3d675ef9_00011","ref_72db3d675ef9_00014","ref_72db3d675ef9_00026","ref_72db3d675ef9_00058","ref_72db3d675ef9_00081","ref_72db3d675ef9_00094","ref_72db3d675ef9_00131","ref_72db3d675ef9_00161","ref_72db3d675ef9_00211","ref_72db3d675ef9_00218","ref_72db3d675ef9_00233","ref_72db3d675ef9_00245","ref_72db3d675ef9_00280","ref_72db3d675ef9_00281","ref_72db3d675ef9_00286","ref_8d955f377173_00036"],"areas":["Mecanismo do Ataque","Vítima"]},{"nome":"vulnerabilidade a ransomware","id":"vulnerabilidade_a_ransomware","definicao":"Grau de exposição de organizações ou setores, como as cadeias de suprimento alimentar, a ataques de ransomware. No corpus aparece como nível que pode aumentar com a globalização, a digitalização e a integração das cadeias, em formulação de possibilidade e restrita ao contexto alimentar, sem evidência de vínculo causal firme.","topico":"Alvos_e_Impactos_de_Ataques","aspecto":"Físico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00336"],"areas":["Prevenção e Resposta"]},{"nome":"vulnerabilidade de autenticação","id":"vulnerabilidade_de_autenticação","definicao":"Falha nos mecanismos de autenticação de um sistema que permite a um atacante contorná-los sem credenciais legítimas. No corpus aparece em um único caso, o incidente Kaseya de 2021, em que requisições HTTP especialmente construídas burlaram a autenticação do sistema VSA e viabilizaram o envio de cargas maliciosas associadas a ransomware.","topico":"Segurança_de_Sistemas","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00026"],"areas":["Prevenção e Resposta"]},{"nome":"vulnerabilidade de senha","id":"vulnerabilidade_de_senha","definicao":"Fragilidade associada ao uso de senhas que expõe usuários ou sistemas a ataques de phishing e comprometimento de credenciais. No corpus, o conceito aparece como alvo ou resultado da influência de fatores humanos, sugerindo que comportamentos e características dos usuários — como escolha de senhas fracas, reutilização ou suscetibilidade a engenharia social — contribuem para a exposição a esse tipo de vulnerabilidade. O conceito situa-se na interseção entre comportamento humano e segurança de autenticação.","topico":"Segurança_de_Credenciais","aspecto":"Sensitivo","zonas":{"Resultado":2,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00081,"artigos":["g0066_phishing","ref_3f42d6b2ce58_00052","ref_3f42d6b2ce58_00896"],"areas":["Mecanismo do Ataque","Prevenção e Resposta"]},{"nome":"vulnerabilidade de software","id":"vulnerabilidade_de_software","definicao":"Falha ou fragilidade em software, identificada por CVEs de alta severidade e amplamente implantadas, especialmente em sistemas expostos publicamente, que é explorada por atacantes de ransomware como ponto de entrada inicial, antes de escalada de privilégios, movimentação lateral e ações de impacto como a criptografia de dados.","topico":"Ataques_e_Exploração","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00266"],"areas":["Ecossistema do Atacante"]},{"nome":"vulnerabilidade do mecanismo de supervisão","id":"vulnerabilidade_do_mecanismo_de_supervisão","definicao":"Fragilidade ou falha nos mecanismos de supervisão e fiscalização de ambientes em blockchain, apontada no corpus como origem da ocorrência de esquemas Ponzi inteligentes, que dela se aproveitam. Designa a lacuna de controle exploravel pelo golpista, e não o golpe em si nem a medida de mitigação.","topico":"Segurança_de_Sistemas","aspecto":"Jurídico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00065,"artigos":["ref_72db3d675ef9_00074"],"areas":["Detecção"]},{"nome":"vulnerabilidade humana","id":"vulnerabilidade_humana","definicao":"Suscetibilidade inerente a indivíduos de serem manipulados ou enganados em contextos de phishing, explorada por técnicas de engenharia social. No corpus, o conceito aparece como o alvo ou ponto de entrada das estratégias de manipulação psicológica, representando as fraquezas cognitivas, emocionais ou comportamentais humanas que tornam possível o sucesso de ataques de phishing independentemente de salvaguardas técnicas.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Contexto Prévio":8,"Objetivo":2,"Lacuna":1,"Resultado":1},"n_relacoes":7,"n_trechos":12,"pagerank":0.00216,"artigos":["fraudes00013","fraudes00089","fraudes00132","g0062_phishing","g0066_phishing","g0173_phishing","g0257_phishing","g0259_phishing","he2020110","rameemzahra2022197","ref_8d955f377173_00047"],"areas":["Detecção","Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"vulnerabilidade psicológica","id":"vulnerabilidade_psicológica","definicao":"Suscetibilidade cognitiva ou emocional do indivíduo que pode ser explorada por técnicas de engenharia social em ataques de phishing. No corpus, o conceito aparece como alvo das estratégias de manipulação, referindo-se às fragilidades humanas — como tendência à confiança, resposta ao medo ou à urgência, e vieses de julgamento — que tornam o indivíduo propenso a ceder a solicitações fraudulentas. A relação observada posiciona a vulnerabilidade psicológica como o ponto de exploração sobre o qual a engenharia social atua, sem que o corpus forneça detalhes adicionais sobre sua operacionalização ou mensuração.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Contexto Prévio":2,"Resultado":2,"Conclusão":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00155,"artigos":["fraudes00019","g0066_phishing","ref_3f42d6b2ce58_01283","ref_72db3d675ef9_00010","ref_72db3d675ef9_00058"],"areas":["Prevenção e Resposta","Vítima"]},{"nome":"vítima","id":"vítima","definicao":"Indivíduo ou entidade que é alvo de um ataque de phishing, especialmente no contexto de spear phishing, onde o ataque é direcionado especificamente a essa pessoa ou organização. No corpus, o conceito aparece como destino da ação maliciosa, sendo o receptor das mensagens fraudulentas elaboradas pelo atacante.","topico":"Atores_do_Ataque","aspecto":"Social","zonas":{"Objetivo":2,"Contexto Prévio":2,"Objeto":1,"Resultado":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.002,"artigos":["fraudes00192","g0066_phishing","ref_3f42d6b2ce58_01260","ref_72db3d675ef9_00005","ref_72db3d675ef9_00161","ref_8d955f377173_00013"],"areas":["Mecanismo do Ataque","Prevenção e Resposta","Vítima"]},{"nome":"wannalaugh","id":"wannalaugh","definicao":"Ferramenta ou artefato experimental, nomeado WannaLaugh, capaz de imitar o comportamento de ransomwares reais, com base em seu padrão de entrada e saída (E/S). No corpus aparece avaliado contra seis ransomwares reais, com acurácia declarada como alta, funcionando como simulador de ransomware e não como ataque efetivo.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["ref_3f42d6b2ce58_00898"],"areas":["Detecção"]},{"nome":"web information credibility scale-persian","id":"web_information_credibility_scale-persian","definicao":"Instrumento de medição, a Web Information Credibility Scale na versão persa (WICS-P), usado para quantificar a credibilidade atribuída à informação na web. No corpus, foi validado por ajuste estrutural e geral do modelo, com alta qualidade de medição entre estudantes de universidades de elite do Irã.","topico":"Avaliação_de_Confiabilidade","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["fraudes00189"],"areas":["Vítima"]},{"nome":"whatsapp","id":"whatsapp","definicao":"Plataforma de mensagens instantâneas utilizada como canal de distribuição de ataques de phishing, conforme indicado pela relação observada no corpus. Aparece como meio pelo qual mensagens fraudulentas são enviadas às vítimas, integrando o conjunto de vetores de comunicação explorados em campanhas de phishing.","topico":"Canais_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00045,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"xrc","id":"xrc","definicao":"Sigla XRC, usada no corpus para designar um classificador/modelo de detecção automatizada aplicado à identificação de ameaças de phishing. É avaliado pela taxa de ameaças detectadas em múltiplas instâncias de conjuntos de dados, com desempenho superior a 97% em 9 de 13 instâncias e acima de 75% nos conjuntos mais difíceis.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00049,"artigos":["fraudes00028"],"areas":["Detecção"]},{"nome":"árvore de decisão","id":"árvore_de_decisão","definicao":"Modelo de aprendizado de máquina caracterizado no corpus pela rapidez e facilidade de uso, proposto como técnica para detectar anomalias em resultados, com base em uma pesquisa comparativa. O uso é apenas sugerido, sem teste empírico declarado no trecho.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00048,"artigos":["fraudes00215"],"areas":["Detecção"]},{"nome":"ênfase em benefícios ao endogrupo","id":"ênfase_em_benefícios_ao_endogrupo","definicao":"Estratégia discursiva de destacar os ganhos que um ataque traria ao próprio grupo de pertencimento, como no enquadramento \"Robin Hood\", para tornar moralmente aceitável uma ação questionável. No corpus aparece apenas como possibilidade sugerida de gerar apoio público, sem condições especificadas e sem confirmação do vínculo.","topico":"Manipulação_Psicológica","aspecto":"Lingual","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00126,"artigos":["ref_3f42d6b2ce58_00976"],"areas":["Vítima"]}],"artigos":[{"id":"fraudes00001","codigo":"FRAUDES00001","titulo":"UNDERSTANDING STUDENT MISUSE OF AI TOOLS: A COGNITIVE SCIENCE AND CYBERSECURITY PERSPECTIVE","ano":"2026","autores":["Samuel Prakash, Danita","Onyechi, Chukwuebuka Johncollins"],"revista":"","tipo_documental":"misc","doi":"10.1145/3799457.3799658","url":"https://doi.org/10.1145/3799457.3799658","tem_abstract":true,"palavras_chave":["AI misuse","Academic integrity","Artificial intelligence in education","Automation bias","Cognitive offloading","Cybersecurity","Phishing and social engineering","Student behaviour","Vulnerabilities"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Examina o uso indevido de ferramentas de IA em ambientes de aprendizagem digital, propondo um modelo conceitual que liga atalhos cognitivos a violações de integridade acadêmica e ameaças de segurança.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Sensitivo":1,"Ético":1},"temas":["Fatores_Humanos_e_Psicológicos","Vulnerabilidade_Humana","Comportamento_Humano_em_Segurança"],"golpes":["Phishing assistido por IA","Engenharia social"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"fraudes00036","codigo":"FRAUDES00036","titulo":"A Review of Graph-Theoretic Approaches in Phishing Website Detection","ano":"2026","autores":["Magdziarz, Krystian","Frąszczak, Damian"],"revista":"Applied Sciences","tipo_documental":"misc","doi":"10.3390/app16199576","url":"https://doi.org/10.3390/app16199576","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Revisão sistemática PRISMA 2020 de abordagens baseadas em teoria dos grafos para detecção de sites de phishing, propondo uma taxonomia de dois eixos das representações em grafo.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":"2005-2026","aspectos":{"Quantitativo":1,"Analítico":1},"temas":["Aprendizado_de_Máquina","Detecção_de_Phishing"],"golpes":["Phishing por sites"],"canais":["Web"],"metodos":["Revisão sistemática","PRISMA 2020","Análise de listas de referências"],"fontes":["IEEE Xplore","ACM Digital Library","ScienceDirect","Google Scholar"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00053","codigo":"FRAUDES00053","titulo":"Research of Data Processing, Detection and Protection Algorithms to Minimize the Impact of Malware and Phishing Attacks on Users of Digital Platforms","ano":"2026","autores":["Volokitina, Tatiana Sergeevna","Tanygin, Maxim Olegovich"],"revista":"Russian Digital Libraries Journal","tipo_documental":"misc","doi":"10.26907/1562-5419-2026-29-1-187-206","url":"https://doi.org/10.26907/1562-5419-2026-29-1-187-206","tem_abstract":true,"palavras_chave":["Field (mathematics)","Heuristic","Malware","Information security","Data Protection Act 1998","Legislation","Data processing","Data security","Random forest"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Desenvolvimento de um aparato científico-metodológico e de algoritmos de detecção de phishing em plataformas digitais que consideram características cognitivas dos usuários, integrando mecanismos técnicos e modelos cognitivos de decisão.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Formativo":1,"Estético":1},"temas":["Vetores_de_Ataque","Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Phishing"],"canais":["Web"],"metodos":["Random Forest","Análise recursiva de cadeias de redirecionamento","Integração dinâmica de fontes de dados de ameaças"],"fontes":[],"ferramentas":[],"unidades":["Registros"],"territorios":["Rússia"],"setores":[],"teorias":[]},{"id":"fraudes00058","codigo":"FRAUDES00058","titulo":"A comprehensive view of software vulnerability risks through enterprise knowledge graphs","ano":"2026","autores":["Aranguren, Mikel Egaña","Fernández‐Breis, Jesualdo Tomás","Balentzia, Bidane Leon","Rompe, Markus","Castro, Alexander García"],"revista":"Computers & Security","tipo_documental":"misc","doi":"10.1016/j.cose.2025.104815","url":"https://doi.org/10.1016/j.cose.2025.104815","tem_abstract":true,"palavras_chave":["Ontology","Exploit","Malware","Vulnerability (computing)","Vulnerability management","Software","Pipeline (software)","Resilience (materials science)","Big data","Knowledge extraction"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Solução baseada em Knowledge Graphs corporativos para integrar dados heterogêneos de vulnerabilidades de software na Siemens Energy, sob um modelo semântico compartilhado, apoiando a modelagem de ameaças cibernéticas.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Knowledge Graph corporativo","Rede de ontologias de cibersegurança","Pipeline automatizado de conversão de dados","Questões de competência","Regras de qualidade de dados"],"fontes":["Amazon Inspector","CycloneDX","NPM","Bancos de dados relacionais","Avaliações manuais"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Energia"],"teorias":[]},{"id":"fraudes00061","codigo":"FRAUDES00061","titulo":"A Comprehensive Survey of Artificial Intelligence Applications in Cyber Security: Taxonomy, Challenges, and Future Directions","ano":"2026","autores":["Alam, Shahid","Alnfrawy, Ehab Tawfeek","Jameel, Amina","Qadir, Sana","Parveen, Zahida","Noor, Basirah","Arol, Anushya","Chaudhry, Imran Ali"],"revista":"Algorithms","tipo_documental":"misc","doi":"10.3390/a19070527","url":"https://doi.org/10.3390/a19070527","tem_abstract":true,"palavras_chave":["Malware","Phishing","Enabling","Cyberwarfare","Honeypot","Adversarial system","Key (lock)","Intrusion detection system","Botnet"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Survey abrangente de aplicações de IA em cibersegurança em cinco domínios, incluindo detecção de phishing e spam, com taxonomia multicamadas e meta-análise entre domínios.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":"2021-2025","aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Phishing"],"canais":[],"metodos":["Triangulação de dados e metodológica","Meta-análise entre domínios"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00063","codigo":"FRAUDES00063","titulo":"Mapping state cybercrime law: A typology of statutory coverage across the U.S.","ano":"2026","autores":["McGrath, Matthew"],"revista":"Journal of Economic Criminology","tipo_documental":"misc","doi":"10.1016/j.jeconc.2026.100240","url":"https://doi.org/10.1016/j.jeconc.2026.100240","tem_abstract":true,"palavras_chave":["Typology","Cybercrime","State (computer science)","Statutory law","Legislation"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Mapeamento da cobertura estatutária de crimes cibernéticos nos 50 estados dos EUA e identificação, por clusterização não supervisionada, de tipos recorrentes de organização legislativa.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":"2026/01","aspectos":{},"temas":[],"golpes":["Crimes cibernéticos, incluindo phishing e engenharia social"],"canais":[],"metodos":["Clusterização não supervisionada"],"fontes":["Conjunto de dados original de estatutos estaduais"],"ferramentas":[],"unidades":["Estatutos"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"fraudes00064","codigo":"FRAUDES00064","titulo":"Hover-Based Email Traceability, Hash Visibility, and AI-Assisted Trust Signaling: Evaluating the Advantages, Risks, and Governance Implications of Next-Generation Email Verification","ano":"2026","autores":["Crossleytownsend, Nicole"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.20518920","url":"https://doi.org/10.5281/zenodo.20518920","tem_abstract":true,"palavras_chave":["Transparency (behavior)","Interoperability","Accountability","Anonymity","Hash function","Corporate governance","Digital signature","Traceability"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Examina conceitualmente a visibilidade de metadados por hover, indicadores de hash e sinais de confiança assistidos por IA como componentes de futuras estruturas de verificação de e-mail, com seus benefícios, riscos e implicações de governança.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2},"temas":["Tecnologia_de_Ataque","Ataques_de_Phishing"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00068","codigo":"FRAUDES00068","titulo":"Towards an action-based taxonomy of employee cybersecurity behaviour in organisations (TECBO)","ano":"2026","autores":["Ambuehl, Benjamin","Ebert, Nico","Geppert, Tim","Schaltegger, Thierry","Knieps, Melanie","Zimmermann, Verena"],"revista":"Computers in Human Behavior Reports","tipo_documental":"misc","doi":"10.1016/j.chbr.2026.101090","url":"https://doi.org/10.1016/j.chbr.2026.101090","tem_abstract":true,"palavras_chave":["Conceptualization","Taxonomy (biology)","Categorization","Safeguarding","Relevance (law)","Terminology","Identification (biology)"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Define comportamentos de cibersegurança de funcionários (ECBs) e propõe a taxonomia TECBO, com cinco domínios, para classificar esses comportamentos de forma unificada nas organizações.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Síntese da literatura","Teoria da Identificação da Ação","Avaliação por oito avaliadores","Confiabilidade entre avaliadores"],"fontes":["SebDB","Questionários existentes"],"ferramentas":[],"unidades":["Comportamentos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00071","codigo":"FRAUDES00071","titulo":"Artificial Intelligence for Cybersecurity: Threats, Defenses, and Emerging Challenges in the Era of Generative AI","ano":"2026","autores":["Sinha, Sonal"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.21715924","url":"https://doi.org/10.5281/zenodo.21715924","tem_abstract":true,"palavras_chave":["Exploit","Adversarial system","Applications of artificial intelligence","Taxonomy (biology)","Generative grammar","Key (lock)","Security domain","Malware"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Survey condensado sobre o papel dual da IA na cibersegurança, com taxonomia unificada de ataques ao longo do ciclo de vida da IA, defesas, frameworks de governança e desafios de pesquisa.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2},"temas":["Tecnologia_de_Ataque","Ataques_de_Phishing"],"golpes":["Phishing gerado por IA"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00073","codigo":"FRAUDES00073","titulo":"Cybersecurity Threats And Defenses In The Generative AI Era","ano":"2026","autores":["James, Ginne M"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.19466114","url":"https://doi.org/10.5281/zenodo.19466114","tem_abstract":true,"palavras_chave":["Adversarial system","Sophistication","Generative grammar","Resilience (materials science)","Malware","Taxonomy (biology)","Phishing","Cyber threats"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Análise abrangente de ameaças de cibersegurança catalisadas por IA generativa e de defesas aprimoradas por IA, com taxonomia de ameaças e avaliação comparativa de defesas tradicionais versus baseadas em IA.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2},"temas":["Tecnologia_de_Ataque","Detecção_e_Prevenção_de_Phishing"],"golpes":["Phishing gerado por IA","Engenharia social baseada em deepfake"],"canais":[],"metodos":["Taxonomia de ameaças baseadas em IA","Avaliação comparativa de defesas"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00075","codigo":"FRAUDES00075","titulo":"Strengthening Digital Financial Security Among Salaried Women: A Conceptual Framework for Safe Financial Practices","ano":"2026","autores":["Suva, Harshitaben Dineshbhai","Chavda, Dineshkumar Ramjibhai"],"revista":"International Journal of Sustainable Business Management and Accounting","tipo_documental":"misc","doi":"10.58723/ijsbma.v2i2.201","url":"https://doi.org/10.58723/ijsbma.v2i2.201","tem_abstract":true,"palavras_chave":["online fraud","phishing","digital literacy","financial literacy","risk perception","platform trust","self-efficacy","financial well-being","conceptual framework","Indian women"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":6,"relacoes":4,"resumo":"Desenvolve um framework conceitual sobre determinantes, mecanismos mediadores e resultados da consciência de segurança financeira digital entre mulheres assalariadas na Índia.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":3,"Analítico":1,"Formativo":1,"Social":1},"temas":["Comportamento_Humano_em_Segurança","Ataques_de_Phishing","Alvos_De_Phishing","Conscientização_e_Treinamento","Fatores_Humanos_em_Segurança","Fatores_Psicológicos"],"golpes":["Phishing","Fraude de OTP","SIM-swapping","Aplicativos de pagamento fraudulentos"],"canais":[],"metodos":["Desenho de pesquisa conceitual com base em dados secundários"],"fontes":["Artigos revisados por pares","livros","relatórios governamentais","documentos de política"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Índia"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00077","codigo":"FRAUDES00077","titulo":"Intelligent Cyber-Attack Prediction: Integrating Machine Learning, Deep Learning, and Generative AI","ano":"2026","autores":["S.A., Gaikwad","Rokade, Swati Rajendra","Patil, Srushti Raosaheb","Ghatule, Dhanashri Balasaheb","Vijapure, Shivmala Dilip"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.21905599","url":"https://doi.org/10.5281/zenodo.21905599","tem_abstract":true,"palavras_chave":["cyberattack prediction","intrusion detection","phishing detection","network flow analysis","CICIDS2017","ensemble classifiers","decision tree ensembles","recurrent neural networks","generative models","class imbalance","minority class augmentation","explainable AI","lime","SHAP","stacking ensemble","adversarial robustness"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Survey da pesquisa de predição de ataques cibernéticos, organizando em taxonomia classificadores clássicos, arquiteturas profundas, modelos generativos e IA explicável aplicados à detecção de intrusão e de phishing.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":3,"Formativo":1},"temas":["Aprendizado_de_Máquina","Detecção_de_Ameaças","Avaliação_de_Modelos"],"golpes":["Phishing por URL"],"canais":["Web"],"metodos":["Revisão narrativa","Estudo de caso","Stacking ensemble","LIME","SHAP"],"fontes":["CICIDS2017"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00079","codigo":"FRAUDES00079","titulo":"COGNITIVE MODEL FOR PROTECTING SOCIAL MEDIA USERS: ARCHITECTURE AND PRINCIPLES","ano":"2026","autores":["Makatov, Ye.","Razaque, Abdul","Makatova, A. Ye."],"revista":"Вестник Академии гражданской авиации","tipo_documental":"misc","doi":"10.53364/24138614_2026_40_1_16","url":"https://doi.org/10.53364/24138614_2026_40_1_16","tem_abstract":true,"palavras_chave":["Interpretability","Cognitive architecture","Cognitive model","Set (abstract data type)","Architecture","Action (physics)","Cognition","Novelty","Component (thermodynamics)"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Proposta de uma arquitetura cognitiva de proteção para redes sociais que integra percepção, interpretação, memória, decisão e filtro ético, com XAI e privacidade, contra phishing, desinformação e manipulação.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing em redes sociais"],"canais":["Redes Sociais"],"metodos":["Processamento hierárquico de informação","Índice integrativo de ameaça","Atualização bayesiana de confiança","Raciocínio ontológico","Softmax","Adaptação orientada por feedback","Federated learning","Privacidade diferencial"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00080","codigo":"FRAUDES00080","titulo":"The Socio-Economic Consequences of Cyber Crime in Calabar Municipal Council, Cross River State: An Investigative Study from 2018-2024","ano":"2026","autores":["Christopher, Afor John","Musa, Martha Ozohu"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.21319828","url":"https://doi.org/10.5281/zenodo.21319828","tem_abstract":true,"palavras_chave":["cybercrime","socio-economic impacts","online fraud","phishing","ATM skimming","digital literacy","cybersecurity awareness","law enforcement capacity","municipal governance","cybercrime typology"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Estudo investigativo sobre cibercrime no Município de Calabar (Nigéria), avaliando conscientização, tipologias, fatores socioeconômicos da participação juvenil e eficácia das forças de segurança.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2018-2024","aspectos":{"Social":1,"Econômico":1},"temas":["Atores_de_Ameaça","Motivação_e_Impacto_de_Ataques"],"golpes":["Cibercrime","Fraude online","Phishing","Fraude com skimming de caixas eletrônicos","Falsificação de identidade em redes sociais"],"canais":["Redes Sociais"],"metodos":["Desenho investigativo","Survey","Entrevistas","Estudo de caso","Análise de dados secundários"],"fontes":["Residentes de Calabar"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Calabar"],"setores":[],"teorias":[]},{"id":"fraudes00091","codigo":"FRAUDES00091","titulo":"Comprehensive Analysis of Network Security Attacks and Adaptive Countermeasures A Hybrid Machine Learning Detection Framework","ano":"2026","autores":[],"revista":"International Research Journal of Modernization in Engineering Technology and Science","tipo_documental":"misc","doi":"10.56726/irjmets98649","url":"https://doi.org/10.56726/irjmets98649","tem_abstract":true,"palavras_chave":["Intrusion detection system","Denial-of-service attack","Baseline (sea)","Anomaly detection","Artificial neural network","Constant false alarm rate","Random forest","Unsupervised learning"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Análise taxonômica de dez classes de ataques de rede, incluindo phishing, e proposta de um sistema híbrido de detecção e prevenção de intrusões com Random Forest e Isolation Forest.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Phishing"],"canais":[],"metodos":["Random Forest","Isolation Forest","Votação ponderada"],"fontes":["NSL-KDD","CICIDS2017"],"ferramentas":[],"unidades":["Registros de fluxo"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00092","codigo":"FRAUDES00092","titulo":"An Intelligent Cyber Threat Prevention: A Systematic Survey of AI-Based Approaches and Open Challenges","ano":"2026","autores":["Mehmood, Muhammad Zahid","Sumra, Irshad Ahmed","Yaqoob, Sobia"],"revista":"International Journal for Electronic Crime Investigation","tipo_documental":"misc","doi":"10.54692/ijeci.2026.1002/277","url":"https://doi.org/10.54692/ijeci.2026.1002/277","tem_abstract":true,"palavras_chave":["Transformative learning","Adversarial system","Malware","Intrusion detection system","Software deployment","Ransomware","Cyberwarfare","Digital forensics","Taxonomy (biology)","Open research"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Survey crítico sobre aplicações de IA em cibersegurança (detecção de intrusão, malware, phishing, ransomware, DDoS), com taxonomia de técnicas, análise de datasets e casos forenses no Paquistão.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Tecnologia_de_Ataque","Detecção_de_Ameaças"],"golpes":["Phishing"],"canais":[],"metodos":[],"fontes":["NSL-KDD","UNSW-NB15","CIC-IDS2017","CICIoMT2024"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Paquistão"],"setores":[],"teorias":[]},{"id":"fraudes00093","codigo":"FRAUDES00093","titulo":"Anatomy of a vishing call: A theoretically grounded review of mobile money fraud and AI voice cloning in Ghana","ano":"2026","autores":["Asante, Afua Asantewaa","Boamah, Kwaku Gyamfi","Patil, Ranjith Kumar"],"revista":"International Journal of Science and Research Archive","tipo_documental":"misc","doi":"10.30574/ijsra.2026.20.2.1456","url":"https://doi.org/10.30574/ijsra.2026.20.2.1456","tem_abstract":true,"palavras_chave":["Persuasion","Phishing","Identity theft","Database transaction","Financial transaction","Scripting language","Telephone number","Anonymity","Commit"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Revisão do vishing que viabiliza fraudes de mobile money em Gana, propondo taxonomia de ameaças e modelo de ataque em quatro estágios e examinando o papel da clonagem de voz por IA.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Lingual":1,"Social":1},"temas":["Modalidades_De_Phishing","Alvos_de_Ataque","Identidade_Alvo","Tecnologia_de_Ataque","Fatores_Humanos_em_Segurança"],"golpes":["Vishing para fraude de mobile money"],"canais":["Voz"],"metodos":["Revisão narrativa"],"fontes":["Dados de reguladores","Relatórios do setor","Literatura acadêmica"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Gana"],"setores":["Serviços financeiros móveis"],"teorias":[]},{"id":"fraudes00096","codigo":"FRAUDES00096","titulo":"Technological Advancements in Online Fraud Prevention and Legal Frameworks","ano":"2026","autores":["Adwan, Aakruti Ravi","Dhumal, Ramratan","Thomas, Sunny"],"revista":"International Research Journal of Multidisciplinary Scope","tipo_documental":"misc","doi":"10.47857/irjms.2026.v07i02.08122","url":"https://doi.org/10.47857/irjms.2026.v07i02.08122","tem_abstract":true,"palavras_chave":["Identity theft","Deception","Constructive fraud","Law enforcement","Digital forensics","Government (linguistics)","Enforcement","Language change","Payment"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":6,"relacoes":3,"resumo":"Análise crítica de tecnologias emergentes de detecção e de desenvolvimentos jurídicos para combater a fraude online em diversos setores, incluindo tipologias como phishing e fraude em metaverso.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Quantitativo":1,"Formativo":1,"Econômico":1,"Jurídico":3},"temas":["Regulação_e_Governança_Digital","Aprendizado_de_Máquina","Detecção_de_Phishing","Crimes_Digitais","Resposta_Institucional","Regulação_e_Conformidade"],"golpes":["Fraude online","Phishing","Roubo de identidade","Golpes de pagamento","Fraude de investimento","Engano baseado em IA no metaverso"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00097","codigo":"FRAUDES00097","titulo":"Adaptive Multi-Factor Authentication With Federated and Temporal Learning: A Survey","ano":"2026","autores":["Pham, Trung Kien","Le, Tan Kien","Le, Vinh Thinh"],"revista":"Technical Education Science/Giáo dục Kỹ thuật","tipo_documental":"misc","doi":"10.54644/jte.2026.2075","url":"https://doi.org/10.54644/jte.2026.2075","tem_abstract":true,"palavras_chave":["Authentication (law)","Key (lock)","Authentication protocol","Lightweight Extensible Authentication Protocol","Phishing","Open research","Field (mathematics)"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Revisão abrangente de sistemas de autenticação multifator adaptativa com foco em Federated Learning como alternativa que preserva a privacidade, propondo taxonomia e roteiro de pesquisa.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Mecanismos_de_Defesa","Segurança_de_Credenciais"],"golpes":["Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00099","codigo":"FRAUDES00099","titulo":"COLLECTIVE ACTION IS REQUIRED TO REDUCE THE BURDEN OF SPAM EMAILS IN ACADEMIA: THE CASE OF NEUROSCIENCE","ano":"2026","autores":["da Silva, Jaime A. Teixeira","Daly, Timothy P"],"revista":"Central Asian Journal of Medical Hypotheses and Ethics","tipo_documental":"misc","doi":"10.47316/cajmhe.2026.7.2.10","url":"https://doi.org/10.47316/cajmhe.2026.7.2.10","tem_abstract":true,"palavras_chave":["unsolicited email","neuroscience","phishing","red flags","predatory journals","ICMJE guidelines","victim blaming","spam reduction"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Análise de 51 e-mails de spam acadêmico recebidos por pesquisadores de neurociência, validando uma taxonomia de red flags de phishing e discutindo responsabilidades segundo as diretrizes do ICMJE 2026.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2025/11-2025/11","aspectos":{"Físico":1,"Lingual":1},"temas":["Dados_da_Vítima","Ataques_Cibernéticos"],"golpes":["Spam acadêmico","Phishing por e-mail"],"canais":["E-mail"],"metodos":["Abordagem de métodos mistos"],"fontes":["E-mails recebidos por dois pesquisadores"],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"fraudes00100","codigo":"FRAUDES00100","titulo":"Investigation of Cyber Frauds in India: Legal and Digital Forensic Challenges in the Era of UPI and Online Banking","ano":"2026","autores":["KL, Shilpa","Hanspal, Manindra Singh"],"revista":"Aviradha International Journal of Law and Legal Studies (AIJLLS)","tipo_documental":"misc","doi":"10.65785/aijlls.v2i3.17","url":"https://doi.org/10.65785/aijlls.v2i3.17","tem_abstract":true,"palavras_chave":["online fraud","Unified Payments Interface","internet banking","digital forensics","digital evidence admissibility","Information Technology Act 2000","cybercrime legislation","phishing","vishing","smishing","criminal investigation and prosecution"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Examina as questões jurídicas e de forense digital na detecção, investigação e persecução de fraudes cibernéticas no ecossistema UPI e de bancos online na Índia, incluindo a admissibilidade de provas eletrônicas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1,"Econômico":1},"temas":["Taxonomia_De_Ataques","Modalidades_De_Phishing","Crimes_Digitais"],"golpes":["Fraudes cibernéticas em UPI e bancos online (phishing, vishing, smishing, manipulação de QR Code, SIM-swap e fraude de acesso remoto)"],"canais":["SMS","Voz","QR Code"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Índia"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00101","codigo":"FRAUDES00101","titulo":"The Human Firewall - Cybersecurity, Socio-Technical Systems, and Human Factors in Information Security","ano":"2026","autores":["Adewusi, Boluwatife"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.22168751","url":"https://doi.org/10.5281/zenodo.22168751","tem_abstract":true,"palavras_chave":["Security information and event management","Insider threat","Security through obscurity","Information security","Critical security studies","Insider","Information security management","Security engineering","Human-computer interaction in information security","Cloud computing security"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Examina a cibersegurança pela lente da teoria de sistemas sociotécnicos, tratando falhas de segurança como propriedades emergentes da interação entre pessoas, processos e tecnologia, e propõe um framework integrado.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Revisão narrativa","Estudos de caso compostos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00105","codigo":"FRAUDES00105","titulo":"The Dangers of Cybercrime and How to Stay Safe Online: A Comprehensive Analysis of Threats, Impacts, And Defensive Strategies","ano":"2026","autores":["Ayebamieghayyefa, Inko"],"revista":"Engineering and Technology Journal","tipo_documental":"misc","doi":"10.47191/etj/v11i05.24","url":"https://doi.org/10.47191/etj/v11i05.24","tem_abstract":true,"palavras_chave":["Cybercrime","Ransomware","Damages","Agency (philosophy)","Resilience (materials science)","Commission","Phishing","Identity theft","European union","Investment (military)"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise abrangente de tipologias de cibercrime, quantificação de seus impactos econômicos e sociais com dados de 2020-2025 e apresentação de estratégias defensivas para indivíduos, organizações e formuladores de políticas.","foco":"Prevenção e Resposta","tipo":"Revisão Sistemática","periodo":"2020-2025","aspectos":{"Formativo":2},"temas":["Estratégias_de_Defesa","Ameaças_Digitais"],"golpes":["Cibercrime","Phishing","Spoofing","Fraude de investimento","Ransomware"],"canais":[],"metodos":["Revisão sistemática"],"fontes":["FBI IC3","ENISA","CSIS","Literatura revisada por pares"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00106","codigo":"FRAUDES00106","titulo":"Cybercrime and the Dark Web: An Analytical Study of Emerging Digital Threats and Cyber Offences in Karnataka.","ano":"2026","autores":["Belagali, Muralidhar"],"revista":"International Journal For Multidisciplinary Research","tipo_documental":"misc","doi":"10.36948/ijfmr.2026.v08i03.81636","url":"https://doi.org/10.36948/ijfmr.2026.v08i03.81636","tem_abstract":true,"palavras_chave":["cybercrime","dark web","Karnataka","phishing","business email compromise","ransomware","synthetic identity fraud","critical infrastructure attacks","transnational criminal networks","cybercrime legislation","digital forensics","cybercrime investigation","public-private collaboration","cyber resilience","digital literacy","cybercrime victimization"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Estudo do cibercrime em Karnataka e do papel da dark web em viabilizar, ampliar e ocultar crimes digitais, com propostas de resposta política e institucional.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Social":1,"Jurídico":1},"temas":["Infraestrutura_de_Ataque","Regulação_e_Governança_Digital","Ameaças_Digitais","Ameaças_Cibernéticas"],"golpes":["Cibercrime facilitado pela dark web, incluindo phishing","comprometimento de e-mail corporativo","ransomware"],"canais":[],"metodos":["Métodos mistos","Entrevistas semiestruturadas","Análise de registros policiais","Monitoramento de mercados da darknet"],"fontes":["Registros policiais","Dados de reclamações de cibercrime","Mercados da darknet","Policiais, peritos forenses e vítimas"],"ferramentas":[],"unidades":[],"territorios":["Karnataka"],"setores":[],"teorias":[]},{"id":"fraudes00107","codigo":"FRAUDES00107","titulo":"The Security Paradox of Artificial Intelligence: Evaluating Whether AI Strengthens or Weakens Modern Cybersecurity","ano":"2026","autores":["Singh, Anya"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.22788422","url":"https://doi.org/10.5281/zenodo.22788422","tem_abstract":true,"palavras_chave":["artificial intelligence in cybersecurity","generative AI","adversarial learning","AI security vulnerabilities","threat detection","automated incident response","human oversight","cybersecurity governance","AI risk management"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":4,"relacoes":3,"resumo":"Revisão que avalia se a IA tem efeito líquido positivo ou negativo na cibersegurança, comparando benefícios defensivos e riscos ofensivos, com supervisão humana e governança como moderadores.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":3,"Social":1},"temas":["Tecnologia_de_Ataque","Ataques_de_Phishing","Ameaças_Digitais","Atores_de_Ameaça"],"golpes":["Phishing"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00109","codigo":"FRAUDES00109","titulo":"Axiomatic Criterion Atlas (ACA): Persistent Geometry-Based Semantic Navigation","ano":"2026","autores":["Ernesto, Rosati Beristain"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.20250559","url":"https://doi.org/10.5281/zenodo.20250559","tem_abstract":true,"palavras_chave":["Axiom","Probabilistic logic","Natural language understanding","Pointer (user interface)","Semantic mapping","Coherence (philosophical gambling strategy)","Natural language","Axiomatic system","Deixis"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Apresenta o Axiomatic Criterion Atlas (ACA) v0.3, framework geométrico para preservar a orientação semântica em sistemas generativos, com metodologia de construção de artefatos; phishing aparece apenas como campo operacional derivado.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Projeção Triaxial de Critério (F–C–P)","Validação com casos individuais, de trajetória e diagnósticos","Benchmark de runtime"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00111","codigo":"FRAUDES00111","titulo":"ARTIFICIAL INTELLIGENCE-ENABLED FINANCIAL FRAUD: REGULATORY AND CYBERSECURITY CHALLENGES IN THE UK DIGITAL BANKING SECTOR: A Case Study of HSBC UK","ano":"2026","autores":["Fatogun, Joshua Olugbenga"],"revista":"Cognizance Journal of Multidisciplinary Studies","tipo_documental":"misc","doi":"10.47760/cognizance.2026.v06i03.021","url":"https://doi.org/10.47760/cognizance.2026.v06i03.021","tem_abstract":true,"palavras_chave":["Phishing","Data breach","Context (archaeology)","Resilience (materials science)","Identity theft","Financial services","Digital transformation","Database transaction","Banking industry"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Explora os desafios regulatórios e de cibersegurança da fraude financeira baseada em IA no setor bancário digital do Reino Unido, avaliando a resiliência do HSBC UK entre 2019 e 2024.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2019-2024","aspectos":{"Físico":1,"Formativo":1},"temas":["Modelos_de_Linguagem","Ataques_de_Phishing"],"golpes":["Fraude financeira baseada em IA","Fraude de identidade sintética","Engenharia social com deepfakes","Phishing gerado por LLM","Tomada de conta"],"canais":[],"metodos":["Estudo de caso único qualitativo","Análise documental"],"fontes":["Relatórios Anuais do HSBC Group e HSBC UK","Declarações de supervisão da FCA","Relatórios de inteligência de fraude da UK Finance","Comunicações da PRA"],"ferramentas":[],"unidades":["Documentos"],"territorios":["Reino Unido"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00112","codigo":"FRAUDES00112","titulo":"CANADIAN PROPAGANDA VECTORS INTELLIGENCE MAP & TACTICAL ASSESSMENT","ano":"2026","autores":["Synthesis, OSINT"],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.21907266","url":"https://doi.org/10.5281/zenodo.21907266","tem_abstract":true,"palavras_chave":["Disinformation","Geopolitics","Social media","Government (linguistics)","Foreign policy","Politics","National security","Information Operations","Diplomacy"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Mapa de inteligência que sintetiza campanhas multivetoriais de propaganda e desinformação de Rússia, China, Índia e Irã contra o Canadá, com TTPs, plataformas, defesas e lacunas.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Ataques_de_Phishing"],"golpes":["Campanhas de propaganda e desinformação estatais","Spear phishing"],"canais":["Redes Sociais","Mensageria Instantânea"],"metodos":["Síntese OSINT","Protocolo de verificação LHFP"],"fontes":["Global Affairs Canada","CSIS","CSE","Elections Canada","Comissão Hogue","DFRLab","Recorded Future","Brookings Institution"],"ferramentas":[],"unidades":[],"territorios":["Canadá"],"setores":[],"teorias":[]},{"id":"fraudes00120","codigo":"FRAUDES00120","titulo":"Identifying factors influencing the employee's intention with self-protective behaviors against phishing attacks","ano":"2026","autores":["Seyedeh OMSalameh Pourhashemi, Bilal Naqvi, Mehdi Azizi Mehmandoost"],"revista":"Information Technology and People","tipo_documental":"misc","doi":"10.1108/itp-11-2024-1429","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Examina os fatores que influenciam a intenção de funcionários de instituições de ensino superior de adotar comportamentos autoprotetivos contra phishing, usando a teoria da motivação de proteção estendida com conhecimento conceitual e procedimental.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":3,"Formativo":1,"Social":1},"temas":["Ataques_de_Phishing","Comportamento_Humano_em_Segurança","Fatores_Psicológicos"],"golpes":["Phishing"],"canais":[],"metodos":["Teoria da Motivação de Proteção"],"fontes":["Funcionários de instituições de ensino superior"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Educação"],"teorias":["Teoria da Motivação de Proteção"]},{"id":"fraudes00139","codigo":"FRAUDES00139","titulo":"Consumer Acceptance of Conversational Bots: Systematic Literature Review and Meta‐Analysis","ano":"2026","autores":["Omar H. Fares, Seung Hwan (Mark) Lee"],"revista":"Journal of Consumer Behaviour","tipo_documental":"misc","doi":"10.1002/cb.70130","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Revisão sistemática e meta-análise sobre os motivadores da aceitação de bots conversacionais pelos consumidores, propondo um modelo unificado de aceitação e uma agenda de pesquisa futura.","foco":"Não Especificado","tipo":"Revisão Sistemática","periodo":"2008-2024","aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Revisão sistemática da literatura","Meta-análise","Síntese narrativa","Framework TCCM"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00154","codigo":"FRAUDES00154","titulo":"A framework for affinity-based personalized review recommendation","ano":"2026","autores":["Duy Tan Nguyen, Warut Khern-am-nuai, Yossiri Adulyasak, Jean-François Cordeau"],"revista":"Electronic Commerce Research","tipo_documental":"misc","doi":"10.1007/s10660-026-10143-2","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Framework de recomendação personalizada de avaliações online baseado na afinidade usuário-avaliação, para reduzir a sobrecarga de informação e aumentar o engajamento em uma plataforma de avaliações de restaurantes.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Web"],"metodos":["Modelo conceitual","Análise preditiva","Simulações contrafactuais","Aprendizado de máquina"],"fontes":["Dados de log de plataforma de avaliações de restaurantes"],"ferramentas":[],"unidades":["Avaliações"],"territorios":["Ásia"],"setores":["Restaurantes"],"teorias":[]},{"id":"fraudes00159","codigo":"FRAUDES00159","titulo":"Care, Wisdom, and Civics: Value Sensitive Design of Large Language Model Support for Online Moderation","ano":"2026","autores":["Lovely-Frances Domingo, Sarah Gilbert, Yang (Trista) Cao, Hal Daumé III, Michelle L. Mazurek, Katie Shilton"],"revista":"ACM Transactions on Computer-Human Interaction","tipo_documental":"misc","doi":"10.1145/3796227","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Processo de design sensível a valores com moderadores voluntários do Reddit para identificar valores de cuidado, sabedoria e civismo e relacioná-los às capacidades e limites de LLMs no apoio à moderação de conteúdo.","foco":"Não Especificado","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Social":1},"temas":["Defesa_Organizacional","Modelos_de_Linguagem"],"golpes":[],"canais":["Redes Sociais"],"metodos":["Design sensível a valores","Entrevistas iterativas","Investigação conceitual em ética das virtudes","Investigação técnica"],"fontes":["Moderadores voluntários do Reddit"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00164","codigo":"FRAUDES00164","titulo":"The New Web Attack Surface: A Taxonomy of Semantic and Agentic Threats in AI Browsers","ano":"2026","autores":["Pedro Henrique Sachete Garcia, Paulo Silas Severo de Souza, Marcelo Caggiani Luizelli, Jaline Gonçalves Mombach, Andréia Dos Santos Sachete, Fábio Diniz Rossi"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2026.3680147","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Survey de navegadores web habilitados por IA e proposta da taxonomia de ameaças AIA-WEB, com quatro macroclasses e doze categorias de ataque, além de estratégias de mitigação.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ataques_e_Exploração","Infraestrutura_Tecnológica"],"golpes":["Prompt injection contra navegadores web habilitados por IA"],"canais":["Web"],"metodos":["Revisão narrativa","Taxonomia AIA-WEB"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00196","codigo":"FRAUDES00196","titulo":"BERT-OTA: Enhancing Hate Speech Detection With Ontology-Guided Transformer Attention","ano":"2026","autores":["Mahmoud Abusaqer, Jamil Saquer, Mukulika Ghosh"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2026.3650874","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":3,"relacoes":2,"resumo":"Propõe o BERT-OTA, arquitetura de dois fluxos que integra conhecimento ontológico via Graph Convolutional Network a um BERT com atenção para detectar discurso de ódio em mídias sociais.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":2},"temas":["Aprendizado_de_Máquina","Modelagem_Formal","Detecção_de_Phishing"],"golpes":["Discurso de ódio em redes sociais"],"canais":["Redes Sociais"],"metodos":["BERT","Graph Convolutional Network","Atenção por produto escalar"],"fontes":["Davidson","Impermium","Waseem & Hovy"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00197","codigo":"FRAUDES00197","titulo":"Large Language Models for Malware Detection: A Systematic Review, Taxonomy, and Open Challenges","ano":"2026","autores":["Joyce Champie, Karim Elish"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2026.3680058","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Revisão temática da detecção de malware orientada por LLMs em ambientes heterogêneos, com taxonomia unificada e avaliação comparativa de eficácia, robustez, eficiência, explicabilidade e privacidade.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":"2020-2025","aspectos":{"Físico":1,"Formativo":1},"temas":["Vetores_de_Ataque","Modelos_de_Linguagem"],"golpes":["Malware"],"canais":[],"metodos":["Revisão temática"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00216","codigo":"FRAUDES00216","titulo":"Phishing-Safe URL Recommendation with Open Large Language Models via Exposure-Minimizing Admission Control","ano":"2026","autores":["Zhang, Lin (60808026700); Park, Yongsu (7405369734)"],"revista":"Applied Sciences (Switzerland)","tipo_documental":"misc","doi":"10.3390/app16168140","url":"https://www.scopus.com/pages/publications/105048331527?origin=resultslist","tem_abstract":true,"palavras_chave":["admission control; exposure minimization; large language models; phishing-safe recommendation; trustworthy artificial intelligence; URL recommendation; URL security; Computer crime; Electronic commerce; Network security; Phishing; Admission-control; Exposure minimization; Language model; Large language model; Minimisation; Phishing; Phishing-safe recommendation; Trustworthy artificial intelligence; URL recommendation; URL security; accuracy; algorithm; Article; artificial intelligence; benchmarking; classifier; electronic commerce; exposure; family; filtration; human; large language model; phishing; reasoning; sensitivity analysis; shopping; taxonomy; trustworthiness; Artificial intelligence"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Propõe o SAFER, framework de filtragem adaptativa à segurança que minimiza a exposição a URLs de phishing em recomendações de links feitas por assistentes de e-commerce baseados em LLM.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Formativo":2,"Lingual":1},"temas":["Modelos_de_Linguagem","Infraestrutura_de_Ataque","Estratégias_de_Defesa"],"golpes":["Phishing por URL em recomendações de assistentes de e-commerce baseados em LLM"],"canais":["Web"],"metodos":["Prompting como defesa","Pré-filtro lexical e estrutural determinístico","Raciocínio em passagem única aumentado por evidências","Pós-verificação deny-by-default"],"fontes":["OpenPhish","Dados sintéticos"],"ferramentas":[],"unidades":["URLs"],"territorios":[],"setores":["Comércio eletrônico"],"teorias":[]},{"id":"fraudes00219","codigo":"FRAUDES00219","titulo":"A Tri-Axis Systematic Literature Review of AI-Powered Cyber Defense: ATT&CK-Aligned Analysis of Cyberattacks, Machine Learning Methods, and Datasets","ano":"2026","autores":["Chizari, Mohammad (60244023500); Alam, Abu (57191334941); Ali Mirza, Qublai Khan (57191343124); Chizari, Hassan (35408890600)"],"revista":"Electronics (Switzerland)","tipo_documental":"misc","doi":"10.3390/electronics15132804","url":"https://www.scopus.com/pages/publications/105044602936?origin=resultslist","tem_abstract":true,"palavras_chave":["cyberattack analysis; cybersecurity; dataset taxonomy; deep learning; intrusion detection; machine learning; MITRE ATT&CK; systematic literature review (SLR); threat detection; Integrated circuits; Intrusion detection; Learning algorithms; Learning systems; Malware; Network security; Cyber security; Cyber-attacks; Cyberattack analyze; Dataset taxonomy; Deep learning; Intrusion-Detection; Machine-learning; MITRE ATT&CK; Systematic literature review; Threat detection; Deep learning"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão sistemática de estudos de defesa cibernética baseada em IA e ML (2019-2025), com síntese em três eixos alinhada ao MITRE ATT&CK, cruzando ataques, métodos de ML e datasets.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":"2019-2025","aspectos":{"Analítico":1,"Formativo":1},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Ataques cibernéticos em geral"],"canais":[],"metodos":["Revisão sistemática da literatura","Síntese em três eixos com referência cruzada"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0163_phishing","codigo":"G0163","titulo":"CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","ano":"2026","autores":["Hakim, Safayat Bin","Afzal, Aniqa","Zhao, Qi","Majmundar, Vigna","Sloboda, Pawel","Song, Houbing"],"revista":"Maryland Shared Open Access Repository","tipo_documental":"misc","doi":"10.13016/m2w2i0-osjt","url":"https://doi.org/10.13016/m2w2i0-osjt","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Primeira rodada, Triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Apresenta o CyberCane, framework neuro-simbólico que combina análise simbólica determinística e RAG com preservação de privacidade, mais a ontologia PhishOnt, para detectar phishing em domínios críticos de privacidade.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Formativo":1},"temas":["Detecção_de_Ameaças","Ferramentas_de_Detecção","Métodos_de_Detecção"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Framework neuro-simbólico","Geração aumentada por recuperação (RAG)","Regras simbólicas","Redação automatizada de dados sensíveis","Raciocínio formal em ontologia OWL"],"fontes":["DataPhish 2025","Nazario","SpamAssassin"],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"g0173_phishing","codigo":"G0173","titulo":"Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email","ano":"2026","autores":["Collins, Christopher P.","Levy, Yair","Simco, Gregory","Wang, Ling"],"revista":"Journal of The Colloquium for Information Systems Security Education","tipo_documental":"article","doi":"10.53735/cisse.v13i1.228","url":"https://doi.org/10.53735/cisse.v13i1.228","tem_abstract":true,"palavras_chave":["Phishing","social engineering","healthcare cybersecurity","mobile device cybersecurity","human factors in cybersecurity","SETA in healthcare"],"anotado":true,"base":"abstract","lote":"Primeira rodada, Triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Desenvolvimento e validação empírica da taxonomia HWPRE, que posiciona profissionais de saúde por suscetibilidade geral ao phishing por e-mail e capacidade de detectar pistas de phishing móvel.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Sensitivo":3},"temas":["Fatores_Humanos","Infraestrutura_de_E-mail","Fatores_Humanos_em_Phishing","Vulnerabilidade_Humana"],"golpes":["Phishing por e-mail em dispositivos móveis"],"canais":["E-mail"],"metodos":["Método Delphi","Estudo piloto","Avaliação baseada em cenários"],"fontes":["Profissionais de saúde","Especialistas em cibersegurança"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"g0175_phishing","codigo":"G0175","titulo":"Blockchain Transaction Simulation Phishing","ano":"2026","autores":["Wang, Xiaocan","Guan, Shixuan","Yang, Tong","Luo, Xiapu","Duan, Yue","Li, Kai"],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.2607.28747","url":"https://doi.org/10.48550/arxiv.2607.28747","tem_abstract":true,"palavras_chave":["Blockchain Phishing","Transaction Simulation"],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":6,"relacoes":4,"resumo":"Estudo do phishing por simulação de transações em carteiras de criptoativos, com taxonomia de contratos de phishing e o sistema SimGuard para detectá-los em bytecode.","foco":"Mecanismo do Ataque","tipo":"Proposta de Sistema","periodo":"2024/08-2025/06","aspectos":{"Físico":3,"Analítico":1,"Formativo":1,"Econômico":1},"temas":["Métodos_de_Detecção","Mecanismos_de_Defesa","Ferramentas_de_Detecção","Tecnologia_de_Ataque","Técnicas_de_Ataque","Alvos_de_Ataque"],"golpes":["Phishing por simulação de transações"],"canais":["Blockchain"],"metodos":["Análise estática de programas","Análise dinâmica de programas","Clusterização"],"fontes":["Ethereum","Binance Smart Chain","Avalanche","Polygon"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"g0205_phishing","codigo":"G0205","titulo":"Leveraging Metadata to Detect Phishing Where it Spreads","ano":"2026","autores":["Erfan, Mina"],"revista":"University of Ottawa","tipo_documental":"mastersthesis","doi":"10.20381/ruor-31661","url":"https://doi.org/10.20381/ruor-31661","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":6,"relacoes":4,"resumo":"Analisa a propriedade da infraestrutura de domínios de phishing (própria, comprometida ou de terceiros) e propõe detecção leve em nível de mensagem baseada em propagação em redes sociais, comparada a LLMs.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":3,"Analítico":2,"Formativo":1},"temas":["Detecção_de_Ameaças","Métodos_de_Detecção","Ataques_de_Phishing","Infraestrutura_Técnica_de_Phishing","Modelos_de_Linguagem","Infraestrutura_de_Ataque"],"golpes":["Phishing"],"canais":["Web","Redes Sociais"],"metodos":["Taxonomia de propriedade de domínios","Análise de dados em larga escala","Detecção baseada em propagação","Comparação com LLMs"],"fontes":["PhishXtract","TelePhish"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0232_phishing","codigo":"G0232","titulo":"Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection","ano":"2026","autores":["Koide, Takashi","Nakano, Hiroki","Chiba, Daiki"],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.2602.05484","url":"https://doi.org/10.48550/arxiv.2602.05484","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":5,"relacoes":5,"resumo":"Avaliação abrangente de prompt injection contra detecção de phishing baseada em LLMs multimodais, com taxonomia de ataques e o framework de defesa InjectDefuser.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":2,"Analítico":1,"Formativo":2},"temas":["Modelos_de_Linguagem","Detecção_de_Ameaças","Defesa_Técnica","Ataques_e_Exploração"],"golpes":["Phishing em sites"],"canais":["Web"],"metodos":["Taxonomia bidimensional","Avaliação empírica de ataques de prompt injection","Prompt hardening","Retrieval augmentation baseada em allowlist","Validação de saída"],"fontes":[],"ferramentas":[],"unidades":["Páginas web"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0253_phishing","codigo":"G0253","titulo":"PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection","ano":"2026","autores":["Somaraju, Jahnavi","G, Dhanalakshmi","V, Rakshitha","G, Kavitha","A, Rajani"],"revista":"Zenodo","tipo_documental":"misc","doi":"10.5281/zenodo.21523014","url":"https://doi.org/10.5281/zenodo.21523014","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Propõe o PhishNet, sistema de detecção de phishing sensível a custo, com aquisição de características em camadas e ensemble por stacking, treinado com sobreamostragem segura por dobra e matriz de custos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Lingual":1,"Estético":1},"temas":["Detecção_de_Ameaças","Alvos_de_Ataque","Aprendizado_de_Máquina","Infraestrutura_de_Ataque"],"golpes":["Phishing"],"canais":["Web"],"metodos":["Aprendizado sensível a custo","Stacked generalization","Regressão logística","Sobreamostragem segura por dobra","LightGBM","Análise de curvas de custo"],"fontes":[],"ferramentas":[],"unidades":["URLs"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0293_phishing","codigo":"G0293","titulo":"TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift","ano":"2026","autores":["Aziz, Akam","Haje, Umran Abdullah"],"revista":"The Indonesian Journal of Computer Science","tipo_documental":"article","doi":"10.33022/ijcs.v15i4.5223","url":"https://doi.org/10.33022/ijcs.v15i4.5223","tem_abstract":true,"palavras_chave":["phishing detection","source-aware evaluation","safety gates","email-to-SMS shift","three-class detection"],"anotado":true,"base":"texto integral","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":60,"conceitos":108,"relacoes":98,"resumo":"Avaliação do fluxo de governança e avaliação TrustPhish-AI para detecção de phishing em três classes (Legítimo, Suspeito e Phishing) com portões de segurança pré-especificados e análise de deslocamento de fonte entre e-mail e SMS.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":26,"Analítico":44,"Formativo":27,"Lingual":7,"Social":1,"Econômico":1,"Jurídico":2},"temas":["Avaliação_de_Modelos","Detecção_de_Phishing","Aprendizado_de_Máquina","Qualidade_de_Dados","Robustez_de_Modelos","Desempenho_de_Detecção","Modelos_de_Linguagem","Métricas_de_Avaliação","Avaliação_de_Desempenho","Metodologia_de_Pesquisa","Gestão_de_Risco","Detecção_e_Classificação","Ataques_de_Phishing","Metodologia_Científica","Controle_de_Qualidade","Dados_e_Privacidade","Métricas_de_Concordância","Validação_de_Anotação","Contramedidas_e_Defesa","Representação_de_Texto","Métricas_de_Desempenho","Alvos_de_Ataque","Coleta_de_Dados","Gestão_de_Dados","Detecção_e_Classificação_de_Phishing","Desempenho_de_Sistemas","Avaliação_de_Confiabilidade","Avaliação_de_Sistemas_de_Detecção","Detecção_de_Anomalias","Classificação_Automática","Detecção_De_Phishing","Governança_de_Modelos","Características_de_Conjuntos_de_Dados","Métodos_de_Detecção","Governança_de_Dados","Gestão_de_Segurança","Vetores_de_Ataque","Técnicas_de_Engenharia_Social","Ferramentas_de_Detecção","Desempenho_de_Classificação","Avaliação_de_Modelos_de_Detecção","Classificação_e_Taxonomia","Detecção_de_Ameaças","Metodologia_de_Aprendizado_de_Máquina","Controle_de_Segurança","Proteção_e_Defesa","Segurança_de_Sistemas","Extração_de_Características"],"golpes":["Phishing por e-mail","Smishing"],"canais":["E-mail","SMS"],"metodos":["Regressão logística com TF-IDF em nível de palavra e caractere","Aumento de dados balanceado por célula","Ajuste fino de DistilRoBERTa","Transformador hierárquico","Adjudicação humana dual","Avaliação com portões de segurança pré-especificados","Diagnóstico disjunto por família"],"fontes":["SpamAssassin","Conjuntos públicos de SMS e e-mail"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0296_phishing","codigo":"G0296","titulo":"Phishing in the age of distributed intelligence: taxonomies, detection strategies, and the emerging role of federated learning","ano":"2026","autores":["Daoud, Esraa","Garcia-Blas, Javier","Alawadi, Sadi","Carretero, J."],"revista":"Progress in Artificial Intelligence","tipo_documental":"article","doi":"10.1007/s13748-026-00448-6","url":"https://doi.org/10.1007/s13748-026-00448-6","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Survey abrangente do panorama do phishing, com taxonomia multidimensional de ataques e revisão de estratégias de detecção, examinando o papel do Federated Learning na detecção com preservação de privacidade.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Detecção_de_Ameaças","Metodologia_de_Aprendizado_de_Máquina"],"golpes":["Phishing"],"canais":[],"metodos":["Federated Learning"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"martinez-echevarria2026","codigo":"MARTINEZ-ECHEVARRIA2026","titulo":"The Generalization Gap: Do Audio Deepfake Detectors Actually Protect Against Modern Vishing?","ano":"2026","autores":["Martínez-Echevarría, Victoria García","Palacios, Rafael","López, Gregorio","Gupta, Amar"],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics15132846","url":"https://www.scopus.com/pages/publications/105044571415?origin=resultslist","tem_abstract":true,"palavras_chave":["Audio acoustics; Computer crime; Convolution; Convolutional neural networks; Learning systems; Network security; Speech communication; Speech recognition; Speech synthesis; AI-generated speech; Automatic Detection; Convolutional neural network; Generalisation; One-class learning; Phishing; Social engineering; Spoofing detection; Synthetic speech; Vishing; Sonar"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":3,"relacoes":3,"resumo":"Estuda a detecção automática de fala gerada por IA contra vishing, avaliando a generalização de detectores para métodos de síntese modernos não vistos no treinamento.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":3},"temas":["Modalidades_De_Phishing","Tecnologia_de_Ataque","Detecção_de_Phishing"],"golpes":["Vishing com clonagem de voz por IA"],"canais":["Voz"],"metodos":["Residual CNN","Aprendizado one-class","ResNet-18"],"fontes":["ASVspoof 2019 Logical Access","SONAR"],"ferramentas":[],"unidades":["Áudios"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00004","codigo":"REF","titulo":"Cryptocrime in the Context of Digital Transformation","ano":"2026","autores":["Florea, Evgheni"],"revista":"Revista de Direito, Estado e Telecomunicacoes","tipo_documental":"article","doi":"10.26512/lstr.v18i2.60028","url":"https://www.scopus.com/pages/publications/105042137999?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Estudo das características quantitativas e qualitativas do crime com criptoativos na transformação digital, sintetizando dados estatísticos e estudos de caso e destacando o papel do letramento digital.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2015-2024","aspectos":{"Sensitivo":2,"Analítico":1,"Jurídico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Fatores_Humanos_em_Segurança","Crimes_Digitais","Vulnerabilidade_Humana"],"golpes":["Crimes com criptoativos","Golpe de investimento com criptoativos","Golpe romântico com criptoativos","Fraude bancária com criptoativos"],"canais":["Blockchain"],"metodos":["Análise comparativa","Abordagem criminológica","Pesquisa estatística","Estudos de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00030","codigo":"REF","titulo":"Clean up the mess: Addressing data pollution in cryptocurrency abuse reporting services","ano":"2026","autores":["Gomez, Gibran","van Liebergen, Kevin","Sanvito, Davide","Siracusano, Giuseppe","Gonzalez, Roberto","Caballero, Juan"],"revista":"Future Generation Computer Systems","tipo_documental":"article","doi":"10.1016/j.future.2025.108313","url":"https://www.scopus.com/pages/publications/105030092066?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Classification (of information); Data mining; Investments; Text processing; Block-chain; Cryptocurrency abuse reporting service; Data-source; F1 scores; Financial impacts; LLM-based classification; Public dataset; Reporting service; Research questions; Work analysis; Bitcoin"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Análise da poluição de dados em serviços de denúncia de abusos com criptomoedas e proposta de um classificador não supervisionado baseado em LLM para filtrar spam, classificar tipos de abuso e quantificar o impacto financeiro.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Analítico":1},"temas":["Qualidade_de_Dados","Modelos_de_Linguagem"],"golpes":["Golpes com criptoativos","Golpe de investimento com criptoativos","Extorsão com criptoativos"],"canais":["Blockchain","E-mail"],"metodos":["Classificador não supervisionado baseado em LLM","Classificador supervisionado"],"fontes":["BitcoinAbuse","Serviços de denúncia de abuso de criptomoedas"],"ferramentas":[],"unidades":["Denúncias"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00031","codigo":"REF","titulo":"Human-supervised LLM triage of pig butchering complaints: A validation study of multi-model identifier extraction","ano":"2026","autores":["Ko, Sanghyeob","Kim, Jumi","Jang, Jin Young","Kim, Gibum"],"revista":"Journal of Forensic Sciences","tipo_documental":"article","doi":"10.1111/1556-4029.70411","url":"https://www.scopus.com/pages/publications/105045397795?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Estudo de validação da extração por LLMs multimodelo com supervisão humana de identificadores relevantes para triagem em queixas de pig butchering, com taxonomia forense de quatro níveis baseada em informação.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":"2022-2024","aspectos":{"Físico":1,"Analítico":1,"Formativo":1},"temas":["Objetivos_de_Ataque","Modelos_de_Linguagem","Extração_de_Características"],"golpes":["Pig butchering com criptoativos"],"canais":[],"metodos":["Extração com LLMs multimodelo","Claude Sonnet 4.5","GPT-5.2","Gemini 3 Pro","Expressões regulares","spaCy NER","Kappa de Cohen"],"fontes":["California DFPI"],"ferramentas":[],"unidades":["Queixas"],"territorios":["Califórnia"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00038","codigo":"REF","titulo":"The Palm-Wine Drinkard as African Indigenous intelligence: a metaphoric inquest into global investment fraud","ano":"2026","autores":["Agunbiade, Oyewumi Olatoye"],"revista":"African Identities","tipo_documental":"article","doi":"10.1080/14725843.2026.2643673","url":"https://www.scopus.com/pages/publications/105033030195?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Leitura de The Palm-Wine Drinkard, de Tutuola, à luz do Novo Historicismo, como inteligência indígena capaz de esclarecer os truques dos esquemas Ponzi e a relação entre golpistas, vítimas e autoridades.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Lingual":1,"Econômico":1},"temas":["Educação_e_Conscientização","Crimes_Digitais"],"golpes":["Esquema Ponzi","Golpe de investimento"],"canais":[],"metodos":["Análise literária","Novo Historicismo"],"fontes":["The Palm-Wine Drinkard"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Novo Historicismo"]},{"id":"ref_72db3d675ef9_00049","codigo":"REF","titulo":"A scoping review of online romance scams: Conceptual construction and comparative analysis","ano":"2026","autores":["Wang, Fangzhou"],"revista":"International Review of Victimology","tipo_documental":"article","doi":"10.1177/02697580251414141","url":"https://www.scopus.com/pages/publications/105028424063?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":2,"conceitos":4,"relacoes":2,"resumo":"Revisão de escopo de 62 estudos empíricos que desenvolve uma tipologia de golpes românticos online, distinguindo golpes românticos de adiantamento de taxa e golpes românticos baseados em investimento.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":"2024/01-2025/10","aspectos":{"Formativo":1,"Social":1,"Econômico":2},"temas":["Modalidades_de_Ataque","Infraestrutura_de_Ataque","Motivação_e_Impacto_de_Ataques"],"golpes":["Golpe romântico de adiantamento de taxa","Golpe romântico de investimento (pig-butchering)"],"canais":[],"metodos":["Revisão de escopo"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00051","codigo":"REF","titulo":"Beyond Financial Loss: A Qualitative Inquiry into Consumer Investment Fraud Victimization and Recovery","ano":"2026","autores":["Gano, Dalifer A."],"revista":"International Research Journal of Multidisciplinary Scope","tipo_documental":"article","doi":"10.47857/irjms.2026.v07i03.012247","url":"https://www.scopus.com/pages/publications/105045138211?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":4,"relacoes":3,"resumo":"Estudo fenomenológico descritivo sobre as experiências vividas por vítimas-sobreviventes de golpes de investimento nas Filipinas, abordando táticas dos golpistas, consequências e estratégias de enfrentamento.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Econômico":1,"Estético":1,"Pístico":1},"temas":["Manipulação_Psicológica","Engano_e_Falsificação","Crimes_Digitais"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Fenomenologia descritiva","Amostragem intencional","Entrevistas","Método de Colaizzi"],"fontes":["Vítimas-sobreviventes de golpes de investimento"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Filipinas"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00052","codigo":"REF","titulo":"Influencing factors and mechanisms of action on the participation intentions of cryptocurrency investment fraud victims—A quantitative examination from the perspective of the theory of planned behavior","ano":"2026","autores":["Wang, Jianbo","Deng, Liang"],"revista":"PLOS ONE","tipo_documental":"article","doi":"10.1371/journal.pone.0339989","url":"https://www.scopus.com/pages/publications/105031149024?origin=resultslist","tem_abstract":true,"palavras_chave":["adult; anxiety; Article; awareness; behavior; behavior control; confirmatory factor analysis; correlation analysis; cryptocurrency; decision making; drug mechanism; economic aspect; exploratory factor analysis; extraversion; female; human; hypothesis; investment; knowledge; law; linear regression analysis; male; neurosis; offender; open access publishing; personality; personality assessment; quantitative analysis; questionnaire; regression model; reliability; social influence; structural equation modeling; Theory of Planned Behavior; victim; workplace; article; attitude; China; drug therapy; fraud; investment; participation; prevention; risk seeking"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":6,"relacoes":4,"resumo":"Estudo com 287 vítimas na China sobre os determinantes e mecanismos da intenção de investir entre vítimas de golpes de investimento em criptomoedas, com base na Teoria do Comportamento Planejado.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Sensitivo":4,"Social":1},"temas":["Fatores_Psicológicos","Fatores_Humanos_e_Psicológicos","Infraestrutura_Tecnológica"],"golpes":["Golpe de investimento em criptoativos"],"canais":[],"metodos":["Modelagem de equações estruturais","Pesquisa por questionário"],"fontes":["Vítimas de golpes de investimento em criptomoedas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["China"],"setores":["Criptoativos"],"teorias":["Teoria do Comportamento Planejado"]},{"id":"ref_72db3d675ef9_00053","codigo":"REF","titulo":"The law and consumer harm in multi-level marketing: a review","ano":"2026","autores":["Groβ, C.","Keep, W.W."],"revista":"Journal of Marketing Management","tipo_documental":"article","doi":"10.1080/0267257X.2025.2578617","url":"https://www.scopus.com/pages/publications/105036351940?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Examina a lacuna entre os danos legais e ao consumidor causados pelo marketing multinível (MLM) e seu tratamento na literatura de marketing, propondo uma definição revisada de MLM.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Lingual":1,"Social":1},"temas":["Metodologia_Científica","Atores_de_Ameaça"],"golpes":["Marketing multinível (MLM) e esquemas de pirâmide"],"canais":[],"metodos":["Revisão narrativa"],"fontes":["Periódicos de direito","Periódicos de marketing"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Venda direta"],"teorias":[]},{"id":"ref_72db3d675ef9_00060","codigo":"REF","titulo":"Decoding crypto asset fraud: A crime script analysis of crypto Ponzi, rug pull, and mint-and-run schemes","ano":"2026","autores":["Costello, Adam","Gundur, R.V."],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2026.100239","url":"https://www.scopus.com/pages/publications/105046364741?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":7,"relacoes":4,"resumo":"Análise de roteiro de crime (crime script) das etapas cronológicas e funcionais usadas por golpistas em fraudes com criptoativos, com implicações para reguladores.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Cinemático":1,"Analítico":1,"Econômico":3,"Jurídico":2},"temas":["Modalidades_de_Ataque","Regulação_e_Governança_Digital","Metodologia_de_Pesquisa","Características_do_Ataque","Crimes_Digitais"],"golpes":["Fraude com criptoativos","Esquema Ponzi com criptoativos","Exit scam com criptoativos (rug pull)","Mint-and-run com NFTs"],"canais":["Blockchain"],"metodos":["Análise de roteiro de crime"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00067","codigo":"REF","titulo":"The Industrialization of Messaging Scams in the LLM Era","ano":"2026","autores":["Gressel, Gilad","Pankajakshan, Rahul","Li, Ling","Franceschini, Ivan","Achuthan, Krishnashree","Mirsky, Yisroel"],"revista":"ACM WDC 2026 - Proceedings of the 5th ACMACM Workshop on the security implications of Deepfakes and Cheapfakes","tipo_documental":"conference","doi":"10.1145/3803629.3803676","url":"https://www.scopus.com/pages/publications/105046505520?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Computer crime; Human computer interaction; Human engineering; Network security; Social sciences computing; Text messaging; Compound operation; Conversational scam; Cyber-crimes; Fraud; Industrialisation; LLM; Messaging platform; Organizational structures; Social engineering; Southeast Asia; Crime"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Discute como LLMs industrializam golpes por mensagens de texto, propõe uma taxonomia desses golpes e relata entrevistas com insiders de sindicatos criminosos do Sudeste Asiático sobre o uso do ChatGPT.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":"2022-2026","aspectos":{"Físico":1,"Analítico":1,"Formativo":1,"Lingual":1},"temas":["Modalidades_de_Ataque","Modelos_de_Linguagem","Tecnologia_de_Ataque","Métodos_de_Detecção"],"golpes":["Golpes por mensagens de texto operados com LLM","Golpe de romance com investimento (pig butchering)","Golpe de falsa emergência familiar","Golpe de personificação de segurança de conta","Sextorsão"],"canais":["Mensageria Instantânea","SMS"],"metodos":["Entrevistas com insiders"],"fontes":["Entrevistas com insiders de sindicatos criminosos"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Sudeste Asiático"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00081","codigo":"REF","titulo":"Shared digital, social, and cognitive mechanisms in gambling and pseudo-investment schemes in Kazakhstan: a multi-source qualitative study","ano":"2026","autores":["Khamzina, Zhanna","Buribayev, Yermek"],"revista":"Frontiers in Psychology","tipo_documental":"article","doi":"10.3389/fpsyg.2026.1756586","url":"https://www.scopus.com/pages/publications/105050151269?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo qualitativo multifonte no Cazaquistão sobre mecanismos de entrada e retenção em apostas online, cassinos e esquemas pseudo-investimento piramidais, avaliando trajetórias e migração entre domínios.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2},"temas":["Fatores_Humanos_e_Psicológicos","Vulnerabilidade_Humana"],"golpes":["Esquemas piramidais de pseudo-investimento","Apostas online"],"canais":["Web","Mensageria Instantânea"],"metodos":["Desenho qualitativo multifonte","Entrevistas","Grupos focais","Codificação por tipo de fonte","Joint displays com preservação de proveniência"],"fontes":["Entrevistas com pessoas com problemas de jogo","Participantes de pseudo-investimento","Familiares","Psicólogos e psicoterapeutas","Policiais","Grupos focais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Cazaquistão"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00127","codigo":"REF","titulo":"From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","ano":"2026","autores":["Sarkar, Gargi","Sachdeva, Arush","Shukla, Sandeep Kumar"],"revista":"SPAIC 2026 - 1st Security and Privacy for Asian Internet Communities Workshop, Co-located with AsiaCCS","tipo_documental":"conference","doi":"10.1145/3803632.3807887","url":"https://www.scopus.com/pages/publications/105047959750?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Computer crime; Crime; Economics; Investments; Learning systems; Asian digital society; Cognitive manipulation; Cyber-crimes; Cybercrime narrative; Digital society; Human-centered security; Interpretable AI; Investment fraud; Lock-in; Multi-label classifications; Semantics"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise de 19480 relatos de vítimas de golpes de investimento em Telangana, Índia, modelando a jornada da fraude em cinco estágios com um pipeline de IA centrado no humano.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":1,"Pístico":1},"temas":["Crimes_Digitais","Manipulação_Psicológica"],"golpes":["Golpe de investimento"],"canais":["Mensageria Instantânea"],"metodos":["Modelo de jornada da fraude em cinco estágios","Aprendizado de máquina interpretável","Modelagem semântica baseada em transformer","Modelos ensemble","SHAP"],"fontes":["Denúncias de crimes cibernéticos de Telangana"],"ferramentas":[],"unidades":["Denúncias"],"territorios":["Telangana"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00136","codigo":"REF","titulo":"Detecting Smart Ponzi Schemes on Blockchain Using Machine Learning: A Comprehensive Survey","ano":"2026","autores":["Kumar, Dheeraj","Palaniswami, Marimuthu","Muthukkumarasamy, Vallipuram"],"revista":"Distributed Ledger Technologies","tipo_documental":"article","doi":"10.1145/3761827","url":"https://www.scopus.com/pages/publications/105029645916?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Survey das técnicas de aprendizado de máquina e IA propostas para detectar esquemas Ponzi inteligentes em Bitcoin e Ethereum, categorizando datasets, características e abordagens.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina","Detecção_de_Anomalias"],"golpes":["Esquemas Ponzi inteligentes em blockchain"],"canais":["Blockchain"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00139","codigo":"REF","titulo":"The scammer's playbook: Exploring the psychological techniques and tactics used by scammers in the social engineering of cryptocurrency fraud","ano":"2026","autores":["Dulisse, Brandon","Fitch, Chivon","Connealy, Nathan"],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2026.100211","url":"https://www.scopus.com/pages/publications/105030839929?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Análise de 282 narrativas verificadas de vítimas de fraude com criptomoedas para codificar táticas e técnicas psicológicas usadas pelos golpistas e sua relação com perdas financeiras.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2023-2024","aspectos":{"Analítico":1,"Formativo":1,"Econômico":2},"temas":["Crimes_Digitais","Autenticação_e_Segurança","Impacto_do_Phishing","Defesa_e_Mitigação"],"golpes":["Fraude com criptomoedas","Plataformas fraudulentas de negociação","Golpe pig-butchering"],"canais":[],"metodos":["Codificação sistemática de narrativas de vítimas"],"fontes":["Rastreadores estaduais de golpes com criptoativos da Califórnia","Rastreadores estaduais de golpes com criptoativos de Wisconsin"],"ferramentas":[],"unidades":["Narrativas de vítimas"],"territorios":["Califórnia","Wisconsin"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00167","codigo":"REF","titulo":"An Anatomy of ‘Pig Butchering Scams’: Chinese Victims’ and Police Officers’ Perspectives","ano":"2026","autores":["Han, Bing","Button, Mark"],"revista":"Deviant Behavior","tipo_documental":"article","doi":"10.1080/01639625.2025.2453821","url":"https://www.scopus.com/pages/publications/85214995127?origin=resultslist","tem_abstract":true,"palavras_chave":["anatomy; article; China; Chinese; controlled study; crime; fraud; human; investment; police; victim"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Artigo sobre as características e a anatomia do golpe \"pig butchering\" na China, a partir de relatos de vítimas chinesas e policiais.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Social":1,"Pístico":1},"temas":["Fatores_Humanos","Modalidades_de_Ataque"],"golpes":["Golpe pig butchering (fraude híbrida de romance e investimento)"],"canais":[],"metodos":[],"fontes":["Vítimas chinesas","Policiais chineses"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["China"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00168","codigo":"REF","titulo":"Why Are Female Investors Trapped in Multi-Level Marketing (MLM) Schemes in Fintech? Insights from Pi Network in Vietnam","ano":"2026","autores":["Dinh, Dung Hai","Nguyen, Thi Dang Minh","Nguyen, Huyen Le Thanh","Ametsbichler, Tobias"],"revista":"Risks","tipo_documental":"article","doi":"10.3390/risks14050116","url":"https://www.scopus.com/pages/publications/105040159519?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":7,"relacoes":4,"resumo":"Investiga fatores que influenciam a intenção de investidoras vietnamitas de participar de esquemas de marketing multinível (MLM) em fintech, usando a Pi Network como caso, com base em vieses cognitivos, FOMO e risco percebido.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":5,"Analítico":1,"Social":1},"temas":["Fatores_Psicológicos","Fatores_Humanos_de_Vulnerabilidade","Vulnerabilidade_Humana"],"golpes":["Esquemas de marketing multinível em fintech","Esquemas de pirâmide"],"canais":["Redes Sociais"],"metodos":["PLS-SEM","Pesquisa quantitativa"],"fontes":["Investidoras de Ho Chi Minh City"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Vietnã"],"setores":["Fintech"],"teorias":[]},{"id":"ref_72db3d675ef9_00178","codigo":"REF","titulo":"Fake it till you make it: the psychological and communication tactics behind “Pig Butchering” scams","ano":"2026","autores":["Asyalı, Ayşe Nur","Frank, Muriel-Larissa","Hölzmer, Pol"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyag003","url":"https://www.scopus.com/pages/publications/105029445928?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Cybersecurity; Investments; Communication relationships; Cryptocurrency investment fraud; Cyber-crimes; Data-source; Inter-personal communications; Pig butchering; Romance baiting; Sha zhu pan; Social engineering; Stage models; Crime"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Análise de manuais de golpe de pig butchering para identificar as teorias psicológicas e de comunicação que orientam o treinamento de golpistas, propondo um modelo unificado de estágios.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Social":1,"Pístico":1},"temas":["Fatores_Humanos","Ataques_de_Phishing"],"golpes":["Pig butchering"],"canais":[],"metodos":[],"fontes":["Manuais de golpe"],"ferramentas":[],"unidades":["Documentos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00190","codigo":"REF","titulo":"Pyramid schemes","ano":"2026","autores":["Doğan, Gönül","Kalaycı, Kenan","Man, Priscilla"],"revista":"Journal of Economic Behavior and Organization","tipo_documental":"article","doi":"10.1016/j.jebo.2025.107398","url":"https://www.scopus.com/pages/publications/105027208889?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Experimento em que participantes decidem investir em um esquema de pirâmide com retorno esperado negativo, analisando fatores de risco e cognitivos e o efeito de diferentes níveis de assistência informacional.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2,"Formativo":1,"Econômico":1},"temas":["Vulnerabilidade_Humana","Estratégias_de_Defesa","Fatores_Psicológicos"],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Experimento com participantes","Tratamentos experimentais"],"fontes":["Amostra da população geral dos Estados Unidos","Estudantes de uma universidade alemã"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Estados Unidos","Alemanha"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00211","codigo":"REF","titulo":"Who gets scammed? The roles of financial literacy, digital financial security, and overconfidence in Europe","ano":"2026","autores":["Ruiz, Juan Rafael"],"revista":"International Review of Economics and Finance","tipo_documental":"article","doi":"10.1016/j.iref.2026.104913","url":"https://www.scopus.com/pages/publications/105027520130?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":4,"resumo":"Investiga a relação entre letramento financeiro, segurança financeira digital e probabilidade de vitimização por fraude financeira na Europa, com dados da pesquisa OECD/INFE 2023 em dez países.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2023","aspectos":{"Sensitivo":3,"Analítico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Conscientização_e_Treinamento","Fatores_Humanos_e_Psicológicos","Vulnerabilidade_Humana"],"golpes":["Esquemas Ponzi","Phishing","Uso não autorizado de cartão de crédito"],"canais":[],"metodos":[],"fontes":["OECD/INFE International Adult Financial Literacy Survey"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Europa"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00244","codigo":"REF","titulo":"Ponzi Scheme Detection for Smart Contracts Based on Oversampling","ano":"2026","autores":["Liu, Yafei","Chen, Yuling","Wang, Xuewei","Yang, Yuxiang","Tan, Chaoyue"],"revista":"Computers, Materials and Continua","tipo_documental":"article","doi":"10.32604/cmc.2025.069152","url":"https://www.scopus.com/pages/publications/105028409263?origin=resultslist","tem_abstract":true,"palavras_chave":["Copyrights; Feature extraction; Graph algorithms; Intelligent systems; Network security; Neural networks; Polonium compounds; Semantics; Smart contract; Block-chain; Class imbalance; Financial transactions; Graph structure construction; Graph structures; Over sampling; Ponzi scheme; Security threats; Semantic features; Structure constructions; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Propõe um framework de detecção de contratos inteligentes Ponzi baseado em oversampling ADASYN aprimorado, grafo de transações de contrato (CTG) e rede neural de grafos (GNN).","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["ADASYN aprimorado","Contract Transaction Graph","Rede neural de grafos"],"fontes":["XBlock"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00246","codigo":"REF","titulo":"Bangladesh-facing hybrid investment fraud: Complaint-based evidence on payment-rail patterns and concentrated financial harm","ano":"2026","autores":["Tuhin, Md Ariful Hossain","Hossain, Md Sazid","Azam, Shafiul"],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2026.100251","url":"https://www.scopus.com/pages/publications/105051622295?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Análise de 94 denúncias de golpes de investimento híbridos em Bangladesh e questionário com 16 investigadores para identificar a sequência de ataque voltada à vítima e o movimento de pagamentos entre canais.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2023/01-2025/08","aspectos":{},"temas":[],"golpes":["Golpe de investimento híbrido"],"canais":[],"metodos":["Codificação de narrativas com livro de códigos","Questionário estruturado","Coeficiente de Gini","Delta de Cliff"],"fontes":["Denúncias de golpes de investimento","Questionário com investigadores e especialistas"],"ferramentas":[],"unidades":["Denúncias"],"territorios":["Bangladesh"],"setores":["Serviços Financeiros"],"teorias":[]},{"id":"ref_72db3d675ef9_00252","codigo":"REF","titulo":"From Perception to Protection: How Fraud Worry Shapes Investor Behavior","ano":"2026","autores":["Sun, Xiaoyuan","Zhang, Yu","Chatterjee, Swarn"],"revista":"International Journal of Financial Studies","tipo_documental":"article","doi":"10.3390/ijfs14090245","url":"https://www.scopus.com/pages/publications/105051614662?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":2,"conceitos":3,"relacoes":4,"resumo":"Desenvolve um modelo conceitual integrado sobre a associação entre a percepção subjetiva de ser alvo de golpe de investimento e a adoção de comportamentos protetivos de enfrentamento por investidores.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2024","aspectos":{"Sensitivo":3},"temas":["Fatores_Psicológicos","Comportamento_Humano_em_Segurança"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Análise de mediação","Regressão OLS","Regressão de Poisson"],"fontes":["FINRA Investor Survey","National Financial Capability Study"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Estados Unidos"],"setores":["Mercado Financeiro"],"teorias":["Modelo Transacional de Estresse e Enfrentamento"]},{"id":"ref_72db3d675ef9_00288","codigo":"REF","titulo":"From Swiss Farmers to European Kings? ‘Folklore,’ ‘Common Sense,’ and Structural Crisis in Western Europe's Largest Ponzi Scheme","ano":"2026","autores":["Truffer, Johannes","Tsakmaklis, Dino"],"revista":"Dialectical Anthropology","tipo_documental":"article","doi":"10.1007/s10624-025-09801-y","url":"https://www.scopus.com/pages/publications/105024959346?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Análise do European Kings Club, maior esquema Ponzi da Europa Ocidental recente, e da mobilização política regressiva de seus membros na Suíça central, com base nos conceitos gramscianos de senso comum e folclore.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema Ponzi (European Kings Club)"],"canais":[],"metodos":["Análise de conteúdo qualitativa"],"fontes":["Artigos de jornal","Reportagens de televisão e rádio","Documentos originais do EKC"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Suíça"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00001","codigo":"REF","titulo":"Teaching Case Seeing Is Not Believing: A Deepfake Video Call Scam at Pan-Asia Trading","ano":"2026","autores":["Ampel, Benjamin M."],"revista":"Journal of Information Systems Education","tipo_documental":"article","doi":"10.62273/CVGA1145","url":"https://www.scopus.com/pages/publications/105040985305?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Commerce; Curricula; Cybersecurity; Engineering education; Information systems; Information use; Teaching; Authentication and authorization; Communication environments; Cyber security; Design verification; Experiential learning; Generative AI; Identity authentication; Social engineering; Teaching case; Video calls; Economic and social effects"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Caso de ensino sobre golpe de personificação de executivo com deepfake em videochamada, para analisar falhas de cibersegurança e projetar controles de verificação em ambientes de comunicação.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2,"Social":1},"temas":["Ataques_de_Phishing","Técnicas_de_Ataque","Alvos_de_Ataque"],"golpes":["Golpe de personificação de executivo com deepfake"],"canais":["Voz"],"metodos":["Estudo de caso para ensino"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00002","codigo":"REF","titulo":"\"you Creep! It Really Worked!\": An Empirical Study of Telephone Scams with Cloned Familiar Voices and Trusted Caller IDs","ano":"2026","autores":["Sharevski, Filipo","Vander Loop, Jennifer","Evans, Bill","Ponticello, Alexander"],"revista":"New Security Paradigms Workshop, NSPW 2025","tipo_documental":"conference","doi":"10.1145/3774761.3774918","url":"https://www.scopus.com/pages/publications/105029820202?origin=resultslist","tem_abstract":true,"palavras_chave":["Accidents; Clone cells; Cloning; AI-enabled voice cloning; Caller ID; Caller ID spoofing; Contextual scam warning; Empirical studies; Familiar voice; Pressung; Social security numbers; Telephone scam; Thematic analysis; Telephone sets"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":7,"relacoes":4,"resumo":"Estudo empírico com 14 participantes que simula golpes telefônicos com voz clonada por IA e Caller ID falsificado para captar a experiência de quem recebe a ligação e as respostas a ela.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":3,"Social":1,"Pístico":2},"temas":["Modalidades_de_Ataque","Autenticação_e_Verificação","Fatores_Humanos","Técnicas_de_Ataque","Tecnologia_de_Ataque","Fatores_Humanos_em_Segurança"],"golpes":["Golpe telefônico com clonagem de voz por IA","Golpe de emergência familiar"],"canais":["Voz"],"metodos":["Estudo empírico com simulação de golpe","Análise temática"],"fontes":["Participantes do estudo"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00003","codigo":"REF","titulo":"Authority Impersonation and Digital Victimization in a Transnational Cyber Fraud Network: Evidence from Vietnam","ano":"2026","autores":["Dinh, Thang Ngoc","Ho, Huu Trong","Luong, Hai Thanh"],"revista":"Social Sciences","tipo_documental":"article","doi":"10.3390/socsci15090634","url":"https://www.scopus.com/pages/publications/105052286494?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Estudo de caso qualitativo de uma rede transnacional vietnamita de fraude cibernética que examina a personificação de autoridade como mecanismo estruturado de vitimização digital.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1,"Formativo":1,"Pístico":1},"temas":["Ataques_de_Phishing","Fatores_Humanos_e_Psicológicos","Fatores_Humanos_em_Segurança","Fatores_Psicológicos"],"golpes":["Golpe de personificação de autoridade"],"canais":["Voz"],"metodos":["Estudo de caso qualitativo","Análise de sentença criminal pseudonimizada"],"fontes":["Sentença criminal pseudonimizada"],"ferramentas":[],"unidades":[],"territorios":["Vietnã","Camboja"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00007","codigo":"REF","titulo":"‘Funds Left Delaware in the Morning’: Online Fraud Networks and Money Laundering Operations","ano":"2026","autores":["Lazarus, Suleman"],"revista":"International Criminal Justice Review","tipo_documental":"article","doi":"10.1177/10575677261416902","url":"https://www.scopus.com/pages/publications/105036249354?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Análise de United States v. Lawal como etnografia forense para compreender como o golpe romântico e o Business Email Compromise convergem por infraestruturas compartilhadas e distribuição de papéis.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Social":1,"Jurídico":1},"temas":["Atores_de_Ameaça","Infraestrutura_de_Ataque","Ameaças_Digitais","Resposta_Institucional"],"golpes":["Golpe romântico","Comprometimento de e-mail corporativo"],"canais":[],"metodos":["Etnografia forense"],"fontes":["Transcrições judiciais","Testemunhos do FBI","Relatos de money mules"],"ferramentas":[],"unidades":["Documentos"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00024","codigo":"REF","titulo":"Digital Vulnerability in Later Life: How Older Adults in Chennai Experience and Manage Impersonation Scams","ano":"2026","autores":["Rajan, Ananmay","Ling, Chen"],"revista":"Conference on Human Factors in Computing Systems - Proceedings","tipo_documental":"conference","doi":"10.1145/3772363.3799019","url":"https://www.scopus.com/pages/publications/105038071289?origin=resultslist","tem_abstract":true,"palavras_chave":["Human computer interaction; Human engineering; Bilinguals; Chennai; Code-switching; Communication practices; Cultural context; Impersonation scam; Older adults; Security research; Sociotechnical; Sociotechnical vulnerability; Behavioral research"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":6,"conceitos":4,"relacoes":3,"resumo":"Estudo qualitativo com entrevistas de idosos em Chennai sobre como golpes de personificação se desenrolam, como são interpretados e enfrentados, propondo o modelo sociotécnico de panela de pressão.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Social":1,"Pístico":1},"temas":["Ataques_de_Phishing","Fatores_Psicológicos","Alvos_De_Phishing","Manipulação_Psicológica"],"golpes":["Golpes de personificação"],"canais":[],"metodos":["Entrevistas"],"fontes":["Idosos residentes em Chennai"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Índia"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00034","codigo":"REF","titulo":"RESILIENCE AGAINST BUSINESS EMAIL COMPROMISE: A CORPORATE CASE STUDY; [OTPORNOST NA KOMPROMITIRANJE POSLOVNE E-POŠTE: STUDIJA SLUČAJA KORPORACIJE]","ano":"2026","autores":["Václavík, Lukáš","Špatenka, Jan","Petrová, Kateřina"],"revista":"Economic Thought and Practice","tipo_documental":"article","doi":"10.17818/EMIP/2025/41","url":"https://www.scopus.com/pages/publications/105039813891?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Estudo de caso de um ataque de Business Email Compromise (BEC) e seu impacto nas operações de uma empresa, com lições para a resiliência organizacional contra fraudes cibernéticas.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":4},"temas":["Defesa_e_Mitigação","Controles_de_Segurança","Modalidades_de_Ataque"],"golpes":["Comprometimento de e-mail corporativo (BEC)"],"canais":["E-mail"],"metodos":["Estudo de caso","Entrevistas semiestruturadas","Revisão de literatura"],"fontes":["Partes interessadas corporativas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00035","codigo":"REF","titulo":"Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models","ano":"2026","autores":["Ghafariasl, Parviz","Fu, Weimin","Guo, Xiaolong","Chang, Shing I."],"revista":"2026 2nd International Conference on Federated Learning and Intelligent Computing Systems, FLICS 2026","tipo_documental":"conference","doi":"10.1109/FLICS70075.2026.11621900","url":"https://www.scopus.com/pages/publications/105047040639?origin=resultslist","tem_abstract":true,"palavras_chave":["Computational linguistics; Computer crime; Crime; Investments; Modeling languages; Risk perception; Speech processing; Telephone sets; Deployment settings; Elder fraud detection; Financial scams; Fraud detection; Incremental risk assessment; Language model; Multi-turn; Multi-turn dialog; Risks assessments; Small language model; Risk assessment"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":7,"conceitos":3,"relacoes":2,"resumo":"Framework de avaliação cumulativa de risco por turno para monitorar golpes financeiros contra idosos em conversas multi-turno, usando pequenos modelos de linguagem ajustados para implantação em dispositivo.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Sensitivo":1,"Lingual":1,"Econômico":1},"temas":["Dados_e_Privacidade","Manipulação_Psicológica","Alvos_de_Ataque"],"golpes":["Golpes financeiros contra idosos","Golpe de investimento","Golpe de caridade","Golpe de suporte técnico"],"canais":["E-mail","SMS","Voz"],"metodos":["Avaliação cumulativa de risco por turno","Fine-tuning de modelos de linguagem pequenos","Phi-4","LLaMA-3.2","DeepSeekR1","Qwen3"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Diálogos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00042","codigo":"REF","titulo":"From Trust to Lock-In: Human-Centered AI for Understanding Investment Fraud Narratives in Indian Digital Communities","ano":"2026","autores":["Sarkar, Gargi","Sachdeva, Arush","Shukla, Sandeep Kumar"],"revista":"SPAIC 2026 - 1st Security and Privacy for Asian Internet Communities Workshop, Co-located with AsiaCCS","tipo_documental":"conference","doi":"10.1145/3803632.3807887","url":"https://www.scopus.com/pages/publications/105047959750?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Computer crime; Crime; Economics; Investments; Learning systems; Asian digital society; Cognitive manipulation; Cyber-crimes; Cybercrime narrative; Digital society; Human-centered security; Interpretable AI; Investment fraud; Lock-in; Multi-label classifications; Semantics"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise de 19480 denúncias de golpes de investimento em Telangana, Índia, modelando a jornada da fraude em cinco estágios com um pipeline de IA centrado no humano e explicável.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina","Classificação_Automática"],"golpes":["Golpe de investimento"],"canais":["Mensageria Instantânea"],"metodos":["Modelo de jornada da fraude em cinco estágios","Classificação multirrótulo","Aprendizado de máquina interpretável","Modelagem semântica baseada em transformer","Modelos ensemble","SHAP"],"fontes":["Denúncias verificadas de crimes cibernéticos de Telangana"],"ferramentas":[],"unidades":["Denúncias"],"territorios":["Índia"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00047","codigo":"REF","titulo":"Protecting Drug Delivery Systems from Cryptocurrency Phishing Attacks: A New Frontier in Pharmaceutical Cybersecurity","ano":"2026","autores":["Devi, Pankhi","Barooah, Bhuban Ch."],"revista":"International Journal of Drug Delivery Technology","tipo_documental":"article","doi":"10.25258/ijddt.16.2.60","url":"https://www.scopus.com/pages/publications/105034350582?origin=resultslist","tem_abstract":true,"palavras_chave":["Article; artificial intelligence; awareness; computer security; cryptocurrency; decentralization; drug cost; drug delivery system; drug industry; ecosystem; employee; knowledge; mitigation; organizational resilience; patient safety; pharmaceutics; phishing; protection; protocol; training; vulnerability"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Revisão sobre ataques de phishing com criptomoedas contra sistemas de entrega de medicamentos na indústria farmacêutica, com estratégias de prevenção e mitigação voltadas ao setor.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2},"temas":["Fatores_Humanos","Defesa_e_Mitigação","Ataques_de_Phishing"],"golpes":["Phishing com criptomoedas"],"canais":["E-mail"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"ref_8d955f377173_00052","codigo":"REF","titulo":"\"Your Voice is Lost\": How Migrant Community Workers Navigate Digital Safety Challenges in Ireland","ano":"2026","autores":["Camilleri, Jacob","Sheil, Ashley","Cronin, Moya","Gruben, Melanie","Calnan, Elaine","Ryan-Duffy, Anne","Murray, Hazel","O'Keeffe, Michelle"],"revista":"Conference on Human Factors in Computing Systems - Proceedings","tipo_documental":"conference","doi":"10.1145/3772363.3799380","url":"https://www.scopus.com/pages/publications/105038079068?origin=resultslist","tem_abstract":true,"palavras_chave":["Ecosystems; Human engineering; Interactive computer systems; Safety engineering; Advocacy groups; Cyber threats; Digital divide; Digital safety; Ireland; Migrant; Non-profit; Online environments; Semi structured interviews; Workers'; Occupational risks"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Estudo qualitativo sobre os desafios de segurança digital enfrentados por Trabalhadores Comunitários Migrantes na Irlanda, incluindo golpes e desinformação, com implicações de design para um ecossistema de segurança digital culturalmente sensível.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Ataques_de_Phishing","Alvos_de_Phishing"],"golpes":["Golpes de personificação bancária","Golpes de aluguel","Golpes de falsas ofertas de emprego"],"canais":[],"metodos":["Entrevistas semiestruturadas"],"fontes":["Trabalhadores comunitários migrantes"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Irlanda"],"setores":["Organizações sem fins lucrativos"],"teorias":[]},{"id":"ref_8d955f377173_00053","codigo":"REF","titulo":"Digital arrest in the cyber age: a psychological perspective on fear, authority, and consciousness","ano":"2026","autores":["Robert, S. James","Singh, Varsha","Pandey, Ravi P.","Bhuyan, Bismirty"],"revista":"Frontiers in Psychology","tipo_documental":"article","doi":"10.3389/fpsyg.2026.1726740","url":"https://www.scopus.com/pages/publications/105033134864?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":7,"relacoes":6,"resumo":"Artigo conceitual que propõe um framework para compreender a \"prisão digital\", golpe de personificação de autoridades, diferenciando-o de phishing, vishing e engenharia social e examinando seus mecanismos psicológicos.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Sensitivo":2,"Formativo":1,"Social":1,"Jurídico":1,"Pístico":1},"temas":["Manipulação_Psicológica","Ataques_de_Phishing","Modalidades_de_Ataque","Resposta_Institucional","Fatores_Psicológicos","Canais_de_Ataque"],"golpes":["Prisão digital"],"canais":["Voz"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00058","codigo":"REF","titulo":"ScamPilot: Simulating Conversations with LLMs to Protect Against Online Scams","ano":"2026","autores":["Hoffman, Owen M","Peng, Kangze","Kamal, Sajid","You, Zehua","Venkatagiri, Sukrit"],"revista":"Conference on Human Factors in Computing Systems - Proceedings","tipo_documental":"conference","doi":"10.1145/3772318.3791313","url":"https://www.scopus.com/pages/publications/105038720293?origin=resultslist","tem_abstract":true,"palavras_chave":["Computation theory; Cybersecurity; Human computer interaction; Human engineering; Malware; Conversational interface; Cyber security; Dynamic interaction; Inoculation theory; Inter-agent communications; Interaction time; Language model; Large language model; Online scam; Phishing; User interfaces"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Apresenta o ScamPilot, interface conversacional com dois agentes LLM (golpista e alvo) que inocula usuários contra golpes online por simulação, interação dinâmica e feedback em tempo real, avaliada em estudo entre sujeitos.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Econômico":1},"temas":["Fatores_Psicológicos","Educação_e_Conscientização","Defesa_e_Mitigação","Crimes_Digitais"],"golpes":["Golpes online"],"canais":[],"metodos":["Estudo entre sujeitos","Simulação com agentes LLM"],"fontes":["Participantes do estudo"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00030","codigo":"REF","titulo":"NAS ransomware: ransomware targeting NAS devices","ano":"2026","autores":["Meurs, Tom","Hoheisel, Raphael","Junger, Marianne","Abhishta, Abhishta"],"revista":"Global Crime","tipo_documental":"article","doi":"10.1080/17440572.2025.2591628","url":"https://www.scopus.com/pages/publications/105023059210?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Estudo do impacto de ransomware contra dispositivos NAS a partir de ataques reportados à Polícia holandesa, incluindo a análise de uma intervenção policial em 2022.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2019-2022","aspectos":{"Físico":1,"Formativo":1,"Social":1},"temas":["Alvos_de_Ataque","Ameaças_Cibernéticas"],"golpes":["Ransomware contra dispositivos NAS"],"canais":["Web"],"metodos":["Análise de relatos policiais","Estudo de caso de intervenção policial"],"fontes":["Polícia holandesa"],"ferramentas":[],"unidades":["Ataques de ransomware"],"territorios":["Países Baixos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00038","codigo":"REF","titulo":"STRIKE: A Structured Taxonomy of Cybercrime for Risk, Impact, Knowledge, and Evolution","ano":"2026","autores":["Pappy, Melissa","Nguyen, Linh","Kumar, Suman","Jung, Byungkwan","Chen, Bernard"],"revista":"Communications in Computer and Information Science","tipo_documental":"article","doi":"10.1007/978-3-032-14893-3_14","url":"https://www.scopus.com/pages/publications/105039588590?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Cybersecurity; Malware; Network security; Child sexual abuse material; Cryptojacking; Cybe threat intelligence; Cyber security; Cyber threats; Cyber-crimes; Cybercrime taxonomy; Deepfake; Intrusion-Detection; Supply chain attack; Threat classifications; Intrusion detection"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Apresenta o STRIKE, taxonomia multidimensional para categorizar cibercrimes convencionais e emergentes, com revisão de métodos de detecção e fluxo de resposta a ameaças ativas.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Classificação_e_Taxonomia"],"golpes":["Cibercrimes","Ransomware","Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00041","codigo":"REF","titulo":"RTCatch: a real-time detection method to combat evolving rust language ransomware","ano":"2026","autores":["Wang, Cheng","Wu, Guangjun","Li, Shuhao","Tang, Zixian","Gao, Fei","Qin, Sujuan","Tu, Tengfei","Li, Jishuai"],"revista":"Cybersecurity","tipo_documental":"article","doi":"10.1186/s42400-026-00639-7","url":"https://www.scopus.com/pages/publications/105047324452?origin=resultslist","tem_abstract":true,"palavras_chave":["Correlation detectors; Cryptography; Signal detection; Behavior analysis; Detection methods; EBPF; Malware behavior analyze; Malware behaviors; Multi-Processes; Process correlation; Ransomware detection; Real-time detection; Rust-based ransomware; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Estudo empírico de 1823 amostras de ransomware escritas em Rust, revelando padrões comportamentais e mecanismos de evasão, e proposta do RTCatch, método leve de detecção em tempo real baseado em correlação de processos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Formativo":3},"temas":["Ameaças_Cibernéticas","Tecnologia_de_Ataque","Detecção_de_Phishing","Métodos_de_Detecção"],"golpes":["Ransomware baseado em Rust"],"canais":[],"metodos":["Estudo empírico de comportamento","Correlação de processos"],"fontes":["Amostras de ransomware coletadas"],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00044","codigo":"REF","titulo":"MLRan: A behavioural dataset for ransomware analysis and detection","ano":"2026","autores":["Onwuegbuche, Faithful Chiagoziem","Adelodun, Sunday Olaoluwa","Jurcut, Anca Delia","Pasquale, Liliana"],"revista":"Journal of Network and Computer Applications","tipo_documental":"article","doi":"10.1016/j.jnca.2026.104475","url":"https://www.scopus.com/pages/publications/105035676607?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Cybersecurity; Feature extraction; Information filtering; Information systems; Learning systems; Malware; Cyber security; Detection models; Dynamics analysis; Machine learning models; Machine-learning; Malwares; Ransomware dataset; Reproducibilities; Sample sizes; Training machines; Dynamic analysis"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Apresenta o MLRan, um dataset comportamental de ransomware, e diretrizes GUIDE-MLRan para construí-lo, avaliando modelos de aprendizado de máquina na detecção de ransomware.","foco":"Detecção","tipo":"Estudo Empírico","periodo":"2006-2024","aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["Filtragem por informação mútua","Eliminação recursiva de atributos","SHAP","LIME","Aprendizado de máquina"],"fontes":["MLRan"],"ferramentas":[],"unidades":["Amostras"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00047","codigo":"REF","titulo":"Reporting ransomware victimization: explaining citizens’ willingness to report to the police and other organizations","ano":"2026","autores":["Fuchs, Tijmen L.","Matthijsse, Sifra R.","Susanne van ‘t Hoff-de Goede, M.","Rutger Leukfeldt, E."],"revista":"Computers in Human Behavior Reports","tipo_documental":"article","doi":"10.1016/j.chbr.2026.101184","url":"https://www.scopus.com/pages/publications/105043144351?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Estudo sobre a disposição de cidadãos holandeses de denunciar a vitimização por ransomware à polícia e a outras organizações, e os fatores que a explicam.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Lingual":1},"temas":["Ameaças_Cibernéticas","Fatores_Psicológicos","Resposta_a_Incidentes"],"golpes":["Ransomware"],"canais":[],"metodos":["Experimento com vinhetas"],"fontes":["Respondentes de pesquisa"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Países Baixos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00052","codigo":"REF","titulo":"Colonial Pipeline: Responding to a Ransomware Attack in the Energy Sector","ano":"2026","autores":["Janvrin, Diane J.","Boss, Scott R.","Gray, Joy"],"revista":"Issues in Accounting Education","tipo_documental":"article","doi":"10.2308/ISSUES-2025-014","url":"https://www.scopus.com/pages/publications/105037739466?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Estudo de caso do ataque de ransomware de maio de 2021 contra a Colonial Pipeline, examinando vulnerabilidades dos controles de cibersegurança e formas de mitigar ameaças e responder a pedidos de resgate.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2021/05","aspectos":{"Sensitivo":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Mecanismos_de_Defesa","Segurança_de_Credenciais"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Estados Unidos"],"setores":["Energia"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00064","codigo":"REF","titulo":"Organized Crime in the Digital Age: The Convergence of Traditional and Cybercrime Networks","ano":"2026","autores":["Teichmann, Fabian"],"revista":"International Criminology","tipo_documental":"article","doi":"10.1007/s43576-026-00245-0","url":"https://www.scopus.com/pages/publications/105048649214?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Examina a convergência entre crime organizado tradicional e cibercrime, com estudo de caso do ransomware Hive, e desenvolve um framework integrativo ligando vetores de convergência a teorias criminológicas e medidas de enforcement.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":"2020-2026","aspectos":{"Formativo":1,"Social":1},"temas":["Atores_de_Ameaça","Estratégias_de_Defesa"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise qualitativa de documentos","Estudo de caso"],"fontes":["Relatórios de aplicação da lei","Registros judiciais","Avaliações de organizações internacionais"],"ferramentas":[],"unidades":["Documentos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00068","codigo":"REF","titulo":"Managing Conti: Temporal Dynamics of Managerial Communication in a Ransomware Group","ano":"2026","autores":["Sadewo, Giovanni Radhitio Putra","Bright, David","Whelan, Chad","Lerner, Jürgen"],"revista":"Social Science Computer Review","tipo_documental":"article","doi":"10.1177/08944393261478555","url":"https://www.scopus.com/pages/publications/105048016287?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Analisa a dinâmica temporal da comunicação de gestores superiores e intermediários do grupo de ransomware Conti em logs vazados de Jabber, equilibrando coordenação e ocultação.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2020/06-2022/03","aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":["Mensageria Instantânea"],"metodos":["Modelos de eventos relacionais","Modelos de riscos proporcionais de Cox"],"fontes":["Logs de chat Jabber vazados do Conti"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00109","codigo":"REF","titulo":"A Qualitative Synthesis of Cyberattack Trends in Managed Service Providers: Analyzing Multi-Tenant Vulnerabilities and Mitigation Strategies","ano":"2026","autores":["Neupane, Shiva Ram","Shrestha, Neeraj","Sun, Weiqing"],"revista":"Information (Switzerland)","tipo_documental":"article","doi":"10.3390/info17040378","url":"https://www.scopus.com/pages/publications/105037055945?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Distributed computer systems; Network security; Supply chains; Cyber security; Managed service; Managed service provider; Mitigation strategy; Multi tenants; Multi-tenant environment; Service provider; Small and medium sized business; Small- and medium-sized business; Supply chain attack; Zero trust architecture; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":6,"relacoes":4,"resumo":"Síntese temática qualitativa com OSINT de incidentes cibernéticos contra Managed Service Providers (MSPs) entre 2020 e 2025, identificando padrões de ataque, vulnerabilidades e impactos sobre clientes, com estratégias de mitigação.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2020-2025","aspectos":{"Físico":2,"Formativo":3,"Social":1},"temas":["Alvos_de_Ataque","Ameaças_Cibernéticas","Estratégias_de_Defesa","Infraestrutura_Tecnológica","Ameaças_Digitais"],"golpes":["Ataques cibernéticos contra provedores de serviços gerenciados (MSPs), incluindo ransomware"],"canais":[],"metodos":["Síntese temática qualitativa","Open-Source Intelligence (OSINT)"],"fontes":["Incidentes cibernéticos publicamente reportados"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":["Provedores de serviços gerenciados"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00137","codigo":"REF","titulo":"Bending the curve: Operational cyber epidemiology for ransomware","ano":"2026","autores":["Flowerday, Stephen V","Lipskiy, Nikolay","Furnell, Steven","Flowerday, Callum E","Hale, John"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2026.104922","url":"https://www.scopus.com/pages/publications/105035641244?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer viruses; Decision theory; Disaster prevention; Emergency services; Epidemiology; Information management; Interoperability; Network security; Ontology; Risk management; Security systems; Telemetering; Telemetering equipment; Administrative tools; Cybe epidemiology; Detection problems; Epidemic modeling; Essential elements; Malwares; Operational impacts; Security operations; Shared service; Time-critical; Health risks"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe um framework de epidemiologia cibernética operacional que adapta o modelo SEIR à gestão de incidentes de ransomware, conectando telemetria técnica a decisões de contenção sob restrição de recursos.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Modelagem_Formal"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo SEIR","Estudo de caso ilustrativo"],"fontes":["Incidentes publicamente relatados"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":[],"teorias":["Modelo epidemiológico SEIR"]},{"id":"ref_3f42d6b2ce58_00150","codigo":"REF","titulo":"Fighting Cybercrime: Identifying Ransomware Families Using API Sequences and Retrieval-Augmented Ransom Note Analysis","ano":"2026","autores":["Balan, Gheorghe","Simion, Ciprian-Alin","Gavriluţ, Dragoş Teodor"],"revista":"Proceedings of the International Conference on Security and Cryptography","tipo_documental":"conference","doi":"10.5220/0015077900004103","url":"https://www.scopus.com/pages/publications/105048767359?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Estudo da atribuição de famílias de ransomware a partir de sequências de chamadas de API com árvores de decisão, random forests e XGBoost, complementado por um fluxo RAG sobre notas de resgate históricas.","foco":"Ecossistema do Atacante","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["Árvores de decisão binárias","Random Forest","XGBoost","Geração aumentada por recuperação (RAG)","Raciocínio estruturado com LLM"],"fontes":[],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00153","codigo":"REF","titulo":"Ransomware Negotiation: Dynamics and Privacy-Preserving Mechanism Design","ano":"2026","autores":["Zhang, Haohui","Shen, Sirui","Hu, Xinyu","Jin, Chenglu"],"revista":"Lecture Notes in Computer Science","tipo_documental":"article","doi":"10.1007/978-3-032-08064-6_12","url":"https://www.scopus.com/pages/publications/105020262888?origin=resultslist","tem_abstract":true,"palavras_chave":["Computation theory; Machine design; Malware; Privacy by design; Privacy-preserving techniques; Cyber-crimes; Financial risks; Finite horizons; Formal analysis; Garbled circuits; Mechanism design; Negotiation; Privacy preserving; Proactive defense; Secure two-party computations; Game theory"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":6,"relacoes":4,"resumo":"Análise formal da negociação pós-infecção entre atacante e vítima de ransomware via jogo de barganha de ofertas alternadas, com mecanismo bayesiano compatível com incentivos e computação segura entre duas partes.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Formativo":2,"Econômico":2},"temas":["Modelagem_Formal","Ameaças_Cibernéticas","Economia_do_Ataque","Mecanismos_de_Segurança","Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Jogo de barganha de ofertas alternadas de horizonte finito","Mecanismo bayesiano compatível com incentivos","Computação segura entre duas partes","Circuitos embaralhados"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_00157","codigo":"REF","titulo":"Exploring Victim-Offender Interactions During a Ransomware Attack Using LockBit Chat Negotiations","ano":"2026","autores":["Matthijsse, Sifra R.","van ’t Hoff-de Goede, M. Susanne","Leukfeldt, E. Rutger"],"revista":"Deviant Behavior","tipo_documental":"article","doi":"10.1080/01639625.2026.2709788","url":"https://www.scopus.com/pages/publications/105047451176?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Análise qualitativa de 147 negociações em chat entre vítimas e o grupo de ransomware LockBit, examinando a tomada de decisão racional limitada de ambas as partes.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Lingual":1},"temas":["Ameaças_Cibernéticas","Técnicas_de_Engenharia_Social"],"golpes":["Ransomware"],"canais":["Web"],"metodos":["Análise qualitativa"],"fontes":["Negociações em chat do LockBit"],"ferramentas":[],"unidades":["Negociações"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00161","codigo":"REF","titulo":"Inside ransomware groups: An analysis of their origins, structures, and dynamics","ano":"2026","autores":["Phipps, Andrew","Nurse, Jason R.C."],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2025.104705","url":"https://www.scopus.com/pages/publications/105020820369?origin=resultslist","tem_abstract":true,"palavras_chave":["Distributed computer systems; Dynamics; Groupware; Public works; Social aspects; Conceptual frameworks; Cyber security; Cybercriminal profiling; Cybercriminals; Group dynamics; Malwares; Qualitative Data Analysis (QDA); Ransomware gang; Systematic analysis; Threat actor; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise qualitativa comparativa das origens, estrutura, organização e dinâmica dos grupos de ransomware Conti, LockBit e BlackCat/ALPHV, com recomendações de disrupção e um framework conceitual para perfilar outros grupos.","foco":"Ecossistema do Atacante","tipo":"Revisão Sistemática","periodo":null,"aspectos":{"Formativo":2},"temas":["Ameaças_Cibernéticas"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão sistemática PRISMA","Análise qualitativa crítica"],"fontes":["Comunicações de grupos de ransomware","Artigos de indústria","Blogs","Relatórios governamentais"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00182","codigo":"REF","titulo":"A Side-channel Framework and Microarchitectural Analysis Application","ano":"2026","autores":["Hill, Jennie"],"revista":"MEMSYS 2025 - Proceedings of the International Symposium on Memory Systems","tipo_documental":"conference","doi":"10.1145/3767110.3767139","url":"https://www.scopus.com/pages/publications/105031085473?origin=resultslist","tem_abstract":true,"palavras_chave":["Anomaly detection; Computer hardware; Information leakage; Network security; Program processors; Side channel attack; Functional activities; Hardware performance counters; Internal operations; Micro-architectural analysis; Microarchitectural side-channel; Side-channel; Side-channel analysis; Side-channel framework; System leaks; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe um framework taxonômico para definir e categorizar fenômenos de canais laterais (SCA, SCAN, SCD) e demonstra sua utilidade com análise microarquitetural via Hardware Performance Counters para detecção precoce de ransomware.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Analítico":1},"temas":["Ferramentas_de_Detecção","Detecção_de_Ameaças"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00187","codigo":"REF","titulo":"From Ransomware Payment Bans to Payment Governance: A Risk-Based Regulatory Framework for the EU","ano":"2026","autores":["Llamas Covarrubias, Jersain Zadamig"],"revista":"European Journal of Risk Regulation","tipo_documental":"article","doi":"10.1017/err.2026.10139","url":"https://www.scopus.com/pages/publications/105046955637?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Artigo jurídico-regulatório que defende uma arquitetura de governança de três pilares, baseada em risco, para pagamentos de ransomware na União Europeia, suprindo a lacuna dos regimes atuais.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Jurídico":1},"temas":["Ameaças_Cibernéticas","Regulação_e_Governança_de_Cibersegurança"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["União Europeia"],"setores":[],"teorias":["Regulação Responsiva","Regulação de Risco"]},{"id":"ref_3f42d6b2ce58_00194","codigo":"REF","titulo":"Forensics in healthcare cloud environments: Privacy-preserving evidence workflows","ano":"2026","autores":["Chae, Younghun"],"revista":"Forensic Science International: Reports","tipo_documental":"article","doi":"10.1016/j.fsir.2026.100498","url":"https://www.scopus.com/pages/publications/105045208490?origin=resultslist","tem_abstract":true,"palavras_chave":["access to information; Article; cloud computing; data integrity; data privacy; digital forensics; electronic health record; health data; medical information; metadata; protected health information; ransomware; workflow"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Framework forense com preservação de privacidade e fluxo de evidências passo a passo para investigação de incidentes em nuvem de saúde, equilibrando minimização de dados PHI e integridade probatória.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1},"temas":["Impacto_do_Phishing","Gestão_de_Segurança"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de caso","Experimentos baseados em emulação"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":["Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00201","codigo":"REF","titulo":"The Human Factor: Assessing Ransomware Vulnerability in Developing Nations’ Governments","ano":"2026","autores":["Vásquez-Méndez, Paúl B.","Arce Cuesta, Diana Carolina","Zambrano-Martinez, Jorge Luis"],"revista":"Information (Switzerland)","tipo_documental":"article","doi":"10.3390/info17020211","url":"https://www.scopus.com/pages/publications/105031446596?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer programming; Cybersecurity; Human engineering; Network security; Personnel training; Security systems; Cybe resilience; Cyber security; Developing nations; Human vulnerability; Latin americans; Local government; Organizational dimensions; Public institution; Semi structured interviews; Technical vulnerabilities; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":4,"relacoes":3,"resumo":"Estudo qualitativo exploratório sobre as dimensões socio-organizacionais da resiliência cibernética a ransomware em governos locais equatorianos, com base em entrevistas com responsáveis de TI.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Social":1},"temas":["Ameaças_Cibernéticas","Fatores_Psicológicos","Ataques_de_Phishing","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":["Entrevistas semiestruturadas","Análise temática de Braun e Clarke","Estratégia híbrida de codificação dedutiva e indutiva"],"fontes":["Responsáveis de TI de municípios equatorianos"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Equador"],"setores":["Setor Público"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00206","codigo":"REF","titulo":"From Archivist to Fortress Commander: Preservation at the End of Institutional Innocence","ano":"2026","autores":["Cotta, Marcel"],"revista":"Philosophy and Technology","tipo_documental":"article","doi":"10.1007/s13347-026-01103-7","url":"https://www.scopus.com/pages/publications/105038079050?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Ensaio teórico que argumenta que instituições de preservação digital passam de modelos de ameaça entrópicos para adversariais, contrastando o Arquivista e o Comandante da Fortaleza em quatro frentes, incluindo ransomware.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Pístico":1},"temas":["Ameaças_Cibernéticas","Fatores_Humanos_e_Psicológicos"],"golpes":["Ransomware"],"canais":[],"metodos":["Construção ideal-típica de Weber"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Preservação digital e patrimônio cultural"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00224","codigo":"REF","titulo":"Rethinking Ransomware Protection Targets for AI Systems","ano":"2026","autores":["Min, Cheon-Ho","Kwak, Jin"],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics15040770","url":"https://www.scopus.com/pages/publications/105031385041?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Behavioral research; Recovery; Reliability analysis; Risk perception; Artificial intelligence security; Artificial intelligence system recovery; Artificial intelligence systems; Behavioral integrity; Conventional recovery; Decisions makings; Integrity protection; Protection systems; Protection target reassessment; System recovery; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Reexamina ameaças de ransomware contra sistemas de IA sob uma perspectiva de proteção baseada em ativos e propõe o BIPS, sistema de proteção de integridade comportamental pós-recuperação.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":4},"temas":["Ameaças_Cibernéticas","Tecnologia_de_Ataque","Aprendizado_de_Máquina","Resposta_Institucional"],"golpes":["Ransomware contra sistemas de inteligência artificial"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00226","codigo":"REF","titulo":"The internal structure of ransomware criminal groups: an analysis of organisational units, functions, roles, and communication patterns within Conti","ano":"2026","autores":["Whelan, Chad","Jones, Callum","Martin, James","Bright, David Anthony"],"revista":"Global Crime","tipo_documental":"article","doi":"10.1080/17440572.2025.2534387","url":"https://www.scopus.com/pages/publications/105012483586?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Estudo da estrutura organizacional do grupo de ransomware Conti a partir de logs de chat vazados, buscando entender como o grupo opera e se comunica internamente.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":["Análise de conteúdo","Análise quantitativa de padrões de comunicação direcionada"],"fontes":["Logs de chat vazados do grupo Conti"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00240","codigo":"REF","titulo":"Engaging with cybercriminals: phases and influence strategies in ransomware negotiations","ano":"2026","autores":["Georgiou, Michail","Giebels, Ellen","Oostinga, Miriam S.D.","Spithoven, Remco"],"revista":"Computers in Human Behavior","tipo_documental":"article","doi":"10.1016/j.chb.2026.108953","url":"https://www.scopus.com/pages/publications/105033583245?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Malware; Chat logs; Cyber security; Cybercriminals; Life phasis; Negotiation strategy; Open-source; Phase Change; Qualitative exploration; Support phasis; Technical aspects; Decision making"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Análise de 41 registros reais de chat de negociações de ransomware para identificar as fases da negociação e as estratégias de influência usadas por atacantes e vítimas.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Manipulação_Psicológica"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise qualitativa de registros de chat"],"fontes":["Registros de chat de negociação de ransomware"],"ferramentas":[],"unidades":["Registros de chat"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00258","codigo":"REF","titulo":"Cryptocrime in the Context of Digital Transformation","ano":"2026","autores":["Florea, Evgheni"],"revista":"Revista de Direito, Estado e Telecomunicacoes","tipo_documental":"article","doi":"10.26512/lstr.v18i2.60028","url":"https://www.scopus.com/pages/publications/105042137999?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Estudo das características quantitativas e qualitativas do cibercrime com criptoativos na transformação digital, sistematizando formas de crime, dinâmica de crescimento das perdas e papel do letramento digital.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2015-2024","aspectos":{"Sensitivo":2,"Analítico":1,"Jurídico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Fatores_Humanos_em_Segurança","Crimes_Digitais","Vulnerabilidade_Humana"],"golpes":["Crimes com criptoativos","Golpe de investimento com criptoativos","Golpe romântico com criptoativos","Ransomware"],"canais":["Blockchain"],"metodos":["Análise comparativa","Abordagem criminológica","Pesquisa estatística","Estudos de caso"],"fontes":[],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00262","codigo":"REF","titulo":"Ransomware, Emotions, and the Decision to Pay: Evidence From a Factorial Experiment","ano":"2026","autores":["Vakhitova, Zarina","Mezzetti, Claudio"],"revista":"Crime and Delinquency","tipo_documental":"article","doi":"10.1177/00111287261440149","url":"https://www.scopus.com/pages/publications/105037676496?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":3,"resumo":"Experimento com vinhetas pré-registrado que testa como notas de ransomware moldam emoções (medo, raiva, culpa, vergonha) e como essas emoções se relacionam à disposição declarada de pagar o resgate.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Fatores_Psicológicos","Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Experimento com vinhetas entre sujeitos","Atribuição aleatória","Pré-registro"],"fontes":["Amostra nacional de adultos dos Estados Unidos"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00270","codigo":"REF","titulo":"Tripartite Evolutionary Game Analysis of Ransomware Attacks","ano":"2026","autores":["Huang, Bimin","Zhang, Chunming"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2026.3732162","url":"https://www.scopus.com/pages/publications/105050315043?origin=resultslist","tem_abstract":true,"palavras_chave":["Computation theory; Cybersecurity; Economics; Law enforcement; Cyber security; Evolutionary game theory; Evolutionary games; Game analysis; Game studies; Law-enforcement agencies; Ransomware attack; Replicator dynamics; Three-party; Tripartite model; Game theory; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Modelo de jogo evolutivo tripartite entre atacantes, vítimas e agências de aplicação da lei em ataques de ransomware, analisando a estabilidade de combinações de estratégias.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Jogo evolutivo tripartite","Equações de dinâmica do replicador","Simulação numérica"],"fontes":["Dados sintéticos"],"ferramentas":["MATLAB"],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00287","codigo":"REF","titulo":"AI-Amplification Indicator: An Actor-Level Scoring Framework for Ransomware Operations on the Dark Web","ano":"2026","autores":["Moallim, Mostafa","Lee, Seokhee","Alzahrani, Ibrahim","Alfouzan, Faisal Abdulaziz","Kim, Kyounggon"],"revista":"Journal of Cybersecurity and Privacy","tipo_documental":"article","doi":"10.3390/jcp6020070","url":"https://www.scopus.com/pages/publications/105036888043?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":2,"relacoes":2,"resumo":"Introduz o AI-Amplification Indicator (AIAI), um framework interpretável de pontuação em nível de ator que perfila o comportamento de operações de ransomware a partir de divulgações em sites de vazamento.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":"2025","aspectos":{"Formativo":2},"temas":["Ameaças_Cibernéticas","Tecnologia_de_Ataque"],"golpes":["Ransomware como serviço"],"canais":["Web"],"metodos":["Monitoramento contínuo de portais de vazamento da dark web","Indicador AIAI de pontuação em nível de ator"],"fontes":["Portais de vazamento da dark web"],"ferramentas":[],"unidades":["Divulgações de vítimas"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00289","codigo":"REF","titulo":"An Exploratory Inquiry into Arguing Under Extortion","ano":"2026","autores":["Baroni, Pietro","Cerutti, Federico","Gashi, Brilant","Giacomin, Massimiliano","Loreggia, Andrea","Scala, Enrico"],"revista":"Frontiers in Artificial Intelligence and Applications","tipo_documental":"article","doi":"10.3233/FAIA260803","url":"https://www.scopus.com/pages/publications/105051115334?origin=resultslist","tem_abstract":true,"palavras_chave":["Coercive force; Computation theory; Information systems; Speech processing; Argumentation schemes; Argumentative dialogues; Dialogical annotation; Fully automated; Practical reasoning; Ransomware negotiation; Short message; Work-flows; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Estudo de negociações de ransomware vazadas publicamente como diálogos argumentativos, analisados por tipos de diálogo, movimentos de diálogo e esquemas de argumentação com anotação automatizada baseada em LLM.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Modelos_de_Linguagem"],"golpes":["Ransomware"],"canais":[],"metodos":["Anotação adjudicada em dois estágios baseada em LLM","Análise de tipos de diálogo","Análise de movimentos de diálogo","Análise de esquemas de argumentação"],"fontes":["Negociações de ransomware vazadas publicamente"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00294","codigo":"REF","titulo":"When crisis communication meets forensics: managing narratives in ransomware, third-party, and nation-state attacks","ano":"2026","autores":["Jong, Wouter","Mikelatou, Kelly","Vielvoije, Marcel"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2026.105082","url":"https://www.scopus.com/pages/publications/105046239806?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer forensics; Data communication systems; Decision making; Electronic crime countermeasures; Forensic engineering; Network security; Communication research; Crisis communications; Cybe crisis communication; Employee communication; Incident response; Nation-state espionage; Semi structured interviews; Stakeholder communications; Third parties; Third-party compromize; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo qualitativo com entrevistas semiestruturadas sobre o papel da comunicação de crise em incidentes cibernéticos, como ransomware e espionagem patrocinada por Estados, indo além do foco em vazamento de dados.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Lingual":1,"Social":1},"temas":["Resposta_a_Incidentes"],"golpes":["Ransomware"],"canais":[],"metodos":["Entrevistas semiestruturadas"],"fontes":["Profissionais de comunicação e resposta a crises cibernéticas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00297","codigo":"REF","titulo":"The Commercialization of Ransomware: From Spray-and-Prey to Big Game Hunting to the Ransom Bazaar","ano":"2026","autores":["Gundur, R.V.","Topalli, Volkan","Vakhitova, Zarina","Liu, Harry Kangluo","Levi, Michael","Winter, Charlie","Baxter, Alexandra Louise Anderson"],"revista":"Crime and Delinquency","tipo_documental":"article","doi":"10.1177/00111287261440146","url":"https://www.scopus.com/pages/publications/105037197771?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Análise da evolução das práticas de pagamento de 525 cepas de ransomware (2013–2025), propondo três eras e uma teoria do ransomware como adaptação comercial aos mercados de criptoativos.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":"2013-2025","aspectos":{"Físico":1,"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Mecanismos_de_Segurança","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":[],"metodos":["Tipos ideais analíticos"],"fontes":[],"ferramentas":[],"unidades":["Cepas de ransomware"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00317","codigo":"REF","titulo":"Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data","ano":"2026","autores":["Massengale, Spencer","Huff, Philip"],"revista":"Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, LNICST","tipo_documental":"article","doi":"10.1007/978-3-031-94458-1_17","url":"https://www.scopus.com/pages/publications/105016151546?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Learning systems; Machine learning; Cyber security; Language model; Large language model; Malwares; Modeling architecture; Most likely; Multi-shot; Protection strategy; Public disclosures; Risk-based; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Abordagem que usa LLM e perfis SKRAM de adversários de ransomware, a partir de divulgações públicas de vítimas, para prever quais grupos têm maior probabilidade de atacar entidades específicas.","foco":"Ecossistema do Atacante","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Modelos_de_Linguagem","Alvos_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["LLM","Prompting chain-of-thought","Prompting multi-shot","Perfis SKRAM","Heurística de geração de dados sintéticos","Aprendizado de máquina"],"fontes":["Divulgações públicas de vítimas de ransomware","Boletins de ransomware","Relatórios de ameaças","Notícias"],"ferramentas":[],"unidades":["Organizações"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00321","codigo":"REF","titulo":"Third-party risk in U.S. health care ransomware incidents: business associate involvement and breach size","ano":"2026","autores":["Cornejo, Gilbert Munoz"],"revista":"Health and Technology","tipo_documental":"article","doi":"10.1007/s12553-025-01036-9","url":"https://www.scopus.com/pages/publications/105025545634?origin=resultslist","tem_abstract":true,"palavras_chave":["cohort analysis; commercial phenomena; health insurance; human; incidence; major clinical study; quantile regression; ransomware; review; risk model; United States"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Quantifica o envolvimento de business associates (BAs) da HIPAA em incidentes de ransomware reportados por provedores de saúde nos EUA (2016–2024) e compara o tamanho das violações com eventos só de provedores.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2016-2024","aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":["Codificação narrativa","Regressão logística","Regressão de Poisson modificada","Regressão binomial negativa","GLM Gamma","Regressão quantílica"],"fontes":["HHS-OCR"],"ferramentas":[],"unidades":["Incidentes"],"territorios":["Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00336","codigo":"REF","titulo":"The threat of ransomware in the food supply chain: a challenge for food defence","ano":"2026","autores":["Manning, Louise","Kowalska, Aleksandra"],"revista":"Trends in Organized Crime","tipo_documental":"article","doi":"10.1007/s12117-023-09516-y","url":"https://www.scopus.com/pages/publications/85176219315?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"texto integral","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":6,"relacoes":4,"resumo":"Explora a defesa alimentar (food defence) pela lente de ataques recentes de ransomware, para fundamentar a necessidade de uma estratégia eficaz de defesa contra ransomware em nível organizacional e setorial.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":3,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Estratégias_de_Defesa","Infraestrutura_Tecnológica","Alvos_de_Ataque","Alvos_e_Impactos_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Indústria Alimentícia"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00342","codigo":"REF","titulo":"Radar: a realistic dataset for advancing ransomware detection","ano":"2026","autores":["Ispahany, Jamil","Deho, Oscar Blessed","Islam, Md Rafiqul","Khan, M. Arif","Islam, Md Zahidul"],"revista":"Cybersecurity","tipo_documental":"article","doi":"10.1186/s42400-025-00435-9","url":"https://www.scopus.com/pages/publications/105039467246?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Cybersecurity; Data streams; Error detection; Learning algorithms; Machine learning; Malware; Behavioral patterns; Class imbalance; Cyber security; Dataset; Drift detection; Incremental learning; Machine learning models; Machine-learning; Ransomware detection; Realistic scenario; Learning systems"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Apresenta o RADAR, um conjunto de dados realista de eventos de sistema com deriva de dados e desbalanceamento de classes para treinar e avaliar modelos de aprendizado de máquina na detecção de ransomware.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Analítico":2,"Formativo":1},"temas":["Detecção_de_Ameaças","Ameaças_Cibernéticas","Características_de_Conjuntos_de_Dados","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["Random Forest adaptativo","Aprendizado incremental online"],"fontes":["Dados sintéticos"],"ferramentas":["Sysmon"],"unidades":["Eventos de sistema"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00373","codigo":"REF","titulo":"Cybersecurity Challenges in Hospitals: International Incident Reports Analysis and Expert Validation","ano":"2026","autores":["Rogge, Grigori","Bohnet-Joschko, Sabine"],"revista":"Informatics","tipo_documental":"article","doi":"10.3390/informatics13040054","url":"https://www.scopus.com/pages/publications/105037218869?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo de métodos mistos que identifica tipos de riscos cibernéticos em hospitais e avalia fatores que influenciam a ocorrência de incidentes, combinando dados públicos de incidentes e grupos focais com especialistas de TI.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2021-2024","aspectos":{"Biótico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Métodos mistos","Grupos focais"],"fontes":["Conjuntos de dados públicos internacionais de incidentes cibernéticos","Especialistas de TI de hospitais"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00440","codigo":"REF","titulo":"Say less: Reframing the risks of ransomware negotiation","ano":"2026","autores":["Larsson, Emil"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2026.105049","url":"https://www.scopus.com/pages/publications/105043636103?origin=resultslist","tem_abstract":true,"palavras_chave":["Costs; Information leakage; Network security; Risk analysis; Risk assessment; Cybe risk; Decryption keys; Economic costs; Encrypted data; Essential services; Information risk; Information security risks; Malwares; Potential benefits; Reframing; Game theory; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":5,"relacoes":4,"resumo":"Análise de 318 negociações de ransomware para quantificar e modelar o risco de segurança da informação ao negociar com grupos de ransomware, contrastando-o com os benefícios potenciais, como a redução do resgate.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Biótico":1,"Analítico":1,"Social":1,"Econômico":2},"temas":["Impacto_de_Ataques","Gestão_de_Risco","Resposta_a_Incidentes","Economia_do_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":["Negociações de ransomware"],"ferramentas":[],"unidades":["Negociações"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00443","codigo":"REF","titulo":"The organizational anatomy of cybercrime: a multilayer framework for modeling resilience","ano":"2026","autores":["Manatova, Dalyapraz","McGrath, Cathleen","Camp, L Jean"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyag014","url":"https://www.scopus.com/pages/publications/105043866061?origin=resultslist","tem_abstract":true,"palavras_chave":["Arts computing; Crime; Cybersecurity; Electronic document exchange; Group theory; Network security; Cyber-crimes; Cybercrime-as-a-service; Discourse analysis; E-crimes; Organisational; Organizational science; Raas; Resilience; Service groups; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe um framework de resiliência para entidades de Cybercrime-as-a-Service tratadas como organizações, aplicado ao operador de ransomware Conti por meio de comunicações internas vazadas.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Social":2},"temas":["Atores_de_Ameaça","Contexto_Organizacional"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise de redes sociais","Análise de discurso","Análise linguística","Teoria dos atos de fala"],"fontes":["Comunicações internas vazadas do Conti"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00457","codigo":"REF","titulo":"Generative AI for Ransomware Identification and Mitigation: Taxonomy, Challenges, and Future Directions","ano":"2026","autores":["Ramirez-Martinez, Erick D.","Perez-Diaz, Jesus A.","Yungaicela-Naula, Noe M."],"revista":"IEEE Open Journal of the Computer Society","tipo_documental":"article","doi":"10.1109/OJCS.2026.3690970","url":"https://www.scopus.com/pages/publications/105038671405?origin=resultslist","tem_abstract":true,"palavras_chave":["Error detection; Generative adversarial networks; Malware; Cyber-attacks; Detection; GAN; Generative AI; LLM; Malwares; Mitigation; Real-world; Review papers; Trade off; Economic and social effects"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Revisão sobre o uso de IA generativa (transformers e GANs) na detecção e mitigação de ransomware, com taxonomia das soluções, desafios e direções de pesquisa.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":3},"temas":["Ameaças_Cibernéticas","Vetores_de_Ataque","Tecnologia_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00462","codigo":"REF","titulo":"Game Theoretical Model of Ransomware with Imperfect Information","ano":"2026","autores":["Denham, Byron","Thompson, Dale"],"revista":"Journal of Computer Virology and Hacking Techniques","tipo_documental":"article","doi":"10.1007/s11416-026-00596-2","url":"https://www.scopus.com/pages/publications/105028658025?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Decision making; Decision theory; Malware; Backup strategy; Cyber security; Decisions makings; Game theoretical analysis; Game theoretical models; Imperfect information; Malwares; Rational agents; Game theory"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Criação de um novo modelo de teoria dos jogos da interação entre atacante e defensor de ransomware, sintetizando e aprimorando modelos existentes, incluindo ameaça de processo judicial e falha de backup.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Teoria dos jogos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_00471","codigo":"REF","titulo":"Assessing Ransomware Victimization Among Freelancers and Small and Medium-Sized Enterprises Using the Lifestyle-Routine Activity Approach","ano":"2026","autores":["Matthijsse, Sifra R.","Brands, Jelle","Van ‘t Hoff-de Goede, M. Susanne","Leukfeldt, E. Rutger"],"revista":"Victims and Offenders","tipo_documental":"article","doi":"10.1080/15564886.2026.2663359","url":"https://www.scopus.com/pages/publications/105038128924?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":6,"relacoes":5,"resumo":"Estudo da associação entre componentes da abordagem de estilo de vida e atividades rotineiras e as chances de vitimização por ransomware entre freelancers e pequenas e médias empresas na Holanda.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":2,"Biótico":1,"Analítico":1,"Econômico":2},"temas":["Alvos_de_Ataque","Autenticação_e_Controle_de_Acesso","Impacto_de_Ataques","Controles_de_Segurança","Metodologia_Científica"],"golpes":["Ransomware"],"canais":[],"metodos":["Survey","Abordagem de estilo de vida e atividades rotineiras"],"fontes":["Survey com freelancers e pequenas e médias empresas"],"ferramentas":[],"unidades":["Organizações"],"territorios":["Países Baixos"],"setores":[],"teorias":["Abordagem de estilo de vida e atividades rotineiras"]},{"id":"ref_3f42d6b2ce58_00478","codigo":"REF","titulo":"Estimating The Number Of Ransomware Attacks","ano":"2026","autores":["Meurs, Tom","Junger, Marianne","Cruyff, Maarten","van der Heijden, Peter G. M."],"revista":"Journal of Quantitative Criminology","tipo_documental":"article","doi":"10.1007/s10940-025-09625-7","url":"https://www.scopus.com/pages/publications/105012481518?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estima a prevalência e as taxas de notificação de ataques de ransomware contra empresas nos Países Baixos por captura-recaptura, avaliando a subnotificação por porte de empresa e comparando com pesquisas de vitimização.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2019-2023","aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Metodologia_Científica"],"golpes":["Ransomware"],"canais":[],"metodos":["Captura-recaptura"],"fontes":["Registros policiais","Empresas de resposta a incidentes","Sites de vazamento de grupos de ransomware"],"ferramentas":[],"unidades":["Empresas"],"territorios":["Países Baixos"],"setores":[],"teorias":[]},{"id":"zheng2026102","codigo":"ZHENG2026102","titulo":"Spam Call Detection with Hybrid Call ID Spoofing Detection and Cryptographic User Authentication","ano":"2026","autores":["Zheng, Jiawei","He, Jianhua","Chen, Hsiao-Hwa","Yang, Han","Gao, Tao"],"revista":"IEEE Communications Magazine","tipo_documental":"article","doi":"10.1109/MCOM.001.2500464","url":"https://www.scopus.com/pages/publications/105031058105?origin=resultslist","tem_abstract":true,"palavras_chave":["Authentication; Cryptography; Receivers (containers); Caller ID; CryptoGraphics; Detection approach; Detection framework; Detection methods; False positive; Integrating networks; Network-based; Receiver-initiated; User authentication; Computational efficiency"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Propõe um framework de detecção de chamadas de spam que combina detecção de Caller ID spoofing (híbrida e baseada em SMS) com autenticação criptográfica de usuários (ReCall).","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2,"Estético":1},"temas":["Engano_e_Falsificação","Controles_de_Segurança","Técnicas_de_Ataque"],"golpes":["Chamadas de spam com falsificação de identificador de chamadas (Caller ID spoofing)"],"canais":["Voz","SMS"],"metodos":["Detecção híbrida de Caller ID spoofing baseada em rede e dispositivo","SMSpoof","ReCall"],"fontes":[],"ferramentas":[],"unidades":["Chamadas"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00002","codigo":"FRAUDES00002","titulo":"From Data to Defense: How Ontology Fuels AI in Cyber Threat Detection","ano":"2025","autores":["Dash, Sheetal","Seker, Huseyin","Shahpasand, Maryam"],"revista":"","tipo_documental":"misc","doi":"10.1145/3704137.3704176","url":"https://doi.org/10.1145/3704137.3704176","tem_abstract":true,"palavras_chave":["DDoS","Taxonomy","cyber security","datasets","metrics","ontology","real-time cyber threats","type"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Propõe uma ontologia de datasets de cibersegurança para organizar e interconectar dados de ataques cibernéticos, enfrentando a escassez de dados para treinar modelos de IA de detecção de ameaças.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":2,"Formativo":2},"temas":["Características_de_Conjuntos_de_Dados","Impacto_de_Ataques","Aprendizado_de_Máquina","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":[],"metodos":["Taxonomia preliminar","Agrupamento em clusters"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00003","codigo":"FRAUDES00003","titulo":"Scams and Frauds in the Digital Age: ML-Based Detection and Prevention Strategies","ano":"2025","autores":["Kolupuri, Sai Venkata Jaswant","Paul, Ananya","Bhowmick, Rajat Subhra","Ganguli, Isha"],"revista":"","tipo_documental":"misc","doi":"10.1145/3700838.3703672","url":"https://doi.org/10.1145/3700838.3703672","tem_abstract":true,"palavras_chave":["Scam","Fraud","Cybercrime","Machine learning","Deep Learning"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise detalhada de diversas formas de golpes e fraudes online, suas metodologias e impactos, com taxonomia por tipo de golpe e métodos de ML/DL para detecção e prevenção.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":1,"Econômico":1},"temas":["Aprendizado_de_Máquina","Crimes_Digitais"],"golpes":["Golpes e fraudes online","Phishing","Roubo de identidade","Fraude financeira"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":["Índia"],"setores":[],"teorias":[]},{"id":"fraudes00005","codigo":"FRAUDES00005","titulo":"When Anti-Fraud Laws Become a Barrier to Computer Science Research","ano":"2025","autores":["Xiao, Madelyne","Sellars, Andrew","Scheffler, Sarah"],"revista":"","tipo_documental":"misc","doi":"10.1145/3709025.3712206","url":"https://doi.org/10.1145/3709025.3712206","tem_abstract":true,"palavras_chave":["computer science research","deception","ethics","fraud","law","methodology"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Analisa e taxonomiza as questões de leis antifraude e engano que surgem em diversas áreas da pesquisa em ciência da computação, sugerindo caminhos éticos e legais.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Social":1,"Jurídico":1},"temas":["Regulação_e_Governança_de_Cibersegurança","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"fraudes00019","codigo":"FRAUDES00019","titulo":"Suspicious minds: Psychological techniques correlated with online phishing attacks","ano":"2025","autores":["Stylianou, Ioannis","Bountakas, Panagiotis","Zarras, Apostolis","Xenakis, Christos"],"revista":"Computers in Human Behavior Reports","tipo_documental":"misc","doi":"10.1016/j.chbr.2025.100694","url":"https://doi.org/10.1016/j.chbr.2025.100694","tem_abstract":true,"palavras_chave":["phishing","social engineering","psychological manipulation","compliance","authority","commitment and consistency","reciprocity","group pressure","cyber threats","countermeasures"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Taxonomia e análise de técnicas psicológicas usadas na engenharia social e no phishing, com novas métricas (ACR, RCR, CCR) para quantificar sua efetividade em induzir conformidade.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":2,"Formativo":1,"Lingual":1,"Social":1},"temas":["Fatores_Humanos","Ataques_de_Phishing","Dados_e_Privacidade"],"golpes":["Phishing"],"canais":[],"metodos":["Revisão sistemática"],"fontes":["Experimentos psicológicos da literatura"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00023","codigo":"FRAUDES00023","titulo":"Persuasion and Phishing","ano":"2025","autores":["Khadka, Kalam"],"revista":"Journal of The Colloquium for Information Systems Security Education","tipo_documental":"misc","doi":"10.53735/cisse.v12i1.207","url":"https://doi.org/10.53735/cisse.v12i1.207","tem_abstract":true,"palavras_chave":["phishing","social engineering","persuasion principles","email content analysis","deception","authority","distraction","unauthorized access","financial gain","socio-technical security","phishing detection"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":4,"relacoes":3,"resumo":"Análise do conteúdo completo de e-mails de phishing para identificar princípios de persuasão humana, objetivos e alvos, aplicando o modelo ontológico de Mouton et al. (2014).","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Lingual":2,"Social":1},"temas":["Alvos_de_Ataque","Fatores_Humanos","Vetores_de_Ataque"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Análise de conteúdo de e-mails","Modelo ontológico de Mouton et al."],"fontes":[],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00047","codigo":"FRAUDES00047","titulo":"Desenvolvimento de uma Ontologia para Abordar a Técnica de Phishing em Delitos Informáticos: uma contribuição à Segurança Pública","ano":"2025","autores":["da Silva, Julio Cesar","de Lima, Sidney Marlon Lopes"],"revista":"Revista de Gestão e Secretariado (Management and Administrative Professional Review)","tipo_documental":"misc","doi":"10.7769/gesec.v16i4.4858","url":"https://doi.org/10.7769/gesec.v16i4.4858","tem_abstract":true,"palavras_chave":["phishing","cybercrime","ontology","public security","Budapest Convention","Marco Civil da Internet","access to information law","law enforcement standardization","digital security","fraud prevention","Northeast Brazil"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Avalia a estrutura da segurança pública brasileira no combate ao Phishing e propõe uma ontologia que integre aspectos jurídicos e tecnológicos para prevenção e resposta.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Modelagem_Formal","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":[],"metodos":["Solicitação de dados via Lei de Acesso à Informação","Análise de conformidade legal"],"fontes":["Órgãos de segurança pública do Nordeste brasileiro"],"ferramentas":[],"unidades":["Órgãos públicos"],"territorios":["Nordeste do Brasil"],"setores":["Segurança Pública"],"teorias":[]},{"id":"fraudes00050","codigo":"FRAUDES00050","titulo":"A comprehensive review of explainable AI in cybersecurity: Decoding the black box","ano":"2025","autores":["Sharma, Anshika","Rani, Shalli","Shabaz, Mohammad"],"revista":"ICT Express","tipo_documental":"misc","doi":"10.1016/j.icte.2025.10.004","url":"https://doi.org/10.1016/j.icte.2025.10.004","tem_abstract":true,"palavras_chave":["explainable AI","cybersecurity","black-box models","model interpretability","AI transparency","malware detection","phishing detection","network intrusion detection","trust in AI"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Survey abrangente da literatura sobre o uso de Inteligência Artificial Explicável (XAI) para mitigar a opacidade de modelos caixa-preta em cibersegurança, incluindo ataques como phishing, malware e intrusões de rede.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Lingual":1,"Pístico":1},"temas":["Fatores_Humanos_em_Segurança","Qualidade_de_Dados"],"golpes":["Phishing"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00054","codigo":"FRAUDES00054","titulo":"Unveiling personalized and gamification-based cybersecurity risks within financial institutions","ano":"2025","autores":["Shahzadi, Amna","Ishaq, Kashif","Nawaz, Naeem Ahmed Haq","Rosdi, Fadhilah","Khan, Fawad Ali"],"revista":"PeerJ Computer Science","tipo_documental":"misc","doi":"10.7717/peerj-cs.2598","url":"https://doi.org/10.7717/peerj-cs.2598","tem_abstract":true,"palavras_chave":["gamification","cybersecurity","financial institutions","advanced persistent threats","phishing","malware","social engineering","AI-driven security","user motivation","cybersecurity training","electronic banking","incident response","security analysis"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Revisão sistemática de 48 artigos sobre estratégias de gamificação personalizadas e reforçadas por IA para mitigar ameaças cibernéticas, incluindo phishing, no setor financeiro.","foco":"Prevenção e Resposta","tipo":"Revisão Sistemática","periodo":"2015-2024","aspectos":{"Formativo":4},"temas":["Defesa_e_Mitigação","Treinamento_e_Conscientização","Ameaças_Digitais","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":[],"metodos":["Revisão sistemática da literatura"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Setor Financeiro"],"teorias":[]},{"id":"fraudes00056","codigo":"FRAUDES00056","titulo":"Digital Banking Fraud in India: Typologies, Victim Behaviour, and AI-Enabled Risk Governance in a Global Context","ano":"2025","autores":["Maini, Ritika","Sindhi, Vivek Kumar"],"revista":"International Journal For Multidisciplinary Research","tipo_documental":"misc","doi":"10.36948/ijfmr.2025.v07i05.55593","url":"https://doi.org/10.36948/ijfmr.2025.v07i05.55593","tem_abstract":true,"palavras_chave":["India","fraud typology","Unified Payments Interface","mobile wallets","phishing","vishing","ATM skimming","Ponzi schemes","social engineering","digital literacy","cybercrime reporting","dark web","cryptocurrency","cross-border fraud","Reserve Bank of India","financial inclusion","cyber resilience","consumer protection"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":6,"relacoes":4,"resumo":"Sintetiza literatura, relatos de casos e documentos regulatórios para examinar tipologias de fraude bancária digital na Índia, comportamento das vítimas, respostas institucionais e o potencial da detecção baseada em IA.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Social":1,"Econômico":1,"Pístico":1},"temas":["Manipulação_Psicológica","Ataques_de_Phishing","Tecnologia_de_Ataque","Crimes_Digitais"],"golpes":["Fraude bancária digital","Phishing","Vishing","Golpe de troca de SIM","Golpes de QR Code e UPI","Skimming em caixas eletrônicos","Esquemas Ponzi"],"canais":["Voz","QR Code","Web"],"metodos":["Revisão narrativa"],"fontes":["Relatórios do Ombudsman do RBI","National Electronic Fraud Forum"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Índia"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00057","codigo":"FRAUDES00057","titulo":"Learning from safety science: designing incident reporting systems in cybersecurity","ano":"2025","autores":["Ebert, Nico","Schaltegger, Thierry","Ambuehl, Benjamin","Geppert, Tim","Trammell, Ariane","Knieps, Melanie","Zimmermann, Verena"],"revista":"Journal of Cybersecurity","tipo_documental":"misc","doi":"10.1093/cybsec/tyaf019","url":"https://doi.org/10.1093/cybsec/tyaf019","tem_abstract":true,"palavras_chave":["incident reporting systems","cybersecurity","safety science","underreporting","reporting channels","near misses","employee reporting","case-based learning","voluntariness","impunity","independence","feedback","socio-technical systems","incident management"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Revisão que extrai lições da área de segurança (safety) sobre sistemas de reporte de incidentes para propor uma taxonomia de reporte em cibersegurança, incluindo quase-incidentes e fatores latentes.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00059","codigo":"FRAUDES00059","titulo":"Safeguarding the healthcare sector from ransomware attacks: insights from a literature review","ano":"2025","autores":["Shahzadi, Amna","Ishaq, Kashif","Dogar, Abdul Basit","Khan, Javed Ali","Mylonas, Alexios","Nawaz, Naeem Ahmed Haq","Yasin, Affan","Khan, Fawad Ali"],"revista":"PeerJ Computer Science","tipo_documental":"misc","doi":"10.7717/peerj-cs.3073","url":"https://doi.org/10.7717/peerj-cs.3073","tem_abstract":true,"palavras_chave":["ransomware","healthcare cybersecurity","phishing","data encryption","financial losses","patient care disruption","data breaches","HIPAA compliance","NIST Cybersecurity Framework","patient data protection"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Revisão da literatura sobre ataques de ransomware no setor de saúde: variantes, propagação, impactos, estratégias de prevenção e resposta, implicações legais e frameworks, com proposta de taxonomia.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":"2016-2024","aspectos":{"Biótico":1,"Formativo":1,"Lingual":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque","Vetores_de_Ataque"],"golpes":["Ransomware no setor de saúde"],"canais":["E-mail"],"metodos":["Revisão da literatura"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"fraudes00062","codigo":"FRAUDES00062","titulo":"Domain-independent deception: a new taxonomy and linguistic analysis","ano":"2025","autores":["Verma, Rakesh M","Dershowitz, Nachum","Zeng, Victor","Boumber, Dainis","Liu, Xuting"],"revista":"Frontiers in Big Data","tipo_documental":"misc","doi":"10.3389/fdata.2025.1581734","url":"https://doi.org/10.3389/fdata.2025.1581734","tem_abstract":true,"palavras_chave":["deception detection","cross-domain transfer","phishing","fake news","knowledge transfer"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Investiga a decepção independente de domínio (fake news, phishing, golpes de emprego), propondo definição computacional, taxonomia, novo dataset e experimentos de transferência de conhecimento entre domínios.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Decepção online independente de domínio (notícias falsas","phishing","golpes de emprego)"],"canais":[],"metodos":["Aprendizado de máquina clássico","Aprendizado profundo","Experimentos entre domínios"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00065","codigo":"FRAUDES00065","titulo":"The taxonomy of financial cybercrime","ano":"2025","autores":["Kiss, Milán","Kovács, Levente"],"revista":"Economy & finance","tipo_documental":"misc","doi":"10.33908/ef.2025.3.4","url":"https://doi.org/10.33908/ef.2025.3.4","tem_abstract":true,"palavras_chave":["financial cybercrime","cybercrime classification","cyber threats","financial services","phishing","malware","advanced persistent threats","organized crime","hacktivism","payment transactions","cybersecurity awareness","cyber defense","law enforcement"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Classificação sistemática de abusos cibernéticos que afetam o setor financeiro, segundo diversos critérios, com atenção aos mecanismos de defesa e aos abusos observáveis em transações de pagamento.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2,"Jurídico":1},"temas":["Resposta_Institucional","Ameaças_Digitais","Ataques_de_Phishing"],"golpes":["Ataques cibernéticos ao setor financeiro","Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Setor Financeiro"],"teorias":[]},{"id":"fraudes00070","codigo":"FRAUDES00070","titulo":"Building Digital Trust in Jakarta’s Micro and Small Enterprises: From Awareness to Adaptation","ano":"2025","autores":["Marcel, Marcel","Monica, Katherin"],"revista":"Journal of Information Systems and Informatics","tipo_documental":"misc","doi":"10.51519/journalisi.v7i3.1246","url":"https://doi.org/10.51519/journalisi.v7i3.1246","tem_abstract":true,"palavras_chave":["digital trust","micro","small and medium enterprises","information security practices","digital transformation","phishing awareness","strong passwords","two-factor authentication","security guidelines","digital resilience"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Estudo de como MSMEs de Jacarta constroem confiança digital por meio de práticas básicas de segurança da informação, com abordagem de métodos mistos e proposta de modelo conceitual de adaptação incremental.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Econômico":1},"temas":["Fatores_Humanos_em_Segurança","Crimes_Digitais"],"golpes":["Phishing"],"canais":[],"metodos":["Métodos mistos","Survey","Entrevistas"],"fontes":["Proprietários de MSMEs"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Jacarta"],"setores":["Micro, pequenas e médias empresas"],"teorias":[]},{"id":"fraudes00082","codigo":"FRAUDES00082","titulo":"Cyber threats and ai risks in human resources management","ano":"2025","autores":["Nastuła, Anna"],"revista":"Human Systems Security","tipo_documental":"misc","doi":"10.66061/csb/210602","url":"https://doi.org/10.66061/csb/210602","tem_abstract":true,"palavras_chave":["Human life","Risk management","Human resources","Business management","Human health"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise e sistematização da tipologia de ameaças cibernéticas contra os processos de gestão de recursos humanos, como phishing, fraudes de recrutamento com deepfake e ameaças internas, com recomendações organizacionais.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Engenharia_Social","Ataques_de_Phishing"],"golpes":["Phishing","Fraude de recrutamento com deepfake"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Recursos Humanos"],"teorias":[]},{"id":"fraudes00083","codigo":"FRAUDES00083","titulo":"How do online banking scams affect consumer behaviour and financial system stability in developing economies like India?","ano":"2025","autores":["Kapur, Aarav"],"revista":"World Journal of Advanced Research and Reviews","tipo_documental":"misc","doi":"10.5281/zenodo.17694724","url":"https://doi.org/10.5281/zenodo.17694724","tem_abstract":true,"palavras_chave":["Cash","Affect (linguistics)","Developing country","Compensation (psychology)","FinTech","Phishing","Financial compensation","Financial stability"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Examina as implicações econômicas dos golpes bancários online, como afetam o comportamento do consumidor e o sistema financeiro em economias em desenvolvimento como a Índia, e propõe recomendações de política.","foco":"Vítima","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Econômico":1,"Pístico":1},"temas":["Fatores_Humanos","Modalidades_De_Phishing","Ataques_de_Phishing","Crimes_Digitais"],"golpes":["Golpes bancários online","Phishing","Vishing"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Índia"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00086","codigo":"FRAUDES00086","titulo":"Типологизация развития опасных ситуаций для реагирования оперативных служб территорий на основе анализа многолетней статистики","ano":"2025","autores":["Фаддеев, А.О.","Невдах, Т.М.","Броненкова, Ю.В."],"revista":"Modelirovanie, optimizaciâ i informacionnye tehnologii.","tipo_documental":"misc","doi":"10.26102/2310-6018/2025.51.4.058","url":"https://doi.org/10.26102/2310-6018/2025.51.4.058","tem_abstract":true,"palavras_chave":["dangerous situations","emergency services","emergency situation forecasting","time series decomposition","seasonal and trend components","cyber threats","LSTM forecasting","recurrent neural networks","Russian regions","emergency management decision-making"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Modelagem e previsão da dinâmica de ataques de phishing no ciberespaço da Federação Russa com séries temporais e rede neural LSTM, junto à risco-tipologização de territórios por emergências.","foco":"Detecção","tipo":"Estudo Empírico","periodo":"2009-2021","aspectos":{"Analítico":1,"Formativo":1},"temas":["Aprendizado_de_Máquina","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":[],"metodos":["Análise de séries temporais","Decomposição em tendência, sazonalidade e componente aleatória","LSTM"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Rússia"],"setores":[],"teorias":[]},{"id":"fraudes00087","codigo":"FRAUDES00087","titulo":"Безкодовий підхід до побудови семантичних мереж засобами промпт-інжинірингу","ano":"2025","autores":["Ланде, Дмитро","Рибак, Олександр"],"revista":"Scientific periodicals of Ukraine","tipo_documental":"misc","doi":"","url":"https://openalex.org/W7114835913","tem_abstract":true,"palavras_chave":["Ontology","Natural language","Key (lock)","Field (mathematics)","Semantics (computer science)","Function (biology)","Semantic Web","Knowledge engineering","Graph","Domain (mathematical analysis)"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":6,"relacoes":4,"resumo":"Proposta de abordagem no-code, por engenharia de prompt com LLMs, para construir redes semânticas e ontologias de ameaças, aplicada a phishing.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":2,"Analítico":1,"Formativo":2,"Social":1},"temas":["Ataques_de_Phishing","Modelos_de_Linguagem","Modelagem_Formal","Ameaças_Digitais"],"golpes":["Phishing"],"canais":[],"metodos":["Engenharia de prompt","Abordagem no-code","Engenharia de ontologias com LLM"],"fontes":["Notícias sobre phishing"],"ferramentas":[],"unidades":["Notícias"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00088","codigo":"FRAUDES00088","titulo":"No-code approach to building semantic networks by means of prompt engineering","ano":"2025","autores":["Lande, Dmytro","Rybak, Oleksandr"],"revista":"Collection Information technology and security","tipo_documental":"misc","doi":"10.20535/2411-1031.2025.13.2.344712","url":"https://doi.org/10.20535/2411-1031.2025.13.2.344712","tem_abstract":true,"palavras_chave":["Ontology","Key (lock)","Field (mathematics)","Natural language","Semantics (computer science)","Semantic Web","Semantic network","Domain (mathematical analysis)","Function (biology)","Knowledge engineering"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Propõe uma abordagem no-code, baseada em engenharia de prompts com LLMs, para construir redes semânticas e ontologias, aplicada à criação de uma rede semântica sobre ataques de phishing.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Formativo":2,"Lingual":1,"Social":1},"temas":["Modelos_de_Linguagem","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":[],"metodos":["Engenharia de prompts","Prompting no-code com primitivas de condição, laço e função","GPT-5"],"fontes":["Notícias"],"ferramentas":[],"unidades":["Notícias"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00094","codigo":"FRAUDES00094","titulo":"IMPACTS AND RISKS OF FAKE INFORMATION GENERATED BY ARTIFICIAL INTELLIGENCE IN KAZAKH SOCIETY","ano":"2025","autores":["Tergembay, Kenzhegul","Mamankul, A. A.","Irgusaeva, A.А.","Tabyldy, Zh.","Beisembayeva, A."],"revista":"Вестник Кокшетауского университета имени Ш Уалиханова Серия Педагогические науки","tipo_documental":"misc","doi":"10.59102/pedagogical/2025/iss4pp16-24","url":"https://doi.org/10.59102/pedagogical/2025/iss4pp16-24","tem_abstract":true,"palavras_chave":["Disinformation","Kazakh","Government (linguistics)","Digital media","Social media","Popularity","Politics","Novelty","Media literacy","Fake news"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":6,"relacoes":3,"resumo":"Examina o impacto e os riscos da desinformação gerada por inteligência artificial (AI-fakes) na sociedade cazaque, construindo uma tipologia e avaliando difusão, recepção e riscos.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Lingual":2,"Pístico":1},"temas":["Tecnologia_de_Ataque","Fatores_Humanos_e_Psicológicos","Ataques_de_Phishing","Propagação_de_Ataques","Canais_de_Ataque","Manipulação_Psicológica"],"golpes":["Desinformação gerada por IA (AI-fakes), incluindo deepfakes e phishing em anúncios"],"canais":["Mensageria Instantânea","Redes Sociais"],"metodos":["Análise de conteúdo","Métodos qualitativos e quantitativos"],"fontes":["Amostras de desinformação"],"ferramentas":[],"unidades":["Amostras de desinformação"],"territorios":["Cazaquistão"],"setores":[],"teorias":[]},{"id":"fraudes00095","codigo":"FRAUDES00095","titulo":"Large Language Models and Their Abuse in High-Level Social Engineering Campaigns","ano":"2025","autores":["Jajanidze, Iveri","Kartvelishvili, Ioseb"],"revista":"თავდაცვა და მეცნიერება","tipo_documental":"misc","doi":"10.61446/ds.4.2025.10444","url":"https://doi.org/10.61446/ds.4.2025.10444","tem_abstract":true,"palavras_chave":["Social engineering (security)","Persuasion","Adversarial system","Deception","Generative grammar","Credibility","Leverage (statistics)","Cognition","Pragmatics"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Examina como modelos de linguagem generativos transformam a engenharia social, propondo uma taxonomia de classes de ataque aumentadas por LLM e uma metodologia de avaliação em dois planos.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2,"Social":1},"temas":["Tecnologia_de_Ataque","Detecção_e_Prevenção_de_Phishing","Ataques_de_Phishing"],"golpes":["Engenharia social aumentada por LLM"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00161","codigo":"FRAUDES00161","titulo":"BERT-OntoSent: combining BERT language model with sentiment ontology for enhanced sentiment analysis on social media","ano":"2025","autores":["Abdelweheb Gueddes, Mohamed Ali Mahjoub"],"revista":"Journal of Information and Telecommunication","tipo_documental":"misc","doi":"10.1080/24751839.2025.2528363","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":2,"resumo":"Apresenta o BERT-OntoSent, abordagem híbrida que combina BERT e ontologia com regras SWRL para análise de sentimento em redes sociais e outros domínios.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Modelos_de_Linguagem"],"golpes":[],"canais":["Redes Sociais"],"metodos":["BERT","Ontologia","Regras SWRL","Processo DCWEB-SOBA"],"fontes":["SemEval 2016","Amazon","Twitter"],"ferramentas":[],"unidades":["Textos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00198","codigo":"FRAUDES00198","titulo":"Address Bar Spoofing in Contemporary Web Browsers: A Taxonomy, Exploitation Study, and Mitigation Guidelines","ano":"2025","autores":["Renua Hiwa Ismael, Jaza Mahmood Abdullah"],"revista":"UHD Journal of Science and Technology","tipo_documental":"misc","doi":"10.21928/uhdjst.v9n2y2025.pp335-345","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Investigação de vulnerabilidades de falsificação da barra de endereços (address bar spoofing) em navegadores desktop e móveis, com taxonomia de técnicas, análise de causas-raiz e framework de mitigação.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Estético":1},"temas":["Infraestrutura_Web","Técnicas_de_Ataque"],"golpes":["Falsificação da barra de endereços (address bar spoofing)"],"canais":["Web"],"metodos":["Testes sistemáticos de vulnerabilidades","Divulgação responsável"],"fontes":["Navegadores desktop e móveis"],"ferramentas":[],"unidades":["Vulnerabilidades"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00214","codigo":"FRAUDES00214","titulo":"Entity and relation extractions for threat intelligence knowledge graphs","ano":"2025","autores":["Mouiche, Inoussa (57196224565); Saad, Sherif (36633013600)"],"revista":"Computers and Security","tipo_documental":"misc","doi":"10.1016/j.cose.2024.104120","url":"https://www.scopus.com/pages/publications/85204467192?origin=resultslist","tem_abstract":true,"palavras_chave":["Cyber knowledge graphs (CKGs); Cyber threat intelligence (CTI); Entity-relation extraction; Joint extraction; Knowledge Ontology; NER Datasets; Pipeline extraction; Threat intelligence knowledge graphs (TiKG); Cyber attacks; Ontology; Phishing; Terrorism; Cybe knowledge graph; Cybe threat intelligence; Cyber threats; Entity relation extractions; Joint extraction; Knowledge graphs; Knowledge ontology; NER dataset; Pipeline extraction; Threat intelligence knowledge graph; Knowledge graph"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Introduz o pipeline TiKG, que usa SecureBERT e BiLSTM com atenção para extrair entidades e relações de relatórios de inteligência de ameaças e construir grafos de conhecimento cibernético sobre APTs.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Ameaças persistentes avançadas (APT)"],"canais":[],"metodos":["SecureBERT","BiLSTM com atenção","Ontologia de domínio e modelo de inferência"],"fontes":["DNRTI","STUCCO","CYNER","Conjunto curado de CTI"],"ferramentas":[],"unidades":["Textos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00218","codigo":"FRAUDES00218","titulo":"An automated dynamic quality assessment method for cyber threat intelligence","ano":"2025","autores":["Yang, Libin (57198986816); Wang, Menghan (57537135600); Lou, Wei (22433328400)"],"revista":"Computers and Security","tipo_documental":"misc","doi":"10.1016/j.cose.2024.104079","url":"https://www.scopus.com/pages/publications/85206937063?origin=resultslist","tem_abstract":true,"palavras_chave":["Content availability; Cyber threat intelligence; Data quality assessment; Feed trustworthiness; Cyber attacks; Phishing; 'current; Content availability; Cybe threat intelligence; Cyber threats; Data quality assessment; Dynamic quality; Feed trustworthiness; Intelligence sources; Malicious activities; Quality assessment"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Propõe um método automatizado de avaliação da qualidade de cyber threat intelligence (CTI) que combina a confiabilidade das fontes e a disponibilidade do conteúdo.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Grafo de correlação","Algoritmo iterativo","Aprendizado de máquina"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0066_phishing","codigo":"G0066","titulo":"The Evolution and Defense Against Social Engineering and Phishing Attacks","ano":"2025","autores":["Panda, Sibaram Prasad"],"revista":"International Journal of Science and Research (IJSR)","tipo_documental":"article","doi":"10.21275/sr25504223645","url":"https://doi.org/10.21275/sr25504223645","tem_abstract":true,"palavras_chave":["social engineering","phishing","cybersecurity","human factors","security awareness","cyber defense"],"anotado":true,"base":"texto integral","lote":"Primeira rodada, Triagem","golpe":"Phishing","significancia":"0","trechos":129,"conceitos":175,"relacoes":216,"resumo":"Artigo que examina a evolução histórica dos ataques de engenharia social e phishing, propõe uma taxonomia abrangente das técnicas modernas e avalia a eficácia de defesas técnicas e centradas no ser humano, propondo um framework de defesa multicamadas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":1,"Cinemático":2,"Físico":12,"Sensitivo":17,"Analítico":6,"Formativo":66,"Lingual":22,"Social":24,"Econômico":7,"Estético":8,"Jurídico":4,"Pístico":6},"temas":["Vetores_de_Ataque","Defesa_e_Mitigação","Infraestrutura_de_Ataque","Fatores_Humanos","Ataques_de_Phishing","Técnicas_de_Ataque","Engenharia_Social","Alvos_de_Ataque","Canais_de_Ataque","Fatores_Humanos_em_Segurança","Táticas_de_Ataque","Segurança_da_Informação","Manipulação_Psicológica","Ameaças_Cibernéticas","Mecanismos_de_Defesa","Propagação_de_Ataques","Resposta_a_Incidentes","Alvos_de_Phishing","Detecção_de_Phishing","Engano_e_Falsificação","Técnicas_de_Evasão","Vetor_de_Ataque","Identidade_Digital","Autenticação_e_Controle_de_Acesso","Impacto_do_Phishing","Impacto_do_Ataque","Taxonomia_de_Ataques","Fatores_Humanos_e_Psicológicos","Modalidades_De_Phishing","Dados_e_Privacidade","Comportamento_Humano_em_Segurança","Defesa_e_Contramedidas","Dados_da_Vítima","Taxonomia_De_Ataques","Detecção_e_Prevenção_de_Phishing","Defesa_Técnica","Modalidades_de_Ataque","Fatores_Humanos_de_Vulnerabilidade","Detecção_De_Phishing","Infraestrutura_de_E-mail","Comunicação_por_E-mail","Alvos_De_Ataque","Estratégias_de_Defesa","Resposta_Institucional","Identidade_e_Representação","Automação_de_Ataques","Análise_de_E-mail","Impactos_do_Phishing","Regulação_e_Governança_de_Cibersegurança","Segurança_Computacional","Autenticação_e_Segurança","Gestão_de_Incidentes","Treinamento_e_Conscientização","Infraestrutura_Técnica_de_Phishing","Atores_de_Ameaça","Conteúdo_de_Isca","Identidade_Alvo","Segurança_Cibernética","Contramedidas_e_Defesa","Impacto_de_Ataques","Economia_do_Ataque","Regulação_e_Governança_Digital","Modelagem_Formal","Fatores_Psicológicos","Ataques_e_Exploração","Motivação_e_Impacto_de_Ataques","Infraestrutura_Tecnológica","Alvos_De_Phishing","Objetivos_de_Ataque","Contexto_Organizacional","Defesa_Organizacional","Contextos_de_Ataque","Regulação_e_Conformidade","Fatores_Humanos_em_Phishing","Técnicas_de_Engano","Tecnologia_de_Ataque","Ataques_Cibernéticos","Infraestrutura_Web","Características_do_Ataque","Atores_do_Ataque","Infraestrutura_Técnica","Vulnerabilidade_Humana","Detecção_de_Ameaças","Crimes_Digitais","Ameaças_Digitais","Alvos_e_Impactos_de_Ataques","Mecanismos_de_Segurança","Educação_e_Conscientização","Segurança_de_Credenciais","Ciclo_do_Ataque","Impactos_de_Ataques","Controles_de_Segurança","Infraestrutura_de_Comunicação","Autenticação_e_Verificação","Conscientização_e_Treinamento"],"golpes":["Phishing","Engenharia social"],"canais":[],"metodos":["Revisão narrativa","Modelagem conceitual de taxonomia"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0204_phishing","codigo":"G0204","titulo":"LLM-Powered Intent-Based Categorization of Phishing Emails","ano":"2025","autores":["Eilertsen, Even","Mavroeidis, Vasileios","Grov, Gudmund"],"revista":"2025 IEEE International Conference on Cyber Security and Resilience (CSR)","tipo_documental":"inproceedings","doi":"10.1109/csr64739.2025.11130105","url":"https://doi.org/10.1109/csr64739.2025.11130105","tem_abstract":true,"palavras_chave":["cybersecurity","email security","phishing detection","large language models","AI","cyber threat information"],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Investiga o potencial prático de LLMs para detectar e-mails de phishing a partir de sua intenção, introduzindo uma taxonomia de tipos de intenção usada para categorizar os e-mails.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":2,"Lingual":1},"temas":["Detecção_de_Phishing","Aprendizado_de_Máquina","Análise_de_E-mail"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Classificação de e-mails por LLMs","Classificação binária","Classificação multiclasse por intenção"],"fontes":["Conjuntos públicos de e-mails"],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0216_phishing","codigo":"G0216","titulo":"SoK: Systematizing Generation, Characteristics, and Defenses in LLM-Generated Phishing","ano":"2025","autores":["Chen, Fengchao","Wu, Tingmin","Nguyen, Van-Linh","Rudolph, Carsten"],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.2508.21457","url":"https://doi.org/10.48550/arxiv.2508.21457","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Exame sistemático do cenário de phishing gerado por LLM, com taxonomias de métodos de manipulação de LLMs e de defesas, e benchmark de detectores acadêmicos e industriais.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Modelos_de_Linguagem","Ataques_de_Phishing"],"golpes":["Phishing gerado por LLM"],"canais":[],"metodos":["Taxonomia de métodos de manipulação de LLMs","Benchmark de detectores de phishing"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0257_phishing","codigo":"G0257","titulo":"Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework","ano":"2025","autores":["Karpurapu, Rajesh","Imambi, S. Sagar"],"revista":"Springer Science and Business Media LLC","tipo_documental":"misc","doi":"10.21203/rs.3.rs-6573597/v1","url":"https://doi.org/10.21203/rs.3.rs-6573597/v1","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":5,"relacoes":4,"resumo":"Propõe um sistema de detecção de ataques de engenharia social no Twitter que combina modelos de deep learning (LSTM, RNN, BERT) com o framework MITRE ATT&CK.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":2,"Formativo":1,"Social":1},"temas":["Aprendizado_de_Máquina","Fatores_Humanos","Ataques_de_Phishing","Modelos_de_Linguagem"],"golpes":["Ataques de engenharia social no Twitter","Phishing"],"canais":["Redes Sociais"],"metodos":["LSTM","RNN","BERT","Mapeamento para TTPs do MITRE ATT&CK"],"fontes":["Twitter"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00005","codigo":"REF","titulo":"Retail Investors and Investment Fraud Victims: Is There a Connection?","ano":"2025","autores":["Rand, Christopher","McCrae, Melisande","Martin, Jason"],"revista":"Financial Services Review","tipo_documental":"article","doi":"10.61190/fsr.v33i1.3343","url":"https://www.scopus.com/pages/publications/105031684201?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Analisa características de vítimas de golpes de investimento em amostra nacional de investidores de varejo, examinando o papel do excesso de confiança e do letramento financeiro.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Social":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Atores_do_Ataque"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Regressão logística"],"fontes":["Amostra nacional de investidores de varejo"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00014","codigo":"REF","titulo":"Unmasking Ponzi Schemes and Money Games in Multi-Level Marketing (MLM) (Case Studies in Indonesia)","ano":"2025","autores":["Sumodiharjo, Kadari","Jaya, I Made Laut Mertha"],"revista":"WSEAS Transactions on Business and Economics","tipo_documental":"article","doi":"10.37394/23207.2025.22.53","url":"https://www.scopus.com/pages/publications/105003399666?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":7,"relacoes":4,"resumo":"Estudo empírico sobre a relação entre esquemas Ponzi, money games e marketing multinível (MLM) na Indonésia, com dados primários de vítimas e papel do letramento financeiro.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2020-2023","aspectos":{"Sensitivo":1,"Analítico":1,"Social":1,"Econômico":4},"temas":["Modalidades_de_Ataque","Fatores_Humanos_de_Vulnerabilidade","Economia_do_Ataque","Vulnerabilidade_Humana","Crimes_Digitais"],"golpes":["Esquema Ponzi","Money game","Marketing multinível ilegal"],"canais":[],"metodos":["Questionário","Modelagem de equações estruturais"],"fontes":["Vítimas de esquemas Ponzi, money games e marketing multinível"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Java Central","Yogyakarta"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00022","codigo":"REF","titulo":"Ponzi schemes: a review","ano":"2025","autores":["Boyle, Phelim","Peng, Zhe"],"revista":"Annals of Actuarial Science","tipo_documental":"article","doi":"10.1017/S1748499525100067","url":"https://www.scopus.com/pages/publications/105014441529?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Artigo descreve esquemas Ponzi conhecidos, identifica suas características comuns e revisa abordagens usadas para modelar esses esquemas, com vistas à prevenção.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Econômico":2},"temas":["Motivação_e_Impacto_de_Ataques","Crimes_Digitais"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00026","codigo":"REF","titulo":"Analysing motivations of Ponzi victims in West Bengal, India","ano":"2025","autores":["Samanta, Navajyoti"],"revista":"Humanities and Social Sciences Communications","tipo_documental":"article","doi":"10.1057/s41599-025-04737-8","url":"https://www.scopus.com/pages/publications/105000521339?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo sobre por que vítimas de esquemas Ponzi em Bengala Ocidental investiram, usando entrevistas e testes psicométricos para propor mudanças na legislação antifraude.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2000-2013","aspectos":{"Sensitivo":1,"Pístico":1},"temas":["Fatores_Humanos","Vulnerabilidade_Humana"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Entrevistas semiestruturadas","Testes psicométricos"],"fontes":["Vítimas, agentes e grupo de controle"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Bengala Ocidental"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00078","codigo":"REF","titulo":"A scalable and explainable framework for detecting Ponzi schemes in Ethereum smart contracts using a stacking model","ano":"2025","autores":["Jumma, Laith F.","Sharifi, Leila","Rashidi, Parviz"],"revista":"Sustainable Engineering and Innovation","tipo_documental":"article","doi":"10.37868/sei.v7i2.id495","url":"https://www.scopus.com/pages/publications/105010868465?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Framework de detecção precoce de esquemas Ponzi em contratos inteligentes Ethereum, combinando características estáticas e dinâmicas e um ensemble de empilhamento, independente do histórico de transações.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Social":1,"Econômico":2},"temas":["Extração_de_Características","Crimes_Digitais","Fatores_Humanos","Conteúdo_de_Isca"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["TF-IDF","CountVectorizer","Word2Vec","Random Forest","XGBoost","CNN","BiGRU","Ensemble de empilhamento com meta-aprendiz neural","Oversampling","Geração de dados sintéticos","SHAP"],"fontes":["Conjunto de dados Ethereum curado"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00084","codigo":"REF","titulo":"An Extensive Mining of Ethereum Contract Code by Adapting Relevant Feature Generators to Optimize The Performance of Anomaly Detection Using an Ensemble Model; [Perlombongan Menyeluruh Kod Kontrak Ethereum dengan Mengadaptasikan Penjana Ciri Relevan untuk Mengoptimumkan Prestasi Pengesanan Anomali Menggunakan Model Ensembel]","ano":"2025","autores":["Hisham, Sabri","Makhtar, Mokhairi","Aziz, Azwa Abdul"],"revista":"Asia-Pacific Journal of Information Technology and Multimedia","tipo_documental":"article","doi":"10.17576/apjitm-2025-1401-15","url":"https://www.scopus.com/pages/publications/105009995050?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Propõe geração de características híbridas (ABI, opcode e transações de contrato) e um modelo de detecção de anomalias com ensemble por soft voting para identificar contratos inteligentes Ponzi no Ethereum.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema Ponzi em contratos inteligentes Ethereum"],"canais":["Blockchain"],"metodos":["Aprendizado de ensemble","Soft voting","Meta-classificadores","Boruta","Searching for Uncorrelated List of Variables"],"fontes":["Etherscan.io"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00093","codigo":"REF","titulo":"The Role of Greed in Moderating Factors That Enhance Investment Decisions","ano":"2025","autores":["Nosita, Firda","Moeljadi, Moeljadi","Sumiati, Sumiati","Ratnawati, Kusuma"],"revista":"Theoretical and Practical Research in the Economic Fields","tipo_documental":"article","doi":"10.14505/tpref.v16.2(34).16","url":"https://www.scopus.com/pages/publications/105010278004?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":6,"relacoes":8,"resumo":"Testa empiricamente os efeitos de tolerância ao risco, redes sociais e letramento financeiro nas decisões individuais de investir em esquemas Ponzi na Indonésia, com a ganância como variável moderadora.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":3,"Analítico":1,"Social":1,"Econômico":1},"temas":["Fatores_Psicológicos","Canais_de_Ataque","Comportamento_Humano_em_Segurança","Fatores_Humanos_de_Vulnerabilidade"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Questionário online","Modelagem de equações estruturais por mínimos quadrados parciais"],"fontes":["Investidores individuais da Indonésia"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Indonésia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00101","codigo":"REF","titulo":"The Poorest Man in Babylon: A Longitudinal Study of Cryptocurrency Investment Scams","ano":"2025","autores":["Muzammil, Muhammad","Pitumpe, Abisheka","Li, Xigao","Rahmati, Amir","Nikiforakis, Nick"],"revista":"WWW 2025 - Proceedings of the ACM Web Conference","tipo_documental":"conference","doi":"10.1145/3696410.3714588","url":"https://www.scopus.com/pages/publications/105005141414?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Ethereum; Malware; Block-chain; Classifieds; Distributed systems; Domain names; Financial loss; LLM; Longitudinal study; Real- time; Regulatory bodies; Scam; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Apresenta o Crimson, sistema distribuído que detecta continuamente sites de golpes de investimento em criptoativos em tempo real e analisa sua infraestrutura, listas de bloqueio e perdas financeiras.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":"2024/01-2024/08","aspectos":{"Analítico":1,"Formativo":1,"Econômico":2,"Estético":1},"temas":["Detecção_de_Ameaças","Infraestrutura_de_Ataque","Impacto_do_Phishing","Ferramentas_de_Detecção","Modalidades_de_Ataque"],"golpes":["Golpe de investimento em criptoativos"],"canais":["Web"],"metodos":[],"fontes":["Nomes de domínio"],"ferramentas":[],"unidades":["Domínios"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00104","codigo":"REF","titulo":"A hybrid machine learning approach for improved ponzi scheme detection using advanced feature engineering","ano":"2025","autores":["Hossain, Fahad","Shuvo, Mehedi Hasan","Uddin, Jia"],"revista":"International Journal of Informatics and Communication Technology","tipo_documental":"article","doi":"10.11591/ijict.v14i1.pp50-58","url":"https://www.scopus.com/pages/publications/85218972415?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Proposta de abordagem híbrida de aprendizado de máquina combinando XGBoost e GRU sobre sequências de opcodes para detectar esquemas Ponzi em contratos inteligentes Ethereum.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Econômico":2},"temas":["Motivação_e_Impacto_de_Ataques","Aprendizado_de_Máquina","Crimes_Digitais","Detecção_de_Ameaças"],"golpes":["Esquema Ponzi em contratos inteligentes Ethereum"],"canais":["Blockchain"],"metodos":["XGBoost","GRU","Modelo híbrido com concatenação de características"],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00110","codigo":"REF","titulo":"Recovering Ponzi Scheme Losses and Integrating the Victim Impact Statement into Indonesia’s Criminal Justice System","ano":"2025","autores":["Anggriawan, Rizaldy"],"revista":"Prawo i Wiez","tipo_documental":"article","doi":"10.36128/PRIW.VI56.1255","url":"https://www.scopus.com/pages/publications/105011206793?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Análise do papel do Ministério Público na recuperação das perdas de vítimas de esquemas Ponzi e fraudes de investimento na Indonésia, avaliando restituição, compensação e obstáculos legais, com proposta do Victim Impact Statement.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema Ponzi","Golpe de investimento"],"canais":[],"metodos":["Análise comparativa jurídica"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Indonésia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00122","codigo":"REF","titulo":"A framework for investment scam reporting: Deception and reverse agency in an Australian context","ano":"2025","autores":["Abeysekera, Indra"],"revista":"Acta Psychologica","tipo_documental":"article","doi":"10.1016/j.actpsy.2025.105772","url":"https://www.scopus.com/pages/publications/105019110530?origin=resultslist","tem_abstract":true,"palavras_chave":["Adolescent; Adult; Aged; Australia; Crime Victims; Deception; Female; Humans; Investments; Male; Middle Aged; Young Adult; adult; aging; Article; cognition; cognitive bias; deception; emotion; female; groups by age; human; male; mandatory reporting; negative binomial regression; parsimony analysis; Poisson regression; scam reporting; social influence; social media; social norm; telecommunication; victim; victimization; adolescent; aged; Australia; crime victim; investment; middle aged; psychology; young adult"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Estudo empírico de eventos de denúncia de golpes de investimento na Austrália, analisando valor da perda, método de contato do golpista e fatores demográficos das vítimas como determinantes da denúncia.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2023/01-2024/06","aspectos":{"Físico":1,"Sensitivo":1,"Lingual":1,"Econômico":2},"temas":["Crimes_Digitais","Impacto_do_Phishing","Fatores_Humanos_e_Psicológicos","Resposta_a_Incidentes","Canais_de_Ataque"],"golpes":["Golpe de investimento"],"canais":["E-mail","SMS","Web","Redes Sociais","Voz"],"metodos":["Regressão binomial negativa"],"fontes":["Scam Watch"],"ferramentas":[],"unidades":["Observações de denúncias"],"territorios":["Austrália"],"setores":["Criptoativos"],"teorias":["Teoria do arranjo de agência reversa","Teoria geral do engano"]},{"id":"ref_72db3d675ef9_00125","codigo":"REF","titulo":"Dissection of an Approval-Based Trusted-Token Fraud Scheme Used Across Multiple Blockchain Systems","ano":"2025","autores":["Adamczyk, Blazej"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2025.3543651","url":"https://www.scopus.com/pages/publications/85218748916?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Approval phishing; Block-chain; Fungible token; Investment fraud; Phishing; Pig butchering scam; Ponzi scheme; Scam; Token approval scam; Web3; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Investigação de quase um ano sobre fraude de investimento de alto rendimento com tokens baseada em approval phishing, com análise de segurança de dezoito carteiras blockchain e propostas de melhorias.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Econômico":1},"temas":["Segurança_Computacional","Ataques_de_Phishing","Crimes_Digitais"],"golpes":["Golpe de investimento de alto rendimento com tokens baseado em approval phishing"],"canais":["Blockchain"],"metodos":[],"fontes":["Grupos de golpistas investigados"],"ferramentas":[],"unidades":["Carteiras"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00128","codigo":"REF","titulo":"Too Much Technology and Too Little Regulation? The Spectacular Demise of P2P Lending in China","ano":"2025","autores":["Chen, Ding","Deakin, Simon","Johnston, Andrew","Wang, Boya"],"revista":"Accounting, Economics and Law: A Convivium","tipo_documental":"article","doi":"10.1515/ael-2021-0056","url":"https://www.scopus.com/pages/publications/85119377399?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Traça o crescimento e o colapso do empréstimo peer to peer online na China, analisando como ambiguidade transacional e fluidez legal levaram a esquemas Ponzi e fraude e ao fechamento do setor.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2007-2020","aspectos":{},"temas":[],"golpes":["Fraude em plataformas de empréstimo peer to peer","Esquema Ponzi"],"canais":["Web"],"metodos":["Entrevistas"],"fontes":["Entrevistas com participantes do setor"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["China"],"setores":["Setor Bancário"],"teorias":[]},{"id":"ref_72db3d675ef9_00156","codigo":"REF","titulo":"X-SPIDE: An eXplainable Machine Learning Pipeline for Detecting Smart Ponzi Contracts in Ethereum","ano":"2025","autores":["Pennella, Luca","Pinelli, Fabio","Galletta, Letterio"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2025.3569565","url":"https://www.scopus.com/pages/publications/105005314085?origin=resultslist","tem_abstract":true,"palavras_chave":["Anomaly detection; Computer worms; Anomaly detection; Authority controls; Block-chain; Code feature; Decentralised; Digital assets; Explainable AI; Fraud detection; Machine-learning; Performance; Computer viruses"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Introduz o X-SPIDE, um pipeline de aprendizado de máquina explicável para detecção de esquemas Ponzi em contratos inteligentes da blockchain Ethereum, buscando equilibrar desempenho e explicabilidade.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":2,"Econômico":1},"temas":["Detecção_de_Anomalias","Aprendizado_de_Máquina","Mecanismos_de_Segurança","Crimes_Digitais"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Aprendizado de máquina explicável"],"fontes":["Contratos inteligentes da Ethereum"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00161","codigo":"REF","titulo":"The Effects of Risky Behaviors and Social Factors on the Frequency of Fraud Victimization Among Known Victims","ano":"2025","autores":["DeLiema, Marguerite","Gao, Siyu","Brannock, Daniel","Langton, Lynn"],"revista":"Innovation in Aging","tipo_documental":"article","doi":"10.1093/geroni/igae111","url":"https://www.scopus.com/pages/publications/85217941106?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":6,"relacoes":4,"resumo":"Aplica a teoria das atividades rotineiras para avaliar como atividades de risco, vulnerabilidade financeira e solidão se associam à frequência de vitimização por fraudes de marketing de massa entre idosos.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Sensitivo":1,"Formativo":1,"Social":3},"temas":["Fatores_Humanos_de_Vulnerabilidade","Vulnerabilidade_Humana","Defesa_e_Mitigação","Atores_do_Ataque"],"golpes":["Fraude de marketing de massa (golpe de investimento","golpe de loteria e sorteio","golpe de romance e personificação de familiares ou amigos","produtos e serviços falsos","golpe de caridade)"],"canais":[],"metodos":["Survey"],"fontes":["Domicílios identificados pelo Serviço de Inspeção Postal dos EUA"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Estados Unidos"],"setores":[],"teorias":["Teoria das Atividades Rotineiras"]},{"id":"ref_72db3d675ef9_00177","codigo":"REF","titulo":"Criminological perspectives on pyramid schemes: Applying routine activity theory in the Sri Lankan context","ano":"2025","autores":["Weerasinghe, N.D.D.N."],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2025.100176","url":"https://www.scopus.com/pages/publications/105020277241?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":7,"conceitos":3,"relacoes":2,"resumo":"Estudo qualitativo que usa a Teoria das Atividades Rotineiras para investigar como os esquemas de pirâmide prosperam e vitimizam pessoas no Sri Lanka, com foco em prevenção e regulação.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":2,"Jurídico":1},"temas":["Conteúdo_de_Isca","Contexto_Organizacional","Modalidades_de_Ataque"],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Entrevistas","Survey","Amostragem intencional"],"fontes":["Vítimas de esquemas de pirâmide","Autoridades de aplicação da lei","Pessoas abordadas por recrutadores"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Sri Lanka"],"setores":[],"teorias":["Teoria das Atividades Rotineiras"]},{"id":"ref_72db3d675ef9_00181","codigo":"REF","titulo":"Shifting routines and the industrialisation of scams: the impact of Covid-19 on deception crimes in Hong Kong","ano":"2025","autores":["Akartuna, Eray Arda","Yeung, Felix Sin Wai","Manning, Matthew","Bish, Alexandre"],"revista":"Trends in Organized Crime","tipo_documental":"article","doi":"10.1007/s12117-025-09557-5","url":"https://www.scopus.com/pages/publications/85217709944?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Investiga o impacto da pandemia de Covid-19 e de suas restrições específicas nas taxas de crimes de \"deception\" (predominantemente fraude) em Hong Kong, entre fevereiro de 2020 e junho de 2023.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2020/02-2023/06","aspectos":{"Cinemático":1,"Econômico":1,"Jurídico":1,"Ético":1},"temas":["Contextos_de_Ataque","Crimes_Digitais","Economia_do_Ataque"],"golpes":["Fraude por engano (deception)"],"canais":[],"metodos":["Auto ARIMA","Teoria das atividades rotineiras","Teoria do deslocamento do crime"],"fontes":[],"ferramentas":[],"unidades":["Crimes"],"territorios":["Hong Kong"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00205","codigo":"REF","titulo":"The Mental Health Impacts of Internet Scams","ano":"2025","autores":["Balcombe, Luke"],"revista":"International Journal of Environmental Research and Public Health","tipo_documental":"article","doi":"10.3390/ijerph22060938","url":"https://www.scopus.com/pages/publications/105009331495?origin=resultslist","tem_abstract":true,"palavras_chave":["Australia; Humans; Internet; Mental Health; Canada; artificial intelligence; health care; health impact; Internet; mental health; strategic approach; anxiety; Article; artificial intelligence; Australia; awareness; behavioral addiction; Canada; crime; cross-sectional study; depression; distress syndrome; emotional stress; human; Internet; investment; mental health; mental health service; posttraumatic stress disorder; shame; suicide; victim; mental health"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Artigo de perspectiva que integra revisão narrativa e estudo de caso de vítimas de um golpe de investimento na Austrália para compreender os impactos negativos dos golpes na internet sobre a saúde mental.","foco":"Vítima","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Social":1,"Econômico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Crimes_Digitais"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Revisão narrativa","Estudo de caso"],"fontes":["Vítimas de golpe de investimento"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Austrália"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00215","codigo":"REF","titulo":"Application of unsupervised machine learning techniques for autonomous financial fraud detection in decentralized blockchain environments: a systematic review; [Aplicación de técnicas de machine learning no supervisado para la detección autónoma de fraudes financieros en entornos blockchain descentralizados: una revisión sistemática]","ano":"2025","autores":["Porras Poma, Nelson","Mendoza Ramos, Erick Angel","Huamán Aguirre, Arnold Anthony","Zárate Segura, Guilermo Wenceslao"],"revista":"Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology","tipo_documental":"conference","doi":"10.18687/LEIRD2025.1.1.728","url":"https://www.scopus.com/pages/publications/105032392810?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Revisão sistemática da literatura sobre técnicas de aprendizado de máquina não supervisionado para detecção autônoma de fraudes em ambientes blockchain descentralizados, analisando eficácia, adaptabilidade e limitações.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":"2021-2025","aspectos":{"Analítico":2,"Formativo":1},"temas":["Aprendizado_de_Máquina","Ataques_de_Phishing","Detecção_de_Anomalias"],"golpes":["Fraudes em blockchain","Phishing","Esquemas Ponzi"],"canais":["Blockchain"],"metodos":["Revisão sistemática","PICOC","PRISMA"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00222","codigo":"REF","titulo":"Buy! Buy! Buy!—How Multilevel Marketing Companies Pressure Their Participants to Buy Their Products","ano":"2025","autores":["Groß, Claudia","Vriens, Dirk"],"revista":"Journal of Public Policy and Marketing","tipo_documental":"article","doi":"10.1177/07439156241301737","url":"https://www.scopus.com/pages/publications/85216126082?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Artigo desenvolve um framework conceitual sobre como características organizacionais de empresas de marketing multinível pressionam distribuidores a gastar demais em produtos internos, discutindo a eficácia limitada das políticas de proteção.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1,"Econômico":2},"temas":["Economia_do_Ataque","Modalidades_de_Ataque","Defesa_e_Mitigação","Contexto_Organizacional"],"golpes":["Marketing multinível e esquemas de pirâmide"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00225","codigo":"REF","titulo":"Online Scams and Islamic Ethical Concerns: A Mixed-Method Study on Knowledge, Attitude, and Practices in Malaysia","ano":"2025","autores":["Samsudin, Shahrul Niza","Azmi, Salbiah Nur Shahrul","Jais, Zurairah","Hasini, Noor Fariza Mohd","Izhar, Nor Izzuani","Idris, Nor Ainee","Rahman, Rozailin Abdul","Hassan, Azwan Amirulsyafiq Abu"],"revista":"Global Journal Al-Thaqafah","tipo_documental":"article","doi":"10.7187/GJATSI102025-9","url":"https://www.scopus.com/pages/publications/105022936837?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Estudo de métodos mistos sobre golpes online na Malásia, analisando conhecimento, atitudes e práticas (KAP) dos consumidores para apoiar estratégias de prevenção.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2,"Analítico":1,"Social":1},"temas":["Fatores_Humanos_em_Segurança","Comportamento_Humano_em_Segurança","Canais_de_Ataque"],"golpes":["Golpes online de compra e de investimento"],"canais":[],"metodos":["Métodos mistos","Entrevistas qualitativas","Survey quantitativo"],"fontes":["Policiais da Polis Diraja Malaysia","Vítimas de golpes","Consumidores"],"ferramentas":["SPSS"],"unidades":["Indivíduos"],"territorios":["Malásia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00229","codigo":"REF","titulo":"MVCG-SPS: A Multi-View Contrastive Graph Neural Network for Smart Ponzi Scheme Detection","ano":"2025","autores":["Jiang, Xiaofang","Tsai, Wei-Tek"],"revista":"Applied Sciences (Switzerland)","tipo_documental":"article","doi":"10.3390/app15063281","url":"https://www.scopus.com/pages/publications/105000851520?origin=resultslist","tem_abstract":true,"palavras_chave":["Graph neural networks; Reinforcement learning; Anomaly detection; Block-chain; Critical challenges; Decentralised; Graph neural networks; Multi-view graph neural network; Multi-views; Multiple views; Ponzi scheme; Reinforcement learnings; Contrastive Learning"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Propõe o MVCG-SPS, uma rede neural de grafos contrastiva multivisão para detectar esquemas Ponzi em transações de contratos inteligentes na blockchain Ethereum.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":2},"temas":["Detecção_de_Phishing","Métodos_de_Detecção","Detecção_de_Anomalias"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Rede neural de grafos contrastiva multivisão","Construção de visões baseada em meta-caminhos","Agregação multivisão por aprendizado por reforço","Aprendizado contrastivo multiescala"],"fontes":["Conjuntos de dados reais da Ethereum"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00230","codigo":"REF","titulo":"INVOLVEMENT IN PYRAMID INVESTMENT SCHEMES: A STUDY OF ENTREPRENEURS IN THE INDUSTRIAL SECTOR IN HONDURAS; [INVOLUCRAMIENTO EN ESQUEMAS PIRAMIDALES DE INVERSIÓN: UN ESTUDIO EN EMPRENDEDORES DEL SECTOR INDUSTRIAL DE HONDURAS]","ano":"2025","autores":["Padilla-Sánchez, Gissel","Alexandra Rodríguez, Kelly"],"revista":"Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology","tipo_documental":"conference","doi":"10.18687/LEIRD2025.1.1.213","url":"https://www.scopus.com/pages/publications/105032458676?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Estudo sobre o envolvimento de empresários do setor industrial de Honduras em esquemas de pirâmide financeira do tipo Ponzi, relacionando conhecimento, renda e perdas econômicas.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1,"Formativo":1,"Econômico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Crimes_Digitais","Conscientização_e_Treinamento","Vulnerabilidade_Humana"],"golpes":["Esquema de pirâmide de investimento do tipo Ponzi"],"canais":[],"metodos":["Pesquisa quantitativa descritivo-correlacional","Desenho não experimental transversal","Questionário digital","Qui-quadrado de Pearson"],"fontes":["Empresários de Choloma e San Pedro Sula"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Honduras"],"setores":["Indústria"],"teorias":[]},{"id":"ref_72db3d675ef9_00233","codigo":"REF","titulo":"Investment scams: the effect of bias-induced gullibility on victimization propensity","ano":"2025","autores":["Ahmad, Zauwiyah"],"revista":"Crime, Law and Social Change","tipo_documental":"article","doi":"10.1007/s10611-024-10187-1","url":"https://www.scopus.com/pages/publications/85218014793?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":6,"resumo":"Estudo dos fatores que contribuem para a propensão à vitimização em golpes de investimento, testando empiricamente um modelo de credulidade induzida por vieses como mediador de idade, sexo, letramento financeiro e renda.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":3,"Analítico":1},"temas":["Vulnerabilidade_Humana","Fatores_Humanos_de_Vulnerabilidade","Fatores_Psicológicos"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Abordagem quantitativa"],"fontes":[],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00241","codigo":"REF","titulo":"Old techniques, new technologies: Exploring patterns from scammers that commit financial fraud via cryptocurrency","ano":"2025","autores":["Dulisse, Brandon","Fitch, Chivon","Denis, Jaden","Connealy, Nathan"],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2025.100178","url":"https://www.scopus.com/pages/publications/105020288844?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":6,"relacoes":4,"resumo":"Estudo de golpes envolvendo criptomoedas a partir de dois rastreadores estaduais de golpes, com foco em tipos de golpe, perdas financeiras e métodos de contato dos golpistas.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Social":3,"Econômico":2},"temas":["Canais_de_Ataque","Modalidades_de_Ataque","Impacto_do_Phishing","Engenharia_Social","Características_do_Ataque","Identidade_e_Representação"],"golpes":["Golpes com criptomoedas","Golpe de plataforma de negociação fraudulenta","Pig butchering"],"canais":["Redes Sociais","Mensageria Instantânea"],"metodos":[],"fontes":["Rastreadores estaduais de golpes"],"ferramentas":[],"unidades":["Relatos de golpes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00243","codigo":"REF","titulo":"Directed Graph Neural Networks for Anomaly Detection of Smart Ponzi Schemes","ano":"2025","autores":["Jiang, Xiaofang","Tsai, Wei-Tek"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2025.3558589","url":"https://www.scopus.com/pages/publications/105003129170?origin=resultslist","tem_abstract":true,"palavras_chave":["Ethereum; Graph neural networks; Supervised learning; Anomaly detection; Binary classification; Block-chain; Class imbalance; Classification tasks; Detection methods; Financial security; Graph neural networks; Graph-based detection; Ponzi scheme detection; Self-supervised learning"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe o DGAD-SPS, uma abordagem de detecção de anomalias em grafo direcionado com redes neurais para identificar esquemas Ponzi inteligentes nas transações da Ethereum sob forte desbalanceamento de classes.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1},"temas":["Tecnologia_de_Ataque","Detecção_de_Anomalias"],"golpes":["Esquema Ponzi inteligente em Ethereum"],"canais":["Blockchain"],"metodos":["Redes neurais de grafos direcionados","Detecção de anomalias","Aprendizado autossupervisionado","Aprendizado contrastivo","Aprendizado generativo"],"fontes":["Dados transacionais da Ethereum"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00245","codigo":"REF","titulo":"Cryptocurrencies: Who is vulnerable and what are the vulnerabilities?","ano":"2025","autores":["Blue, Levon","Xing, Congcong","Pham, Thu"],"revista":"Australian Journal of Social Issues","tipo_documental":"article","doi":"10.1002/ajs4.351","url":"https://www.scopus.com/pages/publications/105002910311?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":3,"relacoes":2,"resumo":"Estudo com investidores australianos de criptoativos e NFTs para entender quem é vulnerável a golpes de investimento e quais vulnerabilidades existem, sob perspectivas sociológicas de vulnerabilidade do consumidor.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1,"Formativo":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Defesa_e_Mitigação","Vulnerabilidade_Humana"],"golpes":["Golpes de investimento com criptoativos"],"canais":[],"metodos":["Survey"],"fontes":["Investidores australianos de criptoativos e NFTs"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Austrália"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00249","codigo":"REF","titulo":"The Oversea Chinese Fund: A complex affinity-based Ponzi scheme","ano":"2025","autores":["Boyle, Phelim","Li, Dongmei","Peng, Zhe","Yang, Yahui"],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2025.100142","url":"https://www.scopus.com/pages/publications/105020741665?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo de caso do esquema Ponzi por afinidade Oversea Chinese Fund no Canadá, examinando fatores de vitimização sob a ótica de finanças comportamentais e psicologia, e propondo medidas de enfrentamento.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2001-2019","aspectos":{},"temas":[],"golpes":["Esquema Ponzi por afinidade"],"canais":[],"metodos":["Estudo de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Canadá"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00258","codigo":"REF","titulo":"An Integrated Legal Framework for Digital Investment Fraud Prevention in Indonesia","ano":"2025","autores":["Napitupulu, Josua Halomoan","Panggabean, Mompang L.","Panjaitan, Hulman","Widiarty, Wiwik Sri"],"revista":"Journal of Sustainable Development and Regulatory Issues","tipo_documental":"article","doi":"10.53955/jsderi.v3i3.154","url":"https://www.scopus.com/pages/publications/105017980044?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo jurídico normativo que busca identificar um marco legal integrado para prevenir fraudes de investimento digital na Indonésia, comparando com o sistema de Singapura.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Fraude de investimento digital"],"canais":[],"metodos":["Pesquisa jurídica normativa","Abordagem legislativa","Abordagem conceitual","Direito comparado"],"fontes":["Legislação"],"ferramentas":[],"unidades":[],"territorios":["Indonésia","Singapura"],"setores":["Setor Financeiro"],"teorias":[]},{"id":"ref_72db3d675ef9_00269","codigo":"REF","titulo":"Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-Supervision","ano":"2025","autores":["Jin, Chengxiang","Zhou, Jiajun","Xie, Chenxuan","Yu, Shanqing","Xuan, Qi","Yang, Xiaoniu"],"revista":"IEEE Transactions on Information Forensics and Security","tipo_documental":"article","doi":"10.1109/TIFS.2024.3521611","url":"https://www.scopus.com/pages/publications/85213444718?origin=resultslist","tem_abstract":true,"palavras_chave":["Adversarial machine learning; Crime; Economic and social effects; Federated learning; Generative adversarial networks; Phishing; Self-supervised learning; Supervised learning; Behaviour patterns; Block-chain; Fraud detection; Generative learning; Interaction behavior; Interaction features; Interaction frequencies; Multi-view learning; Self-supervision; Supervision mechanisms; Contrastive Learning"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Propõe o Meta-IFD, framework de detecção de fraudes no Ethereum com dupla autossupervisão (generativa e contrastiva) baseado no conceito de meta-interações, avaliado em dados reais.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Métodos_de_Detecção"],"golpes":["Fraudes no Ethereum","Esquemas Ponzi","Phishing"],"canais":["Blockchain"],"metodos":["Autossupervisão generativa","Autossupervisão contrastiva","Aprendizado de características de interação multivisão"],"fontes":["Conjuntos de dados reais do Ethereum"],"ferramentas":[],"unidades":["Contas"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00273","codigo":"REF","titulo":"Red Flags in Play-to-Earn Crypto Games: Proposal and Testing of a Checklist Based on Ponzi Scheme; [Sinais de Alerta em Cripto Jogos: Proposta e Teste de uma Lista de Verificação com Base em Esquemas Ponzi]","ano":"2025","autores":["de Souza, Paulo Vitor Souza","Lima, Rafael Sousa","Almeida, Rodrigo Barbosa de"],"revista":"Revista de Contabilidade e Organizacoes","tipo_documental":"article","doi":"10.11606/issn.1982-6486.rco.2025.230807","url":"https://www.scopus.com/pages/publications/105023156108?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Avalia em que medida é possível detectar red flags associados a esquemas Ponzi em jogos de cripto play-to-earn, por meio de um checklist original validado por especialistas e testado empiricamente.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Econômico":1},"temas":["Defesa_e_Mitigação","Crimes_Digitais"],"golpes":["Esquema Ponzi em jogos de criptoativos play-to-earn"],"canais":["Blockchain"],"metodos":["Revisão de literatura","Validação por especialistas em forense digital","Teste empírico de checklist"],"fontes":["Jogos de cripto play-to-earn"],"ferramentas":[],"unidades":["Jogos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00280","codigo":"REF","titulo":"Investment scam vulnerability among university students: the role of personality traits and risk tolerance","ano":"2025","autores":["Tjondro, Elisa","Ester, Cherrylia","Sardjono, Yovita Gisella","Kusumawardhani, Adhityawati"],"revista":"Cogent Education","tipo_documental":"article","doi":"10.1080/2331186X.2025.2464309","url":"https://www.scopus.com/pages/publications/85219599555?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":5,"relacoes":4,"resumo":"Estudo sobre como os traços de personalidade do Big Five afetam a vulnerabilidade a golpes de investimento, direta ou indiretamente via tolerância ao risco, entre estudantes universitários na Indonésia.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":5},"temas":["Fatores_Psicológicos","Vulnerabilidade_Humana"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Survey","Mínimos quadrados parciais"],"fontes":["Estudantes de universidades acreditadas com A em Java e Bali"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Indonésia"],"setores":["Educação"],"teorias":[]},{"id":"ref_72db3d675ef9_00285","codigo":"REF","titulo":"Analysis of a Cryptocurrency Investment Scam: Pig Butchering","ano":"2025","autores":["Botha, Johnny","Singh, Kreaan","Leenen, Louise"],"revista":"European Conference on Information Warfare and Security, ECCWS","tipo_documental":"conference","doi":"10.34190/eccws.24.1.3558","url":"https://www.scopus.com/pages/publications/105014909941?origin=resultslist","tem_abstract":true,"palavras_chave":["Consumer protection; Cost engineering; Crime; Investments; Losses; Case-studies; Chain analysis; Cryptocurrency crime; Financial loss; Investment crypto-scam; Link analysis; OSINT; Paper analysis; Pig butchering crypto-scam; Romance crypto-scam; Cryptocurrency"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Estudo de caso de um golpe de investimento em criptoativos na plataforma fraudulenta Elite-Bit, que usa engenharia social e falsa urgência (pig butchering), com análise on-chain, off-chain e de vínculos.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1,"Econômico":1},"temas":["Ataques_de_Phishing","Impacto_do_Phishing"],"golpes":["Golpe de investimento em criptoativos (pig butchering)"],"canais":["Web","Blockchain"],"metodos":["Estudo de caso","Entrevistas","Análise on-chain","Análise off-chain","Análise de vínculos"],"fontes":["Entrevistas e correspondência com a vítima"],"ferramentas":["Maltego"],"unidades":["Indivíduos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00291","codigo":"REF","titulo":"Deconstructing the Enron Bubble: The Context of Natural Ponzi Schemes and the Financial Saturation Hypothesis","ano":"2025","autores":["Karaša, Darius","Drabavičius, Žilvinas","Girdzijauskas, Stasys","Mikalauskas, Ignas"],"revista":"Journal of Risk and Financial Management","tipo_documental":"article","doi":"10.3390/jrfm18080454","url":"https://www.scopus.com/pages/publications/105014386757?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Estudo do colapso da Enron por um referencial integrado de paradoxo da saturação financeira e dinâmica de um processo Ponzi natural, avaliando se mecanismos endógenos de mercado contribuíram para a bolha.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"1996-2001","aspectos":{"Quantitativo":1,"Econômico":3},"temas":["Economia_do_Ataque","Impacto_de_Ataques","Métricas_de_Avaliação"],"golpes":["Esquema Ponzi natural (bolha de ações da Enron)"],"canais":[],"metodos":["Modelo de saturação baseado em crescimento logístico"],"fontes":["Preços das ações da Enron"],"ferramentas":["LogletLab 4","Microsoft Excel"],"unidades":["Preços de ações"],"territorios":[],"setores":["Mercado de Ações"],"teorias":[]},{"id":"ref_72db3d675ef9_00294","codigo":"REF","titulo":"Detecting Ethereum Ponzi Scheme Based on Hybrid Sampling for Smart Contract","ano":"2025","autores":["Qu, Yuanjun","Si, Xiameng","Kang, Haiyan","Zhou, Hanlin"],"revista":"Computers, Materials and Continua","tipo_documental":"article","doi":"10.32604/cmc.2024.057368","url":"https://www.scopus.com/pages/publications/85218454248?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Decentralized finance; Ethereum; 'current; Block-chain; Data imbalance; Decentralised; Detection methods; Financial system; Hybrid sampling; Ponzi scheme; Short term memory; Smart contract detection; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe o LT-SPSD, método que combina LSTM e Transformer para detectar esquemas Ponzi em contratos inteligentes Ethereum, considerando informações transacionais em série temporal e globais.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Esquemas Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["LSTM","Transformer","SMOTE-Tomek"],"fontes":["Endereços de contratos inteligentes verificados"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_8d955f377173_00009","codigo":"REF","titulo":"Business Email Compromise: A Comprehensive Taxonomy for Detection and Prevention","ano":"2025","autores":["Almutairi, Amirah M.","Kang, Boojoong","AL Hashimy, Nawfal"],"revista":"ICISS 2024 - Proceedings of the 7th International Conference on Information Science and Systems","tipo_documental":"conference","doi":"10.1145/3700706.3700714","url":"https://www.scopus.com/pages/publications/85218350381?origin=resultslist","tem_abstract":true,"palavras_chave":["Taxonomies; Business email compromize; Countermeasure; Cybe fraud; Defence mechanisms; Detection technique; Financial benefits; Social engineering"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":6,"relacoes":5,"resumo":"Taxonomia abrangente de Business Email Compromise (BEC), categorizando suas formas, técnicas de detecção e contramedidas para aprofundar a compreensão da fraude e apoiar defesas mais eficazes.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1,"Social":3,"Econômico":1},"temas":["Modalidades_de_Ataque","Ataques_de_Phishing","Motivação_e_Impacto_de_Ataques","Engenharia_Social","Dados_e_Privacidade","Identidade_e_Representação"],"golpes":["Comprometimento de e-mail corporativo (BEC)"],"canais":["E-mail"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00012","codigo":"REF","titulo":"Business email compromise: A systematic review of understanding, detection, and challenges","ano":"2025","autores":["Almutairi, Amirah","Kang, BooJoong","Alhashimy, Nawfal"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2025.104630","url":"https://www.scopus.com/pages/publications/105014009659?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; 'current; Business email compromize; Business email compromize detection; E-mail threats; Financial benefits; Financial gains; Prevention techniques; Systematic literature review; Systematic Review; Technical solutions; Electronic mail"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Survey das técnicas existentes de detecção e prevenção de Business Email Compromise (BEC), cobrindo métodos dos atacantes, soluções técnicas e não técnicas, desafios atuais e direções futuras de pesquisa.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Lingual":1,"Social":1,"Econômico":1},"temas":["Motivação_e_Impacto_de_Ataques","Modalidades_de_Ataque","Dados_e_Privacidade","Identidade_e_Representação"],"golpes":["Business Email Compromise (BEC)"],"canais":["E-mail"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00015","codigo":"REF","titulo":"Cybercriminal Networks and Operational Dynamics of Business Email Compromise (BEC) Scammers: Insights from the “Black Axe” Confraternity","ano":"2025","autores":["Lazarus, Suleman"],"revista":"Deviant Behavior","tipo_documental":"article","doi":"10.1080/01639625.2024.2352049","url":"https://www.scopus.com/pages/publications/105001496886?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo da relação entre a confraria Black Axe e o cibercrime, focando na dinâmica estrutural, nos papéis e na remuneração em esquemas de Business Email Compromise (BEC).","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Modalidades_de_Ataque","Atores_de_Ameaça"],"golpes":["Comprometimento de e-mail corporativo (Business Email Compromise)"],"canais":["E-mail"],"metodos":["Entrevista","Análise temática","Teoria Ator-Rede","Teoria das Redes Sociais"],"fontes":["Entrevista com acusado líder da Black Axe","Registros de escutas telefônicas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00032","codigo":"REF","titulo":"Telecom spam and scams in the 5G and artificial intelligence era: analyzing economic implications, technical challenges and global regulatory efforts","ano":"2025","autores":["Pietri, Marcello","Mamei, Marco","Colajanni, Michele"],"revista":"International Journal of Information Security","tipo_documental":"article","doi":"10.1007/s10207-025-01062-8","url":"https://www.scopus.com/pages/publications/105007076723?origin=resultslist","tem_abstract":true,"palavras_chave":["Economic and social effects; Risk perception; Caller ID; Caller ID spoofing; Caller ID verification; Economic implications; Public switched telephone network; STIR/SHAKEN; Telecom; Telecom frauds; Voice over IP; Telecommunication industry"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Survey interdisciplinar sobre spam, golpes e robocalls no setor de telecomunicações, avaliando a eficácia das contramedidas atuais (blocklists, STIR/SHAKEN, verificação de Caller ID) e as lacunas regulatórias.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Tecnologia_de_Ataque","Ataques_de_Phishing"],"golpes":["Golpes telefônicos e robocalls"],"canais":["Voz"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Telecomunicações"],"teorias":[]},{"id":"ref_8d955f377173_00033","codigo":"REF","titulo":"A Review of Tactics, Techniques, and Procedures (TTPs) of MITRE Framework for Business Email Compromise (BEC) Attacks","ano":"2025","autores":["Kanj Bonhard, Sebastien","Garcia Villalta, Pau","Roses, Oriol","Pegueroles, Josep"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2025.3552523","url":"https://www.scopus.com/pages/publications/105001647700?origin=resultslist","tem_abstract":true,"palavras_chave":["Business email compromize; Cyber threats; DFIR; MITRE; Procedure; Real-world; Tactic; Tactic","technique","and procedure; Technique; Cyber attacks"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Mapeamento das TTPs de atores de ameaça de Business Email Compromise (BEC) no framework MITRE ATT&CK, propondo novas sub-técnicas e caracterizando dois atores reais para apoiar atribuição, detecção e prevenção.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Modalidades_de_Ataque","Impacto_de_Ataques"],"golpes":["Business Email Compromise (BEC)"],"canais":["E-mail"],"metodos":["Revisão de literatura acadêmica","Análise de relatórios de Cyber Threat Intelligence","Análise de dados de resposta a incidentes","Estudos de caso"],"fontes":["Literatura acadêmica","Relatórios de Cyber Threat Intelligence","INCIDE Digital Data S.L."],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00046","codigo":"REF","titulo":"Do Spammers Dream of Electric Sheep? Characterizing the Prevalence of LLM-Generated Malicious Emails","ano":"2025","autores":["Hao, Wei","Tran, Van","Rideout, Vincent","Wang, Zixi","Dasbach-Prisk, Anmei","Afifi, M.H.","Yang, Junfeng","Katz-Bassett, Ethan","Ho, Grant","Cidon, Asaf"],"revista":"Proceedings of the ACM SIGCOMM Internet Measurement Conference, IMC","tipo_documental":"conference","doi":"10.1145/3730567.3732922","url":"https://www.scopus.com/pages/publications/105021398641?origin=resultslist","tem_abstract":true,"palavras_chave":["Network security; Anecdotal evidences; Content detection; Cybercriminals; Detection methods; Language model; Llm-generated content detection; Malicious email; Real-world; Security community; Spammers; Spamming"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":4,"relacoes":4,"resumo":"Estudo em larga escala que mede o uso de LLMs por atacantes na criação do texto de e-mails maliciosos reais detectados pela Barracuda Networks, estimando a prevalência de e-mails gerados por IA.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Lingual":2},"temas":["Vetores_de_Ataque","Modalidades_de_Ataque","Modelos_de_Linguagem"],"golpes":["E-mails maliciosos gerados por LLM","Spam","Comprometimento de e-mail corporativo"],"canais":["E-mail"],"metodos":["Detecção de texto gerado por LLM","Calibração com e-mails anteriores ao ChatGPT"],"fontes":["Barracuda Networks"],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00012","codigo":"REF","titulo":"Ransomware and Ransom Payments in the Context of Criminal Law; [Ransomvér a úhrada výkupného v kontexte trestného práva]","ano":"2025","autores":["Čentéš, Jozef","Rampášek, Michal"],"revista":"Casopis pro Pravni Vedu a Praxi","tipo_documental":"article","doi":"10.5817/CPVP2025-3-7","url":"https://www.scopus.com/pages/publications/105032795276?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Visão estruturada dos aspectos jurídicos do pagamento de resgates em ataques de ransomware sob a perspectiva do direito penal tcheco e eslovaco, incluindo lavagem de dinheiro, sanções e um quadro de decisão para vítimas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Tchéquia","Eslováquia"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00026","codigo":"REF","titulo":"Analyzing the 2021 Kaseya Ransomware Attack: Combined Spearphishing Through SonicWall SSLVPN Vulnerability","ano":"2025","autores":["Bhunia, Suman","Blackert, Matthew","Deal, Henry","DePero, Andrew","Patra, Amar"],"revista":"IET Information Security","tipo_documental":"article","doi":"10.1049/ise2/1655307","url":"https://www.scopus.com/pages/publications/85216535844?origin=resultslist","tem_abstract":true,"palavras_chave":["Authentication Protocol; Groupware; Hypertext systems; Information management; Keys (for locks); Malware; Phishing; Virtual reality; Cyber-attacks; IT management; Kaseya; Management software; Ransomware evil; Software company; System administrators; Transfer protocol; Virtual system administrator; Virtual systems; HTTP"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":3,"relacoes":2,"resumo":"Estudo de caso do ataque de ransomware REvil contra a Kaseya em julho de 2021, abordando os eventos, a exploração do VSA, os impactos e a estratégia de defesa da empresa.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":"2021/07","aspectos":{"Físico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Resposta_Institucional","Segurança_de_Sistemas"],"golpes":["Ransomware"],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Tecnologia da Informação"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00042","codigo":"REF","titulo":"Predicting Ransomware Incidents with Time-Series Modeling","ano":"2025","autores":["Roumani, Yaman","Roumani, Yazan F."],"revista":"Journal of Cybersecurity and Privacy","tipo_documental":"article","doi":"10.3390/jcp5030061","url":"https://www.scopus.com/pages/publications/105017323317?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Uso de análise de séries temporais para prever ataques de ransomware a partir de 1880 incidentes, com subanálises pelos cinco principais setores atingidos.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Metodologia_de_Pesquisa"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise de séries temporais","Decomposição em tendência, sazonalidade e resíduo"],"fontes":[],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":["Infraestrutura crítica"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00043","codigo":"REF","titulo":"RanViz: Ransomware Visualization and Classification Based on Time-Series Categorical Representation of API Calls","ano":"2025","autores":["Mokoma, Vhuhwavho","Singh, Avinash"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2025.3555163","url":"https://www.scopus.com/pages/publications/105002568823?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Malware; Visual analytics; Visualization; Analysis method; Application programming interface call; Applications programming interfaces; Effective analysis; Financial loss; Machine learning models; Machine-learning; Ransomware analyze; Reputational damage; Times series"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Apresenta o RanViz, sistema de análise visual e classificação de ransomware baseado em dados de chamadas de API, para apoiar analistas na compreensão do comportamento e na detecção de amostras desconhecidas.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Analítico":2,"Formativo":1,"Econômico":1},"temas":["Detecção_de_Phishing","Detecção_de_Anomalias","Impacto_do_Phishing","Ameaças_Cibernéticas","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["Visualização de séries temporais categóricas","Aprendizado de máquina baseado em frequência, intervalo temporal e sequência de chamadas de API"],"fontes":[],"ferramentas":[],"unidades":["Amostras de malware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00046","codigo":"REF","titulo":"Informal allies: State-cybercriminal alignment in the ransomware ecosystem","ano":"2025","autores":["Nershi, Karen"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyaf037","url":"https://www.scopus.com/pages/publications/105022756727?origin=resultslist","tem_abstract":true,"palavras_chave":["Ecosystems; Groupware; Cooperative relationships; Cross-national; Cybe proxy; Cyber-crimes; Cybercriminals; Dark web; Election securities; Information sharing; Web sources; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Analisa o papel dos Estados na atividade cibercriminosa, mostrando que grupos de ransomware de dupla extorsão baseados na Rússia atuam de modo alinhado a interesses do Estado russo.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Cinemático":1,"Formativo":1,"Social":2,"Jurídico":1},"temas":["Ameaças_Cibernéticas","Regulação_e_Governança_Digital","Contextos_de_Ataque","Crimes_Digitais","Identidade_e_Representação"],"golpes":["Ransomware de dupla extorsão"],"canais":[],"metodos":["Análise de dados de vítimas de ransomware","Análise de mensagens vazadas"],"fontes":["Fontes da dark web","Mensagens vazadas de grupo cibercriminoso"],"ferramentas":[],"unidades":["Vítimas"],"territorios":["Rússia"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00071","codigo":"REF","titulo":"Trends and challenges in research into the human aspects of ransomware: a systematic mapping study","ano":"2025","autores":["Murray, Garret","Falkeling, Malin","Gao, Shang"],"revista":"Information and Computer Security","tipo_documental":"article","doi":"10.1108/ICS-12-2022-0195","url":"https://www.scopus.com/pages/publications/105003948874?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Game theory; Malware; Sensitive data; Challenge; Data generation; Design/methodology/approach; Human aspects; Paper research; Research data; Research strategy; Systematic mapping; Systematic mapping studies; Trend; Mapping"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Mapeamento sistemático das tendências e desafios da pesquisa sobre os aspectos humanos do ransomware, com direções para pesquisas futuras.","foco":"Vítima","tipo":"Revisão Sistemática","periodo":"2006-2022","aspectos":{"Sensitivo":1,"Social":1},"temas":["Fatores_Humanos_em_Segurança","Alvos_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Mapeamento sistemático"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00092","codigo":"REF","titulo":"Cryptocurrency-driven ransomware syndicates operating on the darknet: A focused examination of the Arab world","ano":"2025","autores":["Kim, Kyounggon","Lee, Seokhee","Ramachandran, Sundaresan","Alzahrani, Ibrahim"],"revista":"Egyptian Informatics Journal","tipo_documental":"article","doi":"10.1016/j.eij.2025.100665","url":"https://www.scopus.com/pages/publications/105000521125?origin=resultslist","tem_abstract":true,"palavras_chave":["Anonymity; Malware; Cyber-crimes; Cybercriminals; Darknets; Data collection; Economic growths; Financial gains; Malwares; Saudi Arabia; Target regions; United Arab Emirates"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo do ransomware no mundo árabe com dados da darknet sobre vítimas reivindicadas, identificando gangues, TTPs e transações em criptomoedas, além de uma plataforma de rastreamento.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2020-2023","aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":["Darknet"],"ferramentas":[],"unidades":["Vítimas"],"territorios":["Mundo árabe"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00095","codigo":"REF","titulo":"Safeguarding the healthcare sector from ransomware attacks: Insights from a literature review","ano":"2025","autores":["Shahzadi, Amna","Ishaq, Kashif","Dogar, Abdul Basit","Khan, Javed Ali","Mylonas, Alexios","Nawaz, Naeem A.","Yasin, Affan","Khan, Fawad Ali"],"revista":"PeerJ Computer Science","tipo_documental":"article","doi":"10.7717/peerj-cs.3073","url":"https://www.scopus.com/pages/publications/105022183696?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer privacy; Cybersecurity; Data privacy; Health care; Health insurance; Losses; Malware; Medical computing; Network security; Computer education; Computer interaction; Computer network and communication; Cybe security framework; Cyber security; Cyber threats; Data encryption; Malicious entity; Phishing attacks; Ransomware attack; Security and privacy; Security frameworks; Social computing; Regulatory compliance"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":6,"relacoes":5,"resumo":"Revisão da literatura sobre ataques de ransomware no setor de saúde, abordando variantes, propagação, impactos, estratégias de prevenção e resposta, implicações legais e frameworks de cibersegurança, com proposta de taxonomia.","foco":"Mecanismo do Ataque","tipo":"Revisão Sistemática","periodo":"2016-2024","aspectos":{"Biótico":1,"Formativo":2,"Lingual":2,"Econômico":1},"temas":["Defesa_e_Mitigação","Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Alvos_de_Ataque","Vetores_de_Ataque","Dados_e_Privacidade"],"golpes":["Ransomware"],"canais":["E-mail"],"metodos":["Revisão da literatura"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00115","codigo":"REF","titulo":"Media Framing and Portrayals of Ransomware Impacts on Informatics, Employees, and Patients: Systematic Media Literature Review","ano":"2025","autores":["Avery, Atiya","Baker, Elizabeth White","Wright, Brittany","Avery, Ishmael","Gomez, Dream"],"revista":"Journal of Medical Internet Research","tipo_documental":"article","doi":"10.2196/59231","url":"https://www.scopus.com/pages/publications/105002412096?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer Security; Health Personnel; Humans; Mass Media; Medical Informatics; Patients; Article; Canada; Caucasian; computer security; data base; dream; economic aspect; electronic medical record; employee; health care delivery; health care organization; health care personnel; health service; human; information science; medical informatics; medical information system; morality; morbidity; mortality; national health service; patient care; patient information; physician; prevalence; qualitative analysis; ransomware; responsibility; risk management; scientist; social media; software; systematic review; telehealth; United States; mass medium; patient"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Análise qualitativa colaborativa de como a mídia de notícias enquadra e retrata os impactos de ataques de ransomware em sistemas de informação de provedores de saúde, seus funcionários e pacientes.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2009-2023","aspectos":{"Biótico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise qualitativa colaborativa","Análise indutiva","Análise dedutiva","Análise de enquadramento midiático"],"fontes":["Associated Press Newswires","Newspaper Source","Access World News"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Estados Unidos","Índia","Canadá"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00132","codigo":"REF","titulo":"Valuation of confidentiality and availability in a personal ransomware attack scenario","ano":"2025","autores":["Gassmann, Freya","Beck, Janina","Gourmelon, Nora","Benenson, Zinaida"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyaf022","url":"https://www.scopus.com/pages/publications/105015421735?origin=resultslist","tem_abstract":true,"palavras_chave":["Attacks scenarios; Confidentiality; Elderly people; Low incomes; Media usage; Online surveys; Sample median; Social media; Valuation; Young peoples"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":5,"relacoes":3,"resumo":"Experimento de survey online com mais de 800 participantes alemães compara a disposição de pagar resgate de ransomware pela disponibilidade versus pela confidencialidade dos dados.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Econômico":1,"Ético":2},"temas":["Fatores_Psicológicos","Comportamento_Humano_em_Segurança","Economia_do_Ataque","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":["Survey experimental online"],"fontes":["Clickworker","Universidades alemãs"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Alemanha"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00141","codigo":"REF","titulo":"Examining the activities and careers of ransomware criminal groups","ano":"2025","autores":["Whelan, Chad","Bright, David","Martin, James","Jones, Callum","Dupont, Benoît"],"revista":"Trends and Issues in Crime and Criminal Justice","tipo_documental":"article","doi":"10.52922/ti77970","url":"https://www.scopus.com/pages/publications/105015447578?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo exploratório sobre grupos criminosos de ransomware que visaram organizações na Austrália, Canadá, Nova Zelândia e Reino Unido entre 2020 e 2022, examinando sua evolução, atividades e vítimas.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2020-2022","aspectos":{"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Organizações"],"territorios":["Austrália","Canadá","Nova Zelândia","Reino Unido"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00143","codigo":"REF","titulo":"Generational perception of ransomware-as-a-service (raas) and attitudes toward ransomware payments","ano":"2025","autores":["Pradhan, Prayaanshu","Ong, Kevin","Utsav, K.C.","Sun, Nan"],"revista":"Issues in Information Systems","tipo_documental":"article","doi":"10.48009/2_iis_128","url":"https://www.scopus.com/pages/publications/105018608254?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Estudo sobre diferenças geracionais nas percepções e atitudes em relação ao Ransomware-as-a-Service (RaaS), incluindo disposição de pagar resgates e fatores que influenciam essas decisões.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2},"temas":["Ameaças_Cibernéticas"],"golpes":["Ransomware como serviço"],"canais":[],"metodos":["Survey"],"fontes":["Participantes de várias faixas etárias"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00148","codigo":"REF","titulo":"Exploring how the Dark Triad shapes cybercrime responses","ano":"2025","autores":["Luu, Truong Jack","Samuel, Binny M.","Jones, Michael","Barnes, J.C."],"revista":"Personality and Individual Differences","tipo_documental":"article","doi":"10.1016/j.paid.2025.113250","url":"https://www.scopus.com/pages/publications/105005309040?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":3,"resumo":"Estudo sobre como os traços da Tríade Sombria (narcisismo, maquiavelismo e psicopatia) influenciam a decisão de vítimas de ransomware de pagar o resgate, abandonar os dados ou denunciar à polícia.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Econômico":1,"Jurídico":1},"temas":["Fatores_Psicológicos","Impacto_de_Ataques","Resposta_a_Incidentes"],"golpes":["Ransomware"],"canais":[],"metodos":["Survey baseado em cenários"],"fontes":["Participantes de survey"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Estados Unidos"],"setores":[],"teorias":["Tríade Sombria"]},{"id":"ref_3f42d6b2ce58_00184","codigo":"REF","titulo":"Hypervisor-based Double Extortion Ransomware Detection Method Using Kitsune Network Features","ano":"2025","autores":["Hirano, Manabu","Kobayashi, Ryotaro"],"revista":"Proceedings of the 2025 IEEE International Conference on Cyber Security and Resilience, CSR 2025","tipo_documental":"conference","doi":"10.1109/CSR64739.2025.11130028","url":"https://www.scopus.com/pages/publications/105016231530?origin=resultslist","tem_abstract":true,"palavras_chave":["Digital storage; Feature extraction; Intrusion detection; Malware; Mobile telecommunication systems; Network security; Backup strategy; Behavioral features; Data backups; Data exfiltration; Deep learning; Detection methods; Exfiltration; Hypervisors; Network features; Network traffic; Deep learning"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":4,"relacoes":3,"resumo":"Análise das etapas, táticas, procedimentos e ferramentas de ataques de ransomware de dupla extorsão e proposta de método de detecção com características de armazenamento, memória e rede obtidas de um hipervisor fino.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Analítico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Métricas_de_Avaliação","Detecção_de_Ameaças","Objetivos_de_Ataque"],"golpes":["Ransomware de dupla extorsão"],"canais":[],"metodos":["Kitsune Network Intrusion Detection System"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00215","codigo":"REF","titulo":"The organized activities of ransomware groups: A social network approach","ano":"2025","autores":["Botchkovar, Ekaterina","Cui, Kexin","Antonaccio, Olena","Perkins, Robert","Maimon, David"],"revista":"Technology in Society","tipo_documental":"article","doi":"10.1016/j.techsoc.2025.102873","url":"https://www.scopus.com/pages/publications/105000347233?origin=resultslist","tem_abstract":true,"palavras_chave":["Criminal networks; Cybercriminals; Decentralised; Information sharing; Network hubs; Ordinary least squares regressions; Organised crime; Services network; Social Network Analysis; Spread outs; crime; information and communication technology; Internet; law enforcement; least squares method; regression analysis; social network; technology adoption"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":6,"relacoes":3,"resumo":"Análise de redes sociais (SNA) das conexões entre 96 cibercriminosos e 140 grupos de ransomware em redes Ransomware-as-a-Service, comparando-as com o crime organizado tradicional.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Social":3,"Jurídico":1},"temas":["Atores_do_Ataque","Modalidades_de_Ataque","Ameaças_Cibernéticas","Resposta_Institucional","Atores_de_Ameaça"],"golpes":["Ransomware como serviço"],"canais":[],"metodos":["Análise de redes sociais","Regressão de mínimos quadrados ordinários"],"fontes":[],"ferramentas":[],"unidades":["Cibercriminosos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00222","codigo":"REF","titulo":"RDBAlert: An AI-Driven Automated Tool for Effective Identification of Victims’ Personal Information in Ransomware Data Breaches","ano":"2025","autores":["Tejada-Triviño, Juan Manuel","Castillo-Fernández, Elvira","García-Teodoro, Pedro","Gómez-Hernández, José Antonio"],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics14214327","url":"https://www.scopus.com/pages/publications/105021565668?origin=resultslist","tem_abstract":true,"palavras_chave":["Automation; Information leakage; Leak detection; Sensitive data; Automated tools; Efficient analysis; Forensic evidence; Leak; Leaks detections; LMM; Modulars; Multi-modal; Personal information; User friendly interface; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Apresenta o RDBAlert, ferramenta que automatiza a extração de dados pessoais multimodais de repositórios de vazamento de ransomware para alertar vítimas e mitigar os danos.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Cinemático":1,"Físico":1,"Formativo":2,"Lingual":1},"temas":["Alvos_e_Impactos_de_Ataques","Ameaças_Cibernéticas","Impacto_de_Ataques","Segurança_da_Informação","Ferramentas_de_Detecção"],"golpes":["Ransomware"],"canais":["Web"],"metodos":["OCR","Reconhecimento de imagem"],"fontes":["Repositórios de vazamento de ransomware"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00231","codigo":"REF","titulo":"Ransomware crime through the lens of neutralisation theory","ano":"2025","autores":["Connolly, Lena Yuryna","Borrion, Hervé","Arief, Budi"],"revista":"European Journal of Criminology","tipo_documental":"article","doi":"10.1177/14773708251320464","url":"https://www.scopus.com/pages/publications/105000827352?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo do crime de ransomware pela lente da teoria da neutralização, examinando as técnicas que supostos ofensores usam para justificar seu envolvimento em ataques de ransomware, incluindo grupos de Ransomware-as-a-Service.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":["Análise de entrevistas segundo o modelo de técnicas de neutralização de Kaptein e Van Helvoort"],"fontes":["Entrevistas publicadas por veículos de mídia e empresas de cibersegurança"],"ferramentas":[],"unidades":["Entrevistas"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00248","codigo":"REF","titulo":"A survey on ransomware detection using AI models","ano":"2025","autores":["Badrinath, Goteti","Engineering, Arpita Gupta","Education, Koneru Lakshmaiah"],"revista":"International Journal of Informatics and Communication Technology","tipo_documental":"article","doi":"10.11591/ijict.v14i3.pp1085-1094","url":"https://www.scopus.com/pages/publications/105036518859?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Survey sobre o uso de inteligência artificial, especialmente aprendizado de máquina e aprendizado profundo, na detecção de ransomware em data centers e ambientes de nuvem.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque","Aprendizado_de_Máquina","Detecção_de_Ameaças"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00266","codigo":"REF","titulo":"The ransomware blueprint: Attack patterns and strategic variations across gangs","ano":"2025","autores":["Saccone, Francesco","Melillo, Pietro","Sgueglia, Arnaldo","Di Sorbo, Andrea","Visaggio, Corrado Aaron"],"revista":"Journal of Information Security and Applications","tipo_documental":"article","doi":"10.1016/j.jisa.2025.104264","url":"https://www.scopus.com/pages/publications/105020855887?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Data privacy; Large datasets; Network security; Phishing; Attack patterns; Comprehensive analysis; Cybe threat intelligence; Cyber threats; Defense techniques; Geographic origins; Large datasets; Ransomware gang; Software vulnerabilities; TTP; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Análise de ataques de ransomware de 2020 a 2024 com mais de 16.000 incidentes e 155 gangues, mapeando CVEs exploradas a técnicas do MITRE ATT&CK para identificar um modelo unificado de kill-chain.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2020-2024","aspectos":{"Físico":1,"Formativo":3},"temas":["Ameaças_Cibernéticas","Estratégias_de_Defesa","Ataques_e_Exploração","Ataques_de_Phishing"],"golpes":["Ransomware"],"canais":[],"metodos":["Mapeamento de CVEs para o MITRE ATT&CK","Análise comparativa de gangues generalistas e especialistas"],"fontes":["Incidentes de ransomware documentados"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00274","codigo":"REF","titulo":"Ransomware: Extortion Is My Business","ano":"2025","autores":["Marion, Jean-Yves"],"revista":"Communications of the ACM","tipo_documental":"article","doi":"10.1145/3697829","url":"https://www.scopus.com/pages/publications/105004395275?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Artigo sobre a evolução do ransomware e a maturidade e profissionalização das táticas, técnicas e procedimentos usados nos ataques.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00312","codigo":"REF","titulo":"When ransomware hits the fan: Navigating a ransomware attack in the manufacturing industry","ano":"2025","autores":["Ghanbari, Hadi","Koskinen, Kari"],"revista":"Journal of Information Technology Teaching Cases","tipo_documental":"article","doi":"10.1177/20438869251349852","url":"https://www.scopus.com/pages/publications/105008069051?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Caso didático sobre gestão de incidentes de cibersegurança, continuidade de negócios e resiliência, relatando como uma empresa manufatureira europeia respondeu a um ataque de ransomware.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":1,"Formativo":1},"temas":["Gestão_de_Incidentes","Desempenho_de_Sistemas"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de caso"],"fontes":["Empresa manufatureira europeia"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Manufatura"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00318","codigo":"REF","titulo":"To report or not to report: Exploring the motivations and factors associated with reporting of ransomware victimisation among entrepreneurs","ano":"2025","autores":["Matthijsse, Sifra R.","van't Hoff-de Goede, M. Susanne","Leukfeldt, E. Rutger"],"revista":"Journal of Criminal Justice","tipo_documental":"article","doi":"10.1016/j.jcrimjus.2025.102378","url":"https://www.scopus.com/pages/publications/85218902031?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Estudo do comportamento de denúncia de ransomware por autônomos e pequenas e médias empresas na Holanda, comparando vítimas e não vítimas por meio de duas pesquisas e um experimento com vinhetas.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Lingual":1,"Econômico":1},"temas":["Resposta_a_Incidentes","Impacto_do_Phishing","Fatores_Psicológicos"],"golpes":["Ransomware"],"canais":[],"metodos":["Pesquisa por questionário","Experimento com vinhetas"],"fontes":["Empreendedores autônomos e pequenas e médias empresas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Países Baixos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00329","codigo":"REF","titulo":"Ransomware Family Attribution With ML: A Comprehensive Evaluation of Datasets Quality, Models Comparison, and a Simulated Deployment","ano":"2025","autores":["Rios-Ochoa, Emilio","Pérez-Díaz, Jesús Arturo","García-Ceja, Enrique","Rodríguez-Hernández, Gerardo"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2025.3580395","url":"https://www.scopus.com/pages/publications/105008656483?origin=resultslist","tem_abstract":true,"palavras_chave":["Classification (of information); Cybersecurity; Data quality; Deep learning; E-learning; Feature extraction; Learning systems; Malware; Public works; Supply chains; Virtual environments; Class separability; Comprehensive evaluation; Cyber security; Dataset quality; Deep learning; Feature variability; Machine-learning; Multi-class classification; Quality modeling; Ransomware family; Virtual reality"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Framework abrangente de avaliação para detecção de ransomware, do conjunto de dados à implantação, avaliando a qualidade dos datasets e modelos de ML e DL offline e em ambiente real.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["Random Forest","Multi Layer Perceptron","Aprendizado de máquina","Aprendizado profundo","Ajuste de hiperparâmetros"],"fontes":["Logs de execução de ransomware"],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00356","codigo":"REF","titulo":"Ransomware Splash Screens, Loss Aversion and Trust: Insights from Behavioral Economics","ano":"2025","autores":["Cartwright, Edward","Cartwright, Anna","Xue, Lian"],"revista":"Journal of Cybersecurity and Privacy","tipo_documental":"article","doi":"10.3390/jcp5030069","url":"https://www.scopus.com/pages/publications/105017270338?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":7,"relacoes":4,"resumo":"Estudo de como o enquadramento (framing) de uma exigência de resgate de ransomware, à luz da economia comportamental, influencia a disposição das vítimas a pagar, via experimento com telas de resgate.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Lingual":2,"Econômico":2,"Pístico":1},"temas":["Manipulação_Psicológica","Fatores_Humanos","Fatores_Humanos_e_Psicológicos","Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Experimento intrassujeitos","Classificação e ranqueamento de telas de resgate"],"fontes":["Participantes do experimento"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":["Economia Comportamental"]},{"id":"ref_3f42d6b2ce58_00384","codigo":"REF","titulo":"“I grow food, IT people do cybersecurity”: Addressing cybersecurity risks in Canada's agri-food sector","ano":"2025","autores":["Russell, Conor","Botschner, Janos","Duncan, Emily","Dehghantanha, Ali","Fraser, Evan D.G."],"revista":"Smart Agricultural Technology","tipo_documental":"article","doi":"10.1016/j.atech.2025.100866","url":"https://www.scopus.com/pages/publications/85219664237?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Estudo sobre as percepções de ameaças de cibersegurança entre produtores canadenses e especialistas do sistema alimentar, com recomendações para práticas de cibersegurança nas fazendas e no nível sistêmico.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Social":2},"temas":["Alvos_de_Ataque","Ameaças_Cibernéticas","Fatores_Humanos_em_Segurança"],"golpes":["Ransomware"],"canais":[],"metodos":["Entrevistas","Survey nacional"],"fontes":["Produtores agrícolas canadenses","Especialistas do sistema alimentar"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Canadá"],"setores":["Agricultura"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00393","codigo":"REF","titulo":"Digital Disasters: The Growing Threat of Healthcare Ransomware","ano":"2025","autores":["Tully, Jeffrey L.","Gabriel, Rodney A.","Waterman, Ruth S.","Dameff, Christian J."],"revista":"Anesthesiology","tipo_documental":"article","doi":"10.1097/ALN.0000000000005442","url":"https://www.scopus.com/pages/publications/105005203105?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer Security; Delivery of Health Care; Electronic Health Records; Humans; Software; Article; business continuity; computer security; critically ill patient; disaster medicine; electronic health record; emergency care; health care delivery; health care system; human; medical information; medical technology; patient care; patient safety; ransomware; safety net health care; treatment outcome; workflow; health care delivery; software"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Revisão sobre o impacto de ataques de ransomware em organizações de saúde, nos fluxos clínicos e nos desfechos de pacientes, defendendo planos de resposta e a liderança de anestesiologistas.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Cinemático":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque","Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00402","codigo":"REF","titulo":"Ransomware in Resource-Constrained Industrial IoT Networks: There Actually is a Threat","ano":"2025","autores":["Huang, Yuxiang","Brierley, Calvin","Elzemity, Adel","Pope, James","Ma, Jiteng","Di Buono, Antonio","Arief, Budi","Oikonomou, George"],"revista":"Proceedings - 2025 21st International Conference on Distributed Computing in Smart Systems and the Internet of Things, DCOSS-IoT 2025","tipo_documental":"conference","doi":"10.1109/DCOSS-IoT65416.2025.00116","url":"https://www.scopus.com/pages/publications/105013840567?origin=resultslist","tem_abstract":true,"palavras_chave":["Embedded systems; Equipment testing; Internet of things; Low power electronics; Network security; Constrained devices; Desktop system; Industrial internet of thing; Low-power wireless communications; Proof of concept; Property; Prototype; Resourceconstrained devices; Security; Test bed; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":3,"relacoes":2,"resumo":"Artigo argumenta que ransomware em redes IIoT de dispositivos com recursos limitados é plausível e distinto do ransomware em desktops, demonstrando a viabilidade com um protótipo de prova de conceito.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":2,"Formativo":1},"temas":["Ameaças_Cibernéticas","Contextos_de_Ataque","Alvos_de_Ataque"],"golpes":["Ransomware em redes IIoT"],"canais":[],"metodos":["Prototipagem de prova de conceito"],"fontes":["Dados sintéticos"],"ferramentas":["Contiki-NG","Zephyr"],"unidades":[],"territorios":[],"setores":["Indústria"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00417","codigo":"REF","titulo":"From ransoms to ruin: Are extortion payments by ransomware victims insurable?","ano":"2025","autores":["Ramjee, Divya","Leverett, Eireann"],"revista":"Data and Policy","tipo_documental":"article","doi":"10.1017/dap.2025.10040","url":"https://www.scopus.com/pages/publications/105022828996?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Estudo da dinâmica da severidade de ransomware, analisando dimensões estatísticas dos pagamentos de extorsão entre cepas e variantes e suas implicações para a solvência de seguradoras cibernéticas.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":["Seguros"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00442","codigo":"REF","titulo":"A comprehensive literature review on ransomware detection using deep learning","ano":"2025","autores":["Kritika, Er."],"revista":"Cyber Security and Applications","tipo_documental":"article","doi":"10.1016/j.csa.2024.100078","url":"https://www.scopus.com/pages/publications/85211331300?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":5,"relacoes":4,"resumo":"Revisão da literatura sobre detecção de ransomware com técnicas de deep learning, diante do aumento de ataques e da facilitação por IA e plataformas RaaS.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":4,"Econômico":1},"temas":["Tecnologia_de_Ataque","Aprendizado_de_Máquina","Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00468","codigo":"REF","titulo":"Modelling and simulating organizational ransomware recovery: structure, methodology, and decisions","ano":"2025","autores":["Ilau, Marius-Constantin","Baldwin, Adrian","Caulfield, Tristan","Pym, David"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyaf035","url":"https://www.scopus.com/pages/publications/105022758631?origin=resultslist","tem_abstract":true,"palavras_chave":["Complex networks; Computer system recovery; Decision making; Interfaces (materials); Iterative methods; Malware; Sensitivity analysis; Compositionality; Construction methodology; Decision makers; Distributed systems; IT infrastructures; Modeling and simulating; Modeling methodology; Organisational; Organizational network; Simulation; Recovery"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Modelagem de simulação composicional, construída por metodologia de codesign, para apoiar decisores na avaliação do impacto de soluções de recuperação sobre a resiliência organizacional frente a ransomware.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Gestão_de_Risco","Resposta_Institucional"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelagem de simulação","Metodologia de codesign","Análise de sensibilidade","Análise comparativa"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00499","codigo":"REF","titulo":"How informative are cybersecurity risk disclosures? Empirical analysis of firms targeted by ransomware","ano":"2025","autores":["Adams, Matthew","Moore, Tyler"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2025.104626","url":"https://www.scopus.com/pages/publications/105015303156?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Economics; Investments; Iterative methods; Public risks; Risk assessment; 10-K disclosure; Cyber security; Cybersecurity metric; Cybersecurity regulation; Empirical analysis; Informed decision; Public company; Robust strategy; Security Economics; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Análise dos relatórios regulatórios 10-K de 61 empresas que sofreram incidentes de ransomware, examinando como discutem riscos de cibersegurança antes e depois do incidente.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2018-2023","aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":["Teoria fundamentada em dados","Análise quantitativa","Análise qualitativa"],"fontes":["Relatórios 10-K da SEC"],"ferramentas":[],"unidades":["Declarações"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00500","codigo":"REF","titulo":"A Sea of Cyber Threats: Maritime Cybersecurity from the Perspective of Mariners","ano":"2025","autores":["Raymaker, Anna","Kumar, Akshaya","Wong, Miuyin Yong","Pickren, Ryan","Chhotaray, Animesh","Li, Frank","Zonouz, Saman","Beyah, Raheem"],"revista":"CCS 2025 - Proceedings of the 2025 ACM SIGSAC Conference on Computer and Communications Security","tipo_documental":"conference","doi":"10.1145/3719027.3744816","url":"https://www.scopus.com/pages/publications/105023839310?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cyber Physical System; Cybersecurity; Human computer interaction; Malware; Network security; Ships; Critical component; Cybe-physical systems; Cyber security; Cyber threats; Cyber-physical systems; Global infrastructure; Maritime cybersecurity; Maritime systems; Regulatory frameworks; User study; International trade"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":4,"relacoes":2,"resumo":"Estudo com usuários, por meio de surveys e entrevistas semiestruturadas com 21 marinheiros oficiais, sobre como operadores de sistemas marítimos percebem e enfrentam desafios e ameaças de cibersegurança no setor marítimo.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":3,"Social":1},"temas":["Ameaças_Cibernéticas","Defesa_e_Mitigação","Ameaças_Digitais","Identidade_e_Representação"],"golpes":["Ataques cibernéticos marítimos","Ransomware","GPS spoofing"],"canais":[],"metodos":["Survey","Entrevistas semiestruturadas"],"fontes":["Marinheiros oficiais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Setor Marítimo"],"teorias":[]},{"id":"ujianto2025815","codigo":"UJIANTO2025815","titulo":"Face Detection Based on Anti-Spoofing with FaceNet Method for Filtering Contract Cheating in Online Exam","ano":"2025","autores":["Ujianto, Erik Iman Heri","Diyasa, I Gede Susrama Mas","Junaidi, Achmad","Fatullah, Ryan Reynickha","Permanasari, Wahyu Melinda","Sari, Allan Ruhui Fatmah"],"revista":"Journal of Applied Data Sciences","tipo_documental":"article","doi":"10.47738/jads.v7i1.1167","url":"https://www.scopus.com/pages/publications/105031733420?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":6,"conceitos":4,"relacoes":2,"resumo":"Desenvolve um sistema de verificação facial para exames online que integra reconhecimento facial (FaceNet) e detecção de piscadas para reduzir fraude de identidade e contract cheating.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Formativo":2,"Ético":1},"temas":["Autenticação_e_Verificação","Aprendizado_de_Máquina","Crimes_Digitais"],"golpes":["Fraude de identidade em exames online (contract cheating)","Spoofing facial com imagens estáticas"],"canais":["Web"],"metodos":["FaceNet","DeepFace","Detecção de piscadas","Validação cruzada K-fold","MTCNN"],"fontes":[],"ferramentas":["Dlib"],"unidades":["Imagens"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"angafor20241679","codigo":"ANGAFOR20241679","titulo":"Securing the remote office: reducing cyber risks to remote working through regular security awareness education campaigns","ano":"2024","autores":["Angafor, Giddeon Njamngang","Yevseyeva, Iryna","Maglaras, Leandros"],"revista":"International Journal of Information Security","tipo_documental":"article","doi":"10.1007/s10207-023-00809-5","url":"https://www.scopus.com/pages/publications/85183385084?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Cybersecurity; Denial-of-service attack; Electronic mail; Malware; Network security; Cyber security; Experiential learning; Phishing; Phishing attacks; Practical-experiential learning; Remote workers; Remote working; Security awareness; Security awareness education campaign; Working from home; COVID-19"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":5,"relacoes":4,"resumo":"Revisão de riscos cibernéticos do trabalho remoto e experimento de prova de conceito sobre o valor de campanhas regulares de conscientização em segurança contra golpes e phishing por e-mail.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":4,"Lingual":1},"temas":["Tecnologia_de_Ataque","Treinamento_e_Conscientização","Ataques_de_Phishing","Vetores_de_Ataque","Defesa_e_Mitigação"],"golpes":["Phishing por e-mail","Golpes contra trabalhadores remotos"],"canais":["E-mail"],"metodos":["Experimento de prova de conceito","Simulação de phishing"],"fontes":["Funcionários de organização participante"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"boumber202437","codigo":"BOUMBER202437","titulo":"LLMs for Explainable Few-shot Deception Detection","ano":"2024","autores":["Boumber, Dainis","Tuck, Bryan E.","Verma, Rakesh M.","Qachfar, Fatima Zahra"],"revista":"IWSPA 2024 - Proceedings of the 10th ACM International Workshop on Security and Privacy Analytics","tipo_documental":"conference","doi":"10.1145/3643651.3659898","url":"https://www.scopus.com/pages/publications/85197548557?origin=resultslist","tem_abstract":true,"palavras_chave":["Computational linguistics; Business email compromize; Explainability; Fake news; Job scam; Language model; Opinion spam; Phishing; Reasoning; Retrieval augmented generation; Sms spam; Social engineering; Social engineering attack; Knowledge based systems"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":2,"conceitos":4,"relacoes":2,"resumo":"Investiga a eficácia de LLMs na detecção de engano com framework RAG em aprendizado few-shot em cenários agnósticos de domínio, com foco na explicabilidade e no efeito de diferentes definições de engano.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":1,"Físico":1,"Sensitivo":1,"Analítico":1},"temas":["Manipulação_Psicológica","Detecção_de_Phishing","Modelos_de_Linguagem","Detecção_de_Anomalias"],"golpes":["Declarações enganosas"],"canais":[],"metodos":["Geração Aumentada por Recuperação","Aprendizado few-shot","LLM"],"fontes":[],"ferramentas":[],"unidades":["Declarações"],"territorios":[],"setores":[],"teorias":[]},{"id":"choi20243","codigo":"CHOI20243","titulo":"Introduction to Audio Deepfake Generation: Academic Insights for Non-Experts","ano":"2024","autores":["Choi, Jeong-Eun","Schäfer, Karla","Zmudzinski, Sascha"],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3643491.3660286","url":"https://www.scopus.com/pages/publications/85196372545?origin=resultslist","tem_abstract":true,"palavras_chave":["Open source software; Open systems; Attack; Audio deepfake; Background knowledge; Content creators; Disinformation; Entertainment industry; Expert users; Latest technology; Open-source; Voice conversion; Speech synthesis"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Introduz a não especialistas as técnicas recentes de geração de deepfakes de áudio, com foco em Text-to-Speech Synthesis e Voice Conversion, cobrindo modelos, tendências e softwares abertos e fechados.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Tecnologia_de_Ataque","Crimes_Digitais"],"golpes":["Deepfake de áudio","Fraude do CEO","Golpe de voz"],"canais":["Voz"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00004","codigo":"FRAUDES00004","titulo":"AI versus AI in Financial Crimes & Detection: GenAI Crime Waves to Co-Evolutionary AI","ano":"2024","autores":["Kurshan, Eren","Mehta, Dhagash","Balch, Tucker"],"revista":"","tipo_documental":"misc","doi":"10.1145/3677052.3698655","url":"https://doi.org/10.1145/3677052.3698655","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Examina as tendências recentes de crimes financeiros e fraudes impulsionados por IA/ML e dos sistemas de detecção, destacando a necessidade de defesas ágeis de IA e de cooperação no setor financeiro.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":3},"temas":["Tecnologia_de_Ataque","Técnicas_de_Ataque","Ataques_de_Phishing"],"golpes":["Crimes financeiros e fraudes habilitados por IA generativa","Phishing","Deepfake","Spoofing de autenticação biométrica"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Serviços Financeiros"],"teorias":[]},{"id":"fraudes00008","codigo":"FRAUDES00008","titulo":"Digital deception: generative artificial intelligence in social engineering and phishing","ano":"2024","autores":["Schmitt, Marc","Fléchais, Ivan"],"revista":"Artificial Intelligence Review","tipo_documental":"misc","doi":"10.1007/s10462-024-10973-2","url":"https://doi.org/10.1007/s10462-024-10973-2","tem_abstract":true,"palavras_chave":["generative AI","social engineering","phishing","AI-driven attacks","countermeasures","human-computer interaction security","deception"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":2,"resumo":"Investiga o papel transformador da IA Generativa em ataques de engenharia social, propondo o Generative AI Social Engineering Framework com três pilares e discutindo implicações humanas e contramedidas.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Tecnologia_de_Ataque","Ataques_de_Phishing"],"golpes":["Ataques de engenharia social gerados por IA generativa"],"canais":[],"metodos":["Revisão sistemática"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":["Teoria da engenharia social"]},{"id":"fraudes00035","codigo":"FRAUDES00035","titulo":"Protecting society from AI misuse: when are restrictions on capabilities warranted?","ano":"2024","autores":["Anderljung, Markus","Hazell, Julian","von Knebel, Moritz"],"revista":"AI & Society","tipo_documental":"misc","doi":"10.1007/s00146-024-02130-8","url":"https://doi.org/10.1007/s00146-024-02130-8","tem_abstract":true,"palavras_chave":["AI misuse","AI regulation","output filtering"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Propõe uma taxonomia de intervenções para reduzir o uso indevido de IA, baseada na Cadeia de Uso Indevido, e um framework para decidir quando restrições de capacidades se justificam.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":4},"temas":["Tecnologia_de_Ataque","Ataques_Cibernéticos","Ameaças_Digitais","Defesa_e_Mitigação"],"golpes":["Campanhas de spear phishing automatizadas por IA"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00040","codigo":"FRAUDES00040","titulo":"Phishing Attacks among Internet Banking Users in Nigeria: An Exploration of Remedial Strategies","ano":"2024","autores":["Dipo, Tepede"],"revista":"International Journal of Latest Technology in Engineering Management & Applied Science","tipo_documental":"misc","doi":"10.51583/ijltemas.2024.130512","url":"https://doi.org/10.51583/ijltemas.2024.130512","tem_abstract":true,"palavras_chave":["phishing","internet banking","Nigerian banking sector","cyber threats","financial security"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Examina ataques de phishing contra usuários de internet banking na Nigéria, suas tendências, métodos e contramedidas, e propõe um modelo conceitual de medidas de segurança adaptadas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Fatores_Humanos","Ataques_de_Phishing"],"golpes":["Phishing contra usuários de internet banking"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Nigéria"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00041","codigo":"FRAUDES00041","titulo":"Machine Learning Model to Mitigate Fake Bank Alert Phishing Fraud in Nigeria: The Initial Investigation","ano":"2024","autores":["Seun, Ebiesuwa","Dipo, Tepede"],"revista":"Indian Journal of Computer Science and Engineering","tipo_documental":"misc","doi":"10.21817/indjcse/2024/v15i2/241502007","url":"https://doi.org/10.21817/indjcse/2024/v15i2/241502007","tem_abstract":true,"palavras_chave":["phishing detection","online banking security","financial fraud","Nigerian banking sector"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":5,"relacoes":4,"resumo":"Propõe um modelo conceitual baseado em aprendizado de máquina para combater ataques de phishing de Alerta Bancário Falso (FBA) no Internet Banking da Nigéria, a partir de revisão da literatura.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1,"Social":2,"Econômico":1},"temas":["Ataques_de_Phishing","Impacto_do_Phishing","Alvos_de_Phishing","Aprendizado_de_Máquina","Identidade_e_Representação"],"golpes":["Phishing de alerta bancário falso"],"canais":[],"metodos":["Revisão de literatura"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Nigéria"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00052","codigo":"FRAUDES00052","titulo":"Mapping the DeFi crime landscape: an evidence-based picture","ano":"2024","autores":["Carpentier-Desjardins, Catherine","Paquet-Clouston, Masarah","Kitzler, Stefan","Haslhofer, Bernhard"],"revista":"Journal of Cybersecurity","tipo_documental":"misc","doi":"10.1093/cybsec/tyae029","url":"https://doi.org/10.1093/cybsec/tyae029","tem_abstract":true,"palavras_chave":["decentralized finance","cryptocurrency crime","financial crime","market manipulation","technical vulnerabilities","human risk"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Avaliação abrangente de crimes com fins lucrativos contra o setor de finanças descentralizadas (DeFi), com taxonomia desses crimes, mapeamento na pilha DeFi e quantificação dos danos financeiros.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":"2017-2022","aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Digitais","Segurança_Computacional"],"golpes":["Crimes com fins lucrativos contra finanças descentralizadas (DeFi)","golpes de rug pull","Phishing"],"canais":["Blockchain"],"metodos":["Taxonomia de crimes em DeFi","Mapeamento na pilha DeFi","Quantificação de danos financeiros"],"fontes":[],"ferramentas":[],"unidades":["Eventos de crime"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"fraudes00060","codigo":"FRAUDES00060","titulo":"Improving user security during a call","ano":"2024","autores":["Astrakhantsev, Andrii","Pedan, Stanislav"],"revista":"RADIOELECTRONIC AND COMPUTER SYSTEMS","tipo_documental":"misc","doi":"10.32620/reks.2024.2.14","url":"https://doi.org/10.32620/reks.2024.2.14","tem_abstract":true,"palavras_chave":["end-to-end encryption","robocalls","vishing","spoofing attacks","biometric authentication","bone conduction","secure key exchange","public-key cryptography","VoLTE","man-in-the-middle attacks"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Proposta de modelo de autenticação mútua de usuários e criptografia ponta a ponta durante chamadas em redes móveis, para proteger contra spoofing, vishing e robocalls.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":3,"Econômico":1},"temas":["Mecanismos_de_Defesa","Impacto_do_Phishing","Ataques_de_Phishing","Técnicas_de_Ataque"],"golpes":["Vishing","Spoofing de chamadas","Robocalls"],"canais":["Voz"],"metodos":["Modelagem matemática","Abordagem ontológica","Modelos de otimização multicritério"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00090","codigo":"FRAUDES00090","titulo":"Cybersecurity Strategic Plan Part 2","ano":"2024","autores":["Ujah, Onyinyechukwu","Duru, Miriam","Akinola, Samuel"],"revista":"International Journal of Latest Technology in Engineering Management & Applied Science","tipo_documental":"misc","doi":"10.51583/ijltemas.2024.130724","url":"https://doi.org/10.51583/ijltemas.2024.130724","tem_abstract":true,"palavras_chave":["NIST Cybersecurity Framework","data classification","email filtering","encryption","IT outsourcing","chief information security officer","cyber insurance","supply chain security","security awareness training","business continuity","incident response","risk management","digital transformation","business-IT alignment"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Plano de cibersegurança da Grayson Insurance (Parte 1) que alinha a postura de segurança aos objetivos de negócio, incluindo estrutura da equipe, desafios como phishing e engenharia social e recomendações de conscientização.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":3},"temas":["Defesa_e_Mitigação","Ataques_de_Phishing","Fatores_Humanos_em_Segurança"],"golpes":["Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Seguros"],"teorias":[]},{"id":"fraudes00126","codigo":"FRAUDES00126","titulo":"Natural language processing for analyzing online customer reviews: a survey, taxonomy, and open research challenges","ano":"2024","autores":["Nadia Malik, Muhammad Bilal"],"revista":"PeerJ Computer Science","tipo_documental":"misc","doi":"10.7717/peerj-cs.2203","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Revisão de 154 publicações que propõe uma taxonomia de aplicações de PLN na análise de avaliações online de clientes, com métodos, fontes de dados e desafios.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":"2013-2023","aspectos":{},"temas":[],"golpes":[],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Comércio Eletrônico"],"teorias":[]},{"id":"fraudes00137","codigo":"FRAUDES00137","titulo":"Identifying Dark Patterns in User Account Disabling Interfaces: Content Analysis Results","ano":"2024","autores":["Dominique Kelly, Victoria L. Rubin"],"revista":"Social Media + Society","tipo_documental":"misc","doi":"10.1177/20563051231224269","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Estudo de métodos mistos sobre dark patterns usados por redes sociais para dissuadir usuários de desativar contas, propondo uma tipologia conceitual a partir de 25 sites.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":"2020","aspectos":{},"temas":[],"golpes":["Dark patterns de interface para dissuadir a desativação de contas em redes sociais"],"canais":["Redes Sociais"],"metodos":["Métodos mistos","Análise de conteúdo sistemática"],"fontes":["Alexa"],"ferramentas":[],"unidades":["Redes sociais"],"territorios":[],"setores":["Redes Sociais"],"teorias":[]},{"id":"fraudes00148","codigo":"FRAUDES00148","titulo":"Machine Learning-Based Opinion Spam Detection: A Systematic Literature Review","ano":"2024","autores":["Atika Qazi, Najmul Hasan, Rui Mao, Mohamed Elhag Mohamed Abo, Samrat Kumar Dey, Glenn Hardaker"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2024.3399264","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Revisão de metodologias de aprendizado de máquina e aprendizado profundo para detecção de spam em avaliações, de spammers individuais e de spam em grupo, com taxonomia e métricas.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Lingual":1,"Econômico":1},"temas":["Crimes_Digitais"],"golpes":["Spam em avaliações de produtos e serviços"],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00156","codigo":"FRAUDES00156","titulo":"PROGESI: A PROxy Grammar to Enhance Web Application Firewall for SQL Injection Prevention","ano":"2024","autores":["Antonio Coscia, Vincenzo Dentamaro, Stefano Galantucci, Antonio Maci, Giuseppe Pirlo"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2024.3438092","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Apresenta o PROGESI, framework de proxy com gramática que reforça web application firewalls na prevenção e mitigação de ataques de SQL injection, inclusive com técnicas de mutação.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Formativo":2},"temas":["Vetores_de_Ataque","Avaliação_de_Sistemas_de_Detecção","Infraestrutura_de_Ataque","Defesa_Técnica"],"golpes":["SQL injection"],"canais":["Web"],"metodos":["Geração de regras baseada em gramática","Mecanismos de generalização de regras"],"fontes":["Conjunto de dados de SQLi do estado da arte"],"ferramentas":[],"unidades":["Requisições"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00181","codigo":"FRAUDES00181","titulo":"What are developers talking about information security? A large-scale study using semantic analysis of Q&A posts","ano":"2024","autores":["Gurcan, Fatih"],"revista":"PeerJ Computer Science","tipo_documental":"misc","doi":"10.7717/peerj-cs.1954","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Análise de todas as postagens do Information Security Stack Exchange com LDA para identificar tópicos e desafios de segurança da informação e propor uma taxonomia de sete categorias.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Latent Dirichlet Allocation","Modelagem de tópicos"],"fontes":["Information Security Stack Exchange"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00184","codigo":"FRAUDES00184","titulo":"Intervention Strategies for Misinformation Sharing on Social Media: A Bibliometric Analysis","ano":"2024","autores":["Juanita Zainudin, Nazlena Mohamad Ali, Alan F. Smeaton, Mohamad Taha Ijab"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2024.3469248","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Revisão sistemática com análise bibliométrica que propõe uma tipologia de estratégias de intervenção contra o compartilhamento de desinformação em redes sociais, em quatro clusters.","foco":"Prevenção e Resposta","tipo":"Revisão Sistemática","periodo":"2013-2023","aspectos":{},"temas":[],"golpes":["Desinformação em redes sociais"],"canais":["Redes Sociais"],"metodos":["PRISMA","Análise bibliométrica","Análise de desempenho","Mapeamento científico","Análise comparativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00191","codigo":"FRAUDES00191","titulo":"A state-of-the-art universal machine learning framework for decoding suspect coded messages","ano":"2024","autores":["Syed Hussain, Pakkir Mohideen S"],"revista":"Measurement Sensors","tipo_documental":"misc","doi":"10.1016/j.measen.2024.101115","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":6,"relacoes":4,"resumo":"Framework criptográfico que integra ontologia de web semântica, dataset predefinido e aprendizado de máquina para monitorar mensagens curtas criptografadas em mensageria instantânea e prever crimes, informando autoridades.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Formativo":2,"Social":1,"Jurídico":1},"temas":["Modelagem_Formal","Mecanismos_de_Segurança","Ameaças_Cibernéticas","Aprendizado_de_Máquina","Segurança_Computacional","Crimes_Digitais"],"golpes":["Crimes e atividades ilícitas com mensagens criptografadas"],"canais":["Mensageria Instantânea","Redes Sociais"],"metodos":["Criptoanálise","Ontologia de web semântica","Aprendizado de máquina"],"fontes":["Dataset predefinido"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00201","codigo":"FRAUDES00201","titulo":"An enhanced algorithm for semantic-based feature reduction in spam filtering","ano":"2024","autores":["María Novo-Lourés, Reyes Pavón, Rosalía Laza, José R. Méndez, David Ruano-Ordás"],"revista":"PeerJ Computer Science","tipo_documental":"misc","doi":"10.7717/peerj-cs.2206","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":2,"resumo":"Proposta de um esquema de redução de características sem perdas baseado em dicionários ontológicos (synsets), que alcança precisão ligeiramente melhor que abordagens evolutivas com muito menos recursos computacionais.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina","Extração_de_Características"],"golpes":["Spam"],"canais":[],"metodos":["Redução de dimensionalidade semântica sem perdas","Algoritmos evolutivos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00209","codigo":"FRAUDES00209","titulo":"A Comprehensive Taxonomy of Social Engineering Attacks and Defense Mechanisms: Toward Effective Mitigation Strategies","ano":"2024","autores":["Zaoui, Mohamed (59135430900); Yousra, Belfaik (59142013200); Yassine, Sadqi (56321092500); Yassine, Maleh (56780201500); Karim, Ouazzane (59141034700)"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/ACCESS.2024.3403197","url":"https://www.scopus.com/pages/publications/85194053417?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; defense mechanisms; phishing; social engineering; social engineering attacks; social engineering measures; social engineering taxonomy; Behavioral research; Computer crime; Cybersecurity; Network security; Sensitive data; Cyber security; Defence mechanisms; Engineering measures; Password; Phishing; Security; Social engineering; Social engineering (security); Social engineering attack; Social engineering measure; Social engineering taxonomy; Standard organization; Taxonomies"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Levantamento da literatura sobre taxonomias existentes de ataques de engenharia social e proposta de taxonomias de ataques (ambiente, abordagens e meios) e de contramedidas técnicas e não técnicas.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Social":1},"temas":["Fatores_Humanos","Ataques_de_Phishing"],"golpes":["Ataques de engenharia social"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00212","codigo":"FRAUDES00212","titulo":"A process mining-based method for attacker profiling using the MITRE ATT&CK taxonomy","ano":"2024","autores":["Rodríguez, Marcelo (57189374135); Betarte, Gustavo (6508005260); Calegari, Daniel (37053475400)"],"revista":"Journal of Internet Services and Applications","tipo_documental":"misc","doi":"10.5753/jisa.2024.3902","url":"https://www.scopus.com/pages/publications/85202580220?origin=resultslist","tem_abstract":true,"palavras_chave":["attacker behavior; Cybersecurity; MITRE ATT&CK Framework; process mining; threat intelligence; Cyber attacks; Malware; Phishing; Taxonomies; Attacker behavior; Causal relations; Cyber security; Cyber threats; Gaining insights; MITRE ATT&CK framework; Process mining; Runtimes; Security measure; Threat intelligence"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Apresenta uma abordagem que combina Process Mining com o framework MITRE ATT&CK para descobrir modelos de processo de estratégias de ataque e traçar o perfil de atacantes.","foco":"Mecanismo do Ataque","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Ataques cibernéticos"],"canais":[],"metodos":["Process Mining","Mapeamento de eventos de sistema para a taxonomia MITRE ATT&CK"],"fontes":["Conjuntos de dados reais de comportamento humano e de malware"],"ferramentas":[],"unidades":["Eventos de sistema"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00217","codigo":"FRAUDES00217","titulo":"BVTED: A Specialized Bilingual (Chinese–English) Dataset for Vulnerability Triple Extraction Tasks","ano":"2024","autores":["Liu, Kai (59117796300); Wang, Yi (59302789400); Ding, Zhaoyun (36080457000); Li, Aiping (57217320818); Zhang, Weiming (53065033100)"],"revista":"Applied Sciences (Switzerland)","tipo_documental":"misc","doi":"10.3390/app14167310","url":"https://www.scopus.com/pages/publications/85202432262?origin=resultslist","tem_abstract":true,"palavras_chave":["Chinese–English hybrid vulnerability descriptions; cyber threat intelligence; information extraction; named entity recognition; relation extraction; Phishing; Bilinguals; Chinese–english hybrid vulnerability description; Cybe threat intelligence; Cyber security; Cyber threats; Extraction modeling; Information extraction; Named entity recognition; Relation extraction; Vulnerability description; Cyber attacks"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Criação de uma ontologia de conhecimento de vulnerabilidades e do conjunto de dados BVTED, anotado a partir de descrições da base chinesa CNVD, para extração de triplas de conhecimento em cibersegurança.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Modelagem de ontologia","Anotação manual","Reconhecimento de entidades nomeadas","Extração de relações","Extração conjunta de entidades e relações","Aprendizado profundo"],"fontes":["China National Vulnerability Database"],"ferramentas":[],"unidades":["Sentenças"],"territorios":["China"],"setores":[],"teorias":[]},{"id":"g0023_phishing","codigo":"G0023","titulo":"A State-of-the-Art Review on Phishing Website Detection Techniques","ano":"2024","autores":["Li, Wenhao","Manickam, Selvakumar","Chong, Yung-Wey","Leng, Weilan","Nanda, Priyadarsi"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/access.2024.3514972","url":"https://doi.org/10.1109/access.2024.3514972","tem_abstract":true,"palavras_chave":["Cybersecurity","deep learning","machine learning","phishing website detection."],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão de técnicas de detecção de sites de phishing, incluindo métodos baseados em grafos, LLMs e kits de phishing, que propõe uma nova taxonomia dessas técnicas.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1},"temas":["Dados_e_Privacidade","Ataques_de_Phishing"],"golpes":["Phishing em sites"],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"lindback2024211","codigo":"LINDBACK2024211","titulo":"Demonstration of Digital Selective Call Spoofing","ano":"2024","autores":["Lindback, Axel","Javid, Yamha","Gurtov, Andrei"],"revista":"2024 IEEE International Black Sea Conference on Communications and Networking, BlackSeaCom 2024","tipo_documental":"conference","doi":"10.1109/BlackSeaCom61746.2024.10646264","url":"https://www.scopus.com/pages/publications/85203824354?origin=resultslist","tem_abstract":true,"palavras_chave":["Amplitude modulation; Code division multiple access; Marine communication; Risk management; Coastguards; Cyber security; Digital selective callings; Distress call; Maritime communication; Maritime safety; Radio signals; Security vulnerabilities; Software-defined radios; Very high frequency; Decoding"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Demonstra que chamadas de socorro VHF DSC marítimas podem ser falsificadas (spoofing) com Software Defined Radio, expondo vulnerabilidades de segurança inerentes ao sistema DSC.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":2,"Formativo":1},"temas":["Tecnologia_de_Ataque","Alvos_de_Ataque","Técnicas_de_Ataque"],"golpes":["Spoofing de chamadas de socorro VHF DSC marítimas"],"canais":["Voz"],"metodos":[],"fontes":["Dados sintéticos"],"ferramentas":["Software Defined Radio"],"unidades":[],"territorios":[],"setores":["Transporte Marítimo"],"teorias":[]},{"id":"papathanasiou2024","codigo":"PAPATHANASIOU2024","titulo":"BEC Defender: QR Code-Based Methodology for Prevention of Business Email Compromise (BEC) Attacks","ano":"2024","autores":["Papathanasiou, Anastasios","Liontos, George","Paparis, Georgios","Liagkou, Vasiliki","Glavas, Euripides"],"revista":"Sensors","tipo_documental":"article","doi":"10.3390/s24051676","url":"https://www.scopus.com/pages/publications/85187410992?origin=resultslist","tem_abstract":true,"palavras_chave":["Authentication; Codes (symbols); Cybersecurity; Digital communication systems; Electronic mail; Business email compromize; Code encryption; Communications security; Cyber security; Digital communication security; Digital communications; E-mails security; MAC address; Message authentication codes; QR code encryption; QR codes; adult; algorithm; article; clinical article; commercial phenomena; computer security; cyberattack; e-mail; encryption; human; methodology; pilot study; prevention; validation process; Cryptography"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Introduz o BEC Defender, metodologia de autenticação multicamadas para e-mails corporativos que usa endereço MAC, QR code e timestamps para proteger contra ataques de comprometimento de e-mail corporativo (BEC).","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":3},"temas":["Modalidades_de_Ataque","Estratégias_de_Defesa","Mecanismos_de_Defesa"],"golpes":["Comprometimento de e-mail corporativo (BEC)"],"canais":["E-mail","QR Code"],"metodos":["Processo de validação multicamadas","Algoritmo BEC-Defender"],"fontes":[],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"qachfar2024241","codigo":"QACHFAR2024241","titulo":"All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","ano":"2024","autores":["Qachfar, Fatima Zahra","Verma, Rakesh M."],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-031-65172-4_15","url":"https://www.scopus.com/pages/publications/85200570691?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Malware; Sentiment analysis; Attack; Blackmail; Extortion; Homograph; LLM; Perturbation; Phishing; Sentence level; Sextortion; Trustworthy AI; Electronic mail"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Apresenta o TExtPhish, dataset de e-mails de phishing com ataques de extorsão baseados em texto, incluindo subconjunto com perturbações homógrafas, e avalia modelos de linguagem nessas tarefas.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Ataques_Cibernéticos","Motivação_e_Impacto_de_Ataques","Detecção_de_Phishing"],"golpes":["Phishing por e-mail com extorsão"],"canais":["E-mail"],"metodos":["Classificação de extorsão","Análise de sentimento","Identificação de idioma","DistilBERT","DeBERTa"],"fontes":["TExtPhish"],"ferramentas":[],"unidades":["E-mails","Sentenças"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00010","codigo":"REF","titulo":"Understanding the Vulnerabilities Contributing to Investor Victimization in Scams","ano":"2024","autores":["Zin, Norlaila Md","Muda, Salwa","Kasim, Eley Suzana","Ismail, Norhidayah","Padil, Hazlina Mohd","Ramli, Rosniza"],"revista":"Pakistan Journal of Criminology","tipo_documental":"article","doi":"10.62271/pjc.16.3.1053.1072","url":"https://www.scopus.com/pages/publications/85196081948?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Estudo qualitativo, com entrevistas a oficiais da Polícia Real da Malásia, sobre os fatores que impulsionam a ocorrência de golpes de investimento na Malásia e possíveis intervenções.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2,"Analítico":1,"Econômico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Crimes_Digitais","Fatores_Humanos","Vulnerabilidade_Humana"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Entrevistas"],"fontes":["Oficiais da Polícia Real da Malásia"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Malásia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00024","codigo":"REF","titulo":"Cryptocurrency and financial crimes: A bibliometric analysis and future research agenda","ano":"2024","autores":["Saha, Sabuj","Hasan, Ahmed Rizvan","Mahmud, Alvi","Ahmed, Nujhat","Parvin, Nahida","Karmakar, Hemal"],"revista":"Multidisciplinary Reviews","tipo_documental":"article","doi":"10.31893/multirev.2024168","url":"https://www.scopus.com/pages/publications/85195149984?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão da literatura sobre fraudes financeiras com criptomoedas, com análise bibliométrica e de conteúdo de artigos da Scopus, os dez principais golpes, razões de vitimização e agenda futura.","foco":"Não Especificado","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ataques_de_Phishing","Crimes_Digitais"],"golpes":["Fraudes financeiras com criptomoedas"],"canais":["Blockchain"],"metodos":["Análise bibliométrica","Análise de conteúdo"],"fontes":["Scopus"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00036","codigo":"REF","titulo":"Understanding the Nature of the Transnational Scam-Related Fraud: Challenges and Solutions from Vietnam’s Perspective","ano":"2024","autores":["Luong, Hai Thanh","Ngo, Hieu Minh"],"revista":"Laws","tipo_documental":"article","doi":"10.3390/laws13060070","url":"https://www.scopus.com/pages/publications/85213413379?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":6,"relacoes":4,"resumo":"Estudo pioneiro no Vietnã sobre fraudes transnacionais ligadas a golpes de pig-butchering no Sudeste Asiático, combinando bases primárias e secundárias para descrever sua natureza e propor recomendações de combate.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Social":2,"Econômico":2},"temas":["Ataques_de_Phishing","Crimes_Digitais","Defesa_e_Mitigação","Impactos_do_Phishing","Infraestrutura_de_Ataque","Atores_de_Ameaça"],"golpes":["Pig-butchering","Golpe de investimento","Phishing","Roubo de identidade"],"canais":["Redes Sociais"],"metodos":["Combinação de bases de dados primárias e secundárias"],"fontes":["Bases de dados primárias e secundárias"],"ferramentas":[],"unidades":[],"territorios":["Vietnã","Camboja"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00041","codigo":"REF","titulo":"“More intelligent, less emotive and more greedy”: Hierarchies of blame in online fraud","ano":"2024","autores":["Nataraj-Hansen, Shalini"],"revista":"International Journal of Law, Crime and Justice","tipo_documental":"article","doi":"10.1016/j.ijlcj.2024.100652","url":"https://www.scopus.com/pages/publications/85186534857?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo sobre como profissionais da Rede de Justiça contra Fraudes na Austrália atribuem culpa a vítimas de golpes românticos e de investimento online, à luz da noção de vitimização ideal.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Golpe romântico online","Golpe de investimento online"],"canais":[],"metodos":["Entrevistas semiestruturadas","Análise temática"],"fontes":["Profissionais da Rede de Justiça contra Fraudes"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Austrália"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00071","codigo":"REF","titulo":"Romance baiting, cryptorom and ‘pig butchering’: an evolutionary step in romance fraud","ano":"2024","autores":["Cross, Cassandra"],"revista":"Current Issues in Criminal Justice","tipo_documental":"article","doi":"10.1080/10345329.2023.2248670","url":"https://www.scopus.com/pages/publications/85169590069?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":7,"relacoes":5,"resumo":"Análise da convergência entre golpe romântico e golpe de investimento (romance baiting, cryptorom, pig butchering), suas razões de sucesso e efeitos sobre o reporte de fraudes e a mensagem de prevenção.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Lingual":1,"Social":4,"Econômico":2},"temas":["Modalidades_de_Ataque","Engenharia_Social","Resposta_a_Incidentes","Identidade_e_Representação","Motivação_e_Impacto_de_Ataques","Conteúdo_de_Isca"],"golpes":["Golpe romântico com investimento em criptoativos (romance baiting","cryptorom","pig butchering)"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Austrália"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00075","codigo":"REF","titulo":"LEGAL LOOPHOLES IN PYRAMID AND PONZI SCHEME REGULATIONS: A CAUTIONARY TALE FROM ALBANIA TO INDONESIA","ano":"2024","autores":["Saputra, Beny"],"revista":"Balkan Social Science Review","tipo_documental":"article","doi":"10.46763/bssr242424031s","url":"https://www.scopus.com/pages/publications/85213844445?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Analisa as lacunas jurídicas e medidas regulatórias diante de esquemas de pirâmide e Ponzi, extraindo lições da crise financeira da Albânia nos anos 1990 para a Indonésia.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Econômico":1,"Jurídico":1},"temas":["Regulação_e_Governança_de_Cibersegurança","Crimes_Digitais"],"golpes":["Esquemas de pirâmide","Esquemas de Ponzi"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Albânia","Indonésia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00102","codigo":"REF","titulo":"Explainable Ponzi Schemes Detection on Ethereum","ano":"2024","autores":["Galletta, Letterio","Pinelli, Fabio"],"revista":"Proceedings of the ACM Symposium on Applied Computing","tipo_documental":"conference","doi":"10.1145/3605098.3636060","url":"https://www.scopus.com/pages/publications/85197705304?origin=resultslist","tem_abstract":true,"palavras_chave":["Ethereum; Machine learning; Applied machine learning; Block-chain; Classification quality; Data set; Detection tools; Economic advantages; Labeled data; Real-world; Security; Sets of features; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Apresenta um classificador para detectar contratos inteligentes de esquemas Ponzi na Ethereum, com um conjunto de dados rotulado de 4422 contratos e análise de características por eXplainable AI.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Social":1,"Econômico":1},"temas":["Motivação_e_Impacto_de_Ataques","Atores_de_Ameaça"],"golpes":["Esquemas Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Classificador de contratos inteligentes","eXplainable AI","Seleção de características"],"fontes":["Contratos inteligentes reais da Ethereum"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00113","codigo":"REF","titulo":"Forsage: Anatomy of a Smart-Contract Pyramid Scheme","ano":"2024","autores":["Kell, Tyler","Yousaf, Haaroon","Allen, Sarah","Meiklejohn, Sarah","Juels, Ari"],"revista":"Lecture Notes in Computer Science","tipo_documental":"article","doi":"10.1007/978-3-031-47751-5_14","url":"https://www.scopus.com/pages/publications/85180632543?origin=resultslist","tem_abstract":true,"palavras_chave":["Chromium compounds; Cryptography; Open source software; Open systems; Profitability; Empirical studies; Hierarchical network; In-depth study; Is investments; Open-source softwares; Social media; Unique features; Video media; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":2,"relacoes":2,"resumo":"Estudo empírico do Forsage, esquema de pirâmide baseado em contratos inteligentes no Ethereum, quantificando ganhos e perdas dos participantes e analisando seu código e sua promoção.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2020","aspectos":{"Físico":1,"Econômico":1},"temas":["Modalidades_de_Ataque","Tecnologia_de_Ataque"],"golpes":["Esquema de pirâmide baseado em contratos inteligentes"],"canais":["Blockchain","Redes Sociais","Web"],"metodos":["Análise manual de código","Simulador de transações","Análise de vídeos promocionais","Análise de redes sociais"],"fontes":["Ethereum","Vídeos promocionais","Redes sociais"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00116","codigo":"REF","titulo":"A red flag checklist for cryptocurrency Ponzi schemes","ano":"2024","autores":["Heyman, Christiaan Ernst (Riaan)"],"revista":"Journal of Financial Crime","tipo_documental":"article","doi":"10.1108/JFC-05-2023-0118","url":"https://www.scopus.com/pages/publications/85165959781?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Desenvolve uma lista de verificação de sinais de alerta (red flags) para esquemas Ponzi com criptomoedas e a testa contra o material de marketing da Mirror Trading International (MTI).","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema Ponzi com criptomoedas"],"canais":["Web"],"metodos":["Revisão estruturada da literatura","Análise qualitativa"],"fontes":["YouTube"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00130","codigo":"REF","titulo":"Determinants of Public Investment Decision in Forex Robots Trading: Evidence from Indonesia","ano":"2024","autores":["Husaeni, Uus Ahmad","Priyatno, Dwidja","Paminto, Saptaning Ruju","Syaddad, Hasbu Naim"],"revista":"Asian Journal of Business and Accounting","tipo_documental":"article","doi":"10.22452/ajba.vol17no1.4","url":"https://www.scopus.com/pages/publications/85203708245?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":3,"resumo":"Analisa os fatores que influenciam as decisões de investimento de usuários de robôs de trading de forex na Indonésia: literacia financeira, conhecimento de investimento, comportamento financeiro e tolerância ao risco.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1,"Econômico":1},"temas":["Comportamento_Humano_em_Segurança","Fatores_Humanos_de_Vulnerabilidade"],"golpes":["Golpe de robô de trading de forex","Esquema Ponzi"],"canais":["Mensageria Instantânea"],"metodos":["Survey com questionário","Modelagem de Equações Estruturais","Mínimos Quadrados Parciais"],"fontes":["Usuários de robôs de trading de forex"],"ferramentas":["Google Forms"],"unidades":["Indivíduos"],"territorios":["Indonésia"],"setores":["Mercado Financeiro"],"teorias":[]},{"id":"ref_72db3d675ef9_00141","codigo":"REF","titulo":"Crypto-Cognitive Exploitation: Integrating Cognitive, Social, and Technological perspectives on cryptocurrency fraud","ano":"2024","autores":["Perdana, Arif","Jhee Jiow, Hee"],"revista":"Telematics and Informatics","tipo_documental":"article","doi":"10.1016/j.tele.2024.102191","url":"https://www.scopus.com/pages/publications/85208541018?origin=resultslist","tem_abstract":true,"palavras_chave":["Anonymity; Cognitive perspectives; Cognitive vulnerability theory; Crypto scam; Decentralised; Financial loss; Prevention strategies; Social engineering; Social engineering approach; Social perspective; Technological perspective; Decentralized finance"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo dos golpes com criptomoedas à luz da Teoria da Vulnerabilidade Cognitiva e da Abordagem de Engenharia Social, propondo o modelo CCEM e recomendações de prevenção e regulação.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Social":1,"Econômico":1},"temas":["Modalidades_de_Ataque"],"golpes":["Golpes com criptomoedas","Golpe de plataforma de negociação fraudulenta","Pig butchering"],"canais":[],"metodos":["Análise quantitativa"],"fontes":["Departamento de Proteção Financeira e Inovação (DFPI)"],"ferramentas":[],"unidades":[],"territorios":["Estados Unidos"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00142","codigo":"REF","titulo":"Investment Fraud Cases Study in Chinese Context of Instant Messaging Software","ano":"2024","autores":["Su, YuWei","Shih, Chih-Hung","Yang, Tai-Ju Ou"],"revista":"Procedia Computer Science","tipo_documental":"conference","doi":"10.1016/j.procs.2024.09.418","url":"https://www.scopus.com/pages/publications/85213343245?origin=resultslist","tem_abstract":true,"palavras_chave":["Case-studies; Chinese context; Chinese language; Computer-mediated communication; Context; Financial loss; Fraud; Instant messaging; Investment group; Word clouds; Instant messaging applications"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":5,"relacoes":4,"resumo":"Compara grupos de investimento legítimo e fraudulentos no LINE em Taiwan quanto a entrada, volume e horário de mensagens e características textuais, discutindo mecanismos psicológicos da manipulação das vítimas.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Sensitivo":1,"Social":1,"Econômico":2},"temas":["Crimes_Digitais","Manipulação_Psicológica","Canais_de_Ataque","Fatores_Psicológicos","Motivação_e_Impacto_de_Ataques"],"golpes":["Golpe de investimento em grupos de mensageria instantânea"],"canais":["Mensageria Instantânea"],"metodos":["Análise comparativa de grupos","Nuvem de palavras","Análise textual"],"fontes":["Grupos de investimento no LINE"],"ferramentas":[],"unidades":["Mensagens"],"territorios":["Taiwan"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00165","codigo":"REF","titulo":"Examining Social Actors in Investment Fraud News: A Transitivity and Appraisal Analysis","ano":"2024","autores":["Sari, Eny Maulita Purnama","Santosa, Riyadi","Djatmika, Djatmika","Wiratno, Tri"],"revista":"Theory and Practice in Language Studies","tipo_documental":"article","doi":"10.17507/tpls.1407.23","url":"https://www.scopus.com/pages/publications/85200667072?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise crítica do discurso de notícias online indonésias sobre golpes de investimento, examinando como afiliados, investidores e polícia são retratados e como isso molda percepções públicas sobre investimento.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Social":1},"temas":["Infraestrutura_de_Ataque","Manipulação_Psicológica"],"golpes":["Golpe de investimento"],"canais":["Web"],"metodos":["Análise crítica do discurso","Análise de transitividade","Sistema de avaliatividade","Linguística sistêmico-funcional"],"fontes":["Mídia online indonésia"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Indonésia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00184","codigo":"REF","titulo":"Deconstructing a form of hybrid investment fraud: Examining ‘pig butchering’ in the United States","ano":"2024","autores":["Maras, Marie-Helen","Ives, Emily R."],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2024.100066","url":"https://www.scopus.com/pages/publications/105020272351?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Recontextualiza a fraude de investimento híbrida (pig butchering) por meio da análise de casos nos Estados Unidos, caracterizando vítimas, golpistas, impacto e táticas de execução.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2018/01-2023/11","aspectos":{"Social":1,"Econômico":1,"Pístico":1},"temas":["Fatores_Humanos","Motivação_e_Impacto_de_Ataques","Modalidades_de_Ataque"],"golpes":["Fraude de investimento híbrida (pig butchering)"],"canais":[],"metodos":["Análise de conteúdo de notícias e documentos judiciais"],"fontes":["Notícias","Documentos judiciais"],"ferramentas":[],"unidades":["Casos"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00198","codigo":"REF","titulo":"Time-Aware Metapath Feature Augmentation for Ponzi Detection in Ethereum","ano":"2024","autores":["Jin, Chengxiang","Zhou, Jiajun","Jin, Jie","Wu, Jiajing","Xuan, Qi"],"revista":"IEEE Transactions on Network Science and Engineering","tipo_documental":"article","doi":"10.1109/TNSE.2024.3384499","url":"https://www.scopus.com/pages/publications/85189610051?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Ethereum; Feature extraction; Graphic methods; Investments; Block-chain; Code; Cyberspaces; Features extraction; Heterogeneous graph; Metapath; Ponzi scheme detection; Security; Temporal information; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe o TMFAug, módulo plug-and-play de aumento de características de metacaminhos com consciência temporal para melhorar a detecção de esquemas Ponzi na blockchain Ethereum.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Cinemático":1},"temas":["Extração_de_Características","Detecção_de_Phishing"],"golpes":["Esquema Ponzi com criptoativos"],"canais":["Blockchain"],"metodos":["Time-aware Metapath Feature Augmentation","Modelagem de grafos heterogêneos com metacaminhos"],"fontes":["Conjunto de dados da Ethereum"],"ferramentas":[],"unidades":["Contas"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00208","codigo":"REF","titulo":"A Sinister Fattening: Dissecting the Tales of Pig Butchering and Other Cryptocurrency Scams","ano":"2024","autores":["Ordekian, Marilyne","Papasavva, Antonis","Mariconti, Enrico","Vasek, Marie"],"revista":"eCrime Researchers Summit, eCrime","tipo_documental":"conference","doi":"10.1109/eCrime66200.2024.00016","url":"https://www.scopus.com/pages/publications/105000189839?origin=resultslist","tem_abstract":true,"palavras_chave":["California; Cross-platform; Cryptocurrency fraud; Cyber-crimes; Cybercrime measurement; Financial gains; Investment opportunities; Leap of faiths; Trading platform; Anonymity"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Análise de 143 golpes com criptomoedas, principalmente pig-butchering, extraídos de narrativas de vítimas reunidas pelo governo da Califórnia, com recomendações a plataformas, reguladores e comunidade.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Social":3,"Econômico":1,"Pístico":1},"temas":["Fatores_Humanos","Impacto_do_Phishing","Alvos_De_Phishing","Engenharia_Social","Modalidades_de_Ataque"],"golpes":["Golpes com criptomoedas","Golpe de pig-butchering"],"canais":["Redes Sociais","Mensageria Instantânea","Web"],"metodos":[],"fontes":["Narrativas de golpes do governo da Califórnia"],"ferramentas":[],"unidades":["Narrativas"],"territorios":["Califórnia"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00267","codigo":"REF","titulo":"Are fraud victims nothing more than animals? Critiquing the propagation of “pig butchering” (Sha Zhu Pan, 杀猪盘)","ano":"2024","autores":["Whittaker, Jack M.","Lazarus, Suleman","Corcoran, Taidgh"],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2024.100052","url":"https://www.scopus.com/pages/publications/105020709641?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":6,"relacoes":3,"resumo":"Tratamento teórico do termo \"Sha Zhu Pan\" (Pig Butchering) e de sua metáfora animal, examinando como ela propaga a desumanização das vítimas de fraude online em discursos acadêmicos e midiáticos.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Lingual":2,"Social":2,"Ético":2},"temas":["Impacto_de_Ataques","Fatores_Psicológicos","Modalidades_de_Ataque","Resposta_Institucional","Resposta_a_Incidentes"],"golpes":["Pig butchering (Sha Zhu Pan)"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["China","Nigéria"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00274","codigo":"REF","titulo":"‘Should’ve known better’: Using Lerner’s Belief in a Just World to understand how the Fraud Justice Network observe victims of online romance and investment frauds","ano":"2024","autores":["Nataraj-Hansen, Shalini"],"revista":"International Review of Victimology","tipo_documental":"article","doi":"10.1177/02697580231167901","url":"https://www.scopus.com/pages/publications/85158911377?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Aplica a teoria da Crença em um Mundo Justo à culpabilização de vítimas de fraude online pela Rede de Justiça de Fraude, com base em entrevistas qualitativas com 14 representantes.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Fraude online"],"canais":[],"metodos":["Entrevistas qualitativas","Análise temática"],"fontes":["Representantes da Rede de Justiça de Fraude"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00281","codigo":"REF","titulo":"Exploring the roles played by trust and technology in the online investment fraud victimisation process","ano":"2024","autores":["Anderson, Matthew","March, Evita","Land, Lesley","Boshuijzen-van Burken, Christine"],"revista":"Journal of Criminology","tipo_documental":"article","doi":"10.1177/26338076241248176","url":"https://www.scopus.com/pages/publications/85192375531?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Análise de como relações de confiança e tecnologia viabilizam a vitimização por fraude de investimento online, a partir de testemunhos de vítimas em fóruns.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1,"Econômico":1,"Estético":1},"temas":["Modalidades_de_Ataque","Conteúdo_de_Isca","Fatores_Humanos_em_Segurança","Vulnerabilidade_Humana"],"golpes":["Fraude de investimento online"],"canais":[],"metodos":["Análise temática indutiva"],"fontes":["Fóruns online"],"ferramentas":[],"unidades":["Testemunhos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00282","codigo":"REF","titulo":"TokenScout: Early Detection of Ethereum Scam Tokens via Temporal Graph Learning","ano":"2024","autores":["Wu, Cong","Chen, Jing","Zhao, Ziming","He, Kun","Xu, Guowen","Wu, Yueming","Wang, Haijun","Li, Hongwei","Liu, Yang","Xiang, Yang"],"revista":"CCS 2024 - Proceedings of the 2024 ACM SIGSAC Conference on Computer and Communications Security","tipo_documental":"conference","doi":"10.1145/3658644.3690234","url":"https://www.scopus.com/pages/publications/85215523418?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Ethereum; Graph neural networks; Assets management; Decentralised; Financial assets; Financial transactions; Graph neural networks; Graph representation; Potential risks; Scam token; Temporal graphs; Transaction management; Decentralized finance"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Apresenta o TokenScout, framework baseado em rede neural de grafos temporais para detecção precoce de scam tokens (rugpulls, honeypots, esquemas Ponzi) na blockchain Ethereum.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":"2015-2023/02","aspectos":{},"temas":[],"golpes":["Scam tokens (rugpulls, honeypots e esquemas Ponzi)"],"canais":["Blockchain"],"metodos":["Rede neural de grafos temporais","Aprendizado contrastivo"],"fontes":["Tokens ERC20 do Ethereum"],"ferramentas":[],"unidades":["Tokens"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00289","codigo":"REF","titulo":"Ponzi scheme detection in smart contracts using the integration of deep learning and formal verification","ano":"2024","autores":["Chen, Shibao","Li, Fei"],"revista":"IET Blockchain","tipo_documental":"article","doi":"10.1049/blc2.12056","url":"https://www.scopus.com/pages/publications/85187245488?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Codes (symbols); Formal verification; Learning systems; Long short-term memory; Semantics; Block-chain; Classification results; Converting operation; Detection approach; Formal security; Machine learning models; On-machines; Process data; Security verification; Vulnerability detection; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Propõe o PZ-C1DZ3, método que converte opcodes de contratos inteligentes em sequências, usa Conv1D e verificação formal com o solver Z3 para detectar esquemas Ponzi.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":3,"Econômico":1},"temas":["Aprendizado_de_Máquina","Crimes_Digitais","Detecção_de_Phishing"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Rede neural convolucional unidimensional","Conv1D-LSTM","Conv1D-MLP","Conv1D-transformer","Verificação formal"],"fontes":[],"ferramentas":["Z3 solver"],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00293","codigo":"REF","titulo":"Leveraging Ponzi-like designs in stablecoins","ano":"2024","autores":["Fu, Shange","Wang, Qin","Yu, Jiangshan","Chen, Shiping"],"revista":"International Journal of Network Management","tipo_documental":"article","doi":"10.1002/nem.2277","url":"https://www.scopus.com/pages/publications/85193535042?origin=resultslist","tem_abstract":true,"palavras_chave":["Algorithmics; Condition; International journals; Market demand; Networks management; Offer price; Ponzi game; Price stability; Rational models; Stablecoin; Economics"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Artigo esclarece o conceito de Ponzi no contexto de stablecoins algorítmicas e propõe um modelo de jogo de Ponzi racional, testado com dados históricos das principais stablecoins algorítmicas.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema Ponzi com stablecoins algorítmicas"],"canais":["Blockchain"],"metodos":["Modelo de jogo de Ponzi racional"],"fontes":["Dados históricos de stablecoins algorítmicas"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_8d955f377173_00011","codigo":"REF","titulo":"The Impact of Call Spoofing on Trust and Communication: A User Perception Study","ano":"2024","autores":["Verma, Amitabh"],"revista":"International Journal of Safety and Security Engineering","tipo_documental":"article","doi":"10.18280/ijsse.140216","url":"https://www.scopus.com/pages/publications/85192263800?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo sobre phone spoofing na Índia que examina como usuários percebem e reagem a chamadas fraudulentas, relacionando conhecimento sobre call spoofing, ameaça percebida e confiança na comunicação telefônica.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Pístico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Fatores_Humanos_em_Segurança"],"golpes":["Phone spoofing (call spoofing)"],"canais":["Voz"],"metodos":["Métodos mistos","Questionário estruturado","Entrevistas em profundidade","Grupos focais"],"fontes":["Participantes de survey, entrevistas e grupos focais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Índia"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00014","codigo":"REF","titulo":"Constructing identities in institutional impersonation fraud: self-styling and other-styling practices through stances","ano":"2024","autores":["Liu, Mengna","Liang, Xiqiao","Chen, Jinshi"],"revista":"Humanities and Social Sciences Communications","tipo_documental":"article","doi":"10.1057/s41599-024-03875-9","url":"https://www.scopus.com/pages/publications/85208636693?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Analisa as práticas de estilização (styling) e tomada de posição (stance) de fraudadores em golpes de personificação institucional, mostrando como estilizam a si mesmos, as vítimas e os opositores para fins manipulativos.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Lingual":1,"Estético":1},"temas":["Identidade_e_Representação"],"golpes":["Golpe de personificação institucional"],"canais":["Voz"],"metodos":["Análise linguística de estilização e tomada de posição (stance)"],"fontes":["Casos autênticos de golpe"],"ferramentas":[],"unidades":["Casos de golpe"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00028","codigo":"REF","titulo":"A Photo and a Few Spoken Words Is All It Needs?! On the Challenges of Targeted Deepfake Attacks and Their Detection","ano":"2024","autores":["Frick, Raphael Antonius","Steinebach, Martin"],"revista":"ACM WDC 2024 - Proceedings of the 3rd ACM Workshop on Security Implications of Deepfakes and Cheapfakes","tipo_documental":"conference","doi":"10.1145/3660354.3660357","url":"https://www.scopus.com/pages/publications/85198133847?origin=resultslist","tem_abstract":true,"palavras_chave":["Digital forensics; Forensic engineering; CEO-fraud; General publics; Human society; Medium forensic; Organisational; Social engineering; Spoken words; Targeted deepfake attack; Crime"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Visão geral das técnicas de criação de deepfakes direcionados, que combinam engenharia social e tecnologia de deepfake, e das medidas forenses e organizacionais para detectá-los, com seus desafios.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":1,"Econômico":1},"temas":["Ataques_de_Phishing","Técnicas_de_Ataque","Crimes_Digitais"],"golpes":["Deepfakes direcionados"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00045","codigo":"REF","titulo":"Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams","ano":"2024","autores":["Acharya, Bhupendra","Saad, Muhammad","Cinà, Antonio Emanuele","Schönherr, Lea","Nguyen, Hoang Dai","Oest, Adam","Vadrevu, Phani","Holz, Thorsten"],"revista":"Proceedings - IEEE Symposium on Security and Privacy","tipo_documental":"conference","doi":"10.1109/SP54263.2024.00156","url":"https://www.scopus.com/pages/publications/85194473107?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptocurrency; Abuse; Communications channels; Crytpocurrency scam; End-to-end analysis; Payment services; Phishing; Scam; Service provider; Technical support; Technical support scam; Phishing"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Estudo abrangente de golpes de suporte técnico baseados em criptomoedas no Twitter, usando a ferramenta HoneyTweet para atrair golpistas, analisar seu modus operandi e propor recomendações de mitigação.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Lingual":1,"Social":2},"temas":["Modalidades_de_Ataque","Alvos_de_Ataque","Fatores_Humanos","Canais_de_Ataque"],"golpes":["Golpe de suporte técnico baseado em criptomoedas"],"canais":["Redes Sociais","E-mail","Mensageria Instantânea"],"metodos":["Honey tweets","Interação automatizada com golpistas","Honey wallet addresses"],"fontes":["Twitter"],"ferramentas":["HoneyTweet"],"unidades":["Golpistas"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00066","codigo":"REF","titulo":"Conti Inc.: understanding the internal discussions of a large ransomware-as-a-service operator with machine learning","ano":"2024","autores":["Ruellan, Estelle","Paquet-Clouston, Masarah","Garcia, Sebastián"],"revista":"Crime Science","tipo_documental":"article","doi":"10.1186/s40163-024-00212-y","url":"https://www.scopus.com/pages/publications/85196000065?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Análise dos principais tópicos de discussão no vazamento de chats do operador de RaaS Conti, com NLP e LDA, para compreender o funcionamento interno da organização criminosa.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2},"temas":["Ameaças_Cibernéticas"],"golpes":["Ransomware como serviço (RaaS)"],"canais":[],"metodos":["Processamento de Linguagem Natural","Latent Dirichlet Allocation","Estratégias de visualização"],"fontes":["Vazamento de chats do Conti"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00567","codigo":"REF","titulo":"SPOT: In-depth Analysis of IoT Ransomware Attacks Using Bare Metal NAS Devices","ano":"2024","autores":["Yasui, Hiroki","Inoue, Takahiro","Sasaki, Takayuki","Tanabe, Rui","Yoshioka, Katsunari","Matsumoto, Tsutomu"],"revista":"Journal of Information Processing","tipo_documental":"article","doi":"10.2197/ipsjjip.32.23","url":"https://www.scopus.com/pages/publications/85183607584?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Propõe o SPOT, sistema de observação com honeypot QNAP NAS e sandbox de malware, para analisar a operação e a infraestrutura de ataques de ransomware contra dispositivos IoT NAS.","foco":"Ecossistema do Atacante","tipo":"Proposta de Sistema","periodo":"2021/09-2022/03","aspectos":{"Físico":1,"Formativo":3},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque","Modalidades_de_Ataque","Táticas_de_Ataque"],"golpes":["Ransomware contra dispositivos NAS"],"canais":["Web"],"metodos":["Honeypot","Sandbox de malware","Observação longitudinal"],"fontes":["VirusTotal","Honeypot QNAP NAS"],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00572","codigo":"REF","titulo":"Ransomware attacks and proposed defense strategies in the Republic of Azerbaijan; [RANSOMWARE HÜCUMLARI VƏ AZƏRBAYCAN RESPUBLİKASINDA TƏKLİF OLUNAN MÜDAFİƏ STRATEGİYALARI]","ano":"2024","autores":["Nurullayev, Rashad","Mehtar, Mehran"],"revista":"Scientific Work","tipo_documental":"article","doi":"10.36719/2663-4619/102/245-251","url":"https://www.scopus.com/pages/publications/105032558833?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Artigo discute a ameaça de ransomware no Azerbaijão e propõe medidas defensivas como conscientização, backups, colaboração entre atores e treinamento de equipes de resposta a incidentes.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":3,"Social":1},"temas":["Ameaças_Cibernéticas","Gestão_de_Incidentes","Identidade_e_Representação","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Azerbaijão"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00614","codigo":"REF","titulo":"Knowledge Held Hostage: What the British Library Ransomware Attack Can Teach Us","ano":"2024","autores":["Fiscus, Moira"],"revista":"College and Research Libraries","tipo_documental":"article","doi":"10.5860/crl.85.5.628","url":"https://www.scopus.com/pages/publications/85198631105?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise de três instituições, incluindo a British Library, que sofreram ataques cibernéticos com serviços fora do ar por longo período, examinando impacto, resposta e transparência pública.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Alvos_De_Phishing","Ameaças_Digitais"],"golpes":["Ataque cibernético a instituições de ensino superior e bibliotecas"],"canais":[],"metodos":["Estudo de caso"],"fontes":[],"ferramentas":[],"unidades":["Instituições"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00617","codigo":"REF","titulo":"What to Do Against Ransomware? Evaluating Law Enforcement Interventions","ano":"2024","autores":["Meurs, Tom","Hoheisel, Raphael","Junger, Marianne","Abhishta, Abhishta","McCoy, Damon"],"revista":"eCrime Researchers Summit, eCrime","tipo_documental":"conference","doi":"10.1109/eCrime66200.2024.00012","url":"https://www.scopus.com/pages/publications/105000166886?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Information leakage; Arrest; Crime Prevention; Crypto; Group members; Intervention; Re-branding; Sanction; Server infrastructure; Situational crime prevention; Takedown; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":3,"resumo":"Avalia o impacto de cinco tipos de intervenções policiais sobre grupos de ransomware de dupla extorsão, usando vítimas publicadas em leak pages, e verifica cessação, continuidade ou rebranding dos grupos.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Jurídico":1},"temas":["Ameaças_Cibernéticas","Resposta_Institucional"],"golpes":["Ransomware de dupla extorsão"],"canais":["Web"],"metodos":[],"fontes":["Leak pages de grupos de ransomware"],"ferramentas":[],"unidades":["Intervenções"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00625","codigo":"REF","titulo":"Dealing with digital paralysis: Surviving a cyberattack in a National Cancer center","ano":"2024","autores":["Keogh, Rachel J.","Harvey, Harry","Brady, Claire","Hassett, Edel","Costelloe, Seán J.","O'Sullivan, Martin J.","Twomey, Maria","O'Leary, Mary Jane","Cahill, Mary R.","O'Riordan, Aideen","Joyce, Caroline M.","Moloney, Ger","Flavin, Aileen","M Bambury, Richard","Murray, Deirdre","Bennett, Kathleen","Mullooly, Maeve","O'Reilly, Seamus"],"revista":"Journal of Cancer Policy","tipo_documental":"article","doi":"10.1016/j.jcpo.2023.100466","url":"https://www.scopus.com/pages/publications/85182548271?origin=resultslist","tem_abstract":true,"palavras_chave":["Delivery of Health Care; Humans; Ireland; Neoplasms; Organizations; State Medicine; Article; blood cell count; blood transfusion; brachytherapy; breast cancer; burnout; cancer center; cancer survival; clinical outcome; computer assisted tomography; computer security; cyberattack; electronic health record; electronic prescribing; health care system; human; information storage; intensive care unit; mammography; multidisciplinary team; national health service; natural disaster; nuclear magnetic resonance imaging; outpatient; palliative therapy; paralysis; patient care; positron emission tomography; radiation exposure; ransomware; thrombocyte transfusion; total quality management; complication; epidemiology; health care delivery; Ireland; national health service; neoplasm; organization"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Avaliação do impacto e das implicações do ataque de ransomware Conti ao centro de câncer do Cork University Hospital, na Irlanda, com base em registros de atividade e relatos de profissionais.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2021/05-2021/09","aspectos":{"Formativo":3,"Econômico":1},"temas":["Ameaças_Cibernéticas","Gestão_de_Risco","Gestão_de_Incidentes","Ameaças_Digitais"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão de registros departamentais de atividade","Ensaios reflexivos","Entrevistas com partes interessadas"],"fontes":["Registros departamentais do Cork University Hospital"],"ferramentas":[],"unidades":["Amostras"],"territorios":["Irlanda"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00629","codigo":"REF","titulo":"Dead Man's PLC: Towards Viable Cyber Extortion for Operational Technology","ano":"2024","autores":["Derbyshire, Richard","Green, Benjamin","Van Der Walt, Charl","Hutchison, David"],"revista":"Digital Threats: Research and Practice","tipo_documental":"article","doi":"10.1145/3670695","url":"https://www.scopus.com/pages/publications/85208717393?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer viruses; Cyber attacks; Detonation; Network security; Attack goals; CPS; Cybe extortion; Cyber-attacks; Cyber-crimes; Engineering process; ICS; Operational technologies; Proof of concept; Cryptography"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Introduz o Dead Man's PLC (DM-PLC), uma técnica de extorsão cibernética (Cy-X) para ambientes de tecnologia operacional que transforma os processos de resiliência do ambiente em arma, avaliada em uma prova de conceito.","foco":"Mecanismo do Ataque","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":2,"Formativo":1,"Social":1},"temas":["Alvos_de_Ataque","Táticas_de_Ataque","Infraestrutura_Tecnológica","Atores_de_Ameaça"],"golpes":["Extorsão cibernética em tecnologia operacional"],"canais":[],"metodos":["Prova de conceito"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Tecnologia Operacional"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00662","codigo":"REF","titulo":"Deception in double extortion ransomware attacks: An analysis of profitability and credibility","ano":"2024","autores":["Meurs, Tom","Cartwright, Edward","Cartwright, Anna","Junger, Marianne","Abhishta, Abhishta"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2023.103670","url":"https://www.scopus.com/pages/publications/85181823969?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cybersecurity; Malware; Attacks scenarios; Cyber-crimes; Data exfiltration; Game parameters; Information asymmetry; Real-world; Signal data; Signaling game; Strategic parameter; Uncertain informations; Game theory"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo da interação estratégica entre criminosos e vítimas em ataques de ransomware com dupla extorsão, usando um jogo de sinalização para analisar como a exfiltração de dados é comunicada.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Táticas_de_Ataque"],"golpes":["Ransomware com dupla extorsão"],"canais":[],"metodos":["Jogo de sinalização"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00708","codigo":"REF","titulo":"Ransomware attack awareness: analyzing college student awareness for effective defense","ano":"2024","autores":["Syamsuar, Dedy","Pakdeetrakulwong, Udsanee","Jacob, Deden Witarsyah","Chandra, Felixius Arelta"],"revista":"Indonesian Journal of Electrical Engineering and Computer Science","tipo_documental":"article","doi":"10.11591/ijeecs.v35.i2.pp1122-1130","url":"https://www.scopus.com/pages/publications/85195052802?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Investiga a consciência de estudantes universitários sobre ameaças de ransomware e seu comportamento preventivo, combinando teoria do comportamento planejado e teoria da motivação preventiva com consciência de ameaça.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":4},"temas":["Fatores_Humanos_e_Psicológicos","Fatores_Psicológicos","Fatores_Humanos_em_Segurança"],"golpes":["Ransomware"],"canais":[],"metodos":["Teoria do comportamento planejado","Teoria da motivação preventiva","Modelo de pesquisa com variáveis de consciência de ameaça"],"fontes":["Estudantes universitários"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00735","codigo":"REF","titulo":"Ransomware: Why It’s Growing and How to Curb Its Growth","ano":"2024","autores":["Jaffe, Joshua","Floridi, Luciano"],"revista":"Applied Cybersecurity and Internet Governance","tipo_documental":"article","doi":"10.60097/ACIG/192959","url":"https://www.scopus.com/pages/publications/105006559836?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão da literatura multidisciplinar e de dados da indústria para compreender os fatores comportamentais e de mercado que impulsionam o crescimento do ransomware.","foco":"Ecossistema do Atacante","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00745","codigo":"REF","titulo":"MIRAD: A Method for Interpretable Ransomware Attack Detection","ano":"2024","autores":["Marcinkowski, Bartosz","Goschorska, Maja","Wileńska, Natalia","Siuta, Jakub","Kajdanowicz, Tomasz"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2024.3461322","url":"https://www.scopus.com/pages/publications/85204573708?origin=resultslist","tem_abstract":true,"palavras_chave":["API calls; Attack detection; Binary classification; Explainable artificial intelligence; Machine-learning; Novel methods; Ransomware detection; Real- time; Systems performance; User data; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Apresenta o MIRAD, método dinâmico e interpretável de detecção de crypto-ransomware baseado em aprendizado de máquina que monitora chamadas de API e entradas de registro.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["Aprendizado de máquina interpretável","Gaussian Naive Bayes","KNN","Árvore de decisão"],"fontes":["Dados sintéticos"],"ferramentas":["Python"],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00754","codigo":"REF","titulo":"‘There was a bit of PTSD every time I walked through the office door’: Ransomware harms and the factors that influence the victim organization’s experience","ano":"2024","autores":["Mott, Gareth","Turner, Sarah","Nurse, Jason R.C.","Pattnaik, Nandita","MacColl, Jamie","Huesch, Pia","Sullivan, James"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyae013","url":"https://www.scopus.com/pages/publications/85200115194?origin=resultslist","tem_abstract":true,"palavras_chave":["Finance; Malware; 'current; Cyber security; Cyber-crimes; Cyberpsychology; Financial harm; Harm; Human aspects; Malwares; Psychological harm; Victim experience; Cybersecurity"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Análise temática dos danos que o ransomware causa a organizações vítimas e a seus funcionários, com entrevistas e workshops com 83 profissionais, indo além do impacto financeiro.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Gestão_de_Risco","Resposta_Institucional"],"golpes":["Ransomware"],"canais":[],"metodos":["Entrevistas","Workshops","Análise temática"],"fontes":["Profissionais vítimas de ransomware, respondentes a incidentes, negociadores de resgate, autoridades policiais e governo"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00770","codigo":"REF","titulo":"Early Detection of Windows Cryptographic Ransomware Based on PreAttack API Calls Features and Machine Learning","ano":"2024","autores":["Zakaria, Wira Zanoramy A.","Alta, Nur Mohammad Kamil Mohammad","Abdollah, Mohd Faizal","Abdollah, Othman","Yassin, S. M. Warusia Mohamed S. M. M."],"revista":"Journal of Advanced Research in Applied Sciences and Engineering Technology","tipo_documental":"article","doi":"10.37934/araset.39.2.110131","url":"https://www.scopus.com/pages/publications/85185512505?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":5,"relacoes":3,"resumo":"Propõe o RENTAKA, framework de detecção precoce de ransomware criptográfico em endpoints Windows, baseado em padrões de chamadas de API e aprendizado de máquina, avaliado com seis modelos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":2,"Formativo":1,"Econômico":1},"temas":["Aprendizado_de_Máquina","Ameaças_Cibernéticas","Detecção_de_Ameaças","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware criptográfico"],"canais":[],"metodos":["Naive Bayes","k-nearest neighbours","Support Vector Machines","Random Forest","J48"],"fontes":[],"ferramentas":[],"unidades":["Amostras de software"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00784","codigo":"REF","titulo":"Cashing out crypto: state of practice in ransom payments","ano":"2024","autores":["Patsakis, Constantinos","Politou, Eugenia","Alepis, Efthimios","Hernandez-Castro, Julio"],"revista":"International Journal of Information Security","tipo_documental":"article","doi":"10.1007/s10207-023-00766-z","url":"https://www.scopus.com/pages/publications/85174003457?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Crime; Cybersecurity; Malware; 'current; Anonymity property; Block-chain; Blockchain forensic; Cybercriminals; Financial fraud; Future trends; Regulation; State of practise; Taint analyse; Blockchain"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Analisa a monetização de ransomware em bitcoin e a rastreabilidade dos pagamentos, junto com um panorama regulatório de criptoativos, para argumentar que a superregulação não é a melhor forma de mitigar riscos.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Mecanismos_de_Segurança"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Análise de blockchain","Análise de pagamentos de ransomware"],"fontes":["Conjunto de dados público de pagamentos de ransomware"],"ferramentas":["Ferramentas de análise de blockchain"],"unidades":["Transações"],"territorios":["Estados Unidos","União Europeia","OCDE"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00789","codigo":"REF","titulo":"All Your LLMs Belong to Us: Experiments with a New Extortion Phishing Dataset","ano":"2024","autores":["Qachfar, Fatima Zahra","Verma, Rakesh M."],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-031-65172-4_15","url":"https://www.scopus.com/pages/publications/85200570691?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Malware; Sentiment analysis; Attack; Blackmail; Extortion; Homograph; LLM; Perturbation; Phishing; Sentence level; Sextortion; Trustworthy AI; Electronic mail"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":6,"relacoes":5,"resumo":"Apresenta o TExtPhish, dataset de phishing com ataques de extorsão baseados em texto, incluindo subconjunto com perturbações homógrafas, e avalia modelos de linguagem em classificação de extorsão.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":1,"Físico":1,"Formativo":3,"Econômico":1},"temas":["Detecção_de_Phishing","Ataques_Cibernéticos","Ameaças_Cibernéticas","Modelos_de_Linguagem","Motivação_e_Impacto_de_Ataques","Ameaças_Digitais"],"golpes":["Phishing de extorsão por e-mail"],"canais":["E-mail"],"metodos":["Classificação de extorsão","Análise de sentimento","Identificação de idioma","Perturbações de texto por homógrafos","DistilBERT","DeBERTa"],"fontes":["TExtPhish"],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00806","codigo":"REF","titulo":"A thematic analysis of ransomware incidents among United States hospitals, 2016–2022","ano":"2024","autores":["Munoz Cornejo, Gilbert","Lee, Joonghee","Russell, Benjamin A."],"revista":"Health and Technology","tipo_documental":"article","doi":"10.1007/s12553-024-00890-3","url":"https://www.scopus.com/pages/publications/85197816535?origin=resultslist","tem_abstract":true,"palavras_chave":["adult; civil rights; commercial phenomena; data privacy; health data; human; medical information; phishing; prevalence; qualitative research; ransomware; review; thematic analysis; United States; victim; vulnerability"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Caracteriza padrões, vulnerabilidades e respostas associados a incidentes de ransomware em hospitais dos EUA, por análise temática qualitativa de casos do portal público do HHS OCR.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2016-2022","aspectos":{"Biótico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque","Ataques_de_Phishing"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise temática qualitativa"],"fontes":["Portal público do HHS OCR"],"ferramentas":["NVivo"],"unidades":["Incidentes"],"territorios":["Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00807","codigo":"REF","titulo":"Hacking Acute Care: A Qualitative Study on the Health Care Impacts of Ransomware Attacks Against Hospitals","ano":"2024","autores":["van Boven, Liselotte S.","Kusters, Renske W.J.","Tin, Derrick","van Osch, Frits H.M.","De Cauwer, Harald","Ketelings, Linsay","Rao, Madhura","Dameff, Christian","Barten, Dennis G."],"revista":"Annals of Emergency Medicine","tipo_documental":"article","doi":"10.1016/j.annemergmed.2023.04.025","url":"https://www.scopus.com/pages/publications/85162158443?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer Security; Delivery of Health Care; Emergency Service","Hospital; Health Personnel; Hospitals; Humans; United States; adult; article; clinical article; computer security; consultation; emergency care; emergency ward; Europe; female; genetic transcription; health care personnel; human; information technology; male; organization; patient care; practice guideline; privacy; qualitative research; ransomware; semi structured interview; United States; wellbeing; workflow; health care delivery; hospital; hospital emergency service"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":4,"resumo":"Estudo qualitativo baseado em entrevistas que explora o efeito de grandes ataques de ransomware contra hospitais na Europa e nos Estados Unidos sobre o atendimento de emergência e a equipe de saúde.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2017-2022","aspectos":{"Biótico":2,"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque","Impacto_de_Ataques","Impactos_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Entrevistas semiestruturadas","Análise temática"],"fontes":["Profissionais de saúde de emergência e equipe de TI"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Europa","Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00822","codigo":"REF","titulo":"Experiences and Lessons Learned at a Small and Medium-Sized Enterprise (SME) Following Two Ransomware Attacks","ano":"2024","autores":["Wynn, Donald","Salisbury, W. David","Winemiller, Mark"],"revista":"MIS Quarterly Executive","tipo_documental":"article","doi":"10.17705/2msqe.00106","url":"https://www.scopus.com/pages/publications/85214032056?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo de caso de uma pequena empresa manufatureira dos EUA que sofreu dois ataques de ransomware, extraindo lições e ações recomendadas para PMEs fortalecerem a cibersegurança e se recuperarem.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de caso"],"fontes":["Pequena empresa manufatureira dos EUA"],"ferramentas":[],"unidades":["Organizações"],"territorios":["Estados Unidos"],"setores":["Indústria de transformação"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00865","codigo":"REF","titulo":"Ransomware on cyber-physical systems: Taxonomies, case studies, security gaps, and open challenges","ano":"2024","autores":["Benmalek, Mourad"],"revista":"Internet of Things and Cyber-Physical Systems","tipo_documental":"article","doi":"10.1016/j.iotcps.2023.12.001","url":"https://www.scopus.com/pages/publications/85182012276?origin=resultslist","tem_abstract":true,"palavras_chave":["Control systems; Cybersecurity; Embedded systems; Malware; Safety engineering; Taxonomies; Case-studies; Challenge; Cybe-physical systems; Cyber-physical systems; Cyberthreats; Industrial control systems; Security; Security gap; Smart grid; Systems taxonomy; Cyber Physical System"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Visão geral de ameaças de ransomware contra sistemas ciber-físicos (CPS), propondo uma taxonomia dupla de ataques e analisando 10 incidentes reais para identificar problemas de pesquisa em aberto.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Identidade_e_Representação","Alvos_de_Ataque"],"golpes":["Ransomware contra sistemas ciber-físicos"],"canais":[],"metodos":["Análise de incidentes reais"],"fontes":["Incidentes reais de ransomware"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":["Infraestrutura crítica"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00869","codigo":"REF","titulo":"Reconceptualising organised (cyber)crime: The case of ransomware","ano":"2024","autores":["Whelan, Chad","Bright, David","Martin, James"],"revista":"Journal of Criminology","tipo_documental":"article","doi":"10.1177/26338076231199793","url":"https://www.scopus.com/pages/publications/85172143688?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Argumenta que grupos cibercriminosos envolvidos em ransomware podem e devem ser considerados crime organizado, com base no framework de von Lampe, propondo uma reconceitualização do cibercrime organizado.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00871","codigo":"REF","titulo":"Cybersecurity needs for SMEs","ano":"2024","autores":["Tetteh, Assion K."],"revista":"Issues in Information Systems","tipo_documental":"article","doi":"10.48009/1_iis_2024_120","url":"https://www.scopus.com/pages/publications/105003959952?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Explora os desafios de cibersegurança enfrentados por pequenas e médias empresas (PMEs) e apresenta soluções práticas tecnológicas e não tecnológicas para fortalecer sua postura de segurança.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":2,"Social":1},"temas":["Ameaças_Cibernéticas","Identidade_e_Representação","Ataques_de_Phishing"],"golpes":["Ataques cibernéticos contra PMEs","Phishing","Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Pequenas e médias empresas"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00874","codigo":"REF","titulo":"Securing the Industrial Internet of Things against ransomware attacks: A comprehensive analysis of the emerging threat landscape and detection mechanisms","ano":"2024","autores":["Al-Hawawreh, Muna","Alazab, Mamoun","Ferrag, Mohamed Amine","Hossain, M. Shamim"],"revista":"Journal of Network and Computer Applications","tipo_documental":"article","doi":"10.1016/j.jnca.2023.103809","url":"https://www.scopus.com/pages/publications/85181092350?origin=resultslist","tem_abstract":true,"palavras_chave":["Legacy systems; Malware; Comprehensive analysis; Detection; Detection mechanism; Distributed networks; Heterogeneous devices; Industrial internet of thing; IT; OT; Ransomware attack; Systems networks; Internet of things"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Survey sobre ataques de ransomware e suas técnicas de detecção em sistemas Industrial Internet of Things (IIoT), cobrindo táticas recentes, tipos, sistemas operacionais infectados e plataformas.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Internet das Coisas Industrial"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00877","codigo":"REF","titulo":"Ransomware Analysis: Knowledge Extraction and Classification for Advanced Cyber Threat Intelligence","ano":"2024","autores":["Lanza, Claudia","Lahmadi, Abdelkader","François, Jérôme"],"revista":"Ransomware Analysis: Knowledge Extraction and Classification for Advanced Cyber Threat Intelligence","tipo_documental":"book","doi":"10.1201/9781003528999","url":"https://www.scopus.com/pages/publications/85210878950?origin=resultslist","tem_abstract":true,"palavras_chave":["Classification (of information); Cybersecurity; Hierarchical systems; Information management; Information retrieval systems; Malware; Predictive analytics; Semantics; Classification scheme; Cyber threats; Document management; Document semantics; Domain specific; Innovative methodologies; Knowledge classification; Knowledge extraction; Management data; Semantic annotations; Artificial intelligence"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Livro que desenvolve um esquema de classificação do conhecimento sobre ransomware por meio de anotação semântica de descrições de CVE integradas ao ATT&CK, estruturado em uma ontologia para predição de riscos.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Modelagem_Formal"],"golpes":["Ransomware"],"canais":[],"metodos":["Anotação semântica","Análise baseada em padrões"],"fontes":["CVE","ATT&CK"],"ferramentas":[],"unidades":["Descrições de CVE"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00882","codigo":"REF","titulo":"RFSA: A Ransomware Feature Selection Algorithm for Multivariate Analysis of Malware Behavior in Cryptocurrency","ano":"2024","autores":["Wa Nkongolo, Mike Nkongolo"],"revista":"International Journal of Computing and Digital Systems","tipo_documental":"article","doi":"10.12785/ijcds/150165","url":"https://www.scopus.com/pages/publications/85186586692?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Propõe novas features e o algoritmo RFSA de seleção de atributos para caracterizar transações de ransomware em criptoativos (BTC e USD), usando o dataset UGRansome.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Mecanismos_de_Segurança"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Ransomware Feature Selection Algorithm","Gini Impurity","Informação Mútua","Matriz de correlação","Análise temporal"],"fontes":["UGRansome"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00886","codigo":"REF","titulo":"Analyzing TorrentLocker Ransomware Attacks: A Real Case Study","ano":"2024","autores":["Kara, İlker"],"revista":"Sakarya University Journal of Science","tipo_documental":"article","doi":"10.16984/saufenbilder.1442756","url":"https://www.scopus.com/pages/publications/85217514295?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise de um caso real de ransomware TorrentLocker para compreender público-alvo, estratégias e operações do ataque e o rastreamento do atacante, visando conscientizar profissionais, organizações e usuários.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware TorrentLocker"],"canais":[],"metodos":["Análise de caso real"],"fontes":["Caso real de ataque"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00896","codigo":"REF","titulo":"Clop Ransomware in Action: A Comprehensive Analysis of Its Multi-Stage Tactics","ano":"2024","autores":["Lee, Yongjoon","Lee, Jaeil","Ryu, Dojin","Park, Hansol","Shin, Dongkyoo"],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics13183689","url":"https://www.scopus.com/pages/publications/85205089875?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Análise aprofundada do comportamento em múltiplas etapas do ransomware Clop contra organizações não ligadas a TI, com foco em servidores Active Directory, para apoiar defesas mais estratégicas.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Gestão_de_Risco","Segurança_de_Credenciais","Identidade_e_Representação"],"golpes":["Ransomware Clop"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Distribuição","Logística","Manufatura"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00898","codigo":"REF","titulo":"WannaLaugh: A Configurable Ransomware Emulator","ano":"2024","autores":["Diamantopoulos, Dionysios","Pletka, Roman","Sarafijanovic, Slavisa","Narasimha Reddy, A.L.","Pozidis, Haris"],"revista":"Proceedings of the 17th ACM International Systems and Storage Conference, SYSTOR 2024","tipo_documental":"conference","doi":"10.1145/3688351.3689163","url":"https://www.scopus.com/pages/publications/85206795130?origin=resultslist","tem_abstract":true,"palavras_chave":["Malware; Behavioral patterns; Cyber security; Detection methods; Dynamic nature; Emulator; High-accuracy; Machine-learning; Malwares; Primary contribution; Static signatures; Cyber attacks"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Apresenta o WannaLaugh, um emulador seguro de ransomware que imita o comportamento de E/S de ransomware real, para apoiar a pesquisa em detecção baseada em aprendizado de máquina.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2},"temas":["Tecnologia_de_Ataque","Ameaças_Cibernéticas"],"golpes":["Ransomware"],"canais":[],"metodos":["Emulação de ransomware","Imitação do comportamento de E/S"],"fontes":["Seis ransomware reais"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00899","codigo":"REF","titulo":"Post-infection recovery strategies in the context of ransomware attacks; [“RANSOMWARE” HÜCUMLARI KONTEKSTİNDƏ YOLUXMADAN SONRAKI BƏRPA STRATEGİYALARI]","ano":"2024","autores":["Abdullayev, Huseyn"],"revista":"Scientific Work","tipo_documental":"article","doi":"10.36719/2663-4619/100/292-298","url":"https://www.scopus.com/pages/publications/105032463795?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Artigo sobre formas de proteção contra ransomware e o processo detalhado de recuperação de dados após a infecção, incluindo avaliação do preparo de organizações em escala de quatro níveis.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Controles_de_Segurança"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00903","codigo":"REF","titulo":"Unveiling Dynamics and Patterns: A Comprehensive Analysis of Spreading Patterns and Similarities in Low-Labelled Ransomware Families","ano":"2024","autores":["Zola, Francesco","Gorricho, Mikel","Medina, Jon Ander","Segurola, Lander","Orduna-Urrutia, Raul"],"revista":"Proceedings - 2024 IEEE International Conference on Blockchain, Blockchain 2024","tipo_documental":"conference","doi":"10.1109/Blockchain62396.2024.00041","url":"https://www.scopus.com/pages/publications/85205542514?origin=resultslist","tem_abstract":true,"palavras_chave":["Anonymity; Bitcoin; Economic and social effects; Malware; Behavior distribution; Bitcoin analyze; Comprehensive analysis; Decentralisation; Large-scales; Multiple strains; Service platforms; Similarity; Spread evolution; Technical expertise; Laundering"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Análise dos grafos endereço-transação gerados na rede Bitcoin por famílias de ransomware pouco rotuladas, para identificar padrões de espalhamento de pagamentos e similaridades entre cepas possivelmente controladas pelo mesmo atacante.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Análise de grafos endereço-transação","Atribuição de comportamento de endereços"],"fontes":["Rede Bitcoin"],"ferramentas":[],"unidades":["Endereços"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00986","codigo":"REF","titulo":"Utilizing virtualized honeypots for threat hunting, malware analysis, and reporting","ano":"2024","autores":["Holbel, Reilly","Yerby, Johnathan","Smith, Warner"],"revista":"Issues in Information Systems","tipo_documental":"article","doi":"10.48009/1_iis_2024_122","url":"https://www.scopus.com/pages/publications/105003950732?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise de táticas, técnicas e procedimentos de atacantes contra um honeypot virtualizado portátil em rede universitária, com SIEM para análise em tempo real e captura de malware e ransomware.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Atores_de_Ameaça"],"golpes":["Ransomware"],"canais":["Web"],"metodos":["Honeypot virtualizado","Análise de malware"],"fontes":["Rede universitária"],"ferramentas":[],"unidades":["Amostras de malware"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00992","codigo":"REF","titulo":"Top Cyber Threats: The Rise of Ransomware","ano":"2024","autores":["Djenna, Amir","Belaoued, Mohamed","Lifa, Nourdine"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-031-60391-4_6","url":"https://www.scopus.com/pages/publications/85197347818?origin=resultslist","tem_abstract":true,"palavras_chave":["Forecasting; Malware; Sensitive data; Zero-day attack; Cyber security; Cyber threats; Cyber-attacks; Defense strategy; Key characteristics; Malwares; Paradigm shifts; Research gaps; Sensitive datas; Static and dynamic analysis; Cybersecurity"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Visão geral da evolução do ransomware, das características do ransomware zero-day e das limitações das análises estática e dinâmica, com o objetivo de identificar estratégias de defesa eficazes e orientar a previsão de ransomware.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":2,"Lingual":1},"temas":["Ameaças_Cibernéticas","Dados_e_Privacidade","Ameaças_Digitais"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00993","codigo":"REF","titulo":"Ransomware Reloaded: Re-examining Its Trend, Research and Mitigation in the Era of Data Exfiltration","ano":"2024","autores":["McIntosh, Timothy","Susnjak, Teo","Liu, Tong","Xu, Dan","Watters, Paul","Liu, Dongwei","Hao, Yaqi","Ng, Alex","Halgamuge, Malka"],"revista":"ACM Computing Surveys","tipo_documental":"article","doi":"10.1145/3691340","url":"https://www.scopus.com/pages/publications/85207196195?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Cyber security; Data exfiltration; Data loss; Executable files; Industry guidelines; Ransomware defense; Ransomware detection; Ransomware prevention; Research interests; User data; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":3,"relacoes":2,"resumo":"Avaliação crítica de 212 estudos acadêmicos sobre ransomware (2020-2023), confrontados com estratégias governamentais, relatórios do setor e inteligência cibernética, para redirecionar a pesquisa à realidade contemporânea do ransomware.","foco":"Mecanismo do Ataque","tipo":"Revisão Sistemática","periodo":"2020-2023","aspectos":{"Cinemático":1,"Formativo":1,"Lingual":1},"temas":["Ameaças_Cibernéticas","Segurança_da_Informação","Alvos_e_Impactos_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Curva de adoção de inovação do ransomware","Avaliação crítica da literatura","Verificação cruzada com relatórios do setor"],"fontes":["Estudos acadêmicos","Estratégias governamentais","Relatórios do setor","Inteligência cibernética"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"schafer202413","codigo":"SCHAFER202413","titulo":"Explore the World of Audio Deepfakes: A Guide to Detection Techniques for Non-Experts","ano":"2024","autores":["Schäfer, Karla","Choi, Jeong-Eun","Zmudzinski, Sascha"],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3643491.3660289","url":"https://www.scopus.com/pages/publications/85196384051?origin=resultslist","tem_abstract":true,"palavras_chave":["Academic research; Audio deepfake; Background information; Deep learning; Detection; Disinformation; End-to-end models; Evaluation metrics; Learning evaluations; State of the art; Deep learning"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Introdução voltada a não especialistas sobre detectores de audio deepfake do estado da arte, cobrindo fundamentos de áudio e deep learning, métricas, datasets e modelos como RawNet2 e AASIST.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":2},"temas":["Fatores_Humanos","Técnicas_de_Ataque","Identidade_e_Representação"],"golpes":["Fraude do CEO com audio deepfake","Golpe de voz com audio deepfake"],"canais":["Voz"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"scott2024643","codigo":"SCOTT2024643","titulo":"Comparing Phishing Training and Campaign Methods for Mitigating Malicious Emails in Organizations","ano":"2024","autores":["Scott, Jackie","Levyb, Yair","Li, Wei","Kumar, Ajoy"],"revista":"International Conference on Information Systems Security and Privacy","tipo_documental":"conference","doi":"10.5220/0012281600003648","url":"https://www.scopus.com/pages/publications/85190880308?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":2,"resumo":"Avalia métodos de mitigação de phishing, incluindo treinamento e métodos de campanha, e características humanas que viabilizam ataques bem-sucedidos por e-mail corporativo (phishing, spear-phishing e BEC).","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2},"temas":["Ataques_de_Phishing","Conscientização_e_Treinamento"],"golpes":["Phishing","Spear phishing","Comprometimento de e-mail corporativo (BEC)"],"canais":["E-mail"],"metodos":["Validação por painel de especialistas","Estudo piloto","Campanhas de phishing simuladas","Atribuição aleatória a grupos","Red team"],"fontes":["Usuários de e-mail corporativo"],"ferramentas":["KnowBe4"],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"tas202460123","codigo":"TAS202460123","titulo":"Blockchain-Based Caller-ID Authentication (BBCA): A Novel Solution to Prevent Spoofing Attacks in VoIP/SIP Networks","ano":"2024","autores":["Tas, I. Melih","Baktir, Selcuk"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2024.3393487","url":"https://www.scopus.com/pages/publications/85191768903?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Crime; Distributed ledger; Electronic document identification systems; Fault tolerance; Internet protocols; Internet service providers; Internet telephony; Mobile telecommunication systems; Virtual private networks; Voice/data communication systems; Block-chain; Byzantine fault tolerance; Caller authentication; Caller ID; Caller-ID spoofing; Fraud; Government; Identity spoofing; PBFT; Practical byzantine fault tolerance; Regulation; Robocall; Session Initiation Protocols; Voice over Internet protocol; Voice over IP; Authentication"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":7,"conceitos":5,"relacoes":4,"resumo":"Solução baseada em blockchain com consenso de baixa latência e verificação em duas etapas para prevenir em tempo real o caller-ID spoofing em redes VoIP.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":2,"Formativo":1,"Lingual":1,"Estético":1},"temas":["Mecanismos_de_Segurança","Engano_e_Falsificação","Técnicas_de_Ataque","Dados_e_Privacidade","Infraestrutura_Técnica"],"golpes":["Falsificação de identificador de chamadas (caller-ID spoofing)"],"canais":["Voz"],"metodos":["Blockchain","Algoritmo de consenso de baixa latência","Processo de verificação em duas etapas"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Telecomunicações","Setor Financeiro"],"teorias":[]},{"id":"banerjee2023","codigo":"BANERJEE2023","titulo":"Experience, learning and the detection of deception","ano":"2023","autores":["Banerjee, Priyodorshi","Ghosh, Sanmitra","Hazra, Sanchaita"],"revista":"Journal of Economic Criminology","tipo_documental":"article","doi":"10.1016/j.jeconc.2023.100010","url":"https://www.scopus.com/pages/publications/105020280134?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":2,"conceitos":3,"relacoes":3,"resumo":"Investiga se a exposição repetida ou a experiência gera aprendizado e melhora a detecção de engano, usando dados de um programa de TV em que participantes identificam a pessoa real entre impostores.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Cinemático":1,"Sensitivo":2},"temas":["Fatores_Humanos_em_Segurança"],"golpes":["Fraude de personificação"],"canais":[],"metodos":[],"fontes":["Programa de TV de game show"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00032","codigo":"FRAUDES00032","titulo":"DSpamOnto: An Ontology Modelling for Domain-Specific Social Spammers in Microblogging","ano":"2023","autores":["Al-Hassan, Malak","Abu-Salih, Bilal","Al Hwaitat, Ahmad"],"revista":"Big Data and Cognitive Computing","tipo_documental":"misc","doi":"10.3390/bdcc7020109","url":"https://doi.org/10.3390/bdcc7020109","tem_abstract":true,"palavras_chave":["spammer detection","microblogging","ontology","social networking sites","phishing","malware propagation","reputational damage"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Projeta a DSpamOnto, uma ontologia específica de domínio para detectar spammers sociais em microblogging, comparada a modelos de aprendizado de máquina consagrados.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1,"Social":2},"temas":["Ameaças_Digitais","Atores_de_Ameaça","Canais_de_Ataque","Modelagem_Formal"],"golpes":["Spam social"],"canais":["Redes Sociais"],"metodos":["Modelagem de ontologia","Aprendizado de máquina"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00037","codigo":"FRAUDES00037","titulo":"Digital Technologies as Tools of Cyber Fraud: Typological Approach","ano":"2023","autores":["Василькова, Валерия Валентиновна","Legostaeva, Natalya I."],"revista":"Теория и практика общественного развития","tipo_documental":"misc","doi":"10.24158/tipor.2023.9.1","url":"https://doi.org/10.24158/tipor.2023.9.1","tem_abstract":true,"palavras_chave":["online fraud","digital technologies","phishing","deepfakes","cookies","Bluetooth","chatbots","QR codes","VPN services","malicious content"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":3,"relacoes":2,"resumo":"Fundamenta o método de análise tipológica no estudo da fraude cibernética e propõe uma tipologia de práticas de fraude cibernética baseada no uso de tecnologias digitais atuais.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1,"Estético":1},"temas":["Técnicas_de_Ataque","Infraestrutura_de_Ataque","Crimes_Digitais"],"golpes":["Fraude cibernética"],"canais":[],"metodos":["Análise tipológica"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00045","codigo":"FRAUDES00045","titulo":"Phishing alert! A Cas9-based method reveals the identity of promoter-bound transcription factors","ano":"2023","autores":["Dubois, Marieke"],"revista":"PLANT PHYSIOLOGY","tipo_documental":"misc","doi":"10.1093/plphys/kiad020","url":"https://doi.org/10.1093/plphys/kiad020","tem_abstract":true,"palavras_chave":["transcription factors","transcriptional regulation","CRISPR/Cas9","proximity labeling","protein-DNA interactions","Arabidopsis thaliana","Brassica napus","strawberry","soybean","tobacco","ChIP-seq","yeast one-hybrid"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Comentário sobre o método R-ChIP-dCas9, que usa CRISPR-dCas9 para capturar fatores de transcrição ligados a promotores em plantas; não trata de phishing como golpe.","foco":"Não Especificado","tipo":"Revisão Narrativa","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00135","codigo":"FRAUDES00135","titulo":"Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset","ano":"2023","autores":["Sepideh HajiHosseinKhani, Arash Habibi Lashkari, Ali Mizani Oskui"],"revista":"Blockchain Research and Applications","tipo_documental":"misc","doi":"10.1016/j.bcra.2023.100171","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe o SCsVulLyzer, um analisador baseado em Algoritmo Genético para traçar o perfil de vulnerabilidades em contratos inteligentes Solidity, com novo dataset e taxonomias.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Aprendizado_de_Máquina"],"golpes":["Vulnerabilidades em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Algoritmo Genético"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"fraudes00152","codigo":"FRAUDES00152","titulo":"An analysis of retracted papers in Computer Science","ano":"2023","autores":["Martin Shepperd, Leila Yousefi"],"revista":"PLoS ONE","tipo_documental":"misc","doi":"10.1371/journal.pone.0285383","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Avalia a extensão e a natureza de artigos retratados em Ciência da Computação, o comportamento de citação pós-retratação e o impacto potencial sobre revisões sistemáticas e estudos de mapeamento.","foco":"Não Especificado","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Análise da base de dados Retraction Watch","Análise de citações"],"fontes":["Retraction Watch","Web of Science","Google Scholar"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00157","codigo":"FRAUDES00157","titulo":"RUN-AS: a novel approach to annotate news reliability for disinformation detection","ano":"2023","autores":["Alba Bonet-Jover, Robiert Sepúlveda-Torres, Estela Saquete, Patricio Martínez-Barco, Mario Nieto-Pérez"],"revista":"Language Resources and Evaluation","tipo_documental":"misc","doi":"10.1007/s10579-023-09678-9","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Proposta do RUN-AS, esquema de anotação refinado que rotula partes estruturais e elementos de conteúdo de notícias como confiáveis ou não confiáveis, para detectar padrões de desinformação e classificar a confiabilidade global.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Desinformação e notícias falsas"],"canais":[],"metodos":["Esquema de anotação RUN-AS","Anotação manual","Aprendizado de máquina","Aprendizado profundo","Árvore de Decisão"],"fontes":["Conjunto de dados em espanhol de notícias"],"ferramentas":[],"unidades":["Notícias"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00163","codigo":"FRAUDES00163","titulo":"Addressing Imbalance Problem for Multi Label Classification of Scholarly Articles","ano":"2023","autores":["Aiman Hafeez, Tariq Ali, Asif Nawaz, Saif Ur Rehman, Azhar Imran Mudasir, Abdulaziz A. Alsulami, Ali Alqahtani"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2023.3293852","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Avalia técnicas de reamostragem para balancear conjuntos de dados multirrótulo antes da classificação multirrótulo de documentos científicos, buscando melhores previsões para classes com poucas instâncias.","foco":"Não Especificado","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Classificação multirrótulo","Transformação de problema","Adaptação de algoritmo","Reamostragem","LPROS","BRkNN","Testes estatísticos"],"fontes":["Conjuntos de dados multirrótulo"],"ferramentas":[],"unidades":["Documentos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00165","codigo":"FRAUDES00165","titulo":"Turning captchas against humanity: Captcha-based attacks in online social media","ano":"2023","autores":["Mauro Conti, Luca Pajola, Pier Paolo Tricomi"],"revista":"Online Social Networks and Media","tipo_documental":"misc","doi":"10.1016/j.osnem.2023.100252","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":7,"relacoes":4,"resumo":"Estudo do Captcha Attack (CAPA), ataque de ofuscação que evade moderadores automáticos de conteúdo em redes sociais, com proposta de taxonomia, demonstração empírica contra ACM reais e identificação de amostras CC-CAPA.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Analítico":2,"Formativo":4},"temas":["Aprendizado_de_Máquina","Robustez_de_Modelos","Técnicas_de_Evasão","Ameaças_Digitais","Extração_de_Características"],"golpes":["Captcha Attack (CAPA) para evasão de moderação automática de conteúdo"],"canais":["Redes Sociais"],"metodos":["Análise de postagens","Taxonomia de ataques","Aprendizado supervisionado","Aprendizado não supervisionado"],"fontes":["Instagram","Pinterest","Twitter","Yahoo-Flickr"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00166","codigo":"FRAUDES00166","titulo":"Costs and Benefits of Authentication Advice","ano":"2023","autores":["Hazel Murray, David Malone"],"revista":"ACM Transactions on Privacy and Security","tipo_documental":"misc","doi":"10.1145/3588031","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Taxonomia de 270 conselhos de segurança de autenticação e survey sobre os custos de seguir ou impor esses conselhos, com análise de custo-benefício para políticas de segurança.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Survey"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00182","codigo":"FRAUDES00182","titulo":"Forms of falsified online reviews: the good, the bad, and the downright ugly","ano":"2023","autores":["Doga Istanbulluoglu, Lloyd C. Harris"],"revista":"European Journal of Marketing","tipo_documental":"misc","doi":"10.1108/ejm-12-2022-0904","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Explora a natureza das avaliações online falsificadas (FORs) a partir da perspectiva de quem as publica e propõe uma tipologia baseada em valência e veracidade.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Lingual":1,"Ético":1},"temas":["Engano_e_Falsificação"],"golpes":["Avaliações online falsificadas"],"canais":["Redes Sociais"],"metodos":["Desenho de pesquisa exploratório","Entrevistas"],"fontes":["Autores de avaliações online sobre estabelecimentos de alimentos e bebidas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Alimentação e Bebidas"],"teorias":[]},{"id":"fraudes00185","codigo":"FRAUDES00185","titulo":"APKOWL: An Automatic Approach to Enhance the Malware Detection","ano":"2023","autores":["Doaa Aboshady, Naglaa E. Ghannam, Eman K. Elsayed, L. S. Diab"],"revista":"Mobile Networks and Applications","tipo_documental":"misc","doi":"10.1007/s11036-023-02159-x","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe o APKOWL, sistema automático de detecção de malware SMS em aplicativos Android no nível de design, por engenharia reversa e construção automática de ontologia OWL.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2},"temas":["Ferramentas_de_Detecção","Vetores_de_Ataque"],"golpes":["Malware SMS em aplicativos Android"],"canais":["SMS"],"metodos":["Engenharia reversa","Ontologia OWL"],"fontes":["Amostras de aplicativos Android"],"ferramentas":["Python","Protégé"],"unidades":["Aplicativos móveis"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00190","codigo":"FRAUDES00190","titulo":"A Taxonomy of Blockchain Incentive Vulnerabilities for Networked Intelligent Systems","ano":"2023","autores":["Hector Roussille, Önder Gürcan, Fabien Michel"],"revista":"IEEE Communications Magazine","tipo_documental":"misc","doi":"10.1109/mcom.005.2200904","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Propõe uma taxonomia de vulnerabilidades de incentivo em sistemas inteligentes em rede baseados em blockchain públicos e de consórcio, fundamentada no modelo organizacional multiagente AGR4BS.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Vulnerabilidades de incentivo em sistemas baseados em blockchain"],"canais":["Blockchain"],"metodos":["Modelagem organizacional multiagente AGR4BS"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"fraudes00192","codigo":"FRAUDES00192","titulo":"Digital Disinformation Effect on Hotels Customer Response: An Overview and Future Research Directions","ano":"2023","autores":["Mohamed A. Nassar, Mostafa Elsaqqa, Sherif Hagras"],"revista":"Pharos International Journal of Tourism and Hospitality","tipo_documental":"misc","doi":"10.21608/pijth.2023.332020","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Artigo conceitual que explora os possíveis efeitos da exposição à desinformação digital (fake news, deepfakes e anúncios enganosos) sobre as intenções de reserva em hotéis.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Lingual":1,"Social":1},"temas":["Propagação_de_Ataques","Atores_do_Ataque"],"golpes":["Desinformação digital (fake news, deepfakes e anúncios enganosos)"],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Hotelaria"],"teorias":[]},{"id":"fraudes00194","codigo":"FRAUDES00194","titulo":"A Novel Taxonomy for Arabic Fake News Datasets","ano":"2023","autores":["Azad, Rania"],"revista":"International Journal of Computing and Digital Systems","tipo_documental":"misc","doi":"10.12785/ijcds/140115","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Propõe uma taxonomia para conjuntos de dados de notícias falsas em árabe, baseada na análise de datasets existentes e da literatura, para apoiar a construção de datasets abrangentes e balanceados.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Notícias falsas"],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00195","codigo":"FRAUDES00195","titulo":"A Layered Architecture and Taxonomy for Blockchain-empowered Reputation-based Reward Systems","ano":"2023","autores":["Jitendra Singh Yadav, Narendra Singh Yadav, Akhilesh Kumar Sharma"],"revista":"JOIV International Journal on Informatics Visualization","tipo_documental":"misc","doi":"10.30630/joiv.7.4.01692","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Taxonomia e framework conceitual em camadas para catalogar sistemas de avaliação e recompensa baseados em reputação sobre blockchain, identificando parâmetros-chave e componentes centrais.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Social":1},"temas":["Mecanismos_de_Segurança","Ameaças_Digitais"],"golpes":["Manipulação de avaliações e reviews em sistemas de reputação de comércio eletrônico"],"canais":["Blockchain"],"metodos":["Abordagem iterativa de desenvolvimento de taxonomia (do observado ao racional e do racional ao observado)"],"fontes":[],"ferramentas":[],"unidades":["Sistemas"],"territorios":[],"setores":["Comércio Eletrônico"],"teorias":[]},{"id":"fraudes00211","codigo":"FRAUDES00211","titulo":"The Age of Ransomware: A Survey on the Evolution, Taxonomy, and Research Directions","ano":"2023","autores":["Razaulla, Salwa (58195511000); Fachkha, Claude (55550133900); Markarian, Christine (55305817500); Gawanmeh, Amjad (8615692300); Mansoor, Wathiq (6506544762); Fung, Benjamin C. M. (9737587400); Assi, Chadi (6603706480)"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/ACCESS.2023.3268535","url":"https://www.scopus.com/pages/publications/85153496158?origin=resultslist","tem_abstract":true,"palavras_chave":["adversarial machine learning; cyber attacks; deep learning; machine learning; malware analysis; Ransomware; Cryptography; Cybersecurity; Deep learning; E-learning; Taxonomies; Zero-day attack; Adversarial machine learning; Cyber security; Cyber-attacks; Deep learning; Machine-learning; Malware analysis; Malwares; Phishing; State of the art; Malware"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Survey sobre a evolução do ransomware, com proposta de taxonomia e revisão das pesquisas em detecção, prevenção, mitigação e predição, apontando lacunas na literatura.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00215","codigo":"FRAUDES00215","titulo":"Comparative Analysis of Intrusion Detection Systems and Machine Learning-Based Model Analysis Through Decision Tree","ano":"2023","autores":["Azam, Zahedi (58496500400); Islam, Md. Motaharul (57213419679); Huda, Mohammad Nurul (58519770100)"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/ACCESS.2023.3296444","url":"https://www.scopus.com/pages/publications/85165275803?origin=resultslist","tem_abstract":true,"palavras_chave":["DDoS attacks; decision tree; inductive learning; Intrusion detection system; machine learning; supervised and unsupervised learning; Cybersecurity; Data mining; Deep learning; Denial-of-service attack; Intrusion detection; Network security; Personal computing; Taxonomies; Unsupervised learning; Comparative analyzes; Computer hacking; DDoS Attack; Inductive learning; Intrusion Detection Systems; Intrusion-Detection; Machine-learning; Phishing; Supervised and unsupervised learning; Decision trees"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Revisão de sistemas de detecção de intrusão em redes baseados em aprendizado de máquina e profundo, com taxonomia, conjuntos de dados, técnicas de evasão e proposta de modelo baseado em árvore de decisão.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":4},"temas":["Aprendizado_de_Máquina","Detecção_de_Anomalias","Detecção_de_Ameaças"],"golpes":["Intrusões em redes"],"canais":[],"metodos":["Revisão narrativa","Árvore de decisão"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0098_phishing","codigo":"G0098","titulo":"A Critical Review: Revisiting Phishing Attacks Classification and Analysis of Techniques Employed in Taxonomies","ano":"2023","autores":["Ogaili, Riyadh Rahef Nuiaa Al","Manickam, Selvakumar"],"revista":"Wasit Journal of Pure sciences","tipo_documental":"article","doi":"10.31185/wjps.143","url":"https://doi.org/10.31185/wjps.143","tem_abstract":true,"palavras_chave":["Cybersecurity","Phishing Attacks","Internet security","Information security","Phishing Attack Taxonomy."],"anotado":true,"base":"abstract","lote":"Primeira rodada, Triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":6,"relacoes":5,"resumo":"Propõe uma taxonomia abrangente de ataques de phishing que cobre todo o ciclo de vida do ataque, incluindo fases, atacantes, vulnerabilidades, alvos, meios e estratégias.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2,"Lingual":2,"Social":1,"Estético":1},"temas":["Detecção_e_Prevenção_de_Phishing","Infraestrutura_de_Ataque","Ataques_de_Phishing","Vetores_de_Ataque","Fatores_Humanos","Dados_e_Privacidade"],"golpes":["Phishing"],"canais":["E-mail","Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0146_phishing","codigo":"G0146","titulo":"Toward a phishing attack ontology","ano":"2023","autores":["Oliveira, Ítalo","Calhau, Rodrigo F.","Guizzardi, Giancarlo"],"revista":"Companion Proceedings of the 42nd International Conference on Conceptual Modeling: ER Forum, 7th SCME, Project Exhibitions, Posters and Demos, and Doctoral Consortium (ER-Companion 2023)","tipo_documental":"inproceedings","doi":"","url":"https://ceur-ws.org/Vol-3618/forum\\_paper\\_25.pdf","tem_abstract":true,"palavras_chave":["phishing attack","social engineering","cybersecurity","phishing attack ontology","reference ontology for security engineering","common ontology of value and risk","unified foundational ontology"],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Propõe a Phishing Attack Ontology (PHATO), fundamentada em ROSE, COVER e UFO e representada em OntoUML, para modelar ataques de phishing e apoiar contramedidas anti-phishing.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2,"Lingual":1,"Social":1},"temas":["Ataques_de_Phishing","Ataques_e_Exploração","Dados_e_Privacidade"],"golpes":["Phishing"],"canais":[],"metodos":["Modelagem conceitual em OntoUML"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0259_phishing","codigo":"G0259","titulo":"A Review of the Current Status, Categorization, And Future Prospects of Web Phishing Detection Methods","ano":"2023","autores":["Apea, Nana Yaw Ofosu","Yin, Chunyong"],"revista":"International Journal of Engineering Research & Technology (IJERT)","tipo_documental":"article","doi":"10.5281/zenodo.18334408","url":"https://doi.org/10.5281/zenodo.18334408","tem_abstract":true,"palavras_chave":["Phishing; Web phishing; Taxonomy; Survey; Zerohour"],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Revisão do estado da arte em detecção automatizada de phishing na web, com proposta de taxonomia das abordagens e discussão de direções de pesquisa futuras.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Social":1,"Estético":1},"temas":["Infraestrutura_de_Ataque","Fatores_Humanos","Identidade_e_Representação","Ataques_de_Phishing"],"golpes":["Phishing na web"],"canais":["Web"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00006","codigo":"REF","titulo":"Rug-pull malicious token detection on blockchain using supervised learning with feature engineering","ano":"2023","autores":["Nguyen, Minh Hoang","Huynh, Phuong Duy","Dau, Son Hoang","Li, Xiaodong"],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3579375.3579385","url":"https://www.scopus.com/pages/publications/85150268876?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Classification (of information); Feature Selection; Supervised learning; Block-chain; Centralised; Decentralized exchange; Digital trading; Feature engineerings; Features selection; Rug-pull; Scam detection; Security and privacy issues; Trading platform; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":6,"relacoes":3,"resumo":"Detecção de rug-pull na exchange descentralizada Uniswap com aprendizado supervisionado, usando seleção híbrida de atributos e classificador XGBoost para distinguir tokens golpistas de tokens recém-listados.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":3,"Econômico":2,"Jurídico":1},"temas":["Crimes_Digitais","Aprendizado_de_Máquina","Regulação_e_Governança_Digital","Avaliação_de_Modelos_de_Detecção","Classificação_Automática"],"golpes":["Rug-pull em exchanges descentralizadas"],"canais":["Blockchain"],"metodos":["Aprendizado supervisionado","Seleção híbrida de atributos","XGBoost"],"fontes":["Uniswap"],"ferramentas":[],"unidades":["Tokens"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00017","codigo":"REF","titulo":"The Detection of Fraudulent Smart Contracts Based on ECA-EfficientNet and Data Enhancement","ano":"2023","autores":["Zhou, Xuanchen","Yang, Wenzhong","Wang, Liejun","Wei, Fuyuan","HaiLaTi, KeZiErBieKe","Liao, Yuanyuan"],"revista":"Computers, Materials and Continua","tipo_documental":"article","doi":"10.32604/cmc.2023.040253","url":"https://www.scopus.com/pages/publications/85180956347?origin=resultslist","tem_abstract":true,"palavras_chave":["Classification (of information); Computer crime; Crime; Image enhancement; Network security; 'current; Bytecodes; Data enhancement; Detection methods; Efficient channel attention efficientnet; Efficient channels; Fraud detection; Honeypots; Phishing; Red green blues; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Propõe um método de detecção de contratos inteligentes fraudulentos no Ethereum (Ponzi, honeypot, jogo e phishing) a partir de bytecode convertido em imagens RGB, usando ECA-EfficientNet e augmentação de dados.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":2},"temas":["Detecção_de_Phishing","Aprendizado_de_Máquina","Detecção_de_Anomalias"],"golpes":["Contratos inteligentes fraudulentos no Ethereum (Ponzi","honeypot","jogos de azar","phishing)"],"canais":["Blockchain"],"metodos":["ECA-EfficientNet","Augmentação de dados por troca de canais","Conversão de bytecode em imagens RGB"],"fontes":["Conjuntos públicos de contratos Ponzi","Conjunto de dados próprio multiclasse"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00032","codigo":"REF","titulo":"Change Point Analysis of Time Series Related to Bitcoin Transactions: Towards the Detection of Illegal Activities","ano":"2023","autores":["Theodosiadou, Ourania","Koufakis, Alexandros-Michail","Tsikrika, Theodora","Vrochidis, Stefanos","Kompatsiaris, Ioannis"],"revista":"Journal of Risk and Financial Management","tipo_documental":"article","doi":"10.3390/jrfm16090408","url":"https://www.scopus.com/pages/publications/85172888489?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Propõe um framework unificado para detectar mudanças estatisticamente significativas em séries temporais de transações Bitcoin, ligando-as a eventos que podem revelar atividade ilícita, aplicado aos casos Pirate@40 e MintPal.","foco":"Ecossistema do Atacante","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":3,"Ético":1},"temas":["Aprendizado_de_Máquina","Detecção_de_Anomalias","Extração_de_Características","Crimes_Digitais"],"golpes":["Golpe de investimento de alto rendimento com Bitcoin","Ataque hacker a corretora de criptoativos"],"canais":["Blockchain"],"metodos":["Agrupamento Partition Around Medoids","Análise de pontos de mudança"],"fontes":["Histórico de transações Bitcoin"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00064","codigo":"REF","titulo":"Ponzi Scheme Detection Based on Control Flow Graph Feature Extraction","ano":"2023","autores":["Ji, Shunhui","Huang, Congxiong","Zhang, Pengcheng","Dong, Hai","Xiao, Yan"],"revista":"Proceedings - 2023 IEEE International Conference on Web Services, ICWS 2023","tipo_documental":"conference","doi":"10.1109/ICWS60048.2023.00077","url":"https://www.scopus.com/pages/publications/85173817357?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Extraction; Feature extraction; Flow graphs; Graphic methods; Inverse problems; Investments; Support vector machines; Text processing; Block-chain; Business operation; Control-flow graphs; Features extraction; Graph features; Machine-learning; N-grams; Ponzi scheme detection; Random forest modeling; Service platforms; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":7,"relacoes":4,"resumo":"Proposta de abordagem de aprendizado de máquina para detectar esquemas Ponzi em contratos inteligentes, extraindo características n-gram TF e TF-IDF do grafo de fluxo de controle do bytecode.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":3,"Formativo":1,"Lingual":1,"Econômico":2},"temas":["Aprendizado_de_Máquina","Crimes_Digitais","Engano_e_Falsificação","Avaliação_de_Modelos","Representação_de_Texto","Extração_de_Características"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Grafo de fluxo de controle","n-gram TF","n-gram TF-IDF","Random Forest","SVM_SMOTE"],"fontes":["Conjunto de dados do mundo real"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00076","codigo":"REF","titulo":"ContraPonzi: Smart Ponzi Scheme Detection for Ethereum via Contrastive Learning","ano":"2023","autores":["Wu, Jiajing","Liu, Jieli","Chen, Jinze","Chen, Ting","Li, Jingwei","Song, Shuwei","He, Jiahao"],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3634814.3634836","url":"https://www.scopus.com/pages/publications/85190370582?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Crime; Data flow analysis; Ethereum; Flow graphs; Semantics; Block-chain; Bytecodes; Contrastive learning; Criminal activities; Decentralised; Feature learning; Financial fraud; Generalisation; Multi-version; Ponzi scheme; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":5,"relacoes":3,"resumo":"Propõe o ContraPonzi, método de detecção de esquemas Ponzi inteligentes em contratos Ethereum baseado em aprendizado contrastivo sobre grafos de fluxo de controle extraídos de bytecodes.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":2,"Econômico":2},"temas":["Crimes_Digitais","Avaliação_de_Modelos_de_Detecção","Tecnologia_de_Ataque","Métodos_de_Detecção"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Aprendizado contrastivo","Grafo de fluxo de controle","Codificador de grafos pré-treinado","Augmentação de dados de bytecode"],"fontes":["Dados reais de contratos Ethereum"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00079","codigo":"REF","titulo":"Securing the Ethereum from Smart Ponzi Schemes: Identification Using Static Features","ano":"2023","autores":["Zheng, Zibin","Chen, Weili","Zhong, Zhijie","Chen, Zhiguang","Lu, Yutong"],"revista":"ACM Transactions on Software Engineering and Methodology","tipo_documental":"article","doi":"10.1145/3571847","url":"https://www.scopus.com/pages/publications/85159164922?origin=resultslist","tem_abstract":true,"palavras_chave":["Application programs; Ethereum; Learning systems; Losses; Malware; Semantics; Smart contract; Block-chain; Detection approach; Financial loss; Irreversible loss; Large amounts; Malware detection; Ponzi scheme; Software-systems; Static features; Transaction records; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Proposta do MulCas, modelo de conjunto em cascata multivisão que identifica contratos inteligentes com esquema de Ponzi no momento da criação, usando características de bytecode, semânticas e de desenvolvedores.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Econômico":2},"temas":["Aprendizado_de_Máquina","Modalidades_de_Ataque","Impacto_do_Phishing"],"golpes":["Esquema de Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Aprendizado de máquina","Multi-view Cascade Ensemble"],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00085","codigo":"REF","titulo":"The effects of Ponzi schemes and revocation of licences of some financial institutions on financial threat in Ghana","ano":"2023","autores":["Ofori, Edmond"],"revista":"Journal of Financial Crime","tipo_documental":"article","doi":"10.1108/JFC-01-2020-0003","url":"https://www.scopus.com/pages/publications/85081617348?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Avalia os efeitos de esquemas Ponzi e da revogação de licenças de instituições financeiras em Gana sobre a ameaça financeira percebida por indivíduos, com regressão logística binária.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":3},"temas":["Impacto_de_Ataques","Crimes_Digitais"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Abordagem quantitativa","Amostragem por conveniência","Questionário padronizado","Regressão logística binária"],"fontes":["Indivíduos de três regiões de Gana"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Gana"],"setores":["Setor Bancário"],"teorias":[]},{"id":"ref_72db3d675ef9_00103","codigo":"REF","titulo":"Scams and Solutions in Cryptocurrencies—A Survey Analyzing Existing Machine Learning Models","ano":"2023","autores":["Krishnan, Lakshmi Priya","Vakilinia, Iman","Reddivari, Sandeep","Ahuja, Sanjay"],"revista":"Information (Switzerland)","tipo_documental":"article","doi":"10.3390/info14030171","url":"https://www.scopus.com/pages/publications/85150976431?origin=resultslist","tem_abstract":true,"palavras_chave":["Electronic money; Learning algorithms; Machine learning; Block-chain; Chain networks; Financial sectors; Food chain; Fraud detection; Machine learning models; Machine-learning; Multiple services; Network service providers; Scam; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Survey de modelos de aprendizado de máquina, datasets e tecnologias usados para detectar fraudes com criptomoedas, como esquemas Ponzi e HYIPs, identificando lacunas e propondo melhorias para detecção precoce.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Econômico":1},"temas":["Aprendizado_de_Máquina","Mecanismos_de_Segurança","Crimes_Digitais"],"golpes":["Fraudes com criptomoedas","Esquema Ponzi","Programas de investimento de alto rendimento (HYIP)","Lavagem de dinheiro"],"canais":["Blockchain"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00115","codigo":"REF","titulo":"The Rising Tide of Financial Crime: A Ponzi Scheme Case Analysis","ano":"2023","autores":["Anggriawan, Rizaldy","Susila, Muh. Endriyo","Irrynta, Dwilani","Sung, Ming Hsi"],"revista":"Lex Scientia Law Review","tipo_documental":"article","doi":"10.15294/lesrev.v7i1.60004","url":"https://www.scopus.com/pages/publications/85175622625?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Compara e analisa esquemas Ponzi e esquemas de pirâmide sob a ótica da aplicação do direito penal, examinando normas e casos na Indonésia.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1,"Jurídico":1},"temas":["Tecnologia_de_Ataque","Regulação_e_Conformidade","Crimes_Digitais"],"golpes":["Esquema Ponzi","Esquema de pirâmide"],"canais":[],"metodos":["Pesquisa jurídica normativa ou doutrinária","Abordagem legal","Abordagem conceitual","Abordagem de casos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Indonésia"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00146","codigo":"REF","titulo":"The nexus between Ponzi scheme and multi-level marketing systems: Evidence in Indonesia","ano":"2023","autores":["Suwitho, Suwitho","Budi Riharjo, Ikhsan","Ary Dewangga, Danang"],"revista":"Cogent Social Sciences","tipo_documental":"article","doi":"10.1080/23311886.2023.2178540","url":"https://www.scopus.com/pages/publications/85149591037?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":3,"resumo":"Estudo sobre a relação entre esquema Ponzi e marketing multinível a partir de vítimas de fraude de money game em Surabaya, Indonésia, com métodos quantitativos.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":3},"temas":["Motivação_e_Impacto_de_Ataques","Economia_do_Ataque","Crimes_Digitais"],"golpes":["Esquema Ponzi","Marketing multinível fraudulento"],"canais":[],"metodos":["Pesquisa quantitativa","Questionário","Estudo de literatura"],"fontes":["Vítimas de fraude de money game"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Surabaya"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00150","codigo":"REF","titulo":"STUDY OF THE MECHANISM FOR THE IMPLEMENTATION OF CRIMES RELATED TO PYRAMID SCHEMES AND METHODS OF THEIR PREVENTION","ano":"2023","autores":["Akhmadiyev, Askhat","Balgozhina, Maigul","Tokubayev, Kuandyk"],"revista":"InterEULawEast","tipo_documental":"article","doi":"10.22598/iele.2023.10.2.12","url":"https://www.scopus.com/pages/publications/85182649767?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise do mecanismo de implementação das pirâmides financeiras, sua classificação e características, visando métodos de prevenção e redução dessa atividade criminosa, com revisão da regulação em diversos países.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Econômico":2},"temas":["Economia_do_Ataque","Impacto_de_Ataques"],"golpes":["Pirâmides financeiras"],"canais":[],"metodos":["Método teórico","Método dialético","Método formal-jurídico","Dedução","Indução","Síntese"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00166","codigo":"REF","titulo":"Old frauds with a new sauce: digital assets and space transition","ano":"2023","autores":["Dupuis, Daniel","Smith, Deborah","Gleason, Kimberly"],"revista":"Journal of Financial Crime","tipo_documental":"article","doi":"10.1108/JFC-11-2021-0242","url":"https://www.scopus.com/pages/publications/85121332011?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Descreve a evolução de esquemas de fraude do dinheiro fiduciário no espaço físico para criptoativos no espaço digital, aplicando a teoria da transição espacial a seis esquemas de fraude.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Econômico":1},"temas":["Mecanismos_de_Segurança","Crimes_Digitais"],"golpes":["Fraudes com criptoativos (ransomware, manipulação de preços, pump and dump, falsa declaração, spoofing e esquema Ponzi)"],"canais":["Blockchain"],"metodos":["Revisão de mídia","Revisão de literatura"],"fontes":["Reportagens de mídia"],"ferramentas":[],"unidades":["Esquemas de fraude"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00169","codigo":"REF","titulo":"Linguistic Cues of Deception in Malaysian Online Investment Scams’ Promotional Materials","ano":"2023","autores":["Aziz, Ameiruel Azwan Ab","Sharif, Nurul Atiqah Mohd","Fakhruddin, Wan Farah Wani Wan","Juned, Amirah Mohd","Shah, Nursyaidatul Kamar Md","Yatim, Ariff Imran Anuar","Saidalvi, Aminabibi"],"revista":"GEMA Online Journal of Language Studies","tipo_documental":"article","doi":"10.17576/gema-2023-2304-09","url":"https://www.scopus.com/pages/publications/85178094006?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Estudo quantitativo que analisa pistas linguísticas de engano em materiais promocionais de golpes de investimento online na Malásia, usando LIWC e SPSS.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Lingual":2,"Econômico":1},"temas":["Conteúdo_de_Isca","Modalidades_de_Ataque"],"golpes":["Golpe de investimento online"],"canais":["Web"],"metodos":["Análise descritiva","Correlação de Pearson"],"fontes":["Polícia Real da Malásia","Banco Central da Malásia","Financial Consumer Alert List","Comissão de Valores Mobiliários da Malásia"],"ferramentas":["LIWC","SPSS"],"unidades":["Páginas web"],"territorios":["Malásia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00182","codigo":"REF","titulo":"Multilevel marketing: Pyramid-shaped schemes or exploitative scams?","ano":"2023","autores":["Antler, Yair"],"revista":"Theoretical Economics","tipo_documental":"article","doi":"10.3982/TE4890","url":"https://www.scopus.com/pages/publications/85159900131?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Compara marketing multinível e esquemas de pirâmide com base em suas estruturas de compensação, mostrando como uma empresa pode projetar uma pirâmide para explorar agentes com crenças grosseiras.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Econômico":1},"temas":["Modalidades_de_Ataque","Vulnerabilidade_Humana"],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00196","codigo":"REF","titulo":"OVERCONFIDENCE BIAS AMONG INVESTORS: A QUALITATIVE EVIDENCE FROM PONZI SCHEME CASE STUDY","ano":"2023","autores":["Ghani, Muhammad Takiyuddin Abdul","Halim, Bahyah Abdul","Rahman, Syamsul Azri Abdul","Abdullah, Nor Akmar","Afthanorhan, Asyraf","Yaakub, Nurwahida"],"revista":"Corporate and Business Strategy Review","tipo_documental":"article","doi":"10.22495/cbsrv4i2art6","url":"https://www.scopus.com/pages/publications/85152659399?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":2,"resumo":"Estudo qualitativo sobre a prevalência do viés de excesso de confiança na tomada de decisão de investidores malaios em esquemas Ponzi, com base nas finanças comportamentais.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2},"temas":["Fatores_Psicológicos"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Pesquisa qualitativa","Análise temática"],"fontes":["Investidores de esquemas Ponzi"],"ferramentas":["ATLAS.ti"],"unidades":["Indivíduos"],"territorios":["Malásia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00221","codigo":"REF","titulo":"'Get a higher return on your savings!': Comparing adverts for cryptocurrency investment scams across platforms","ano":"2023","autores":["Siu, Gilberto Atondo","Hutchings, Alice"],"revista":"Proceedings - 8th IEEE European Symposium on Security and Privacy Workshops, Euro S and PW 2023","tipo_documental":"conference","doi":"10.1109/EuroSPW59978.2023.00023","url":"https://www.scopus.com/pages/publications/85168240462?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Blockchain; Classification (of information); Machine learning; Text processing; Classification approach; Cyber-crimes; Investment scam; Machine learning methods; Machine-learning; Online forums; Re-turn-on; Social media platforms; Supervised and unsupervised learning; Text classification; Investments"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Compara métodos de aprendizado de máquina supervisionado, semissupervisionado e não supervisionado para classificar anúncios de golpes de investimento em criptoativos no Bitcointalk e no Reddit, identificando atores, iscas e se aposentados são alvos específicos.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Golpe de investimento em criptoativos"],"canais":["Web","Redes Sociais"],"metodos":["Aprendizado supervisionado","Aprendizado semissupervisionado","Aprendizado não supervisionado","Classificação multiclasse de texto"],"fontes":["Bitcointalk","Reddit"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00242","codigo":"REF","titulo":"Detecting Ethereum Ponzi Schemes Through Opcode Context Analysis and Oversampling-Based AdaBoost Algorithm","ano":"2023","autores":["Wang, Mengxiao","Huang, Jing"],"revista":"Computer Systems Science and Engineering","tipo_documental":"article","doi":"10.32604/csse.2023.039569","url":"https://www.scopus.com/pages/publications/85166233037?origin=resultslist","tem_abstract":true,"palavras_chave":["Adaptive boosting; Classification (of information); Data acquisition; Ethereum; Extraction; Feature extraction; Losses; Smart contract; Adaptive boosting algorithms; Block-chain; Context analysis; Ensemble learning; Features extraction; N-grams; Opcodes; Over sampling; Security attacks; Smart ponzi scheme; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe um esquema de detecção de contratos inteligentes Ponzi no Ethereum com análise de contexto de opcodes, n-gram, ADASYN e classificador AdaBoost.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Esquema Ponzi em contratos inteligentes Ethereum"],"canais":["Blockchain"],"metodos":["n-gram","ADASYN","AdaBoost"],"fontes":["Contratos inteligentes reais"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00247","codigo":"REF","titulo":"Code Will Tell: Visual Identification of Ponzi Schemes on Ethereum","ano":"2023","autores":["Wen, Xiaolin","Yeo, Kim Siang","Wang, Yong","Cheng, Ling","Zhu, Feida","Zhu, Min"],"revista":"Conference on Human Factors in Computing Systems - Proceedings","tipo_documental":"conference","doi":"10.1145/3544549.3585861","url":"https://www.scopus.com/pages/publications/85158165560?origin=resultslist","tem_abstract":true,"palavras_chave":["Codes (symbols); Flow graphs; Smart contract; Visualization; Block-chain; Control-flow; Decentralisation; Novel visualizations; Opcodes; Ponzi scheme; Research gaps; Symbolic execution; Visual analytics; Visual identification; Ethereum"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Propõe o PonziLens, uma abordagem de visualização que ajuda investidores a identificar precocemente esquemas Ponzi em contratos inteligentes do Ethereum a partir da análise de opcodes.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Econômico":2},"temas":["Ferramentas_de_Detecção","Impacto_do_Phishing","Crimes_Digitais","Mecanismos_de_Segurança"],"golpes":["Esquema Ponzi em contratos inteligentes do Ethereum"],"canais":["Blockchain"],"metodos":["Execução simbólica de opcodes","Extração de grafo de fluxo de controle","Visualização em grafo direcionado"],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00259","codigo":"REF","titulo":"Detection of Ponzi scheme on Ethereum using machine learning algorithms","ano":"2023","autores":["Jacinta, Onu Ifeyinwa","Omolara, Abiodun Esther","Alawida, Moatsum","Abiodun, Oludare Isaac","Alabdultif, Abdulatif"],"revista":"Scientific Reports","tipo_documental":"article","doi":"10.1038/s41598-023-45275-0","url":"https://www.scopus.com/pages/publications/85175067454?origin=resultslist","tem_abstract":true,"palavras_chave":["Algorithms; Fraud; Humans; Machine Learning; Neural Networks","Computer; Random Forest; article; artificial neural network; fraud; k nearest neighbor; machine learning; random forest; algorithm; human; random forest"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Propõe a detecção de esquemas Ponzi na Ethereum com algoritmos de aprendizado de máquina (random forest, rede neural e KNN), comparando os modelos e reduzindo as características de 70 para 10.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":3},"temas":["Aprendizado_de_Máquina","Detecção_de_Anomalias"],"golpes":["Esquema Ponzi em Ethereum"],"canais":["Blockchain"],"metodos":["Random Forest","Rede neural","K-nearest neighbor","Seleção de características"],"fontes":["Kaggle"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":["Nigéria"],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00279","codigo":"REF","titulo":"Non-Ideal Victims or Offenders? The Curious Case of Pyramid Scheme Participants","ano":"2023","autores":["Hock, Branislav","Button, Mark"],"revista":"Victims and Offenders","tipo_documental":"article","doi":"10.1080/15564886.2023.2186996","url":"https://www.scopus.com/pages/publications/85150837827?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Constrói uma tipologia de atores em esquemas de pirâmide, inspirada nos conceitos de vítima ideal e não ideal, discutindo implicações de política para vítimas muitas vezes negligenciadas pela justiça criminal.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Econômico":2},"temas":["Motivação_e_Impacto_de_Ataques","Modalidades_de_Ataque"],"golpes":["Esquemas de pirâmide"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00286","codigo":"REF","titulo":"County trajectories of pyramid scheme victimization","ano":"2023","autores":["Greenman, Sarah J.","Snyder, Samantha","Bosley, Stacie","Chenoweth, Dalton"],"revista":"Crime, Law and Social Change","tipo_documental":"article","doi":"10.1007/s10611-022-10050-1","url":"https://www.scopus.com/pages/publications/85137801451?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Estudo da vulnerabilidade comunitária a fraude de esquema de pirâmide, usando modelagem de trajetórias baseada em grupos para examinar o efeito de tensão social e oportunidade na adesão em nível de condado.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2000-2013","aspectos":{"Sensitivo":1,"Social":2,"Econômico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Motivação_e_Impacto_de_Ataques","Vulnerabilidade_Humana"],"golpes":["Fraude de esquema de pirâmide"],"canais":[],"metodos":["Modelagem de trajetórias baseada em grupos"],"fontes":["Dados nacionais de vítimas de um caso de esquema de pirâmide"],"ferramentas":[],"unidades":["Condados"],"territorios":["Estados Unidos"],"setores":[],"teorias":["Teoria da tensão"]},{"id":"ref_8d955f377173_00036","codigo":"REF","titulo":"Vulnerability of Older Adults to Government Impersonation Scams","ano":"2023","autores":["Yu, Lei","Mottola, Gary","Kieffer, Christine N.","Mascio, Robert","Valdes, Olivia","Bennett, David A.","Boyle, Patricia A."],"revista":"JAMA Network Open","tipo_documental":"article","doi":"10.1001/jamanetworkopen.2023.35319","url":"https://www.scopus.com/pages/publications/85171957188?origin=resultslist","tem_abstract":true,"palavras_chave":["Aged; Aged","80 and over; Cohort Studies; Cross-Sectional Studies; Female; Government; Government Agencies; Humans; Male; Medicare; United States; adult; aged; aging; Article; chronic disease; cognition; cognitive defect; cohort analysis; controlled study; cross-sectional study; data analysis; decision making; e-mail; female; fraud; government; human; human experiment; identifiable information; identity theft; Illinois; literacy; male; medicare; memory; metropolitan area; social security; vulnerability; government; medicare; United States; very elderly"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Estudo transversal com experimento comportamental que explora a vulnerabilidade de idosos a um golpe de personificação de agência governamental dos EUA, usando mailers, e-mails e ligações.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2021/10-2021/12","aspectos":{"Sensitivo":1,"Analítico":1,"Social":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Fatores_Humanos","Vulnerabilidade_Humana"],"golpes":["Golpe de personificação de agência governamental"],"canais":["E-mail","Voz"],"metodos":["Estudo transversal","Experimento comportamental"],"fontes":["Rush Memory and Aging Project"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Chicago"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00049","codigo":"REF","titulo":"Business Email Compromise (BEC) Attacks: Threats, Vulnerabilities and Countermeasures—A Perspective on the Greek Landscape","ano":"2023","autores":["Papathanasiou, Anastasios","Liontos, George","Liagkou, Vasiliki","Glavas, Euripidis"],"revista":"Journal of Cybersecurity and Privacy","tipo_documental":"article","doi":"10.3390/jcp3030029","url":"https://www.scopus.com/pages/publications/85172160983?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":5,"relacoes":4,"resumo":"Revisão abrangente dos ataques de Business Email Compromise (BEC), seus princípios, técnicas e impactos nas empresas, com análise do cenário grego de ciberataques e do arcabouço regulatório da UE (Diretivas NIS).","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":2,"Lingual":1,"Social":2},"temas":["Modalidades_de_Ataque","Ataques_de_Phishing","Dados_e_Privacidade","Vetores_de_Ataque","Identidade_e_Representação"],"golpes":["Comprometimento de e-mail corporativo (Business Email Compromise)"],"canais":["E-mail"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":["Grécia"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00054","codigo":"REF","titulo":"Business Email Compromise Phishing Detection Based on Machine Learning: A Systematic Literature Review","ano":"2023","autores":["Atlam, Hany F.","Oluwatimilehin, Olayonu"],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics12010042","url":"https://www.scopus.com/pages/publications/85145567038?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão sistemática das técnicas de detecção de phishing de Business Email Compromise (BEC) baseadas em aprendizado de máquina, seus algoritmos, características e conjuntos de dados, além de questões em aberto.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Comprometimento de e-mail corporativo (BEC)"],"canais":["E-mail"],"metodos":["Revisão sistemática"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00512","codigo":"REF","titulo":"The Social and Technological Incentives for Cybercriminals to Engage in Ransomware Activities","ano":"2023","autores":["Wang, Yichao","Roscoe, Sophia","Arief, Budi","Connolly, Lena","Borrion, Hervé","Kaddoura, Sanaa"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-981-99-5177-2_9","url":"https://www.scopus.com/pages/publications/85172171386?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cybersecurity; Malware; Personal computing; Web crawler; Crawler; Criminal activities; Cybercriminals; Dark web; Dark web forums; Data collection; Data collection and analyse; Screening process; Service provider; Social interactions; Data acquisition"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":3,"resumo":"Investiga o discurso social e tecnológico no fórum da dark web Dread que pode levar usuários a atividades criminosas de ransomware, incluindo Ransomware-as-a-Service.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2018/03-2022/09","aspectos":{"Formativo":1,"Social":1},"temas":["Infraestrutura_de_Ataque","Ameaças_Cibernéticas"],"golpes":["Ransomware"],"canais":["Web"],"metodos":["Coleta de dados por crawling","Triagem manual","Categorização de postagens"],"fontes":["Dread"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00515","codigo":"REF","titulo":"Financial, Accounting and Tax Implications of Ransomware Attack; [Finansowe, bilansowe i podatkowe konsekwencje ataku typu ransomware]","ano":"2023","autores":["Krivokapić, Đorđe","Nikolić, Andrea","Stefanović, Aleksandra","Milosavljević, Miloš"],"revista":"Studia Iuridica Lublinensia","tipo_documental":"article","doi":"10.17951/sil.2023.32.1.191-211","url":"https://www.scopus.com/pages/publications/85152891750?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise das implicações financeiras de ataques de ransomware, da motivação da vítima para pagar o resgate e das implicações legais, contábeis e tributárias desse pagamento.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Impacto_do_Phishing"],"golpes":["Ransomware"],"canais":[],"metodos":["Método formal-dogmático","Revisão argumentativa da literatura"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00517","codigo":"REF","titulo":"Double-Sided Information Asymmetry in Double Extortion Ransomware","ano":"2023","autores":["Meurs, Tom","Cartwright, Edward","Cartwright, Anna"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-031-50670-3_16","url":"https://www.scopus.com/pages/publications/85181977136?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cryptography; Malware; Data exfiltration; Double sided; Information asymmetry; Monitoring system; Private information; Signaling game; Willingness to pay; Game theory"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":4,"relacoes":3,"resumo":"Análise, com teoria dos jogos, das consequências nos ganhos do atacante quando as vítimas de ransomware de dupla extorsão possuem informação privada em um jogo de sinalização com assimetria de informação bilateral.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1,"Lingual":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Motivação_e_Impacto_de_Ataques","Alvos_de_Ataque"],"golpes":["Ransomware de dupla extorsão"],"canais":[],"metodos":["Teoria dos jogos","Jogo de sinalização"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_00521","codigo":"REF","titulo":"It’s More Than Just Money: The Real-World Harms from Ransomware Attacks","ano":"2023","autores":["Pattnaik, Nandita","Nurse, Jason R. C.","Turner, Sarah","Mott, Gareth","MacColl, Jamie","Huesch, Pia","Sullivan, James"],"revista":"IFIP Advances in Information and Communication Technology","tipo_documental":"article","doi":"10.1007/978-3-031-38530-8_21","url":"https://www.scopus.com/pages/publications/85172657709?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Malware; Network security; Risk assessment; Cybe risk; Cyber security; Cyber-attacks; Data modeling; Harm; Human aspects; Impact assessments; Organisational; Real-world; Social and human aspect; Cybersecurity"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Explora os danos reais decorrentes de ataques de ransomware e propõe uma metodologia para modelar esses danos, a partir de casos públicos de incidentes de alto perfil.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Econômico":1},"temas":["Impacto_de_Ataques","Impacto_do_Phishing"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":["Dados públicos de casos de incidentes de ransomware"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00523","codigo":"REF","titulo":"Crypto-Ransomware: A Revision of the State of the Art, Advances and Challenges","ano":"2023","autores":["Gómez Hernández, José Antonio","García Teodoro, Pedro","Magán Carrión, Roberto","Rodríguez Gómez, Rafael"],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics12214494","url":"https://www.scopus.com/pages/publications/85176317556?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Revisão abrangente do crypto-ransomware: fundamentos, tipologias, modelo de ataque, ciclo de vida, evolução histórica, propostas de defesa (prevenção, detecção, resposta e recuperação), tendências e desafios.","foco":"Não Especificado","tipo":"Revisão Narrativa","periodo":null,"aspectos":{},"temas":[],"golpes":["Crypto-ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00526","codigo":"REF","titulo":"Characteristics of short-term acute care hospitals that experienced a ransomware attack from 2016 to 2021","ano":"2023","autores":["McGlave, Claire C.","Nikpay, Sayeh S.","Henning-Smith, Carrie","Rydberg, Katie","Neprash, Hannah T."],"revista":"Health Affairs Scholar","tipo_documental":"article","doi":"10.1093/haschl/qxad037","url":"https://www.scopus.com/pages/publications/105024411716?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Compara características de hospitais de cuidados agudos de curta duração dos Estados Unidos atacados e não atacados por ransomware, para subsidiar políticas de cibersegurança em saúde.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Biótico":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":["American Hospital Association Annual Survey","Healthcare Cost Report Information System"],"ferramentas":[],"unidades":["Hospitais"],"territorios":["Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00537","codigo":"REF","titulo":"Insurance and enterprise: cyber insurance for ransomware","ano":"2023","autores":["Baker, Tom","Shortland, Anja"],"revista":"Geneva Papers on Risk and Insurance: Issues and Practice","tipo_documental":"article","doi":"10.1057/s41288-022-00281-7","url":"https://www.scopus.com/pages/publications/85143276353?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Estudo de como seguradoras de ciberseguro governam riscos por meio da redução de perdas ex post, e dos efeitos disso sobre pagamentos de resgate e ransomware desde os anos 1990.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Economia_do_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Entrevistas com especialistas do setor"],"fontes":["Profissionais do setor de seguros"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Seguros"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00545","codigo":"REF","titulo":"Ransomware Economics: A Two-Step Approach To Model Ransom Paid","ano":"2023","autores":["Meurs, Tom","Cartwright, Edward","Cartwright, Anna","Junger, Marianne","Hoheisel, Raphael","Tews, Erik","Abhishta, Abhishta"],"revista":"eCrime Researchers Summit, eCrime","tipo_documental":"conference","doi":"10.1109/eCrime61234.2023.10485506","url":"https://www.scopus.com/pages/publications/85181808612?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Decision making; Insurance; Malware; Backup; Cyber-crimes; Data exfiltration; Empirical investigation; Hurdle model; Incident response; Pressung; Ransom paid; Two-step approach; Willingness to pay; Profitability"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":9,"relacoes":6,"resumo":"Estudo empírico dos fatores que influenciam a decisão de pagar e o valor do resgate em ataques de ransomware, usando modelo hurdle sobre 382 casos holandeses.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Formativo":2,"Econômico":5},"temas":["Economia_do_Ataque","Técnicas_de_Ataque","Defesa_Técnica","Modelagem_Formal","Impacto_de_Ataques","Dados_da_Vítima","Gestão_de_Risco","Resposta_a_Incidentes"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo hurdle"],"fontes":["Polícia holandesa","Empresa de resposta a incidentes"],"ferramentas":[],"unidades":["Ataques de ransomware"],"territorios":["Países Baixos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00603","codigo":"REF","titulo":"Ransomware Attacks of the COVID-19 Pandemic: Novel Strains, Victims, and Threat Actors","ano":"2023","autores":["Baig, Zubair","Mekala, Harsha","Zeadally, Sherali"],"revista":"IT Professional","tipo_documental":"article","doi":"10.1109/MITP.2023.3297085","url":"https://www.scopus.com/pages/publications/85180134040?origin=resultslist","tem_abstract":true,"palavras_chave":["COVID-19; Malware; Business operation; Cyber threats; Digital resources; IT support services; Novel strains; Organisational; Organizational visions; Remote connectivity; Secure services; Security controls; Cybersecurity"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise holística de ataques de ransomware populares ocorridos durante a pandemia de COVID-19 (2020–2022), identificando cepas populares e inéditas que impactaram empresas.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":"2020-2022","aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Gestão_de_Risco"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00609","codigo":"REF","titulo":"Know Thy Ransomware Response: A Detailed Framework for Devising Effective Ransomware Response Strategies","ano":"2023","autores":["Bajpai, Pranshu","Enbody, Richard"],"revista":"Digital Threats: Research and Practice","tipo_documental":"article","doi":"10.1145/3606022","url":"https://www.scopus.com/pages/publications/85174998515?origin=resultslist","tem_abstract":true,"palavras_chave":["Risk perception; Cyberthreats; Incident response; Level-of-detail; Malwares; Private sectors; Public sector; Ransomware as a service; Ransomware recovery; Ransomware response; Response strategies; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Apresenta um framework de resposta a ransomware, com foco em resposta e recuperação pós-violação, para orientar estratégias eficazes de resposta a incidentes por partes técnicas e executivas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2},"temas":["Ameaças_Cibernéticas","Gestão_de_Incidentes"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00632","codigo":"REF","titulo":"Old frauds with a new sauce: digital assets and space transition","ano":"2023","autores":["Dupuis, Daniel","Smith, Deborah","Gleason, Kimberly"],"revista":"Journal of Financial Crime","tipo_documental":"article","doi":"10.1108/JFC-11-2021-0242","url":"https://www.scopus.com/pages/publications/85121332011?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Descreve a evolução de esquemas de fraude do dinheiro fiduciário no espaço físico para criptoativos no espaço digital, explicando-a pela teoria da transição espacial.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Social":1},"temas":["Mecanismos_de_Segurança","Crimes_Digitais"],"golpes":["Fraudes com criptoativos (ransomware","manipulação de preços","pump and dump","deturpação","spoofing","esquema Ponzi)"],"canais":["Blockchain"],"metodos":["Revisão de mídia","Revisão de literatura"],"fontes":["Notícias da mídia"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00646","codigo":"REF","titulo":"Applying Neutralisation Theory to Better Understand Ransomware Offenders","ano":"2023","autores":["Connolly, Lena","Borrion, Hervé","Arief, Budi","Kaddoura, Sanna"],"revista":"Proceedings - 8th IEEE European Symposium on Security and Privacy Workshops, Euro S and PW 2023","tipo_documental":"conference","doi":"10.1109/EuroSPW59978.2023.00025","url":"https://www.scopus.com/pages/publications/85168242789?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Malware; Network security; Breakings; Countermeasure; Cyber-attacks; Neutralisation; Neutralization theory; Ransomware crime; Secondary datum; Service business; Crime"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Investiga o ransomware sob a ótica da teoria da neutralização, explorando a viabilidade de usá-la para compreender os agressores de grupos de Ransomware-as-a-Service.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Ético":1},"temas":["Ameaças_Cibernéticas","Fatores_Psicológicos"],"golpes":["Ransomware como serviço"],"canais":[],"metodos":["Análise de dados secundários","Análise de entrevistas de mídia"],"fontes":["Entrevistas de mídia com supostos agressores de ransomware"],"ferramentas":[],"unidades":["Entrevistas"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00699","codigo":"REF","titulo":"A Tale of Two Markets: Investigating the Ransomware Payments Economy","ano":"2023","autores":["Oosthoek, Kris","Cable, Jack","Smaragdakis, Georgios"],"revista":"Communications of the ACM","tipo_documental":"article","doi":"10.1145/3582489","url":"https://www.scopus.com/pages/publications/85166248498?origin=resultslist","tem_abstract":true,"palavras_chave":["Commerce; Data driven; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":1,"conceitos":2,"relacoes":1,"resumo":"Caracterização do ecossistema de ransomware por abordagem orientada a dados que segue o dinheiro, revelando dois mercados criminosos paralelos: ransomware commodity e Ransomware como Serviço (RaaS).","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2},"temas":["Ameaças_Cibernéticas"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Abordagem follow-the-money orientada a dados"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00702","codigo":"REF","titulo":"Personality Types and Ransomware Victimisation","ano":"2023","autores":["Yilmaz, Yagiz","Cetin, Orcun","Grigore, Claudia","Arief, Budi","Hernandez-Castro, Julio"],"revista":"Digital Threats: Research and Practice","tipo_documental":"article","doi":"10.1145/3568994","url":"https://www.scopus.com/pages/publications/85183321626?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Malware; Big five; Cyber security; Cyber-crimes; Cybersecurity behavior; Personality types; Socio-technical security; Sociotechnical; Technical security; User study; Victimisation; Cybersecurity"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Investiga a relação entre tipos de personalidade (Big-Five) e vitimização por ransomware, além dos efeitos comportamentais e psicológicos de ser vítima, por meio de survey com 880 participantes.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Biótico":1,"Sensitivo":2},"temas":["Fatores_Psicológicos","Fatores_Humanos_e_Psicológicos","Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Survey","Big-Five"],"fontes":["Prolific"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00704","codigo":"REF","titulo":"Game Theoretic Modelling of a Ransom and Extortion Attack on Ethereum Validators","ano":"2023","autores":["Bhudia, Alpesh","Cartwright, Anna","Cartwright, Edward","Hurley-Smith, Darren","Hernandez-Castro, Julio"],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3600160.3604985","url":"https://www.scopus.com/pages/publications/85169670885?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Game theory; Risk perception; Block-chain; Consensus algorithms; Financial incentives; Financial risks; Game-theoretic model; Mitigation measures; Proof-of-stake; Public trust; Root of trusts; Ethereum"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Estudo teórico-jogos de um ataque de extorsão por slashing contra validadores de Ethereum com Proof-of-Stake, mostrando como o atacante coage o pagamento de resgate, e avaliação de possíveis mitigações.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Alvos_de_Ataque"],"golpes":["Extorsão de validadores de Ethereum por ameaça de slashing (resgate)"],"canais":["Blockchain"],"metodos":["Teoria dos jogos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00732","codigo":"REF","titulo":"A Survey on Ransomware: Evolution, Taxonomy, and Defense Solutions","ano":"2023","autores":["Oz, Harun","Aris, Ahmet","Levi, Albert","Uluagac, A. Selcuk"],"revista":"ACM Computing Surveys","tipo_documental":"article","doi":"10.1145/3514229","url":"https://www.scopus.com/pages/publications/85150373660?origin=resultslist","tem_abstract":true,"palavras_chave":["Internet of things; Losses; Malware; Mobile security; Network security; Business organizations; Cybercriminals; Defense; Defense research; Defense solutions; Detection; End-users; Evolution; Government organizations; Malwares; Taxonomies"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Survey abrangente sobre ransomware e pesquisas de defesa (análise, detecção e recuperação) segundo as plataformas-alvo: PCs/estações de trabalho, dispositivos móveis e IoT/CPS.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":"1990-2020","aspectos":{"Formativo":2,"Social":1},"temas":["Ameaças_Cibernéticas","Vetores_de_Ataque","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00748","codigo":"REF","titulo":"Deterrence, Backup, or Insurance: Game-Theoretic Modeling of Ransomware","ano":"2023","autores":["Yin, Tongxin","Sarabi, Armin","Liu, Mingyan"],"revista":"Games","tipo_documental":"article","doi":"10.3390/g14020020","url":"https://www.scopus.com/pages/publications/85153744692?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Análise teórico-jogos de ransomware, com jogo Atacante-Defensor e jogo Defensor-Seguradora, examinando esforços de dissuasão e backup, pagamento de resgate e efeitos do seguro.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["Teoria dos jogos","Jogo Atacante-Defensor","Jogo Defensor-Seguradora"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_00749","codigo":"REF","titulo":"Dynamic Feature Dataset for Ransomware Detection Using Machine Learning Algorithms","ano":"2023","autores":["Herrera-Silva, Juan A.","Hernández-Álvarez, Myriam"],"revista":"Sensors","tipo_documental":"article","doi":"10.3390/s23031053","url":"https://www.scopus.com/pages/publications/85147895429?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Feature extraction; Forestry; Locks (fasteners); Malware; Network security; Random forests; Analyse; Cyber-attacks; Dataset; Dynamic features; Encryptors; Feature; Locker; Machine learning algorithms; Machine-learning; Malwares; article; artifact; artificial neural network; machine learning; random forest; ransomware; Classification (of information)"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Detecção de ransomware (encryptor e locker) por análise dinâmica em sandbox e aprendizado de máquina, com geração de um dataset público de características dinâmicas selecionadas.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":3,"Formativo":1},"temas":["Aprendizado_de_Máquina","Ameaças_Cibernéticas","Detecção_de_Ameaças"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise dinâmica","Aprendizado de máquina","Gradient boosted regression trees","Random Forest","Redes neurais","Validação cruzada de 10 partições"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Amostras"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00751","codigo":"REF","titulo":"How cyber insurance influences the ransomware payment decision: theory and evidence","ano":"2023","autores":["Cartwright, Anna","Cartwright, Edward","MacColl, Jamie","Mott, Gareth","Turner, Sarah","Sullivan, James","Nurse, Jason R. C."],"revista":"Geneva Papers on Risk and Insurance: Issues and Practice","tipo_documental":"article","doi":"10.1057/s41288-023-00288-8","url":"https://www.scopus.com/pages/publications/85159600069?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":5,"relacoes":3,"resumo":"Análise de como o seguro cibernético influencia a decisão de pagar resgate de vítimas de ransomware, por meio de um framework de teoria dos jogos informado por entrevistas e pesquisa do Reino Unido.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":1,"Analítico":1,"Formativo":1,"Econômico":2},"temas":["Modelagem_Formal","Fatores_Humanos_em_Segurança","Economia_do_Ataque","Gestão_de_Risco","Impacto_do_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Teoria dos jogos","Entrevistas semiestruturadas"],"fontes":["Entrevistas com profissionais","Cyber Security Breaches Survey"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Reino Unido"],"setores":["Seguros"],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_00755","codigo":"REF","titulo":"Analyzing Reporting on Ransomware Incidents: A Case Study","ano":"2023","autores":["Greubel, André","Andres, Daniela","Hennecke, Martin"],"revista":"Social Sciences","tipo_documental":"article","doi":"10.3390/socsci12050265","url":"https://www.scopus.com/pages/publications/85160230008?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":4,"relacoes":2,"resumo":"Estudo de caso exploratório de 109 artigos de mídia sobre o ataque de ransomware ao Colonial Pipeline, analisando como a terminologia é apresentada e que concepções equivocadas podem surgir.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Cinemático":1,"Analítico":1,"Lingual":1,"Pístico":1},"temas":["Segurança_da_Informação","Comunicação_por_E-mail","Conscientização_e_Treinamento","Fatores_Humanos_em_Segurança"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de caso exploratório"],"fontes":["Artigos de mídia"],"ferramentas":[],"unidades":["Artigos"],"territorios":["Estados Unidos"],"setores":["Energia"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00761","codigo":"REF","titulo":"Similarity Analysis of Ransomware Attacks Based on ATT&CK Matrix","ano":"2023","autores":["Song, Zheyu","Tian, Yonghong","Zhang, Junjin"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2023.3322427","url":"https://www.scopus.com/pages/publications/85174818662?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Cybersecurity; Malware; Network security; Support vector machines; Behavioral science; Classification algorithm; Cybe threat intelligence; Cyber security; Cyber threats; MITRE ATT&CK; Password; Ransomware attack; Similarity comparison; Support vectors machine; Internet of things"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Propõe um método de análise de similaridade de ataques de ransomware baseado na matriz ATT&CK, usando TF-IDF e similaridade do cosseno para revelar padrões comportamentais dos atacantes e sugerir contramedidas.","foco":"Ecossistema do Atacante","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Representação_de_Texto"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise de similaridade baseada na matriz ATT&CK","TF-IDF","Similaridade do cosseno"],"fontes":["Inteligência de ameaças cibernéticas"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00766","codigo":"REF","titulo":"The Age of Ransomware: A Survey on the Evolution, Taxonomy, and Research Directions","ano":"2023","autores":["Razaulla, Salwa","Fachkha, Claude","Markarian, Christine","Gawanmeh, Amjad","Mansoor, Wathiq","Fung, Benjamin C. M.","Assi, Chadi"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2023.3268535","url":"https://www.scopus.com/pages/publications/85153496158?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Cybersecurity; Deep learning; E-learning; Taxonomies; Zero-day attack; Adversarial machine learning; Cyber security; Cyber-attacks; Deep learning; Machine-learning; Malware analysis; Malwares; Phishing; State of the art; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":3,"relacoes":2,"resumo":"Survey sobre a evolução do ransomware, sua taxonomia e as contribuições de pesquisa em detecção, prevenção, mitigação e predição, apontando lacunas para pesquisas futuras.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2,"Formativo":1},"temas":["Detecção_de_Ameaças","Ameaças_Cibernéticas","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00774","codigo":"REF","titulo":"The Economics of Ransomware Attacks on Integrated Supply Chain Networks","ano":"2023","autores":["Cartwright, Anna","Cartwright, Edward"],"revista":"Digital Threats: Research and Practice","tipo_documental":"article","doi":"10.1145/3579647","url":"https://www.scopus.com/pages/publications/85159129929?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Game theory; Malware; Network security; Average path length; Cyber criminals; Game-theoretic model; Hub and spoke; Integrated supply chain; Integrated supply chain networks; Nash equilibria; Networks security; Production network; Weak points; Supply chains"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Exploração da economia do ransomware em cadeias de suprimentos de produção por meio de um modelo teórico dos jogos, analisando como a estrutura da rede afeta o resgate que os criminosos podem exigir.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":1,"Formativo":1,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Contexto_Organizacional","Economia_do_Ataque","Características_do_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo de teoria dos jogos","Equilíbrio de Nash","Simulação"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Manufatura"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00788","codigo":"REF","titulo":"The New Frontier of Cybersecurity: Emerging Threats and Innovations","ano":"2023","autores":["Dave, Daksh","Sawhney, Gauransh","Aggarwal, Pushkar","Silswal, Nitish","Khut, Dhruv"],"revista":"Proceedings - ICT 2023 - 29th International Conference on Telecommunications: Next-Generation Telecommunications for Digital Inclusion and Universal Access","tipo_documental":"conference","doi":"10.1109/ICT60153.2023.10374044","url":"https://www.scopus.com/pages/publications/85182999597?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Internet of things; Losses; Malware; Personnel training; Zero-day attack; Cyber security; Data breach; Malware attacks; Network data; Phishing; Pressung; Qualitative research; Research approach; Social engineering; Zero-day exploit; Cybersecurity"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Estudo qualitativo que examina as ameaças de cibersegurança (malware, engenharia social, vulnerabilidades de rede e violações de dados) e seus impactos em indivíduos, organizações e sociedade.","foco":"Não Especificado","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":3,"Econômico":1},"temas":["Ameaças_Cibernéticas","Defesa_e_Mitigação","Impacto_do_Phishing","Ameaças_Digitais"],"golpes":["Ameaças de cibersegurança","Engenharia social","Ransomware"],"canais":[],"metodos":["Pesquisa qualitativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00793","codigo":"REF","titulo":"Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage","ano":"2023","autores":["Gomez, Gibran","van Liebergen, Kevin","Caballero, Juan"],"revista":"CCS 2023 - Proceedings of the 2023 ACM SIGSAC Conference on Computer and Communications Security","tipo_documental":"conference","doi":"10.1145/3576915.3623094","url":"https://www.scopus.com/pages/publications/85179841552?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Distributed ledger; Clusterings; Cyber-crimes; Cybercriminals; Deadbolt ransomware; Estimation methodologies; Financial impacts; Multiinput; Revenue estimation; Systematic analysis; Time-periods; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Análise sistemática das metodologias de estimativa da receita em bitcoin de cibercrimes a partir do ledger público, quantificando o impacto de cada etapa metodológica e da cobertura de endereços de pagamento.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware","Clippers","Sextortion","Esquemas Ponzi","Golpes de sorteio com criptoativos","Golpes de corretoras de criptoativos"],"canais":["Blockchain"],"metodos":["Clusterização de múltiplas entradas","Replicação de metodologias de estimativa de receita"],"fontes":["Ledger público do Bitcoin"],"ferramentas":[],"unidades":["Endereços de carteira"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00797","codigo":"REF","titulo":"Ransomware: Penetration Testing and Contingency Planning","ano":"2023","autores":["Das, Ravindra"],"revista":"Ransomware: Penetration Testing and Contingency Planning","tipo_documental":"book","doi":"10.1201/9781003431633","url":"https://www.scopus.com/pages/publications/85179222497?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Livro que apresenta uma visão geral do ransomware e de sua evolução, ataques famosos como SolarWinds, e medidas de mitigação como teste de penetração, resposta a incidentes, recuperação de desastres e backup.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00809","codigo":"REF","titulo":"The Uneasy Case for a Ransom Tax","ano":"2023","autores":["Nieuwesteeg, Bernold","Faure, Michael"],"revista":"European Journal of Risk Regulation","tipo_documental":"article","doi":"10.1017/err.2022.45","url":"https://www.scopus.com/pages/publications/85147719926?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":4,"relacoes":3,"resumo":"Artigo analisa os efeitos potenciais de um imposto sobre o pagamento de resgate de ransomware nos incentivos de atacantes e vítimas, discutindo se há justificativa para a medida.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":2,"Jurídico":1},"temas":["Economia_do_Ataque","Regulação_e_Governança_de_Cibersegurança","Estratégias_de_Defesa"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00813","codigo":"REF","titulo":"The Evolving Menace of Ransomware: A Comparative Analysis of Pre-pandemic and Mid-pandemic Attacks","ano":"2023","autores":["Lang, Michael","Connolly, Lena","Taylor, Paul","Corner, Phillip J."],"revista":"Digital Threats: Research and Practice","tipo_documental":"article","doi":"10.1145/3558006","url":"https://www.scopus.com/pages/publications/85183316375?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Malware; Risk assessment; Attack vector; Common business process; Comparative analyzes; Content analysis; Data exfiltration; Pandemic; Phishing; Qualitative comparative analysis; Secondary sources; Security policy; COVID-19"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Análise comparativa qualitativa de 39 ataques de ransomware antes e durante a pandemia de COVID-19, para entender como as táticas dos atacantes mudaram.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Lingual":1,"Social":1,"Econômico":1},"temas":["Alvos_e_Impactos_de_Ataques","Gestão_de_Risco","Ataques_de_Phishing","Contexto_Organizacional","Ameaças_Cibernéticas"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise qualitativa comparativa","Entrevistas diretas","Análise de conteúdo indutiva"],"fontes":["Entrevistas diretas","Fontes secundárias"],"ferramentas":[],"unidades":["Ataques de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00820","codigo":"REF","titulo":"Machine Learning-Based Ransomware Classification of Bitcoin Transactions","ano":"2023","autores":["Alsaif, Suleiman Ali"],"revista":"Applied Computational Intelligence and Soft Computing","tipo_documental":"article","doi":"10.1155/2023/6274260","url":"https://www.scopus.com/pages/publications/85147589997?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe um sistema preditivo de transações Bitcoin que detecta pagamentos de ransomware, classificando-os como maliciosos ou benignos com regressão logística, Random Forest e XGBoost.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina","Detecção_de_Ameaças"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Regressão logística","Random Forest","XGBoost"],"fontes":["BitcoinHeist"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00824","codigo":"REF","titulo":"Ransomware as a Service Kit: A Novel Cybercrime Strategy to Monetize Victims' Data","ano":"2023","autores":["Chauhan, Preeti S.","Kshetri, Nir"],"revista":"Computer","tipo_documental":"article","doi":"10.1109/MC.2023.3298072","url":"https://www.scopus.com/pages/publications/85174259529?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Business models; Cyber-crimes; Cybercriminals; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Análise de como o ransomware como serviço transformou os modelos de negócio dos cibercriminosos, com discussão de mecanismos de defesa contra ameaças de ransomware.","foco":"Ecossistema do Atacante","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Atores_de_Ameaça"],"golpes":["Ransomware como serviço"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00870","codigo":"REF","titulo":"A Literature Review on the Pervasiveness of Ransomware Threats and Attacks in the Philippines","ano":"2023","autores":["Blancaflor, Eric B.","Daluz, Joselito Lizer C.","Garcia, Roduel Adrian G.","Monton, Nathan Gadiel S.","Vergara, Jhoana Marie S."],"revista":"Journal of Advances in Information Technology","tipo_documental":"article","doi":"10.12720/jait.14.4.630-638","url":"https://www.scopus.com/pages/publications/85165264126?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Estudo sobre o ransomware e suas formas de ataque nas Filipinas, identificando contramedidas de prevenção, mitigação e resposta e sugerindo abordagens para enfrentar o problema no país.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque","Detecção_de_Ameaças"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":["Filipinas"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00901","codigo":"REF","titulo":"The government behind insurance governance: Lessons for ransomware","ano":"2023","autores":["Baker, Tom","Shortland, Anja"],"revista":"Regulation and Governance","tipo_documental":"article","doi":"10.1111/rego.12505","url":"https://www.scopus.com/pages/publications/85143439238?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe um arcabouço conceitual de três dimensões de intervenção governamental em mercados de seguros e o aplica a seis estudos de caso e ao mercado de seguros contra ransomware.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Gestão_de_Risco","Ameaças_Cibernéticas"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudos de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Seguros"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00911","codigo":"REF","titulo":"Early-Stage Ransomware Detection Based on Pre-attack Internal API Calls","ano":"2023","autores":["Coglio, Filippo","Lekssays, Ahmed","Carminati, Barbara","Ferrari, Elena"],"revista":"Lecture Notes in Networks and Systems","tipo_documental":"article","doi":"10.1007/978-3-031-28451-9_36","url":"https://www.scopus.com/pages/publications/85151047194?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer viruses; Viruses; Anti virus; Anti-malware; API calls; Cyber threats; Multi-class classification; Neural network model; State of the art; State-of-the-art approach; Large dataset"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Proposta de um detector de ransomware em estágio inicial baseado em rede neural para classificação multiclasse, avaliado em conjunto de dados próprio e em outro conjunto do estado da arte.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2,"Social":1},"temas":["Ameaças_Cibernéticas","Aprendizado_de_Máquina","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":[],"metodos":["Rede neural para classificação multiclasse"],"fontes":["Conjunto de dados próprio"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00937","codigo":"REF","titulo":"An ontology-driven framework for knowledge representation of digital extortion attacks","ano":"2023","autores":["Keshavarzi, Masoudeh","Ghaffary, Hamid Reza"],"revista":"Computers in Human Behavior","tipo_documental":"article","doi":"10.1016/j.chb.2022.107520","url":"https://www.scopus.com/pages/publications/85140081607?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cybersecurity; Interoperability; Knowledge graph; Malware; Conceptual model; Cybe-ontology; Cyber-attacks; Knowledge base; Knowledge graphs; Knowledge-representation; Large volumes; New theory; Ontology's; Philosophy of computer science; Ontology"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Propõe e desenvolve Rantology, uma ontologia de extorsões digitais com foco em ataques de ransomware, capaz de avaliar a malignidade de programas e apoiar sistemas baseados em conhecimento.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2,"Formativo":2},"temas":["Modelagem_Formal","Ameaças_Cibernéticas","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00939","codigo":"REF","titulo":"RANSOMWARE THROUGH THE LENS OF STATE CRIME: CONCEPTUALIZING RANSOMWARE GROUPS AS CYBER PROXIES, PIRATES, AND PRIVATEERS","ano":"2023","autores":["Martin, James","Whelan, Chad"],"revista":"State Crime Journal","tipo_documental":"article","doi":"10.13169/statecrime.12.1.0001","url":"https://www.scopus.com/pages/publications/85159389954?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Introduz o conceito de crime de Estado aos grupos de ransomware, analisando DarkSide e REvil como \"cyber privateers\" supostamente afiliados ao Estado russo e discutindo respostas de política.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Rússia"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00976","codigo":"REF","titulo":"Ransomware and the Robin Hood effect?: Experimental evidence on Americans’ willingness to support cyber-extortion","ano":"2023","autores":["Haner, Murat","Sloan, Melissa M.","Graham, Amanda","Pickett, Justin T.","Cullen, Francis T."],"revista":"Journal of Experimental Criminology","tipo_documental":"article","doi":"10.1007/s11292-022-09515-z","url":"https://www.scopus.com/pages/publications/85131882113?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":5,"relacoes":3,"resumo":"Estudo sobre o apoio da opinião pública americana ao uso de ransomware enquadrado como benéfico a membros do próprio grupo (Robin Hood), com base na Teoria dos Fundamentos Morais.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Lingual":1,"Social":2,"Ético":2},"temas":["Fatores_Humanos_e_Psicológicos","Fatores_Psicológicos","Manipulação_Psicológica","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Survey","Experimento split-ballot"],"fontes":["Respondentes de survey nos Estados Unidos"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00994","codigo":"REF","titulo":"Between a rock and a hard(ening) place: Cyber insurance in the ransomware era","ano":"2023","autores":["Mott, Gareth","Turner, Sarah","Nurse, Jason R.C.","MacColl, Jamie","Sullivan, James","Cartwright, Anna","Cartwright, Edward"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2023.103162","url":"https://www.scopus.com/pages/publications/85149402790?origin=resultslist","tem_abstract":true,"palavras_chave":["Commerce; Cost effectiveness; Hardening; Insurance; Malware; Critical national infrastructure; Cybe insurance; Cybe policy; Cyber security; Harm; Malwares; National infrastructure; Resilience; Security incident; Security Practice; Cybersecurity"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":5,"relacoes":5,"resumo":"Estudo empírico baseado em entrevistas e workshops com 96 profissionais sobre se o seguro cibernético ajuda organizações a mitigar o ransomware e seus impactos.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Econômico":2,"Jurídico":1},"temas":["Segurança_Cibernética","Ameaças_Cibernéticas","Regulação_e_Conformidade","Impacto_de_Ataques","Gestão_de_Risco"],"golpes":["Ransomware"],"canais":[],"metodos":["Entrevistas","Workshops","Análise temática"],"fontes":["Profissionais da indústria de seguro cibernético, segurança cibernética, negociação de ransomware, políticas e aplicação da lei"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Seguros"],"teorias":[]},{"id":"wang2023","codigo":"WANG2023","titulo":"Spoofing Against Spoofing: Toward Caller ID Verification in Heterogeneous Telecommunication Systems","ano":"2023","autores":["Wang, Shen","Delavar, Mahshid","Azad, Muhammad Ajmal","Nabizadeh, Farshad","Smith, Steve","Hao, Feng"],"revista":"ACM Transactions on Privacy and Security","tipo_documental":"article","doi":"10.1145/3625546","url":"https://www.scopus.com/pages/publications/85185335275?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Electronic document identification systems; Heterogeneous networks; Internet protocols; Network security; Public key cryptography; Telephone sets; Voice/data communication systems; Additional key word and phrasestelecom fraud; Caller ID; Caller ID spoofing; Caller ID verification; Calling line identification; Cellular network; Dual tone multi-frequency; Key words; Line:identification; Multi frequency; Public switched telephone network; Session Initiation Protocols; STIR/SHAKEN; Voice over IP; Authentication"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":3,"relacoes":3,"resumo":"Proposta do Caller ID Verification (CIV), solução sem PKI baseada em desafio-resposta para autenticar o identificador de chamadas e combater o caller ID spoofing em sistemas IP e não IP.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Crimes_Digitais","Autenticação_e_Verificação","Técnicas_de_Ataque"],"golpes":["Falsificação de identificador de chamadas (caller ID spoofing) em fraude telefônica"],"canais":["Voz"],"metodos":["Autenticação por desafio-resposta","Dual-tone Multi-frequency"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Estados Unidos"],"setores":["Telecomunicações"],"teorias":[]},{"id":"fernandez202230","codigo":"FERNANDEZ202230","titulo":"Early Detection of Spam Domains with Passive DNS and SPF","ano":"2022","autores":["Fernandez, Simon","Korczyński, Maciej","Duda, Andrzej"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-030-98785-5_2","url":"https://www.scopus.com/pages/publications/85127851624?origin=resultslist","tem_abstract":true,"palavras_chave":["Internet protocols; Malware; DNS traffics; Domain detections; Domain names; Malicious activities; Passive DNS; Phishing; Spam detection; Spammers; SPF; Unsolicited mails; Machine learning"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe um método de detecção precoce de domínios de spam usando tráfego DNS passivo e configuração SPF dos registros TXT de domínios recém-registrados.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":1,"Lingual":1},"temas":["Vetores_de_Ataque","Ataques_de_Phishing"],"golpes":["Spam por domínios maliciosos"],"canais":["E-mail"],"metodos":["Classificação com características de DNS passivo"],"fontes":["Farsight Security"],"ferramentas":[],"unidades":["Domínios"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00028","codigo":"FRAUDES00028","titulo":"XGBoost Regression Classifier (XRC) Model for Cyber Attack Detection and Classification Using Inception V4","ano":"2022","autores":["Raghunath, K. M. Karthick","Kumar, V. Vinoth","Muthukumaran, Venkatesan","Singh, Krishna Kant","Mahesh, T R","Singh, Akansha"],"revista":"Journal of Web Engineering","tipo_documental":"misc","doi":"10.13052/jwe1540-9589.21413","url":"https://doi.org/10.13052/jwe1540-9589.21413","tem_abstract":true,"palavras_chave":["cyberattack detection","cyberattack classification","Inception-v4","hybrid classifier","network security","DDoS attacks","phishing","cross-site scripting","anomaly detection","deep learning for cybersecurity"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Propõe um classificador híbrido XGBoost Regression Classifier (XRC) com Inception V4 para detectar e categorizar ciberataques de rede, incluindo phishing, DDoS, XSS e IoT.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Formativo":2},"temas":["Detecção_de_Ameaças","Métodos_de_Detecção","Ameaças_Digitais","Aprendizado_de_Máquina"],"golpes":["Phishing"],"canais":[],"metodos":["Deep Learning","XGBoost","Regressão","Inception V4","Função sigmoide"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00029","codigo":"FRAUDES00029","titulo":"Adversarial Robustness of Deep Neural Networks: A Survey from a Formal Verification Perspective","ano":"2022","autores":["Meng, Mark Huasong","Bai, Guangdong","Teo, Sin G.","Hóu, Zhé","Xiao, Yan","Lin, Yun Hui","Dong, Jin Song"],"revista":"IEEE Transactions on Dependable and Secure Computing","tipo_documental":"misc","doi":"10.1109/tdsc.2022.3179131","url":"https://doi.org/10.1109/tdsc.2022.3179131","tem_abstract":true,"palavras_chave":["adversarial robustness","deep neural network","formal verification","adversarial attacks","robustness verification","property specification","problem reduction","reasoning strategies","cybersecurity","explainability"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Survey da literatura sobre verificação de robustez adversarial de redes neurais, com taxonomia sob a perspectiva de verificação formal, aplicável a segurança como detecção de spam e phishing.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Revisão sistemática"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00030","codigo":"FRAUDES00030","titulo":"An Extensive Blockchain Based Applications Survey: Tools, Frameworks, Opportunities, Challenges and Solutions","ano":"2022","autores":["Agrawal, Kanika","Aggarwal, Mayank","Tanwar, Sudeep","Sharma, Gulshan","Bokoro, Pitshou Ntambu","Sharma, Ravi"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2022.3219160","url":"https://doi.org/10.1109/access.2022.3219160","tem_abstract":true,"palavras_chave":["Computer science","Blockchain","Computer security","Scalability","Cloud computing","Cryptography","Cryptocurrency","Traceability","Data science","Software engineering","Database"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão sistemática de dez aplicações e ferramentas de blockchain, com taxonomia das aplicações, análise de implementações e discussão de desafios abertos, citando phishing entre os problemas de segurança tratados.","foco":"Não Especificado","tipo":"Revisão Sistemática","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Mecanismos_de_Segurança","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":["Blockchain"],"metodos":["Revisão sistemática"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00043","codigo":"FRAUDES00043","titulo":"Fronesis: Digital Forensics-Based Early Detection of Ongoing Cyber-Attacks","ano":"2022","autores":["Dimitriadis, Athanasios","Lontzetidis, Efstratios","Kulvatunyou, Boonserm","Ivezic, Nenad","Gritzalis, Dimitris A.","Mavridis, Ioannis K."],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2022.3233404","url":"https://doi.org/10.1109/access.2022.3233404","tem_abstract":true,"palavras_chave":["digital forensics","MITRE ATT&CK","cyber kill chain","ontology reasoning","rule-based reasoning","digital artifacts","phishing emails"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Apresenta o Fronesis, abordagem de detecção precoce de ataques cibernéticos em andamento baseada em forense digital, raciocínio ontológico, MITRE ATT&CK e Cyber Kill Chain, demonstrada com um cenário de phishing por e-mail.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Lingual":1},"temas":["Vetores_de_Ataque","Metodologia_Científica"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Raciocínio ontológico","Raciocínio baseado em regras"],"fontes":["Artefatos digitais do sistema monitorado"],"ferramentas":[],"unidades":["Artefatos digitais"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00098","codigo":"FRAUDES00098","titulo":"Artificial Intelligence and Cybersecurity Applications in Modern Education","ano":"2022","autores":["Raval, Priyanka R"],"revista":"","tipo_documental":"misc","doi":"10.53555/kuey.v29i3.10846","url":"https://doi.org/10.53555/kuey.v29i3.10846","tem_abstract":true,"palavras_chave":["artificial intelligence in education","cybersecurity","educational institutions","ransomware","phishing","data breaches","adaptive learning","intelligent tutoring systems","automated assessment","predictive analytics","online proctoring","virtual learning environments","intrusion detection","zero-trust security","privacy by design","anomaly detection","risk mitigation"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Análise crítica da relação entre o uso de IA e os desafios de cibersegurança na educação contemporânea, propondo uma taxonomia de riscos e técnicas de mitigação associadas a casos de uso de IA.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":"2016-2022","aspectos":{"Físico":1,"Formativo":3},"temas":["Ameaças_Cibernéticas","Aprendizado_de_Máquina","Segurança_da_Informação","Defesa_e_Mitigação"],"golpes":["Phishing"],"canais":[],"metodos":["Revisão sistemática","Análise de survey","Avaliação experimental de sistemas de detecção de intrusão baseados em aprendizado de máquina","Modelos de detecção de anomalias em ensemble"],"fontes":["CICIDS2017","UNSW-NB15"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"fraudes00115","codigo":"FRAUDES00115","titulo":"Taxonomy applications on the websites of Arab and foreign national libraries: A comparative analytical study","ano":"2022","autores":["Gamal, Heba EL"],"revista":"المجلة الدولية لعلوم المكتبات و المعلومات","tipo_documental":"misc","doi":"10.21608/ijlis.2022.133099.1140","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Análise de aplicações de taxonomia em sites de bibliotecas nacionais árabes e estrangeiras, quanto a navegação, estrutura taxonômica e pesquisa, para propor controles orientadores de design.","foco":"Não Especificado","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Web"],"metodos":[],"fontes":["Sites de bibliotecas nacionais"],"ferramentas":[],"unidades":["Páginas web"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"fraudes00121","codigo":"FRAUDES00121","titulo":"Feature extractions and selection of bot detection on Twitter A systematic literature review","ano":"2022","autores":["Raad Al-azawi, Safaa O. AL-mamory"],"revista":"INTELIGENCIA ARTIFICIAL","tipo_documental":"misc","doi":"10.4114/intartif.vol25iss69pp57-86","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Revisão sistemática da literatura de 2018 a 2021 sobre detecção de bots no Twitter, com foco em extração e seleção de características e em lacunas de pesquisa.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":"2018-2021","aspectos":{"Sensitivo":1,"Formativo":1},"temas":["Fatores_Humanos","Automação_de_Ataques"],"golpes":["Ataques de bots sociais no Twitter"],"canais":["Redes Sociais"],"metodos":["Revisão sistemática da literatura"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00136","codigo":"FRAUDES00136","titulo":"Security breaches and organization response strategy: Exploring consumers’ threat and coping appraisals","ano":"2022","autores":["Carol Xiaojuan Ou, Xiaowei Zhang, Spyros Angelopoulos, Robert M. Davison, Noury Janse"],"revista":"International Journal of Information Management","tipo_documental":"misc","doi":"10.1016/j.ijinfomgt.2022.102498","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Modelo conceitual de violação de segurança, estratégias de resposta organizacional e avaliação de ameaça e enfrentamento pelos consumidores, testado com survey baseado em vinhetas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Cinemático":1,"Sensitivo":1,"Formativo":1,"Lingual":1},"temas":["Impacto_de_Ataques","Dados_e_Privacidade","Segurança_da_Informação","Resposta_Institucional"],"golpes":["Violação de segurança com vazamento de dados"],"canais":[],"metodos":["Survey baseado em vinhetas"],"fontes":["Consumidores"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00140","codigo":"FRAUDES00140","titulo":"COVID-19 Vaccination Certificates in the Darkweb","ano":"2022","autores":["Dimitrios Georgoulias, Jens Myrup Pedersen, Morten Falch, Emmanouil Vasilomanolakis"],"revista":"Digital Threats Research and Practice","tipo_documental":"misc","doi":"10.1145/3530877","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Documenta o mercado de certificados de vacinação contra COVID-19 falsificados na darkweb, com foco no Certificado Digital Verde da UE, e propõe uma taxonomia de capacidades de falsificação.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Falsificação de certificados de vacinação contra COVID-19"],"canais":["Web"],"metodos":["Análise de mercados da darkweb","Verificação de validade de certificados em aplicativos nacionais"],"fontes":["Mercados da darkweb","Lojas de vendedores da darkweb"],"ferramentas":[],"unidades":["Mercados"],"territorios":["União Europeia"],"setores":["Saúde"],"teorias":[]},{"id":"fraudes00141","codigo":"FRAUDES00141","titulo":"A Taxonomy of Fake News Classification Techniques: Survey and Implementation Aspects","ano":"2022","autores":["Dhiren Rohera, Harshal Shethna, Keyur Patel, Urvish Thakker, Sudeep Tanwar, Rajesh Gupta, Wei-Chiang Hong, Ravi Sharma"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2022.3159651","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Survey das técnicas de identificação de notícias falsas em redes sociais, com treinamento e comparação de modelos de aprendizado de máquina na detecção de fake news e proposta de técnica híbrida NB e LSTM.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina"],"golpes":["Notícias falsas em redes sociais"],"canais":["Redes Sociais"],"metodos":["Survey da literatura","LSTM","Passive Aggressive Algorithm","Random Forest","Naive Bayes","Ajuste de hiperparâmetros"],"fontes":["Conjunto de dados autoagregado"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00142","codigo":"FRAUDES00142","titulo":"Are You a Cyborg, Bot or Human?—A Survey on Detecting Fake News Spreaders","ano":"2022","autores":["Wajiha Shahid, Yiran Li, Dakota Staples, Gulshan Amin, Saqib Hakak, Ali Ghorbani"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2022.3157724","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Survey do estado da arte sobre detecção de usuários maliciosos e bots que espalham notícias falsas em redes sociais online, com taxonomia própria baseada em características.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1},"temas":["Automação_de_Ataques","Propagação_de_Ataques"],"golpes":["Disseminação de notícias falsas por bots e usuários maliciosos em redes sociais"],"canais":["Redes Sociais"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00143","codigo":"FRAUDES00143","titulo":"Toward a Participatory Digital Ethnography of Blockchain Governance","ano":"2022","autores":["Ellie Rennie, Michael Zargham, Joshua Tan, Luke Miller, Jonathan Abbott, Kelsie Nabben, Primavera De Filippi"],"revista":"Qualitative Inquiry","tipo_documental":"misc","doi":"10.1177/10778004221097056","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Artigo discute uma técnica de etnografia digital participativa, com bot próprio no Discord, para identificar interações de governança de blockchain em fóruns, ilustrada pelo estudo de caso da comunidade SourceCred.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Etnografia digital participativa","Estudo de caso"],"fontes":["Discord"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"fraudes00144","codigo":"FRAUDES00144","titulo":"Multi-labeling of complex, multi-behavioral malware samples","ano":"2022","autores":["P. García-Teodoro, J.A. Gómez-Hernández, A. Abellán-Galera"],"revista":"Computers & Security","tipo_documental":"misc","doi":"10.1016/j.cose.2022.102845","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Proposta de abordagem simples de multirrotulagem automática para etiquetar o comportamento múltiplo de amostras de malware Android, aplicada a quatro datasets públicos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Vetores_de_Ataque","Classificação_Automática"],"golpes":["Malware Android"],"canais":[],"metodos":["Multirrotulagem automática"],"fontes":["Datasets públicos de malware Android"],"ferramentas":["GitHub"],"unidades":["Amostras de malware"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00150","codigo":"FRAUDES00150","titulo":"Applications of Artificial Intelligence to Detect Android Botnets: A Survey","ano":"2022","autores":["Abdullah M. Almuhaideb, Dalal Y. Alynanbaawi"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2022.3187094","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Revisão da literatura sobre detecção de botnets Android com inteligência artificial (aprendizado de máquina e aprendizado profundo), cobrindo datasets, análise de APK, taxonomia e lacunas de pesquisa.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Infraestrutura_Tecnológica","Ameaças_Digitais"],"golpes":["Botnets Android"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00155","codigo":"FRAUDES00155","titulo":"SoK: Network-Level Attacks on the Bitcoin P2P Network","ano":"2022","autores":["Federico Franzoni, Vanesa Daza"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2022.3204387","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Panorama abrangente dos ataques em nível de rede contra o protocolo P2P do Bitcoin e suas contramedidas, com modelo de adversário genérico e taxonomia de ataques orientada a objetivos.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Classificação_e_Taxonomia","Ameaças_Digitais"],"golpes":["Ataques em nível de rede contra a rede P2P do Bitcoin"],"canais":["Blockchain"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"fraudes00158","codigo":"FRAUDES00158","titulo":"Identifying the Top- k Influential Spreaders in Social Networks: a Survey and Experimental Evaluation","ano":"2022","autores":["Taha, Kamal"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2022.3213044","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Taxonomia baseada em metodologia para classificar algoritmos de identificação dos principais nós influentes e disseminadores em redes sociais, com survey de 184 artigos e avaliação experimental.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Redes Sociais"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00189","codigo":"FRAUDES00189","titulo":"Evaluating a Conceptual Model of Credibility Evaluation of Web Information: Structural Equations Modeling Approach","ano":"2022","autores":["Hamid Keshavarz, Fatima Fahimnia, Alireza Noruzi, Mohammad Reza Esmailie Givi"],"revista":"DOAJ (DOAJ: Directory of Open Access Journals)","tipo_documental":"misc","doi":"10.35050/jipm010.2019.029","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Desenvolve e valida a escala Web Information Credibility Scale-Persian (WICS-P) para avaliar a credibilidade de informações na web entre estudantes de universidades de elite do Irã.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":"2016-2017","aspectos":{"Quantitativo":1,"Pístico":1},"temas":["Avaliação_de_Confiabilidade"],"golpes":[],"canais":["Web"],"metodos":["Análise fatorial confirmatória","Correlação de Pearson","Teste de Friedman","Análise multivariada de variância","Modelagem de equações estruturais"],"fontes":["Estudantes de universidades de elite do Irã"],"ferramentas":["LISREL","SPSS"],"unidades":["Indivíduos"],"territorios":["Irã"],"setores":["Educação"],"teorias":[]},{"id":"fraudes00210","codigo":"FRAUDES00210","titulo":"The Effects of Gamification on E-learning Education: Systematic Literature Review and Conceptual Model","ano":"2022","autores":["Zineb, Sabri (57217048394); Youssef, Fakhri (14060048400); Aniss, Moumen (57188881365)"],"revista":"Statistics, Optimization and Information Computing","tipo_documental":"misc","doi":"10.19139/soic-2310-5070-1115","url":"https://www.scopus.com/pages/publications/85125466583?origin=resultslist","tem_abstract":true,"palavras_chave":["C onceptual m odel; E ducation; E-learning; Education; G ame-based l earning; Game elements; Gamification; S erious g ames"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":2,"relacoes":1,"resumo":"Revisão da literatura sobre gamificação em educação e e-learning, abordando teorias de aprendizagem, design de jogos e modelos conceituais, para facilitar a integração de graduados em empresas por meio de cursos de eLearning como detecção de phishing.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":2},"temas":["Treinamento_e_Conscientização","Defesa_e_Mitigação"],"golpes":["Phishing"],"canais":[],"metodos":["Análise de frequência de palavras com nuvem de palavras","Estudo comparativo de ocorrências de tópicos","Comparação de modelos conceituais"],"fontes":["Bases de pesquisa acadêmicas"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"fraudes00213","codigo":"FRAUDES00213","titulo":"A Data Normalization Technique for Detecting Cyber Attacks on UAVs","ano":"2022","autores":["Basan, Elena (56021952900); Basan, Alexandr (35112705700); Nekrasov, Alexey (7103412745); Fidge, Colin (15122189100); Abramov, Evgeny (36561153000); Basyuk, Anatoly (57444110700)"],"revista":"Drones","tipo_documental":"misc","doi":"10.3390/drones6090245","url":"https://www.scopus.com/pages/publications/85138657712?origin=resultslist","tem_abstract":true,"palavras_chave":["anomalies; CPS; cyber threats; cyber-attacks; data collection; entropy; GPS; ontology; parameters; spoofing; UAV; Computer viruses; Data acquisition; Intrusion detection; Network intrusion; Network security; Ontology; Phishing; Unmanned aerial vehicles (UAV); Aerial vehicle; Anomaly; Cybe-physical systems; Cyber threats; Cyber-attacks; Cyber-physical systems; Data collection; Ontology's; Parameter; Spoofing; Unmanned aerial vehicle; Cyber attacks"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Técnica de normalização de dados de parâmetros ciberfísicos de UAVs para identificar sinais de ataques cibernéticos e apoiar a detecção de intrusão em sistemas ciberfísicos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Formativo":1},"temas":["Detecção_de_Ameaças","Métodos_de_Detecção","Ameaças_Digitais"],"golpes":["Ataques cibernéticos contra UAVs"],"canais":[],"metodos":["Estudo experimental do impacto de ataques","Técnica de normalização de dados"],"fontes":["Dados coletados de UAVs"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0001_phishing","codigo":"G0001","titulo":"Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions","ano":"2022","autores":["Quang, Nguyet","Selamat, Ali","Krejcar, Ondřej","Herrera‐Viedma, Enrique","Fujita, Hamido"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/access.2022.3151903","url":"https://doi.org/10.1109/access.2022.3151903","tem_abstract":true,"palavras_chave":["Cybersecurity","deep learning","machine learning","phishing detection."],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Propõe uma taxonomia de algoritmos de deep learning para detecção de phishing a partir de revisão sistemática de 81 artigos e de uma análise empírica do desempenho dessas técnicas.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Revisão sistemática da literatura","Deep learning","Análise empírica"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"lazarus2022","codigo":"LAZARUS2022","titulo":"Advantageous comparison: using Twitter responses to understand similarities between cybercriminals (“Yahoo Boys”) and politicians (“Yahoo men”)","ano":"2022","autores":["Lazarus, Suleman","Button, Mark","Adogame, Afe"],"revista":"Heliyon","tipo_documental":"article","doi":"10.1016/j.heliyon.2022.e11142","url":"https://www.scopus.com/pages/publications/85140879922?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Análise qualitativa de tweets engajados do EFCC sobre como usuários do Twitter comparam fraudadores online a políticos corruptos por meio da comparação vantajosa, um mecanismo de desengajamento moral.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Fraude online"],"canais":["Redes Sociais"],"metodos":["Análise qualitativa","Codificação de tweets","Comparação vantajosa como mecanismo de desengajamento moral"],"fontes":["Twitter"],"ferramentas":[],"unidades":["Postagens"],"territorios":["Nigéria"],"setores":[],"teorias":[]},{"id":"rameemzahra2022197","codigo":"RAMEEMZAHRA2022197","titulo":"Detecting Covid-19 chaos driven phishing/malicious URL attacks by a fuzzy logic and data mining based intelligence system","ano":"2022","autores":["Rameem Zahra, Syed","Ahsan Chishti, Mohammad","Iqbal Baba, Asif","Wu, Fan"],"revista":"Egyptian Informatics Journal","tipo_documental":"article","doi":"10.1016/j.eij.2021.12.003","url":"https://www.scopus.com/pages/publications/85121974120?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer circuits; Crime; Cybersecurity; Data mining; Malware; Network security; Business email compromize; Condition; Covid-19; Cybercriminals; Fuzzy data; Fuzzy-Logic; Intelligence systems; Phishing; Security; Uncertainty; Fuzzy logic"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Analisa o impacto da Covid-19 na cibersegurança, traça a linha do tempo de ataques com tema Covid-19, apresenta estratégias de mitigação e propõe um sistema baseado em lógica fuzzy e mineração de dados para detectar URLs maliciosas e phishing.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Lingual":1},"temas":["Infraestrutura_de_Ataque","Fatores_Humanos","Ataques_de_Phishing","Detecção_de_Phishing"],"golpes":["Ataques cibernéticos com tema Covid-19 (phishing, malware, roubo de identidade e ransomware)"],"canais":["Web"],"metodos":["Lógica fuzzy","Mineração de dados"],"fontes":[],"ferramentas":[],"unidades":["URLs"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00001","codigo":"REF","titulo":"Investigating the concentration of High Yield Investment Programs in the United Kingdom","ano":"2022","autores":["Agarwal, Sharad","Vasek, Marie"],"revista":"Proceedings - 7th IEEE European Symposium on Security and Privacy Workshops, Euro S and PW 2022","tipo_documental":"conference","doi":"10.1109/EuroSPW55150.2022.00017","url":"https://www.scopus.com/pages/publications/85134162172?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer crime; Crime; Cybersecurity; Regression analysis; Cyber-crimes; Cybercrime measurement; Financial crime; High rate; Higher yield; Investment fraud; Investment programmes; Ponzi scheme; Rate of return; United kingdom; Investments"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo sobre a persistência dos HYIPs (High Yield Investment Programs, esquemas Ponzi online), analisando países alegados, registro no Reino Unido, redes sociais, processadores de pagamento e fatores que influenciam seu tempo de vida.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Cinemático":1,"Jurídico":1},"temas":["Características_do_Ataque"],"golpes":["Esquemas Ponzi online (HYIPs, programas de investimento de alto rendimento)"],"canais":["Web","Redes Sociais"],"metodos":["Regressão de riscos proporcionais de Cox"],"fontes":[],"ferramentas":[],"unidades":["Sites"],"territorios":["Reino Unido"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00021","codigo":"REF","titulo":"Juridical Review on The Crime of Fraud in The Implementation of The Pyramid Scheme System of Business Actors","ano":"2022","autores":["Manurung, Ridho Syahputra"],"revista":"Quality - Access to Success","tipo_documental":"article","doi":"10.47750/QAS/23.188.20","url":"https://www.scopus.com/pages/publications/85133530047?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Análise jurídica da decisão da Suprema Corte da Indonésia nº 106 K/Pid/2018 sobre fraude com esquema de pirâmide, seus fundamentos e a adequação do enquadramento legal da pena.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Fraude com esquema de pirâmide"],"canais":[],"metodos":["Pesquisa jurídica normativa","Pesquisa bibliográfica"],"fontes":["Materiais jurídicos primários, secundários e terciários"],"ferramentas":[],"unidades":["Decisões judiciais"],"territorios":["Indonésia"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00074","codigo":"REF","titulo":"A Study on Characteristics and Identification of Smart Ponzi Schemes","ano":"2022","autores":["Song, Lingling","Kong, Xiaohan"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2022.3178747","url":"https://www.scopus.com/pages/publications/85131767858?origin=resultslist","tem_abstract":true,"palavras_chave":["Electronic money; Block-chain; Classification algorithm; Code; Features extraction; Longest run; Smart ponzi scheme; Supervision mechanisms; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Estudo das características de esquemas Ponzi inteligentes em blockchain e proposta de uma abordagem a priori e a posteriori para testar se um contrato inteligente é um esquema Ponzi.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Econômico":1,"Jurídico":1},"temas":["Tecnologia_de_Ataque","Modalidades_de_Ataque","Metodologia_Científica","Segurança_de_Sistemas"],"golpes":["Esquema Ponzi inteligente"],"canais":["Blockchain"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00087","codigo":"REF","titulo":"Ethereum Ponzi Scheme Detection Based on PD-SECR","ano":"2022","autores":["Zhang, Shuhui","Lan, Tian","Wang, Lianhai","Xu, Shujiang","Shao, Wei"],"revista":"Security and Communication Networks","tipo_documental":"article","doi":"10.1155/2022/2316310","url":"https://www.scopus.com/pages/publications/85139549120?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Crime; Data handling; Data mining; Ethereum; Extraction; Feature extraction; Block-chain; Criminal activities; Data imbalance; Detection methods; Illegal activities; Machine data; Machine-learning; On-machines; Social development; Typical application; Decision trees"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Proposta de método de detecção de esquemas Ponzi em Ethereum que combina SMOTEENN para balanceamento, extração de características com CNN e classificação com random forest.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Econômico":2},"temas":["Detecção_de_Ameaças","Motivação_e_Impacto_de_Ataques","Crimes_Digitais","Aprendizado_de_Máquina"],"golpes":["Esquema Ponzi em Ethereum"],"canais":["Blockchain"],"metodos":["SMOTEENN","PD-SECR","Rede Neural Convolucional","Random Forest"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00088","codigo":"REF","titulo":"Cryptocurrencies as a subject of financial fraud","ano":"2022","autores":["Kutera, Małgorzata"],"revista":"Journal of Entrepreneurship, Management and Innovation","tipo_documental":"article","doi":"10.7341/20221842","url":"https://www.scopus.com/pages/publications/85144203443?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Revisão sistemática da literatura sobre criptomoedas como objeto de fraude financeira, identificando tendências de pesquisa, tipos de fraude mais comuns e oportunidades para investigações futuras.","foco":"Mecanismo do Ataque","tipo":"Revisão Sistemática","periodo":null,"aspectos":{},"temas":[],"golpes":["Fraudes com criptomoedas"],"canais":["Blockchain"],"metodos":["Revisão sistemática da literatura","Análise bibliométrica","Análise de conteúdo"],"fontes":["Scopus"],"ferramentas":["VOSviewer"],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00094","codigo":"REF","titulo":"Hope Amid Crisis: Normative Ambiguity, the Middle Class, and Investment Fraud in 2000s Venezuela","ano":"2022","autores":["Leslie, Camilo Arturo"],"revista":"Latin American Politics and Society","tipo_documental":"article","doi":"10.1017/lap.2022.28","url":"https://www.scopus.com/pages/publications/85146226982?origin=resultslist","tem_abstract":true,"palavras_chave":["Venezuela; bureaucracy; class; corruption; currency; investment"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Artigo antropológico sobre como a ambiguidade normativa vivida por venezuelanos de classe média os deixou vulneráveis à fraude de investimentos do Stanford Financial Group, que prometia restaurar a futuridade ameaçada.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"1986-2009","aspectos":{"Sensitivo":1,"Jurídico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Vulnerabilidade_Humana"],"golpes":["Golpe de investimento (fraude do Stanford Financial Group)"],"canais":[],"metodos":["Entrevistas"],"fontes":["Investidores defraudados e pessoas ligadas ao caso"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Venezuela"],"setores":["Setor Financeiro"],"teorias":[]},{"id":"ref_72db3d675ef9_00117","codigo":"REF","titulo":"Cryptocurrencies and future financial crime","ano":"2022","autores":["Trozze, Arianna","Kamps, Josh","Akartuna, Eray Arda","Hetzel, Florian J.","Kleinberg, Bennett","Davies, Toby","Johnson, Shane D."],"revista":"Crime Science","tipo_documental":"article","doi":"10.1186/s40163-021-00163-8","url":"https://www.scopus.com/pages/publications/85122359091?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":0,"relacoes":0,"resumo":"Revisão de escopo da literatura acadêmica e cinzenta, com consenso de especialistas, sobre os tipos de fraude com criptomoedas existentes e esperados, oferecendo definições abrangentes.","foco":"Mecanismo do Ataque","tipo":"Revisão Sistemática","periodo":null,"aspectos":{},"temas":[],"golpes":["Fraude com criptomoedas"],"canais":["Blockchain"],"metodos":["Revisão de escopo","PRISMA-ScR","Consenso de especialistas"],"fontes":["Literatura acadêmica","Literatura cinzenta","Especialistas do setor privado, governo e academia"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00126","codigo":"REF","titulo":"Stability of the Ponzi scheme phenomenon; [Устойчивость феномена финансовой пирамиды]","ano":"2022","autores":["Ryzhkova, Marina","Kashapova, Elmira"],"revista":"Terra Economicus","tipo_documental":"article","doi":"10.18522/2073-6606-2022-20-3-22-38","url":"https://www.scopus.com/pages/publications/85138806061?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo do esquema Ponzi e das razões de sua estabilidade histórica, classificando características do ciclo de vida e analisando motivos e perfil sociodemográfico dos participantes do projeto Finiko.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Ataques_de_Phishing"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Revisão de literatura","Opinião de especialistas","Pesquisa telefônica","Estudo de caso"],"fontes":["PromRating"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00144","codigo":"REF","titulo":"The determinants of investment fraud: A machine learning and artificial intelligence approach","ano":"2022","autores":["Lokanan, Mark"],"revista":"Frontiers in Big Data","tipo_documental":"article","doi":"10.3389/fdata.2022.961039","url":"https://www.scopus.com/pages/publications/85140314475?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":3,"relacoes":4,"resumo":"Uso de algoritmos de machine learning e redes neurais artificiais (ANN) para prever fraude de investimento no setor de valores mobiliários canadense a partir de casos do IIROC.","foco":"Detecção","tipo":"Estudo Empírico","periodo":"2008/06-2019/12","aspectos":{"Analítico":1,"Social":1,"Econômico":1},"temas":["Aprendizado_de_Máquina","Crimes_Digitais","Atores_de_Ameaça"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Aprendizado de máquina","Redes neurais artificiais"],"fontes":["Investment Industry Regulatory Organization of Canada"],"ferramentas":[],"unidades":["Casos"],"territorios":["Canadá"],"setores":["Mercado de Valores Mobiliários"],"teorias":[]},{"id":"ref_72db3d675ef9_00158","codigo":"REF","titulo":"A financial fraud detection indicator for investors: an IDeA","ano":"2022","autores":["Bernard, Philippe","El Mekkaoui De Freitas, Najat","Maillet, Bertrand B."],"revista":"Annals of Operations Research","tipo_documental":"article","doi":"10.1007/s10479-019-03360-6","url":"https://www.scopus.com/pages/publications/85074008463?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"texto integral","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe o índice IDeA, baseado na medida de desempenho robusta GUN*, para detectar anomalias e fraudes em fundos de investimento, demonstrado no caso Madoff.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":2},"temas":["Detecção_de_Phishing","Métricas_de_Desempenho"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Pesquisa operacional","Índice de detecção de anomalias IDeA","Medida de desempenho GUN*"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Mercado Financeiro"],"teorias":[]},{"id":"ref_72db3d675ef9_00170","codigo":"REF","titulo":"Fraud prediction using machine learning: The case of investment advisors in Canada","ano":"2022","autores":["Lokanan, Mark Eshwar","Sharma, Kush"],"revista":"Machine Learning with Applications","tipo_documental":"article","doi":"10.1016/j.mlwa.2022.100269","url":"https://www.scopus.com/pages/publications/85134825904?origin=resultslist","tem_abstract":true,"palavras_chave":["Commerce; Crime; Financial markets; Learning algorithms; Machine learning; Fraud; Growing bodies; Machine learning algorithms; Machine learning models; Machine-learning; Power; Regulation; Regulatory organizations; Security industry; Task force; Investments"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Propõe modelos de aprendizado de máquina para detectar e prever fraude de investimento no setor de valores mobiliários canadense, usando casos do tribunal da IIROC.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":"2008/06-2019/12","aspectos":{"Analítico":1,"Econômico":2},"temas":["Motivação_e_Impacto_de_Ataques","Aprendizado_de_Máquina","Crimes_Digitais"],"golpes":["Fraude de investimento"],"canais":[],"metodos":["Aprendizado de máquina"],"fontes":["IIROC"],"ferramentas":[],"unidades":["Casos"],"territorios":["Canadá"],"setores":["Mercado de valores mobiliários"],"teorias":[]},{"id":"ref_72db3d675ef9_00180","codigo":"REF","titulo":"'Invest in crypto!': An analysis of investment scam advertisements found in Bitcointalk","ano":"2022","autores":["Siu, Gilberto Atondo","Hutchings, Alice","Vasek, Marie","Moore, Tyler"],"revista":"eCrime Researchers Summit, eCrime","tipo_documental":"conference","doi":"10.1109/eCrime57793.2022.10142100","url":"https://www.scopus.com/pages/publications/85163179090?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Blockchain; Learning algorithms; Machine learning; Natural language processing systems; Across time; Cyber-crimes; Financial principles; Investment scam; Language processing; Longitudinal analysis; Machine-learning; Natural language processing; Natural languages; Online forums; Investments"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":5,"relacoes":3,"resumo":"Análise longitudinal de 12 anos da evolução de iscas e palavras-chave de golpes de investimento em criptoativos no fórum Bitcointalk, com classificação de threads por aprendizado de máquina.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2010/07-2022/06","aspectos":{"Cinemático":1,"Analítico":1,"Social":1,"Econômico":2},"temas":["Crimes_Digitais","Manipulação_Psicológica","Táticas_de_Ataque","Aprendizado_de_Máquina","Contextos_de_Ataque"],"golpes":["Golpe de investimento em criptoativos"],"canais":["Web"],"metodos":["Análise longitudinal","Anotação manual","Aprendizado de máquina","Heurísticas"],"fontes":["Bitcointalk"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00186","codigo":"REF","titulo":"Computational Discovery of Transaction-Based Financial Crime via Grammatical Evolution: The Case of Ponzi Schemes","ano":"2022","autores":["Fratrič, Peter","Sileno, Giovanni","van Engers, Tom","Klous, Sander"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-031-20845-4_7","url":"https://www.scopus.com/pages/publications/85144351749?origin=resultslist","tem_abstract":true,"palavras_chave":["Computational grammars; Genetic algorithms; Automated discovery; Financial crime; Financial sectors; Grammatical evolution; Illegal activities; Large amounts of data; Methodological frameworks; Non-compliance; Proof of concept; Social domains; Crime"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Prova de conceito de um framework metodológico que usa evolução gramatical em ambiente de simulação para descobrir automaticamente comportamentos não conformes, ilustrado com esquemas Ponzi.","foco":"Mecanismo do Ataque","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina","Detecção_de_Anomalias"],"golpes":["Esquemas Ponzi"],"canais":[],"metodos":["Evolução gramatical","Simulação"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Setor Financeiro"],"teorias":[]},{"id":"ref_72db3d675ef9_00204","codigo":"REF","titulo":"CTRF: Ethereum-Based Ponzi Contract Identification","ano":"2022","autores":["He, Xuezhi","Yang, Tan","Chen, Liping"],"revista":"Security and Communication Networks","tipo_documental":"article","doi":"10.1155/2022/1554752","url":"https://www.scopus.com/pages/publications/85128421065?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Statistical tests; Block-chain; Decentralisation; Financial transactions; Over sampling; Sequence features; Storage transactions; Test sets; Traditional industry; Traditional systems; Training sets; Ethereum"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":5,"relacoes":4,"resumo":"Proposta do método CTRF para detectar contratos inteligentes de esquema Ponzi na Ethereum, usando características de código e de transações, com melhora de recall frente a métodos existentes.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":2,"Formativo":1,"Econômico":1},"temas":["Modalidades_de_Ataque","Métodos_de_Detecção","Extração_de_Características"],"golpes":["Contratos inteligentes de esquema Ponzi na Ethereum"],"canais":["Blockchain"],"metodos":["Extração de características de palavras e de sequência","Oversampling"],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00226","codigo":"REF","titulo":"Detecting Investment Fraud Using the Bias Ratio","ano":"2022","autores":["van Vuuren, Joshua","van Vuuren, Gary"],"revista":"SAGE Open","tipo_documental":"article","doi":"10.1177/21582440221097925","url":"https://www.scopus.com/pages/publications/85130729663?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Uso do bias ratio combinado a momentos estatísticos para detectar precocemente fraudes e manipulação de retornos em hedge funds, aplicado a casos de fraude conhecidos.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":1,"Econômico":2},"temas":["Métricas_de_Avaliação","Economia_do_Ataque","Crimes_Digitais"],"golpes":["Fraude em hedge funds com manipulação de retornos"],"canais":[],"metodos":["Bias ratio","Análise de momentos estatísticos"],"fontes":[],"ferramentas":[],"unidades":["Fundos de investimento"],"territorios":[],"setores":["Mercado de Investimentos"],"teorias":[]},{"id":"ref_72db3d675ef9_00266","codigo":"REF","titulo":"THE FLIP SIDE OF MULTI-LEVEL MARKETING: A DIAGNOSIS OF FACTORS LEADING TO THE MASS UPTAKE OF UNREGULATED PYRAMID SCHEMES IN SOUTH AFRICA","ano":"2022","autores":["Msosa, Steven Kayambazinthu"],"revista":"Innovative Marketing","tipo_documental":"article","doi":"10.21511/im.18(1).2022.12","url":"https://www.scopus.com/pages/publications/85126286114?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Estudo exploratório e qualitativo que diagnostica os fatores que levam à adesão em massa a esquemas de pirâmide não regulamentados na África do Sul.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":3},"temas":["Motivação_e_Impacto_de_Ataques","Vulnerabilidade_Humana"],"golpes":["Esquemas de pirâmide não regulamentados"],"canais":[],"metodos":["Pesquisa exploratória qualitativa","Entrevistas presenciais","Amostragem intencional","Matriz de enquadramento do Nvivo"],"fontes":["Indivíduos que já usaram esquemas de pirâmide não regulamentados"],"ferramentas":["Nvivo"],"unidades":["Indivíduos"],"territorios":["África do Sul"],"setores":["Serviços Financeiros"],"teorias":[]},{"id":"ref_72db3d675ef9_00272","codigo":"REF","titulo":"Mining trading patterns of pyramid schemes from financial time series data","ano":"2022","autores":["Lv, Fang","Wang, Wei","Han, Linxuan","Wang, Di","Pei, Yulong","Huang, Junheng","Wang, Bailing","Pechenizkiy, Mykola"],"revista":"Future Generation Computer Systems","tipo_documental":"article","doi":"10.1016/j.future.2022.02.017","url":"https://www.scopus.com/pages/publications/85129764341?origin=resultslist","tem_abstract":true,"palavras_chave":["Commerce; Finance; Financial data processing; Time series; Time series analysis; Contrast analyse; De-noising; Financial time series; Financial time series data; Pattern mining; Recursive data-mining; Sequence de-noising; Time-series data; Trading pattern mining; Trading patterns; Data mining"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Framework quantitativo para minerar padrões de negociação de esquemas de pirâmide em séries temporais financeiras, com os algoritmos LoRSD de remoção de ruído e Contrast TPM de mineração de padrões.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Long Range Sequence De-noising","Contrast Trading Pattern Mining"],"fontes":["Dados financeiros de um esquema de pirâmide real"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00013","codigo":"REF","titulo":"Cryptocurrency fraud: A study on the characteristics of criminals who are using fake profiles on a social media platform to persuade individuals to invest into cryptocurrency","ano":"2022","autores":["Chergarova, Vasilka","Arcanjo, Vinicius","Tomeo, Mel","Bezerra, Jeronimo","Vera, Luis Marin","Uloa, Anthony"],"revista":"Issues in Information Systems","tipo_documental":"article","doi":"10.48009/3_iis_2022_120","url":"https://www.scopus.com/pages/publications/85159365876?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":6,"relacoes":4,"resumo":"Estudo de caso qualitativo de um golpe de personificação em redes sociais envolvendo criptomoedas, descrevendo suas características a partir da comunicação entre golpista e vítima potencial.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Social":2,"Econômico":2},"temas":["Ataques_de_Phishing","Crimes_Digitais","Atores_do_Ataque","Motivação_e_Impacto_de_Ataques","Defesa_e_Mitigação","Atores_de_Ameaça"],"golpes":["Golpe de personificação em redes sociais com criptomoedas"],"canais":["Redes Sociais"],"metodos":[],"fontes":["Comunicação entre golpista e potencial vítima"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00557","codigo":"REF","titulo":"Ransomware: An Interdisciplinary Technical and Legal Approach","ano":"2022","autores":["Robles-Carrillo, M.","García-Teodoro, P."],"revista":"Security and Communication Networks","tipo_documental":"article","doi":"10.1155/2022/2806605","url":"https://www.scopus.com/pages/publications/85135992732?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cybersecurity; Economic efficiency; Cyber security; Economic efficiency; Functional complexity; Legal regulation; Setting outs; Technical development; Technical proposals; Technical solutions; Theoretical framework; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise interdisciplinar técnico-jurídica do ransomware, que propõe diretrizes de defesa, mitigação e sanção e a definição do ransomware como delito autônomo.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Jurídico":1},"temas":["Ameaças_Cibernéticas","Economia_do_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00591","codigo":"REF","titulo":"Reducing Ransomware Crime: Analysis of Victims’ Payment Decisions","ano":"2022","autores":["Yuryna Connolly, Alena","Borrion, Hervé"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2022.102760","url":"https://www.scopus.com/pages/publications/85131122001?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Decision making; Cost and benefits; Cyber-crimes; Decision process; Decision-making process; Final decision; Payment decision; Police officers; Qualitative data; Ransom payment; Ransomware attack; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Análise dos processos de tomada de decisão de vítimas de ransomware sobre pagar ou não o resgate, com base em 41 ataques no Reino Unido.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":["Análise qualitativa de casos"],"fontes":["Organizações vítimas","Policiais de unidades de cibercrime"],"ferramentas":[],"unidades":["Ataques"],"territorios":["Reino Unido"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00606","codigo":"REF","titulo":"Trends in Ransomware Attacks on US Hospitals, Clinics, and Other Health Care Delivery Organizations, 2016-2021","ano":"2022","autores":["Neprash, Hannah T.","McGlave, Claire C.","Cross, Dori A.","Virnig, Beth A.","Puskarich, Michael A.","Huling, Jared D.","Rozenshtein, Alan Z.","Nikpay, Sayeh S."],"revista":"JAMA Health Forum","tipo_documental":"article","doi":"10.1001/jamahealthforum.2022.4873","url":"https://www.scopus.com/pages/publications/85145609694?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Estudo de coorte que quantifica a frequência e as características dos ataques de ransomware contra organizações de prestação de serviços de saúde nos Estados Unidos entre 2016 e 2021.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2016-2021","aspectos":{"Biótico":1,"Formativo":1,"Lingual":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Gestão_de_Risco","Impacto_do_Phishing","Alvos_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de coorte","Regressão logística","Regressão binomial negativa"],"fontes":["Tracking Healthcare Ransomware Events and Traits"],"ferramentas":[],"unidades":["Ataques"],"territorios":["Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00649","codigo":"REF","titulo":"Ransomware: How attacker's effort, victim characteristics and context influence ransom requested, payment and financial loss","ano":"2022","autores":["Meurs, Tom","Junger, Marianne","Tews, Erik","Abhishta, Abhishta"],"revista":"eCrime Researchers Summit, eCrime","tipo_documental":"conference","doi":"10.1109/eCrime57793.2022.10142138","url":"https://www.scopus.com/pages/publications/85163207876?origin=resultslist","tem_abstract":true,"palavras_chave":["Losses; Choice model; Empirical studies; Financial gains; Financial impacts; Financial loss; Netherlands; Payment; Rational choice model; Recovery costs; Routine activity theories; Crime"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":8,"relacoes":5,"resumo":"Estudo empírico dos ganhos financeiros esperados por atacantes e das perdas financeiras de vítimas de ransomware, com base em 453 relatórios de investigação reportados à polícia holandesa.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2019-2022","aspectos":{"Físico":1,"Formativo":1,"Social":1,"Econômico":5},"temas":["Economia_do_Ataque","Modalidades_de_Ataque","Dados_da_Vítima","Impacto_do_Phishing","Alvos_de_Ataque","Impacto_de_Ataques","Defesa_Técnica"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo de escolha racional do crime","Crime scripting","Modelos lineares generalizados"],"fontes":["Relatórios de investigação de ransomware da polícia holandesa"],"ferramentas":[],"unidades":["Relatórios de investigação"],"territorios":["Países Baixos"],"setores":[],"teorias":["Crime scripting","Modelo de escolha racional do crime"]},{"id":"ref_3f42d6b2ce58_00723","codigo":"REF","titulo":"Comparison of Entropy Calculation Methods for Ransomware Encrypted File Identification","ano":"2022","autores":["Davies, Simon R.","Macfarlane, Richard","Buchanan, William J."],"revista":"Entropy","tipo_documental":"article","doi":"10.3390/e24101503","url":"https://www.scopus.com/pages/publications/85140618491?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Compara a acurácia de 53 testes de entropia e aleatoriedade para distinguir arquivos criptografados por crypto-ransomware de outros tipos de arquivo, buscando o método mais adequado para detecção.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":1,"Analítico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Vetores_de_Ataque","Métodos_de_Detecção","Detecção_de_Phishing"],"golpes":["Crypto-ransomware"],"canais":[],"metodos":["Testes de entropia","Entropia de Shannon","Qui-quadrado","Correlação serial","Abordagem híbrida de combinação de testes"],"fontes":["NapierOne"],"ferramentas":[],"unidades":["Arquivos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00746","codigo":"REF","titulo":"A New Scheme for Ransomware Classification and Clustering Using Static Features","ano":"2022","autores":["Yamany, Bahaa","Elsayed, Mahmoud Said","Jurcut, Anca D.","Abdelbaki, Nashwa","Azer, Marianne A."],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics11203307","url":"https://www.scopus.com/pages/publications/85140874350?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Compara abordagens e técnicas de detecção de ransomware, apresenta recomendações de mitigação e propõe um sistema de indexação de binários de ransomware com busca, similaridade, classificação e agrupamento.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2},"temas":["Ameaças_Cibernéticas","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise estática de binários","Índice de Jaccard absoluto","Agrupamento"],"fontes":[],"ferramentas":[],"unidades":["Binários"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00750","codigo":"REF","titulo":"A Large-scale Empirical Analysis of Ransomware Activities in Bitcoin","ano":"2022","autores":["Wang, Kai","Pang, Jun","Chen, Dingjie","Zhao, Yu","Huang, Dapeng","Chen, Chen","Han, Weili"],"revista":"ACM Transactions on the Web","tipo_documental":"article","doi":"10.1145/3494557","url":"https://www.scopus.com/pages/publications/85130471406?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Cluster analysis; Crime; Malware; Bitcoin transaction; Clustering methods; Clusterings; Darknets; Empirical analysis; Fine grained; Large-scale analysis; Large-scales; Payment transactions; Well reflects; Classification (of information)"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Análise em larga escala de pagamentos de resgate, transferências de resgate e migrações de vítimas no Bitcoin entre 2012 e 2021, usando agrupamento de endereços e classificação multirrótulo de setores.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2012-2021","aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Mecanismos_de_Segurança"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Agrupamento de endereços","Classificação multirrótulo"],"fontes":["Blockchain do Bitcoin"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00786","codigo":"REF","titulo":"Machine Learning Algorithms and Frameworks in Ransomware Detection","ano":"2022","autores":["Smith, Daryle","Khorsandroo, Sajad","Roy, Kaushik"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2022.3218779","url":"https://www.scopus.com/pages/publications/85141640363?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Cryptography; Cybersecurity; Learning algorithms; Learning systems; Malware; Attack vector; Browser; Code; Cyber security; Cyber threats; Learning frameworks; Machine learning algorithms; Operating system; Phishing; Various attacks; COVID-19"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Revisão comparativa de frameworks de detecção de ransomware baseados em aprendizado de máquina, seus algoritmos, datasets e desafios, como referência para trabalhos futuros.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":1,"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Aprendizado_de_Máquina","Fatores_Humanos"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00831","codigo":"REF","titulo":"Dynamics of Targeted Ransomware Negotiation","ano":"2022","autores":["Ryan, Pierce","Fokker, John","Healy, Sorcha","Amann, Andreas"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2022.3160748","url":"https://www.scopus.com/pages/publications/85127021643?origin=resultslist","tem_abstract":true,"palavras_chave":["Biological systems; Cybersecurity; Malware; Optimal systems; Biological system modeling; Cyber security; Game; Imperfect information; Non-cooperative; Non-trivial; Optimal strategies; Real-world; Threats analysis; Two-player games; Game theory"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Modelo de teoria dos jogos das negociações de ransomware direcionado, como jogo assimétrico não cooperativo de dois jogadores com informação imperfeita, para identificar estratégias ótimas de resposta ao ataque.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2,"Formativo":1,"Social":1,"Econômico":1},"temas":["Modelagem_Formal","Economia_do_Ataque","Ameaças_Cibernéticas"],"golpes":["Ransomware direcionado"],"canais":[],"metodos":["Teoria dos jogos","Jogo não cooperativo assimétrico de dois jogadores"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_00841","codigo":"REF","titulo":"Reviewing Estimates of Cybercrime Victimisation and Cyber Risk Likelihood","ano":"2022","autores":["Woods, Daniel W.","Walter, Lukas"],"revista":"Proceedings - 7th IEEE European Symposium on Security and Privacy Workshops, Euro S and PW 2022","tipo_documental":"conference","doi":"10.1109/EuroSPW55150.2022.00021","url":"https://www.scopus.com/pages/publications/85134179416?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cybersecurity; Denial-of-service attack; Insurance; Malware; Surveys; Cybe incident; Cybe risk; Cyber security; Cyber-crimes; Identity theft; Malwares; On-line banking; Risk quantification; Risks management; Victimisation; Risk management"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Revisão de estimativas quantitativas de vitimização por cibercrime e de probabilidade de risco cibernético em 48 estudos, conectando criminologia e cibersegurança para informar decisões públicas e privadas.","foco":"Vítima","tipo":"Revisão Narrativa","periodo":"2017-2021","aspectos":{"Formativo":1,"Social":1},"temas":["Ameaças_Digitais","Identidade_e_Representação"],"golpes":["Cibercrimes diversos: ransomware","fraude por e-mail","fraude bancária online","fraude em vendas online","roubo de identidade"],"canais":[],"metodos":["Revisão narrativa"],"fontes":["Pesquisas de vitimização","Estudos caso-controle","Mercado de seguros"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_00908","codigo":"REF","titulo":"Ransomware in local government: Risk factors, vulnerabilities, and exploitation during a global pandemic","ano":"2022","autores":["Ruggiero, Alexander F.","Owusu, Theophilus D.","Staley, Jermario J."],"revista":"Issues in Information Systems","tipo_documental":"article","doi":"10.48009/4_iis_2022_116","url":"https://www.scopus.com/pages/publications/85159348067?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Estudo sobre ataques de ransomware e seus efeitos em governos locais, com auditoria sem fio e pesquisa com funcionários, propondo medidas de defesa em profundidade para mitigar surtos.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":3},"temas":["Ameaças_Cibernéticas","Estratégias_de_Defesa","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Auditoria sem fio","Survey com funcionários públicos"],"fontes":["Funcionários de governos locais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Governo local"],"teorias":[]},{"id":"ref_3f42d6b2ce58_00978","codigo":"REF","titulo":"Ransomware detection, avoidance, and mitigation scheme: A review and future directions","ano":"2022","autores":["Kapoor, Adhirath","Gupta, Ankur","Gupta, Rajesh","Tanwar, Sudeep","Sharma, Gulshan","Davidson, Innocent E."],"revista":"Sustainability (Switzerland)","tipo_documental":"article","doi":"10.3390/su14010008","url":"https://www.scopus.com/pages/publications/85121663121?origin=resultslist","tem_abstract":true,"palavras_chave":["avoidance reaction; detection method; mitigation; research and development"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Apresenta o framework teórico Detection Avoidance Mitigation (DAM) para classificar técnicas, ferramentas e estratégias de detecção, evitação e mitigação de Ransomware, com estudo de caso do Djvu.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":2},"temas":["Ameaças_Cibernéticas","Fatores_Humanos","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":[],"metodos":["Estudo de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01080","codigo":"REF","titulo":"Game Theoretic Analysis of Ransomware: A Preliminary Study","ano":"2022","autores":["Prasad Baksi, Rudra","Upadhyaya, Shambhu"],"revista":"International Conference on Information Systems Security and Privacy","tipo_documental":"conference","doi":"10.5220/0011006600003120","url":"https://www.scopus.com/pages/publications/85153770870?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise de um tipo básico de ransomware por meio de um modelo de teoria dos jogos para apoiar a vítima na decisão de pagar ou não o resgate.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Modelagem_Formal"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo de teoria dos jogos","Análise de sensibilidade"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_01276","codigo":"REF","titulo":"Ransomware Target: Linux. Recover Linux Data Arrays after Ransomware Attack.","ano":"2022","autores":["Hristev, Rosen","Veselinova, Magdalena","Kolev, Kristiyan"],"revista":"Eurasia Proceedings of Science, Technology, Engineering and Mathematics","tipo_documental":"conference","doi":"10.55549/epstem.1219172","url":"https://www.scopus.com/pages/publications/85146711140?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"O artigo examina a evolução dos criptovírus (ransomware) em Linux e demonstra como usar uma nuvem privada para recuperar dados após uma infecção por ransomware.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Identidade_e_Representação"],"golpes":["Ransomware em Linux"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01300","codigo":"REF","titulo":"Utilizing Cyber Threat Hunting Techniques to Find Ransomware Attacks: A Survey of the State of the Art","ano":"2022","autores":["Aldauiji, Fatimah","Batarfi, Omar","Bayousef, Manal"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2022.3181278","url":"https://www.scopus.com/pages/publications/85131746404?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Cryptography; Cybersecurity; Deep learning; Information analysis; Internet of things; Locks (fasteners); Malware; Network security; Behavioral science; Cybe threat hunting; Cybe threat intelligence; Cyber threats; Deep learning; Machine-learning; Malware analysis; Soft sensors; Support vectors machine; Support vector machines"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Revisão sobre caça a ameaças cibernéticas (CTH) e inteligência de ameaças (CTI) para detecção proativa de ransomware conhecido e desconhecido, discutindo direções de pesquisa e datasets disponíveis.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01353","codigo":"REF","titulo":"How System Failures and Ransomwares Affect Drivers’ Trust and Attitudes in an Automated Car? A Simulator Study","ano":"2022","autores":["Payre, William","Perelló-March, Jaume","Sabaliauskaite, Giedre","Jadidbonab, Hesamaldin","Shaikh, Siraj","Nguyen, Hoang","Birrell, Stewart"],"revista":"Applied Human Factors and Ergonomics International","tipo_documental":"article","doi":"10.54941/ahfe1002764","url":"https://www.scopus.com/pages/publications/105036109424?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Estudo em simulador de direção sobre como motoristas reagem a um ransomware exibido na tela de um carro conectado e automatizado, afetando dados pessoais.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":2,"Formativo":1,"Pístico":1},"temas":["Ameaças_Cibernéticas","Segurança_de_Sistemas","Fatores_Humanos","Infraestrutura_Tecnológica"],"golpes":["Ransomware em carro conectado e automatizado"],"canais":[],"metodos":["Estudo em simulador de direção","Análise de conteúdo indutiva"],"fontes":["Participantes do estudo em simulador de direção"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Automotivo"],"teorias":[]},{"id":"fraudes00011","codigo":"FRAUDES00011","titulo":"A maximum entropy classification scheme for phishing detection using parsimonious features","ano":"2021","autores":["Asani, Emmanuel Oluwatobi","Omotosho, Adebayo","Danquah, Paul Asante","Ayoola, Joyce A.","Ayegba, Peace O.","Longe, Olumide Babatope"],"revista":"TELKOMNIKA (Telecommunication Computing Electronics and Control)","tipo_documental":"misc","doi":"10.12928/telkomnika.v19i5.15981","url":"https://doi.org/10.12928/telkomnika.v19i5.15981","tem_abstract":true,"palavras_chave":["Phishing","Naive Bayes classifier","Support vector machine","Computer science","Feature vector","Entropy (arrow of time)","Artificial intelligence","Confidentiality","Principle of maximum entropy","Machine learning","Data mining","Pattern recognition (psychology)","Computer security","The Internet","World Wide Web"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":10,"relacoes":7,"resumo":"Implementação de um método de classificação por máxima entropia para identificação eficiente de e-mails de phishing, comparado a Naïve Bayes e SVM.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":4,"Formativo":1,"Lingual":2,"Social":2,"Econômico":1},"temas":["Aprendizado_de_Máquina","Ataques_de_Phishing","Impacto_do_Phishing","Detecção_de_Phishing","Vetores_de_Ataque","Fatores_Humanos","Dados_e_Privacidade"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Máxima entropia","Naïve Bayes","Support Vector Machine"],"fontes":[],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00031","codigo":"FRAUDES00031","titulo":"Tweet-Based Bot Detection Using Big Data Analytics","ano":"2021","autores":["Derhab, Abdelouahid","Alawwad, Rahaf Abdulaziz","Dehwah, Khawlah","Tariq, Noshina","Khan, Farrukh Aslam","Al-Muhtadi, Jalal F."],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2021.3074953","url":"https://doi.org/10.1109/access.2021.3074953","tem_abstract":true,"palavras_chave":["Computer science","Malware","Popularity","Phishing","Botnet","Social media","Analytics","Big data","Data science","Deep learning","World Wide Web","Computer security","Artificial intelligence","The Internet","Data mining"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Revisão das técnicas de detecção de bots baseados em tweets no Twitter, com taxonomia do estado da arte e descrição de técnicas de aprendizado raso e profundo, seus desempenhos e desafios.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2},"temas":["Vetores_de_Ataque","Ataques_de_Phishing"],"golpes":["Botnets baseadas em tweets"],"canais":["Redes Sociais"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00116","codigo":"FRAUDES00116","titulo":"What is a Conspiracy Theory?","ano":"2021","autores":["M. Giulia Napolitano, Kevin Reuter"],"revista":"Erkenntnis","tipo_documental":"misc","doi":"10.1007/s10670-021-00441-6","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Estudo empírico em cinco estudos sobre a dimensão avaliativa do conceito comum de teoria da conspiração, propondo engenharia conceitual que codifique uma avaliação epistêmica.","foco":"Não Especificado","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00125","codigo":"FRAUDES00125","titulo":"A semantic rule based digital fraud detection","ano":"2021","autores":["Mansoor Ahmed, Kainat Ansar, Cal B. Muckley, Abid Khan, Adeel Anjum, Muhammad Talha"],"revista":"PeerJ Computer Science","tipo_documental":"misc","doi":"10.7717/peerj-cs.649","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Proposta de um modelo baseado em ontologia para detecção e dissuasão de fraude financeira digital, com alertas gerados por regras de intimação (IRB) classificados por severidade.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Econômico":1},"temas":["Modelagem_Formal","Crimes_Digitais"],"golpes":["Fraude financeira digital"],"canais":[],"metodos":["Algoritmo de geração de alertas Intimation Rule Based (IRB)","Raciocínio baseado em regras"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00128","codigo":"FRAUDES00128","titulo":"Sentence-Level Aspect-Based Sentiment Analysis for Classifying Adverse Drug Reactions (ADRs) Using Hybrid Ontology-XLNet Transfer Learning","ano":"2021","autores":["Asmaa Hashem Sweidan, Nashwa El-Bendary, Haytham Al-Feel"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2021.3091394","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Proposta de abordagem híbrida de ontologia e XLNet com Bi-LSTM para análise de sentimento baseada em aspectos em dados sociais de usuários, aplicada à descoberta de reações adversas a medicamentos.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Redes Sociais"],"metodos":["Ontologia lexicalizada","XLNet","Bi-LSTM","Análise de sentimento baseada em aspectos"],"fontes":["Conjuntos de dados reais de dados sociais sobre medicamentos"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"fraudes00130","codigo":"FRAUDES00130","titulo":"A composite framework for supporting user emotion detection based on intelligent taxonomy handling","ano":"2021","autores":["Alfredo Cuzzocrea, Giovanni Pilato"],"revista":"Logic Journal of IGPL","tipo_documental":"misc","doi":"10.1093/jigpal/jzaa047","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Sistema para robô social empático que analisa o ID do Twitter de um novo conhecido, detecta categorias IAB Tier 1 associadas a alegria e recupera notícias e informações da Wikipedia.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Redes Sociais"],"metodos":[],"fontes":["Twitter","Wikipedia"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00145","codigo":"FRAUDES00145","titulo":"Exploring Sybil and Double-Spending Risks in Blockchain Systems","ano":"2021","autores":["Mubashar Iqbal, Raimundas Matulevicius"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2021.3081998","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Desenvolve um framework baseado em modelo de domínio de gerenciamento de riscos de segurança para explorar os riscos de ataque Sybil e gasto duplo em sistemas blockchain, avaliado em aplicações de saúde Ethereum.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Ataque Sybil","Gasto duplo"],"canais":["Blockchain"],"metodos":["Modelo de domínio de gerenciamento de riscos de segurança (SRM)"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"fraudes00146","codigo":"FRAUDES00146","titulo":"Social Media and Microblogs Credibility: Identification, Theory Driven Framework, and Recommendation","ano":"2021","autores":["Khubaib Ahmed Qureshi, Rauf Ahmed Shams Malick, Muhammad Sabih"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2021.3114417","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Estudo aprofundado da credibilidade da informação em microblogs de mídias sociais, propondo um framework orientado por teoria com construtos de credibilidade para avaliação automática.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Redes Sociais"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00147","codigo":"FRAUDES00147","titulo":"Invoice #31415 attached: Automated analysis of malicious Microsoft Office documents","ano":"2021","autores":["Vasilios Koutsokostas, Nikolaos Lykousas, Theodoros Apostolopoulos, Gabriele Orazi, Amrita Ghosal, Fran Casino, Mauro Conti, Constantinos Patsakis"],"revista":"Computers & Security","tipo_documental":"misc","doi":"10.1016/j.cose.2021.102582","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Explora o cenário de documentos maliciosos do Microsoft Office, propondo taxonomia de ferramentas de weaponização, um dataset público e um classificador de aprendizado de máquina para detectá-los.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Documentos maliciosos do Microsoft Office"],"canais":[],"metodos":["Aprendizado de máquina","Pipeline de análise automatizada"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Documentos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00151","codigo":"FRAUDES00151","titulo":"Blackmarket-Driven Collusion on Online Media: A Survey","ano":"2021","autores":["Hridoy Sankar Dutta, Tanmoy Chakraborty"],"revista":"ACM/IMS Transactions on Data Science","tipo_documental":"misc","doi":"10.1145/3517931","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Survey sobre identificação e análise de colusão impulsionada por mercados negros de reputação social em mídias online, com taxonomia de abordagens, datasets e ferramentas disponíveis.","foco":"Ecossistema do Atacante","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Social":1,"Estético":1},"temas":["Identidade_e_Representação","Ameaças_Digitais"],"golpes":["Colusão impulsionada por mercado negro em mídias online"],"canais":["Redes Sociais"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00160","codigo":"FRAUDES00160","titulo":"A classification method for social information of sellers on social network","ano":"2021","autores":["Haoliang Cui, Shuai Shao, Shaozhang Niu, Chengjie Shi, Lingyu Zhou"],"revista":"EURASIP Journal on Image and Video Processing","tipo_documental":"misc","doi":"10.1186/s13640-020-00545-z","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Projeta e implementa um esquema de classificação de vendedores de comércio eletrônico social em redes sociais por tipo de mercadoria, usando app coletor, OCR e modelo de deep learning baseado em BERT.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Modelos_de_Linguagem","Classificação_Automática"],"golpes":[],"canais":["Redes Sociais"],"metodos":["OCR","Deep learning","BERT"],"fontes":["Vendedores de comércio eletrônico social"],"ferramentas":[],"unidades":["Vendedores"],"territorios":[],"setores":["Comércio Eletrônico"],"teorias":[]},{"id":"fraudes00203","codigo":"FRAUDES00203","titulo":"Greedy Dynamic Blocking for Rumour Detection on Live Twitter Using Machine Learning","ano":"2021","autores":["Dr.C. Anand, N. Vasuki, S. Nirmala, N. Naveen, S. Prabakaran"],"revista":"Revista Gestão Inovação e Tecnologias","tipo_documental":"misc","doi":"10.47059/revistageintec.v11i2.1673","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Abordagem de classificação de sentimento e de tendências do Twitter com características sociais independentes de idioma, combinando modelos globais e específicos por tendência para classificar tendências sem dados externos.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Redes Sociais"],"metodos":["Classificação de sentimento multitendência colaborativa","Decomposição do classificador em componente global e componente específico","Algoritmos Greedy e Dynamic Blocking"],"fontes":["Twitter"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0013_phishing","codigo":"G0013","titulo":"Taxonomy of Cybersecurity Awareness Delivery Methods: A Countermeasure for Phishing Threats","ano":"2021","autores":["Alhashmi, Asma A.","Darem, Abdulbasit A.","Abawajy, Jemal"],"revista":"International Journal of Advanced Computer Science and Applications","tipo_documental":"article","doi":"10.14569/ijacsa.2021.0121004","url":"https://doi.org/10.14569/ijacsa.2021.0121004","tem_abstract":true,"palavras_chave":["Phishing attack; human factors in cybersecurity; cybersecurity threats; cybersecurity awareness; anti-phishing awareness delivery methods"],"anotado":true,"base":"abstract","lote":"Primeira rodada, Triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Desenvolve uma nova taxonomia dos métodos de entrega de treinamento de conscientização em cibersegurança contra phishing e os compara segundo diversos fatores, preenchendo a lacuna sobre técnicas não técnicas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Fatores_Humanos","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"mahanama2021","codigo":"MAHANAMA2021","titulo":"Global Index on Financial Losses Due to Crime in the United States","ano":"2021","autores":["Mahanama, Thilini","Shirvani, Abootaleb","Rachev, Svetlozar T."],"revista":"Journal of Risk and Financial Management","tipo_documental":"article","doi":"10.3390/jrfm14070315","url":"https://www.scopus.com/pages/publications/85165762545?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe um índice de seguro para crime nos Estados Unidos, com base em perdas financeiras reportadas pelo FBI, e opções europeias para proteger investimentos, avaliando sua resiliência a crises econômicas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Econômico":2},"temas":["Gestão_de_Risco","Motivação_e_Impacto_de_Ataques"],"golpes":["Crimes financeiros nos Estados Unidos","Ransomware","Personificação de agentes governamentais"],"canais":[],"metodos":["Opções europeias de compra e venda","Orçamento de risco","Teste de estresse"],"fontes":["Federal Bureau of Investigation"],"ferramentas":[],"unidades":[],"territorios":["Estados Unidos"],"setores":["Seguros"],"teorias":[]},{"id":"ref_72db3d675ef9_00011","codigo":"REF","titulo":"On Financial Bubbles and Earthworms: Lessons from Hungary's Rural Pyramid during its Economic Transition","ano":"2021","autores":["Harison, Elad","Mihály, Nikolett"],"revista":"Eastern European Countryside","tipo_documental":"article","doi":"10.12775/eec.2021.003","url":"https://www.scopus.com/pages/publications/85123767849?origin=resultslist","tem_abstract":true,"palavras_chave":["Hungary; earthworm; economic development; entrepreneur; financial services; liberalization; market transition"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Estudo do caso da pirâmide financeira húngara das minhocas na transição pós-comunista, examinando suas características singulares em comparação com outros esquemas Ponzi do Leste Europeu.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Vulnerabilidade_Humana"],"golpes":["Esquema Ponzi","Pirâmide financeira das minhocas"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Hungria"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00091","codigo":"REF","titulo":"Improving ponzi scheme contract detection using multi-channel textcnn and transformer","ano":"2021","autores":["Chen, Yizhou","Dai, Heng","Yu, Xiao","Hu, Wenhua","Xie, Zhiwen","Tan, Cheng"],"revista":"Sensors","tipo_documental":"article","doi":"10.3390/s21196417","url":"https://www.scopus.com/pages/publications/85115817862?origin=resultslist","tem_abstract":true,"palavras_chave":["Algorithms; Machine Learning; Neural Networks","Computer; Semantics; Abstracting; Blockchain; Convolution; Convolutional neural networks; Deep learning; Losses; Semantics; Trees (mathematics); Block-chain; Convolutional neural network; Deep learning; Multi channel; Ponzi scheme; Semantic features; Source codes; Structural feature; Structured sequence; Token sequences; algorithm; machine learning; semantics; Smart contract"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":5,"relacoes":3,"resumo":"Propõe o MTCformer, método de detecção de contratos inteligentes de esquema Ponzi que combina TextCNN multicanal e Transformer sobre sequências de tokens derivadas da AST do código-fonte.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":3,"Econômico":1},"temas":["Métodos_de_Detecção","Tecnologia_de_Ataque","Detecção_de_Ameaças","Crimes_Digitais"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["MTCformer","Structure-Based Traversal","TextCNN multicanal","Transformer","Função de perda sensível ao custo"],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00109","codigo":"REF","titulo":"Gender and age-based investor affinities in a Ponzi scheme","ano":"2021","autores":["Huang, Li","Li, Oliver Zhen","Lin, Yupeng","Xu, Chao","Xu, Haoran"],"revista":"Humanities and Social Sciences Communications","tipo_documental":"article","doi":"10.1057/s41599-021-00733-w","url":"https://www.scopus.com/pages/publications/85101956911?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":3,"relacoes":3,"resumo":"Analisa, com dados policiais de um esquema Ponzi de captação de recursos na China, como a afinidade entre investidores por gênero e idade afeta a disseminação do esquema e as perdas.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Social":2,"Econômico":1},"temas":["Manipulação_Psicológica","Impacto_do_Phishing","Alvos_de_Ataque"],"golpes":["Esquema Ponzi de captação de recursos"],"canais":[],"metodos":[],"fontes":["Dados policiais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["China"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00111","codigo":"REF","titulo":"Mechanisms of identity construction among members of Pyramid schemes in Iran: A critical ethnography","ano":"2021","autores":["Keshavarzi, Saeed","Ruhani, Ali","Hajiheidari, Soheyla"],"revista":"Qualitative Sociology Review","tipo_documental":"article","doi":"10.18778/1733-8077.17.4.06","url":"https://www.scopus.com/pages/publications/85121769248?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Estudo etnográfico crítico sobre os processos sociais de participação em esquemas de pirâmide no Irã e suas consequências sociais e psicológicas para ex-membros.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Social":2,"Econômico":1},"temas":["Impactos_de_Ataques","Modalidades_de_Ataque","Fatores_Humanos_e_Psicológicos"],"golpes":["Esquemas de pirâmide"],"canais":[],"metodos":["Etnografia crítica","Observação participante","Entrevistas em profundidade"],"fontes":["Ex-membros de esquemas de pirâmide"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Irã"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00124","codigo":"REF","titulo":"Spreading Dynamics of SHIPR Pyramid Scheme Model on Scale-Free Networks","ano":"2021","autores":["Xue, Bingchuan","Li, Tao","Cheng, Xinming","Zhang, Siwei","Shi, Gaojun"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2021.3115168","url":"https://www.scopus.com/pages/publications/85115781003?origin=resultslist","tem_abstract":true,"palavras_chave":["Asymptotic stability; Cell proliferation; Crime; Lyapunov functions; Mean field theory; Numerical models; Ships; Basic reproduction number; Global attractivity; Government; Government management; Law; Pyramid scheme; Scale free networks; Social interactions; Spreading dynamics; Susceptible-hesitator-involved-punished-resister model; Topology"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":5,"relacoes":4,"resumo":"Propõe o modelo SHIPR de propagação de esquemas de pirâmide em redes livres de escala, analisando o efeito da ação governamental e da topologia de interação social.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":1,"Cinemático":1,"Social":1,"Jurídico":2},"temas":["Propagação_de_Ataques","Regulação_e_Governança_Digital"],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Teoria de campo médio","Critério de Routh-Hurwitz","Função de Lyapunov","Princípio da comparação","Simulação numérica"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00129","codigo":"REF","titulo":"Mining bytecode features of smart contracts to detect ponzi scheme on blockchain","ano":"2021","autores":["Shen, Xiajiong","Jiang, Shuaimin","Zhang, Lei"],"revista":"CMES - Computer Modeling in Engineering and Sciences","tipo_documental":"article","doi":"10.32604/cmes.2021.015736","url":"https://www.scopus.com/pages/publications/85107635551?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Ethereum; Anomaly-detection algorithms; Bytecodes; Detection models; F1 scores; High-dimensional; Large amounts; Tamper proofing; Anomaly detection"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":5,"relacoes":3,"resumo":"Propõe um modelo de detecção de esquemas Ponzi em contratos inteligentes do Ethereum a partir do bytecode, tratando a detecção como problema de detecção de anomalias.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":2,"Analítico":1,"Formativo":1,"Econômico":1},"temas":["Mecanismos_de_Segurança","Detecção_de_Anomalias","Tecnologia_de_Ataque","Crimes_Digitais","Detecção_de_Phishing"],"golpes":["Esquema Ponzi em contratos inteligentes do Ethereum"],"canais":["Blockchain"],"metodos":["Detecção de anomalias","Representação de bytecode em bigramas de bytes"],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00132","codigo":"REF","titulo":"Pyramid and Ponzi schemes and the repercussions of the differing regulatory approaches Hungarian developments in the light of contemporary global trends","ano":"2021","autores":["Tajti, Tibor"],"revista":"Hungarian Journal of Legal Studies","tipo_documental":"article","doi":"10.1556/2052.2021.00313","url":"https://www.scopus.com/pages/publications/85127224078?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Análise jurídica comparada das abordagens regulatórias contra esquemas de pirâmide e Ponzi nos Estados Unidos, Hungria, Índia, Mianmar, Sri Lanka e Filipinas.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquemas de pirâmide e Ponzi"],"canais":[],"metodos":["Análise jurídica comparada"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Estados Unidos","Hungria","Índia","Mianmar","Sri Lanka","Filipinas"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00152","codigo":"REF","titulo":"Social network analysis model for research on organizational structure of the pyramid scheme communication network","ano":"2021","autores":["Feng, Pihu","Lu, Xin","Gong, Zaiwu","Li, Bo","Sun, Duoyong"],"revista":"MethodsX","tipo_documental":"article","doi":"10.1016/j.mex.2021.101259","url":"https://www.scopus.com/pages/publications/85100615565?origin=resultslist","tem_abstract":true,"palavras_chave":["article; human; organizational structure; social network analysis; structure analysis"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Introduz um modelo de análise estrutural, combinando SNA, análise de motifs e modelo de grafo aleatório exponencial, para caracterizar a rede de comunicação de organizações de esquema de pirâmide.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Análise de redes sociais","Análise de motifs","Modelo de grafo aleatório exponencial"],"fontes":["Rede de comunicação de uma organização típica de esquema de pirâmide"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00176","codigo":"REF","titulo":"Perceived Types, Causes, and Consequences of Financial Exploitation: Narratives from Older Adults","ano":"2021","autores":["Nguyen, Annie L.","Mosqueda, Laura","Windisch, Nikki","Weissberger, Gali","Axelrod, Jenna","Han, S. Duke"],"revista":"Journals of Gerontology - Series B Psychological Sciences and Social Sciences","tipo_documental":"article","doi":"10.1093/geronb/gbab010","url":"https://www.scopus.com/pages/publications/85105764496?origin=resultslist","tem_abstract":true,"palavras_chave":["aged; article; awareness; clinical article; cognition; consumer attitude; controlled study; decision making; elder abuse; female; finance; financial abuse; financial security; fraud; genetic transcription; human; human experiment; interview; investment; male; money; narrative; perception; theft; trust"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":3,"relacoes":3,"resumo":"Investiga a percepção de idosos vítimas de exploração financeira sobre suas categorias, causas e consequências, por meio de entrevistas qualitativas com 31 participantes.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Econômico":1,"Pístico":1},"temas":["Ataques_de_Phishing","Impacto_de_Ataques","Fatores_Humanos"],"golpes":["Exploração financeira de idosos"],"canais":[],"metodos":["Entrevistas individuais em profundidade","Codificação temática"],"fontes":["Finance, Cognition, and Health in Elders Study"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00197","codigo":"REF","titulo":"Image-Based Scam Detection Method Using an Attention Capsule Network","ano":"2021","autores":["Bian, Lingyu","Zhang, Linlin","Zhao, Kai","Wang, Hao","Gong, Shengjia"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2021.3059806","url":"https://www.scopus.com/pages/publications/85100912382?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Deep learning; Application binary interfaces; Current detection; Data augmentation; Detection methods; Financial fraud; Gray-scale images; High-efficiency; Imbalanced data; Feature extraction"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Propõe um método de detecção de esquemas Ponzi em contratos inteligentes do Ethereum baseado em imagens RGB e rede de cápsulas com atenção (SE-CapsNet).","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Formativo":1,"Social":1},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina","Mecanismos_de_Segurança","Atores_de_Ameaça"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["SE-CapsNet","Conversão de bytecode em imagens RGB","Fancy PCA para aumento de dados","Aprendizado profundo"],"fontes":[],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00218","codigo":"REF","titulo":"Predicting fraud victimization using classical machine learning","ano":"2021","autores":["Lokanan, Mark","Liu, Susan"],"revista":"Entropy","tipo_documental":"article","doi":"10.3390/e23030300","url":"https://www.scopus.com/pages/publications/85102684530?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Prediz, com aprendizado de máquina e dados do IIROC, as características demográficas de investidores com maior probabilidade de serem vítimas de golpe de investimento no Canadá.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2009/01-2019/12","aspectos":{"Quantitativo":1,"Sensitivo":1,"Analítico":1},"temas":["Dados_da_Vítima","Fatores_Humanos_de_Vulnerabilidade","Vulnerabilidade_Humana"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Aprendizado de máquina"],"fontes":["Investment Industry Regulatory Organization of Canada (IIROC)"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Canadá"],"setores":["Mercado de Investimentos"],"teorias":[]},{"id":"ref_72db3d675ef9_00262","codigo":"REF","titulo":"Financial profitability of the Railway Company of Zaragoza to Pamplona: A Ponzi scheme; [La compañía de ferrocarriles de Zaragoza a Pamplona: Robo de subvenciones y estafa piramidal]","ano":"2021","autores":["Narbón, David Castellví"],"revista":"Revista de Historia Industrial","tipo_documental":"article","doi":"10.1344/rhiihr.v30i83.31677","url":"https://www.scopus.com/pages/publications/85124828643?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Analisa as fontes de financiamento da Companhia da Ferrovia de Saragoça a Pamplona (FZP) entre 1860 e 1865, concluindo que operou como esquema Ponzi e que recursos públicos foram desviados.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"1860-1865","aspectos":{"Social":1,"Econômico":1},"temas":["Crimes_Digitais","Identidade_e_Representação"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Espanha"],"setores":["Transporte ferroviário"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01002","codigo":"REF","titulo":"Internet of things and ransomware: Evolution, mitigation and prevention","ano":"2021","autores":["Humayun, Mamoona","Jhanjhi, N.Z.","Alsayat, Ahmed","Ponnusamy, Vasaki"],"revista":"Egyptian Informatics Journal","tipo_documental":"article","doi":"10.1016/j.eij.2020.05.003","url":"https://www.scopus.com/pages/publications/85085646870?origin=resultslist","tem_abstract":true,"palavras_chave":["Maintenance; Malware; Surveys; Application area; Data destructions; Developing solutions; Emerging trends; Internet of things architectures; Practical solutions; Real-world objects; Sensitive datas; Internet of things"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Survey abrangente sobre a evolução, prevenção e mitigação de Ransomware no contexto da Internet das Coisas (IoT), sintetizando tipos, pesquisas atuais, técnicas de defesa e tendências futuras.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":2,"Econômico":2},"temas":["Ameaças_Cibernéticas","Impacto_do_Phishing","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01025","codigo":"REF","titulo":"A User-friendly Model for Ransomware Analysis Using Sandboxing","ano":"2021","autores":["Kamal, Akhtar","Derbali, Morched","Jan, Sadeeq","Bangash, Javed Iqbal","Khan, Fazal Qudus","Jerbi, Houssem","Abbassi, Rabeh","Ahmad, Gulzar"],"revista":"Computers, Materials and Continua","tipo_documental":"article","doi":"10.32604/cmc.2021.015941","url":"https://www.scopus.com/pages/publications/85102466925?origin=resultslist","tem_abstract":true,"palavras_chave":["Surveys; Analysis tools; Computer users; Evaluation results; Sandboxing; Software house; User friendly model; User surveys; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Desenvolvimento de um modelo amigável, baseado no sandbox Cuckoo, para compreender a taxonomia e analisar ataques de ransomware, gerando relatórios resumidos acessíveis a usuários comuns.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise em sandbox","Survey com usuários"],"fontes":["Participantes do survey"],"ferramentas":["Cuckoo"],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01054","codigo":"REF","titulo":"Avaddon ransomware: An in-depth analysis and decryption of infected systems","ano":"2021","autores":["Yuste, Javier","Pastrana, Sergio"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2021.102388","url":"https://www.scopus.com/pages/publications/85109210298?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Cryptography; Denial-of-service attack; Economics; Network security; Reverse engineering; Avaddon; Commoditization; Cyber security; Economic damages; Financial benefits; In-depth analysis; Infected systems; Malware analysis; Malwares; Technical background; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":5,"relacoes":3,"resumo":"Análise aprofundada do ransomware Avaddon, oferecido como programa de afiliados na economia clandestina, abrangendo modelo de negócio, capacidades técnicas, vínculos com família anterior e procedimento de recuperação de arquivos.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":3,"Econômico":2},"temas":["Ameaças_Cibernéticas","Impacto_de_Ataques","Contramedidas_e_Defesa","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware Avaddon"],"canais":[],"metodos":["Análise de malware","Engenharia reversa"],"fontes":["Amostras de binários do ransomware Avaddon"],"ferramentas":[],"unidades":["Amostras de malware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01088","codigo":"REF","titulo":"In-depth analysis of ransom note files","ano":"2021","autores":["Lemmou, Yassine","Lanet, Jean-Louis","Souidi, El Mamoun"],"revista":"Computers","tipo_documental":"article","doi":"10.3390/computers10110145","url":"https://www.scopus.com/pages/publications/85119043350?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Estudo aprofundado dos nomes e do conteúdo de arquivos de nota de resgate de ransomware, propondo um protótipo para identificá-los e avaliando como podem reduzir o risco de criptografia ou melhorar ferramentas de detecção.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Lingual":2},"temas":["Características_do_Ataque","Aprendizado_de_Máquina","Impacto_de_Ataques","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise Semântica Latente","Aprendizado de máquina"],"fontes":[],"ferramentas":[],"unidades":["Arquivos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01106","codigo":"REF","titulo":"A behavioural in-depth analysis of ransomware infection","ano":"2021","autores":["Lemmou, Yassine","Lanet, Jean-Louis","Souidi, El Mamoun"],"revista":"IET Information Security","tipo_documental":"article","doi":"10.1049/ise2.12004","url":"https://www.scopus.com/pages/publications/85102649294?origin=resultslist","tem_abstract":true,"palavras_chave":["In-depth analysis; Manual analysis; Windows environment; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise dos comportamentos de crypto-ransomware em ambientes Windows nos últimos três anos, extraídos de análise manual de mais de 20 famílias, para apoiar a identificação e detecção de ransomware.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2019","aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Crypto-ransomware em Windows"],"canais":[],"metodos":["Análise manual de famílias de ransomware","Busca automática de comportamentos"],"fontes":["Amostras de ransomware coletadas em 2019"],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01122","codigo":"REF","titulo":"Winning the Ransomware Lottery: A Game-Theoretic Approach to Preventing Ransomware Attacks","ano":"2021","autores":["Galinkin, Erick"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-030-90370-1_11","url":"https://www.scopus.com/pages/publications/85119339316?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Game theory; Profitability; Backup; Expected value model; Game-theoretic; Incentive; Major factors; Model-based OPC; Noncooperative game; Off sites; Security; Security planning; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Modelo de valor esperado do ransomware, baseado em dados de ataques reais, para identificar variáveis que reduzam o incentivo de lucro dos atacantes e propor mitigações.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo de valor esperado","Teoria dos jogos"],"fontes":["Dados de ataques reais de ransomware"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01133","codigo":"REF","titulo":"Game Theory of Data-selling Ransomware","ano":"2021","autores":["Li, Zhen","Liao, Qi"],"revista":"Journal of Cyber Security and Mobility","tipo_documental":"article","doi":"10.13052/jcsm2245-1439.1013","url":"https://www.scopus.com/pages/publications/85103343828?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; Malware; Profitability; Sales; Cyber security; Data selling; Data threat; News reports; Profit optimization; Ransomware 1.0; Ransomware 1.5; Ransomware 2.0; Reputation; Revenue models; Game theory"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":1,"relacoes":1,"resumo":"Propõe um modelo teórico-jogo para um ransomware que vende os dados roubados (\"ransomware 2.0\") e compara sua lucratividade e o papel da reputação com ransomware 1.0 e 1.5.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1},"temas":["Ameaças_Cibernéticas"],"golpes":["Ransomware com venda de dados roubados (ransomware 2.0)","Ransomware com ameaça de divulgação de dados (ransomware 1.5)","Ransomware"],"canais":[],"metodos":["Análise teórica dos jogos","Estudo de simulação"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_01152","codigo":"REF","titulo":"Should we outlaw ransomware payments?","ano":"2021","autores":["Dey, Debabrata","Lahiri, Atanu"],"revista":"Proceedings of the Annual Hawaii International Conference on System Sciences","tipo_documental":"conference","doi":"10.24251/hicss.2021.794","url":"https://www.scopus.com/pages/publications/85108384846?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Economic and social effects; Economics; Game theory; Markov processes; Decryption keys; Externality; Game-theoretic model; Markov Decision Processes; Policy makers; Public welfare; Social cost; User files; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Estudo do dilema das vítimas de ransomware sobre pagar o resgate e da externalidade de suas ações, com modelo de teoria dos jogos sobre processo de decisão de Markov, discutindo a proibição legal de pagamentos.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1,"Econômico":1,"Jurídico":1},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Motivação_e_Impacto_de_Ataques","Resposta_Institucional"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo de teoria dos jogos","Processo de decisão de Markov"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_01198","codigo":"REF","titulo":"On the Effectiveness of Ransomware Decryption Tools","ano":"2021","autores":["Filiz, Burak","Arief, Budi","Cetin, Orcun","Hernandez-Castro, Julio"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2021.102469","url":"https://www.scopus.com/pages/publications/85116362886?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Recovery; Critical discussions; Data recovery; Decryptor; Effectiveness; Empirical studies; Lock-out; Security company; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Estudo empírico sobre a eficácia de ferramentas de descriptografia e recuperação de ransomware, testando 78 ferramentas de 11 empresas contra 61 amostras para recuperar dados comprometidos.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":["Amostras de ransomware"],"ferramentas":[],"unidades":["Ferramentas de descriptografia"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01217","codigo":"REF","titulo":"RansomClave: Ransomware Key Management using SGX","ano":"2021","autores":["Bhudia, Alpesh","O'Keeffe, Daniel","Sgandurra, Daniele","Hurley-Smith, Darren"],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3465481.3470116","url":"https://www.scopus.com/pages/publications/85113240160?origin=resultslist","tem_abstract":true,"palavras_chave":["Life cycle; Program processors; Public key cryptography; All phase; Anonymity networks; Cryptographic key; Encrypted data; Key generation; Key release; Key-management; Malwares; Potential impacts; Virtual currency; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Apresenta o RansomClave, uma família de ransomware que gerencia chaves criptográficas em enclaves de hardware, para analisar riscos, limitações e mitigações em todas as fases do ciclo de vida do ransomware.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":2,"Econômico":1},"temas":["Tecnologia_de_Ataque","Economia_do_Ataque","Vetores_de_Ataque"],"golpes":["Ransomware com enclaves"],"canais":[],"metodos":["Análise de segurança e desempenho","Modelagem de vítimas"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01261","codigo":"REF","titulo":"Differential area analysis for ransomware attack detection within mixed file datasets","ano":"2021","autores":["Davies, Simon R.","Macfarlane, Richard","Buchanan, William J."],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2021.102377","url":"https://www.scopus.com/pages/publications/85109072158?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Error detection; Malware; Strain; Attack detection; Compressed files; Course of action; Data set; File formats; MicroSoft; Ransomware detection; Shannon's entropy; Test data set; User files; Entropy"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Técnica baseada na entropia de Shannon de fragmentos de cabeçalho de arquivos para identificar arquivos criptografados por ransomware e diferenciá-los de arquivos comprimidos, independentemente da família do ransomware.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Analítico":1},"temas":["Extração_de_Características","Detecção_de_Ameaças"],"golpes":["Ransomware"],"canais":[],"metodos":["Entropia de Shannon","Área diferencial entre curvas de entropia"],"fontes":["govdocs1"],"ferramentas":[],"unidades":["Arquivos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01265","codigo":"REF","titulo":"Industrialising Blackmail: Privacy Invasion Based IoT Ransomware","ano":"2021","autores":["Brierley, Calvin","Arief, Budi","Barnes, David","Hernandez-Castro, Julio"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-030-91625-1_5","url":"https://www.scopus.com/pages/publications/85119836182?origin=resultslist","tem_abstract":true,"palavras_chave":["Costs; Data privacy; Internet of things; Malware; Blackmail; Cloud services; Cyber-crimes; Data-source; Number of datum; Privacy; Privacy invasions; Private data; Security; Security threats; Web services"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":3,"relacoes":3,"resumo":"Avalia se ransomware baseado em invasão de privacidade seria um vetor viável contra dispositivos IoT e identifica contramedidas, com malware de prova de conceito.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Alvos_de_Ataque"],"golpes":["Ransomware baseado em invasão de privacidade em dispositivos IoT"],"canais":[],"metodos":["Prova de conceito de malware"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01283","codigo":"REF","titulo":"Predicting individual differences to cyber attacks: Knowledge, arousal, emotional and trust responses","ano":"2021","autores":["Pyke, Aryn","Rovira, Ericka","Murray, Savannah","Pritts, Joseph","Carp, Charlotte L.","Thomson, Robert"],"revista":"Cyberpsychology","tipo_documental":"article","doi":"10.5817/CP2021-4-9","url":"https://www.scopus.com/pages/publications/85120649423?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":6,"relacoes":3,"resumo":"Estudo sobre fatores que levam usuários a não reconhecer sinais de alerta e sucumbir a ciberataques, examinando conhecimento, confiança em tecnologia, excitação, valência emocional e confiança situacional.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2,"Formativo":3,"Pístico":1},"temas":["Fatores_Humanos","Ataques_de_Phishing","Fatores_Humanos_em_Segurança","Ameaças_Cibernéticas","Ameaças_Digitais"],"golpes":["Ciberataques de phishing, ransomware e outros malwares"],"canais":[],"metodos":[],"fontes":["Participantes do estudo"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01284","codigo":"REF","titulo":"A Linguistic Analysis Metric in Detecting Ransomware Cyber-attacks","ano":"2021","autores":["Florea, Diana","Patterson, Wayne"],"revista":"International Journal of Advanced Computer Science and Applications","tipo_documental":"article","doi":"10.14569/IJACSA.2021.0121158","url":"https://www.scopus.com/pages/publications/85121215396?origin=resultslist","tem_abstract":true,"palavras_chave":["Computational linguistics; Computer aided language translation; Cyber attacks; Machine translation; Malware; Network security; Cyber security; Cyber-attacks; End-users; European languages; Language; Levenshtein distance; Linguistic analysis; Machine translations; Real-time detection; Sensitive datas; Crime"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Propõe uma métrica linguística baseada em tradução automática e distância de Levenshtein para detectar em tempo real a origem de textos de resgate de ransomware, indicando ataque humano ou gerado por máquina.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Formativo":2,"Lingual":1},"temas":["Ameaças_Cibernéticas","Conteúdo_de_Isca","Métricas_de_Avaliação","Ameaças_Digitais"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise linguística","Tradução automática","Distância de Levenshtein"],"fontes":[],"ferramentas":[],"unidades":["Textos de resgate"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01296","codigo":"REF","titulo":"Ransomware Recovery and Imaging Operations: Lessons Learned and Planning Considerations","ano":"2021","autores":["Chen, Po-Hao","Bodak, Robert","Gandhi, Namita S."],"revista":"Journal of Digital Imaging","tipo_documental":"article","doi":"10.1007/s10278-021-00466-x","url":"https://www.scopus.com/pages/publications/85112664718?origin=resultslist","tem_abstract":true,"palavras_chave":["Communication; Critical Care; Delivery of Health Care; Diagnostic Imaging; Humans; diagnostic imaging; health care delivery; human; intensive care; interpersonal communication"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Relato de lições aprendidas na recuperação de um ataque de ransomware em um sistema de saúde, com proposta de um framework de planejamento de recuperação em quatro fases.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Biótico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Gestão_de_Incidentes","Alvos_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01350","codigo":"REF","titulo":"Information security breaches due to ransomware attacks - a systematic literature review","ano":"2021","autores":["Reshmi, T.R."],"revista":"International Journal of Information Management Data Insights","tipo_documental":"article","doi":"10.1016/j.jjimei.2021.100013","url":"https://www.scopus.com/pages/publications/85114988242?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Revisão sistemática da literatura sobre ataques de ransomware em infraestrutura crítica, abordando tipos, vulnerabilidades do Windows, metodologias de ataque, impactos, mitigação e uso de aprendizado de máquina na detecção.","foco":"Mecanismo do Ataque","tipo":"Revisão Sistemática","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Aprendizado_de_Máquina","Motivação_e_Impacto_de_Ataques","Mecanismos_de_Segurança"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão sistemática da literatura"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Infraestrutura crítica"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01354","codigo":"REF","titulo":"A Study of Cyber Attack Behavior based on Algebraic Topology","ano":"2021","autores":["Zhang, Xiaoyu","Yan, Huaizhi","Liu, Zhen"],"revista":"Journal of Physics: Conference Series","tipo_documental":"conference","doi":"10.1088/1742-6596/1856/1/012068","url":"https://www.scopus.com/pages/publications/85104208320?origin=resultslist","tem_abstract":true,"palavras_chave":["Algebra; Atoms; Computer networks; Crime; Malware; Software engineering; Topology; Algebraic topology; Attack scenarios; Behavior model; Behavior sequences; Complex mapping; Cyber security; Geometric structure; Topological spaces; Network security"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe um modelo de comportamento de ataques cibernéticos orientado a hosts, baseado em variedade celular e topologia algébrica, para quantificar os efeitos de ataques, ilustrado com o ransomware WannaCry.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Infraestrutura_Tecnológica","Ameaças_Digitais"],"golpes":["Ransomware WannaCry"],"canais":[],"metodos":["Topologia algébrica","Variedade celular","Grafo de sequência de comportamento de ataque cibernético"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"venkatesha2021","codigo":"VENKATESHA2021","titulo":"Correction to: Social Engineering Attacks During the COVID-19 Pandemic (SN Computer Science, (2021), 2, 2, (78), 10.1007/s42979-020-00443-1)","ano":"2021","autores":["Venkatesha, Sushruth","Reddy, K. Rahul","Chandavarkar, B.R."],"revista":"SN Computer Science","tipo_documental":"article","doi":"10.1007/s42979-021-00550-7","url":"https://www.scopus.com/pages/publications/85131825021?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":1,"conceitos":2,"relacoes":1,"resumo":"Correção (erratum) das legendas das figuras 2 a 10 de um artigo sobre ataques de engenharia social e phishing durante a pandemia de COVID-19.","foco":"Não Especificado","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Lingual":1,"Social":1},"temas":["Alvos_De_Phishing","Vetores_de_Ataque"],"golpes":["Phishing e engenharia social com tema COVID-19"],"canais":["E-mail","SMS"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00012","codigo":"FRAUDES00012","titulo":"E-mail-Based Phishing Attack Taxonomy","ano":"2020","autores":["Rastenis, Justinas","Ramanauskaitė, Simona","Janulevičius, Justinas","Čenys, Antanas","Slotkienė, Asta","Pakrijauskas, Kęstutis"],"revista":"Applied Sciences","tipo_documental":"misc","doi":"10.3390/app10072363","url":"https://doi.org/10.3390/app10072363","tem_abstract":true,"palavras_chave":["Phishing","Computer science","Taxonomy (biology)","The Internet","Notation","Computer security","Popularity","World Wide Web","Internet privacy","Mathematics","Psychology"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":4,"relacoes":2,"resumo":"Propõe uma taxonomia de ataques de phishing por e-mail com seis fases, comparada a taxonomias existentes e validada como notação de ataques em um sistema de gestão de incidentes.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":3,"Lingual":1},"temas":["Alvos_e_Impactos_de_Ataques","Defesa_e_Mitigação","Características_do_Ataque","Ataques_de_Phishing"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00013","codigo":"FRAUDES00013","titulo":"Web phishing detection techniques: a survey on the state‐of‐the‐art, taxonomy and future directions","ano":"2020","autores":["Vijayalakshmi, M.","Shalinie, S. Mercy","Yang, Ming‐Hour","U., Raja Meenakshi"],"revista":"IET Networks","tipo_documental":"misc","doi":"10.1049/iet-net.2020.0078","url":"https://doi.org/10.1049/iet-net.2020.0078","tem_abstract":true,"palavras_chave":["phishing","malicious websites","phishing emails","cybercrime","detection performance evaluation"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Revisão sistemática das tendências atuais em técnicas de detecção de phishing na web, com taxonomia de detecção automatizada e avaliação do desempenho das técnicas.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Lingual":1,"Pístico":1},"temas":["Fatores_Humanos","Engano_e_Falsificação","Vetores_de_Ataque","Ataques_de_Phishing"],"golpes":["Phishing na web"],"canais":["Web","E-mail"],"metodos":["Revisão sistemática"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00015","codigo":"FRAUDES00015","titulo":"The Role of Health Concerns in Phishing Susceptibility: Survey Design Study","ano":"2020","autores":["Abdelhamid, Mohamed"],"revista":"Journal of Medical Internet Research","tipo_documental":"misc","doi":"10.2196/18394","url":"https://doi.org/10.2196/18394","tem_abstract":true,"palavras_chave":["phishing susceptibility","health concerns","trust in healthcare providers","risk propensity","personality traits","cybercrime","healthcare workers","gender differences","email security","personal health data"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":7,"conceitos":5,"relacoes":3,"resumo":"Investiga a influência de antecedentes baseados em personalidade na suscetibilidade ao phishing em um contexto de saúde, testando um modelo conceitual com survey.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2,"Formativo":1,"Pístico":2},"temas":["Ataques_de_Phishing","Engenharia_Social","Fatores_Humanos","Comportamento_Humano_em_Segurança","Vulnerabilidade_Humana"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Survey","Modelagem de equações estruturais"],"fontes":["Amazon Mechanical Turk"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"fraudes00017","codigo":"FRAUDES00017","titulo":"ASSESSMENT ON PHISHING AVOIDANCE BEHAVIOUR AMONG INTERNET BANKING USERS IN NIGERIA: A CONCEPTUAL MODEL","ano":"2020","autores":["Aribake, Fadare Olusolade","Aji, Zahurin Mat"],"revista":"Journal of Information System and Technology Management","tipo_documental":"misc","doi":"10.35631/jistm.516001","url":"https://doi.org/10.35631/jistm.516001","tem_abstract":true,"palavras_chave":["Phishing","The Internet","Conceptual model","Internet privacy","Conceptual framework","Internet users","Computer security","Business","Field (mathematics)","Computer science","Information security","World Wide Web"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Desenvolve um modelo conceitual baseado na Technology Threat Avoidance Theory (TTAT) para avaliar ataques de phishing entre usuários de Internet Banking na Nigéria e fortalecer o comportamento de evitação.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Alvos_de_Phishing","Ataques_de_Phishing"],"golpes":["Phishing"],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Nigéria"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00021","codigo":"FRAUDES00021","titulo":"Modelling the phishing avoidance behaviour among internet banking users in Nigeria: The initial investigation","ano":"2020","autores":["Aribake, Fadare Olusolade","Aji, Zahurin Mat"],"revista":"Universiti Utara Malaysia Institutional Repository (Universiti Utara Malaysia)","tipo_documental":"misc","doi":"","url":"https://openalex.org/W3041375460","tem_abstract":true,"palavras_chave":["Phishing","Conceptual model","The Internet","Business","Conceptual framework","Internet users","Marketing","Internet privacy","Computer science","World Wide Web","Sociology"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Desenvolve um modelo conceitual baseado na Teoria de Evitação de Ameaças Tecnológicas (TTAT) e na TTAT modificada para avaliar ataques de phishing entre usuários de internet banking na Nigéria e fortalecer o comportamento de evitação.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1},"temas":["Comportamento_Humano_em_Segurança","Modelagem_Formal"],"golpes":["Phishing contra usuários de internet banking"],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Nigéria"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00038","codigo":"FRAUDES00038","titulo":"Modeling Deception for Identifying and Protecting against Advanced Email Phishing","ano":"2020","autores":["Almoqbil, Abdullah"],"revista":"Illinois Digital Environment for Access to Learning and Scholarship (University of Illinois at Urbana-Champaign)","tipo_documental":"misc","doi":"","url":"https://openalex.org/W3135346472","tem_abstract":true,"palavras_chave":["phishing emails","deception","educational institutions"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Investiga o engano em e-mails de phishing que contornaram o filtro do Microsoft 365 em uma organização educacional, propondo um modelo que explica por que pessoas são enganadas e como prevenir ataques.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Lingual":1},"temas":["Manipulação_Psicológica","Vetores_de_Ataque"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Desenho descritivo quantitativo e qualitativo","Tf-idf","Modelagem de tópicos"],"fontes":["E-mails de phishing arquivados de uma organização educacional"],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"fraudes00055","codigo":"FRAUDES00055","titulo":"The use of proactive communication through knowledge management to create awareness and educate clients on e-banking fraud prevention","ano":"2020","autores":["Barker, Rachel"],"revista":"South African Journal of Business Management","tipo_documental":"misc","doi":"10.4102/sajbm.v51i1.1941","url":"https://doi.org/10.4102/sajbm.v51i1.1941","tem_abstract":true,"palavras_chave":["Originality","Phishing","Security awareness","Government (linguistics)","Business","Enforcement","Public relations","Cybercrime","Value (mathematics)","Law enforcement","Knowledge management","Psychology","Internet privacy","Information security","The Internet","Computer science","Computer security","Political science","Creativity","World Wide Web"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Analisa o site do SABRIC (África do Sul) para verificar se a comunicação proativa conscientiza e educa clientes sobre prevenção de fraudes em e-banking, incluindo phishing/vishing/smishing e malware.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":"2017-2018","aspectos":{"Lingual":1,"Social":1},"temas":["Resposta_Institucional","Educação_e_Conscientização"],"golpes":["Fraude em e-banking (phishing, vishing, smishing e malware)"],"canais":["Web"],"metodos":["Abordagem interpretativista","Modelo interativo de análise de dados","Abordagem abdutiva"],"fontes":["Site do SABRIC"],"ferramentas":[],"unidades":["Páginas web"],"territorios":["África do Sul"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00076","codigo":"FRAUDES00076","titulo":"Information security at South African universities—implications for biomedical research","ano":"2020","autores":["Anderson, Dominique Elizabeth","Abiodun, Oluwafemi Peter","Christoffels, Alan Gilbert"],"revista":"International Data Privacy Law","tipo_documental":"misc","doi":"10.1093/idpl/ipaa007","url":"https://doi.org/10.1093/idpl/ipaa007","tem_abstract":true,"palavras_chave":["Information security","Computer security","Data science","Political science","Computer science","Business"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise qualitativa exploratória da gestão de segurança da informação em três universidades sul-africanas, com o modelo Tecnologia-Organização-Ambiente, visando a prontidão para a POPIA.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Defesa_e_Mitigação","Contexto_Organizacional"],"golpes":[],"canais":[],"metodos":["Estudo de caso comparativo","Entrevistas semiestruturadas","Amostragem intencional","Modelo Tecnologia-Organização-Ambiente"],"fontes":["Profissionais de TIC de três universidades sul-africanas"],"ferramentas":["ATLAS.ti","Freeplane"],"unidades":["Indivíduos"],"territorios":["África do Sul"],"setores":["Educação"],"teorias":["Modelo Tecnologia-Organização-Ambiente"]},{"id":"fraudes00085","codigo":"FRAUDES00085","titulo":"Basics and effects of regular education from the perspective of the philosophy of education of the Qur'an","ano":"2020","autores":["rashidi, shirin"],"revista":"DOAJ (DOAJ: Directory of Open Access Journals)","tipo_documental":"misc","doi":"10.30497/edus.2020.74747","url":"https://doi.org/10.30497/edus.2020.74747","tem_abstract":true,"palavras_chave":["Perspective (graphical)","Mathematics education","Epistemology","Sociology","Psychology","Philosophy","Computer science","Artificial intelligence"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Explica os fundamentos e os efeitos da educação humana ordenada na perspectiva da filosofia da educação do Alcorão, sem relação efetiva com golpes de phishing.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Análise inferencial"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Educação"],"teorias":[]},{"id":"fraudes00118","codigo":"FRAUDES00118","titulo":"Twitter Fake Account Detection and Classification using Ontological Engineering and Semantic Web Rule Language","ano":"2020","autores":["MOHAMMED JABARDI, Asaad Sabah Hadi"],"revista":"Karbala International Journal of Modern Science","tipo_documental":"misc","doi":"10.33640/2405-609x.2285","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":5,"relacoes":3,"resumo":"Propõe uma abordagem baseada em engenharia ontológica e regras SWRL para identificar contas falsas (bots) no Twitter e classificá-las em spam bots ou seguidores falsos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":3,"Formativo":1,"Social":1},"temas":["Detecção_de_Ameaças","Automação_de_Ataques","Infraestrutura_de_Ataque","Modelagem_Formal","Aprendizado_de_Máquina"],"golpes":["Contas falsas e bots de spam no Twitter"],"canais":["Redes Sociais"],"metodos":["Engenharia ontológica","Semantic Web Rule Language (SWRL)","Web Ontology Language (OWL)","Raciocinadores semânticos"],"fontes":[],"ferramentas":[],"unidades":["Contas"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00124","codigo":"FRAUDES00124","titulo":"eDarkFind: Unsupervised Multi-view Learning for Sybil Account Detection","ano":"2020","autores":["Ramnath Kumar, Shweta Yadav, Raminta Daniulaityte, Francois Lamy, Krishnaprasad Thirunarayan, Usha Lokala, Amit Sheth"],"revista":"","tipo_documental":"misc","doi":"10.1145/3366423.3380263","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Apresenta o eDarkFind, framework multi-view não supervisionado que modela características de vendedores de mercados cripto da darknet e detecta contas Sybil para vincular contas de um mesmo vendedor.","foco":"Ecossistema do Atacante","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Métodos_de_Detecção","Detecção_de_Ameaças"],"golpes":["Contas Sybil de vendedores em mercados cripto da darknet"],"canais":["Web"],"metodos":["Aprendizado multi-view não supervisionado","BERT","Representação estilométrica","Representação de localização"],"fontes":["Conjuntos de dados reais de mercados cripto da darknet"],"ferramentas":[],"unidades":["Contas de vendedores"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"fraudes00127","codigo":"FRAUDES00127","titulo":"Semantic-driven watermarking of relational textual databases","ano":"2020","autores":["Maikel Lázaro Pérez Gort, Martina Olliaro, Agostino Cortesi, Claudia Feregrino Uribe"],"revista":"Expert Systems with Applications","tipo_documental":"misc","doi":"10.1016/j.eswa.2020.114013","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Proposta de abordagem de watermarking semântico para bancos de dados relacionais textuais, usando substituição de sinônimos e similaridade semântica para controlar perturbações semânticas causadas pela marcação.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Substituição de sinônimos","Análise de similaridade semântica","Watermarking de bancos de dados relacionais"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00133","codigo":"FRAUDES00133","titulo":"Vulnerability to Financial Scams Among Older Adults: Cognitive and Psychosocial Factors","ano":"2020","autores":["Scott Beach, Sara Czaja, Richard Schulz, David Loewenstein, Peter Lichtenberg"],"revista":"Innovation in Aging","tipo_documental":"misc","doi":"10.1093/geroni/igaa057.1447","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":6,"relacoes":5,"resumo":"Apresenta resultados de linha de base de estudo longitudinal sobre exploração financeira em idosos, examinando correlatos da vulnerabilidade a golpes por meio de cenários de golpe avaliados quanto à credibilidade.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2,"Analítico":2,"Social":1,"Econômico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Impacto_de_Ataques","Vulnerabilidade_Humana","Avaliação_de_Confiabilidade"],"golpes":["Golpes de exploração financeira contra idosos","Phishing do Medicare"],"canais":["Voz","Web"],"metodos":["Estudo longitudinal","Avaliação de credibilidade de cenários de golpe"],"fontes":["Participantes adultos com 60 anos ou mais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00153","codigo":"FRAUDES00153","titulo":"SDRS: A new lossless dimensionality reduction for text corpora","ano":"2020","autores":["Iñaki Velez de Mendizabal, Vitor Basto-Fernandes, Enaitz Ezpeleta, José R. Méndez, Urko Zurutuza"],"revista":"Information Processing & Management","tipo_documental":"misc","doi":"10.1016/j.ipm.2020.102249","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Propõe SDRS, estratégia semântica sem perdas de redução de atributos para filtros de spam baseados em conteúdo, usando sinônimos e hiperônimos da BabelNet e o algoritmo NSGA-II.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Analítico":2,"Formativo":1},"temas":["Defesa_e_Mitigação","Extração_de_Características","Aprendizado_de_Máquina","Detecção_de_Phishing"],"golpes":["Spam"],"canais":["E-mail"],"metodos":["Naïve Bayes","Algoritmos Evolutivos Multiobjetivo","NSGA-II","Representação baseada em synsets"],"fontes":[],"ferramentas":["BabelNet"],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00167","codigo":"FRAUDES00167","titulo":"Blockchain System Defensive Overview for Double-Spend and Selfish Mining Attacks: A Systematic Approach","ano":"2020","autores":["Kervins Nicolas, Yi Wang, George C. Giakos, Bingyang Wei, Hongda Shen"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2020.3047365","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Estudo sistemático das estratégias defensivas contra ataques de consistência de dados em blockchain (double-spend e selfish mining), com taxonomia e framework de comparação.","foco":"Prevenção e Resposta","tipo":"Revisão Sistemática","periodo":null,"aspectos":{},"temas":[],"golpes":["Ataque de gasto duplo em blockchain","Ataque de mineração egoísta"],"canais":["Blockchain"],"metodos":["Revisão sistemática"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"fraudes00179","codigo":"FRAUDES00179","titulo":"DAO: An Ontology for Substance Use Epidemiology on Social Media and Dark Web","ano":"2020","autores":["Usha Lokala, Raminta Daniulaityte, François Lamy, Manas Gaur, Krishnaprasad Thirunarayan, Ugur Kursuncu, Amit Sheth"],"revista":"Scholar Commons (University of South Carolina)","tipo_documental":"misc","doi":"10.2196/preprints.24938","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Desenvolvimento e aplicação da Drug Abuse Ontology (DAO) como framework para analisar dados da web e de mídias sociais em pesquisa de saúde pública e uso de substâncias.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina","Modelagem_Formal"],"golpes":[],"canais":["Web","Redes Sociais"],"metodos":["Metodologia de desenvolvimento de ontologias 101","Aprendizado de máquina"],"fontes":["Twitter","Fóruns web","Dados de criptomercados"],"ferramentas":[],"unidades":["Postagens"],"territorios":["Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"fraudes00202","codigo":"FRAUDES00202","titulo":"Quantitative Analysis of Open Diplomacy Speeches","ano":"2020","autores":["Ol’ga Maksimenko, Mikhail Belyakov"],"revista":"Vestnik of Northern (Arctic) Federal University Series Humanitarian and Social Sciences","tipo_documental":"misc","doi":"10.37482/2227-6564-v037","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"O artigo descreve tipos de sentenças desafiadoras para anotação manual de sentimento e propõe dois esquemas de anotação, discutindo benefícios e limitações de cada um.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0007_phishing","codigo":"G0007","titulo":"An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs","ano":"2020","autores":["Aassal, Ayman El","Baki, Shahryar","Das, Avisha","Verma, Rakesh"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/access.2020.2969780","url":"https://doi.org/10.1109/access.2020.2969780","tem_abstract":true,"palavras_chave":["Feature engineering","feature taxonomy","framework","phishing email","phishing URL","phishing website."],"anotado":true,"base":"abstract","lote":"Primeira rodada, Triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":2,"resumo":"Estudo de benchmarking sistemático de características de phishing, com nova taxonomia de características e o framework PhishBench para comparar métodos de detecção sob condições experimentais idênticas.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":1,"Analítico":1},"temas":["Avaliação_de_Modelos","Detecção_de_Phishing"],"golpes":["Phishing"],"canais":["E-mail","Web"],"metodos":["Benchmarking de características de phishing","Avaliação de classificadores sob razões variadas de legítimo e phishing"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0048_phishing","codigo":"G0048","titulo":"Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites","ano":"2020","autores":["Phillips, Ross C.","Wilder, Heidi"],"revista":"2020 IEEE International Conference on Blockchain and Cryptocurrency (ICBC)","tipo_documental":"inproceedings","doi":"10.1109/icbc48266.2020.9169433","url":"https://doi.org/10.1109/icbc48266.2020.9169433","tem_abstract":true,"palavras_chave":["cryptocurrency","blockchain forensics","advance-fee scams","trust trading","phishing","Bitcoin","Ethereum."],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Análise de dados públicos online e de blockchain para compreender golpes de criptoativos de adiantamento de taxa e phishing, usando DBSCAN para descobrir uma tipologia e rastrear as entidades por trás deles.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2},"temas":["Infraestrutura_de_Ataque","Ataques_de_Phishing"],"golpes":["Golpe de adiantamento de taxa com criptoativos","Phishing com criptoativos"],"canais":["Web","Redes Sociais","Blockchain"],"metodos":["DBSCAN","Análise da origem e destino de fundos"],"fontes":[],"ferramentas":[],"unidades":["Páginas web"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"he2020110","codigo":"HE2020110","titulo":"Understanding Android VoIP Security: A System-Level Vulnerability Assessment","ano":"2020","autores":["He, En","Wu, Daoyuan","Deng, Robert H."],"revista":"Lecture Notes in Computer Science","tipo_documental":"article","doi":"10.1007/978-3-030-52683-2_6","url":"https://www.scopus.com/pages/publications/85088517672?origin=resultslist","tem_abstract":true,"palavras_chave":["Internet telephony; Mobile security; Packet switching; Voice/data communication systems; Zero-day attack; Assessment approaches; Network infrastructure; Privacy concerns; Protocol stack; System levels; Telecom; Third parties; Voice calls; VoIP security; Vulnerability assessments; Android (operating system)"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Análise de segurança da integração de VoIP no Android em nível de sistema, com abordagem de avaliação de vulnerabilidades que combina fuzzing e auditoria de código, descobrindo falhas zero-day.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Sensitivo":1},"temas":["Fatores_Humanos","Infraestrutura_Técnica"],"golpes":["Falsificação de identificação de chamadas em VoIP no Android"],"canais":["Voz"],"metodos":["Fuzzing de Intent/API no dispositivo","Fuzzing de pacotes no lado da rede","Auditoria de código direcionada"],"fontes":["Android"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Telecomunicações"],"teorias":[]},{"id":"ref_72db3d675ef9_00035","codigo":"REF","titulo":"A crime script analysis of the Madoff Investment Scheme","ano":"2020","autores":["Hardy, John","Bell, Peter","Allan, Douglas"],"revista":"Crime Prevention and Community Safety","tipo_documental":"article","doi":"10.1057/s41300-019-00082-6","url":"https://www.scopus.com/pages/publications/85070335496?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":0,"relacoes":0,"resumo":"Aplica a análise de roteiro do crime (crime script analysis) ao esquema de investimento de Madoff para conceituar os passos de fraudes complexas e identificar oportunidades de prevenção.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema Ponzi de Madoff","Fraude por afinidade"],"canais":[],"metodos":["Análise de roteiro do crime"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00058","codigo":"REF","titulo":"Financial fraud among older americans: Evidence and implications","ano":"2020","autores":["Deliema, Marguerite","Deevy, Martha","Lusardi, Annamaria","Mitchell, Olivia S."],"revista":"Journals of Gerontology - Series B Psychological Sciences and Social Sciences","tipo_documental":"article","doi":"10.1093/geronb/gby151","url":"https://www.scopus.com/pages/publications/85081532827?origin=resultslist","tem_abstract":true,"palavras_chave":["Aged; Aged","80 and over; Crime Victims; Elder Abuse; Female; Fraud; Humans; Law Enforcement; Male; Middle Aged; Needs Assessment; Prospective Studies; Retirement; United States; Vulnerable Populations; aged; crime victim; economics; elder abuse; female; fraud; human; law enforcement; male; middle aged; needs assessment; procedures; prospective study; retirement; United States; very elderly; vulnerable population"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":6,"relacoes":4,"resumo":"Estudo da incidência e dos fatores de risco prospectivos de golpes de investimento e de prêmio/loteria entre pessoas com 50 anos ou mais, usando dados do Health and Retirement Study de 2016.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2010-2016","aspectos":{"Sensitivo":2,"Analítico":1,"Formativo":1,"Social":1,"Econômico":1},"temas":["Fatores_Humanos","Defesa_e_Mitigação","Crimes_Digitais","Fatores_Humanos_de_Vulnerabilidade","Vulnerabilidade_Humana"],"golpes":["Golpe de investimento","Golpe de prêmio/loteria"],"canais":[],"metodos":["Regressão logística"],"fontes":["Health and Retirement Study"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00089","codigo":"REF","titulo":"Resilience in sophisticated financial crime networks: a social network analysis of the Madoff Investment Scheme","ano":"2020","autores":["Hardy, John","Bell, Peter"],"revista":"Crime Prevention and Community Safety","tipo_documental":"article","doi":"10.1057/s41300-020-00094-7","url":"https://www.scopus.com/pages/publications/85085327058?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":6,"relacoes":3,"resumo":"Aplica análise de redes sociais (SNA) ao esquema de investimento de Madoff para identificar fatores de resiliência de redes criminosas sofisticadas diante de choques exógenos e endógenos.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"1970-2008","aspectos":{"Analítico":2,"Social":1,"Econômico":2,"Jurídico":1},"temas":["Crimes_Digitais","Impacto_de_Ataques","Detecção_de_Anomalias","Atores_de_Ameaça","Metodologia_de_Pesquisa"],"golpes":["Esquema Ponzi de Madoff"],"canais":[],"metodos":["Análise de redes sociais"],"fontes":[],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00100","codigo":"REF","titulo":"Charting the Landscape of Online Cryptocurrency Manipulation","ano":"2020","autores":["Nizzoli, Leonardo","Tardelli, Serena","Avvenuti, Marco","Cresci, Stefano","Tesconi, Maurizio","Ferrara, Emilio"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2020.3003370","url":"https://www.scopus.com/pages/publications/85087645775?origin=resultslist","tem_abstract":true,"palavras_chave":["Botnet; Large dataset; Pumps; Social networking (online); Bot detections; Multiple platforms; Shedding light; Social bots; Social media; Topic Modeling; Cryptocurrency"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Mapeamento do cenário online de criptomoedas em Twitter, Telegram e Discord, identificando esquemas de pump-and-dump e Ponzi e a atividade de bots sociais que divulgam canais fraudulentos.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Automação_de_Ataques","Vetores_de_Ataque"],"golpes":["Pump-and-dump de criptoativos","Esquema Ponzi com criptoativos"],"canais":["Redes Sociais","Mensageria Instantânea"],"metodos":["Detecção de bots","Modelagem de tópicos"],"fontes":["Twitter","Telegram","Discord"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00107","codigo":"REF","titulo":"Women Who Participate in Illegal Pyramid Selling: Voices from Female Rural Migrant Offenders in China","ano":"2020","autores":["Shen, Anqi"],"revista":"Asian Journal of Criminology","tipo_documental":"article","doi":"10.1007/s11417-019-09295-y","url":"https://www.scopus.com/pages/publications/85072124105?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Estudo de caso sobre o envolvimento de mulheres migrantes chinesas em venda piramidal ilegal, examinando motivos de entrada, papéis nas operações criminosas e ganhos e perdas decorrentes da participação.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Venda piramidal ilegal"],"canais":[],"metodos":["Estudo de caso"],"fontes":[],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["China"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00131","codigo":"REF","titulo":"The application of scam compliance models to investment fraud offending","ano":"2020","autores":["Lacey, David","Goode, Sigi","Pawada, Jerry","Gibson, Dennis"],"revista":"Journal of Criminological Research, Policy and Practice","tipo_documental":"article","doi":"10.1108/JCRPP-12-2019-0073","url":"https://www.scopus.com/pages/publications/85083215103?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":5,"relacoes":3,"resumo":"Estudo exploratório que mapeia métodos e táticas de golpes de investimento usados por golpistas, à luz da literatura sobre conformidade com golpes, a partir de entrevistas qualitativas com vítimas.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":2,"Formativo":1,"Econômico":1,"Pístico":1},"temas":["Manipulação_Psicológica","Crimes_Digitais","Fatores_Humanos","Infraestrutura_de_Ataque","Vulnerabilidade_Humana"],"golpes":["Golpe de investimento"],"canais":[],"metodos":["Entrevistas qualitativas","Análise temática"],"fontes":["Vítimas de golpes de investimento atendidas por serviço nacional de apoio a vítimas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00159","codigo":"REF","titulo":"Cryptocurrencies emerging threats and defensive mechanisms: A systematic literature review","ano":"2020","autores":["Badawi, Emad","Jourdan, Guy-Vincent"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2020.3034816","url":"https://www.scopus.com/pages/publications/85102838641?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptocurrency; Denial-of-service attack; Investments; Privacy by design; Assessment criteria; Defensive mechanism; Defensive systems; Engineering database; Investment programs; Systematic literature review; Systematic Review; Training data sets; Digital libraries"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Revisão sistemática das ameaças emergentes envolvendo criptomoedas e dos mecanismos defensivos propostos, incluindo eficácia na detecção precoce e prevenção e levantamento de datasets disponíveis.","foco":"Detecção","tipo":"Revisão Sistemática","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Mecanismos_de_Segurança","Ameaças_Digitais"],"golpes":["Golpes com criptoativos","Esquemas de investimento de alto rendimento","Pump and dump"],"canais":["Blockchain"],"metodos":["Revisão sistemática"],"fontes":["IEEE Xplore","ACM Digital Library","Scopus","Web of Science"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00162","codigo":"REF","titulo":"Investigating MMM Ponzi Scheme on Bitcoin","ano":"2020","autores":["Boshmaf, Yazan","Elvitigala, Charitha","Al Jawaheri, Husam","Wijesekera, Primal","Al Sabah, Mashael"],"revista":"Proceedings of the 15th ACM Asia Conference on Computer and Communications Security, ASIA CCS 2020","tipo_documental":"conference","doi":"10.1145/3320269.3384719","url":"https://www.scopus.com/pages/publications/85096390945?origin=resultslist","tem_abstract":true,"palavras_chave":["Profitability; Cybercriminals; Gini Index; Global reach; In-depth analysis; Income inequality; Investment models; Member countries; Three phasis; Bitcoin"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise aprofundada do esquema Ponzi MMM no Bitcoin, com base em transações e endereços, caracterizando suas fases, desigualdade de renda, modelo de soma zero e alcance global.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2014/09-2016/06","aspectos":{"Físico":1,"Social":1},"temas":["Mecanismos_de_Segurança","Atores_de_Ameaça"],"golpes":["Esquema Ponzi com Bitcoin (MMM)"],"canais":["Blockchain"],"metodos":["Análise de transações em blockchain","Índice de Gini"],"fontes":["Blockchain do Bitcoin"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00257","codigo":"REF","titulo":"Dissecting Ponzi schemes on Ethereum: Identification, analysis, and impact","ano":"2020","autores":["Bartoletti, Massimo","Carta, Salvatore","Cimoli, Tiziana","Saia, Roberto"],"revista":"Future Generation Computer Systems","tipo_documental":"article","doi":"10.1016/j.future.2019.08.014","url":"https://www.scopus.com/pages/publications/85070691587?origin=resultslist","tem_abstract":true,"palavras_chave":["Electronic money; Joining; Digital world; Electronic frauds; Financial fraud; Offline; Ponzi schemes; Ethereum"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Levantamento abrangente dos esquemas Ponzi em contratos inteligentes na Ethereum, analisando seu comportamento e impacto sob diversos pontos de vista.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Econômico":1},"temas":["Tecnologia_de_Ataque","Crimes_Digitais"],"golpes":["Esquemas Ponzi em contratos inteligentes na Ethereum"],"canais":["Blockchain"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00263","codigo":"REF","titulo":"Don't Fish in Troubled Waters! Characterizing Coronavirus-Themed Cryptocurrency Scams","ano":"2020","autores":["Xia, Pengcheng","Wang, Haoyu","Luo, Xiapu","Wu, Lei","Zhou, Yajin","Bai, Guangdong","Xu, Guoai","Huang, Gang","Liu, Xuanzhe"],"revista":"eCrime Researchers Summit, eCrime","tipo_documental":"conference","doi":"10.1109/eCrime51433.2020.9493255","url":"https://www.scopus.com/pages/publications/85111971964?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Malware; Coronaviruses; Hybrid approach; Measurement study; Online resources; Research communities; Social engineering; US dollar; Cryptocurrency"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":2,"relacoes":1,"resumo":"Primeiro estudo de medição de golpes com criptomoedas com tema de COVID-19, com taxonomia, coleta de golpes reportados, detecção de golpes não divulgados e análise de endereços blockchain e perdas.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":2},"temas":["Impacto_do_Phishing","Modalidades_de_Ataque"],"golpes":["Golpes com criptoativos com tema de COVID-19"],"canais":["Web","Redes Sociais","Blockchain"],"metodos":["Análise manual de golpes reportados","Abordagem híbrida de coleta e detecção"],"fontes":["Golpes reportados por usuários em recursos online"],"ferramentas":[],"unidades":["Golpes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00290","codigo":"REF","titulo":"Discursive features of nigerian online ponzi schemes’ narratives; [Diskurzivne značilnosti naracije v nigerijskih spletnih ponzijevih shemah]","ano":"2020","autores":["Onanuga, Paul","Taiwo, Rotimi"],"revista":"ELOPE: English Language Overseas Perspectives and Enquiries","tipo_documental":"article","doi":"10.4312/elope.17.2.61-82","url":"https://www.scopus.com/pages/publications/85099470860?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise de traços discursivos e linguísticos usados para enganar em esquemas Ponzi online nigerianos, mostrando como a linguagem é construída para atrair e enganar assinantes.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Econômico":1},"temas":["Crimes_Digitais","Fatores_Psicológicos"],"golpes":["Esquema Ponzi online"],"canais":["Web"],"metodos":["Análise do discurso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["Nigéria"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00006","codigo":"REF","titulo":"GraphSIF: analyzing flow of payments in a Business-to-Business network to detect supplier impersonation","ano":"2020","autores":["Canillas, Rémi","Hasan, Omar","Sarrat, Laurent","Brunie, Lionel"],"revista":"Applied Network Science","tipo_documental":"article","doi":"10.1007/s41109-020-00283-1","url":"https://www.scopus.com/pages/publications/85088363187?origin=resultslist","tem_abstract":true,"palavras_chave":["Anomaly detection; Conformal mapping; Crime; Expert systems; Flow graphs; B2B network; Business companies; Business networks; Business-to-business; Feature engineerings; Financial networks; Fraud detection; Fraudsters; Graph-based feature engineering; Graph-based features; Self organizing maps"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Propõe um sistema de detecção de anomalias baseado em grafo e Self-Organizing Map para identificar transações fraudulentas em golpes de personificação de fornecedores em empresas B2B.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Anomalias","Aprendizado_de_Máquina"],"golpes":["Fraude de personificação de fornecedor"],"canais":[],"metodos":["Abordagem baseada em grafo","Sistema de detecção de anomalias","Self-Organizing Map"],"fontes":["SIS-ID"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00010","codigo":"REF","titulo":"Criminals Work from Home during Pandemics Too: a Public Health Approach to Respond to Fraud and Crimes against those 50 and above","ano":"2020","autores":["Payne, Brian K."],"revista":"American Journal of Criminal Justice","tipo_documental":"article","doi":"10.1007/s12103-020-09532-6","url":"https://www.scopus.com/pages/publications/85086039901?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Artigo que aplica o referencial de saúde pública à vitimização por fraude durante a pandemia de coronavírus, com foco em pessoas acima de 50 anos, usando dados da Federal Trade Commission.","foco":"Vítima","tipo":"Estudo Empírico","periodo":"2019/01-2020/03","aspectos":{"Biótico":1,"Social":1},"temas":["Contextos_de_Ataque","Impacto_de_Ataques"],"golpes":["Fraude contra idosos","Golpe de suporte técnico"],"canais":[],"metodos":["Análise de dados de reclamações"],"fontes":["Federal Trade Commission"],"ferramentas":[],"unidades":["Relatos de fraude"],"territorios":["Estados Unidos"],"setores":[],"teorias":["Referencial de saúde pública"]},{"id":"ref_8d955f377173_00018","codigo":"REF","titulo":"Fraud against businesses both online and offline: Crime scripts, business characteristics, efforts, and benefits","ano":"2020","autores":["Junger, Marianne","Wang, Victoria","Schlömer, Marleen"],"revista":"Crime Science","tipo_documental":"article","doi":"10.1186/s40163-020-00119-4","url":"https://www.scopus.com/pages/publications/85089597854?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Análise de 300 casos de fraude contra empresas holandesas (fraude do CEO, contrato fraudulento e fatura fantasma), examinando scripts de crime, características das empresas-alvo e relação entre esforço criminoso e benefício financeiro.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Econômico":3},"temas":["Economia_do_Ataque","Defesa_Organizacional","Crimes_Digitais"],"golpes":["Fraude do CEO","Contrato fraudulento","Fatura fantasma"],"canais":[],"metodos":["Análise de scripts de crime","Análise de casos"],"fontes":["Casos de fraude contra empresas holandesas"],"ferramentas":[],"unidades":["Casos"],"territorios":["Países Baixos"],"setores":[],"teorias":["Modelo de Escolha Racional","Teoria das Atividades Rotineiras"]},{"id":"ref_8d955f377173_00020","codigo":"REF","titulo":"Exploiting trust for financial gain: an overview of business email compromise (BEC) fraud","ano":"2020","autores":["Cross, Cassandra","Gillett, Rosalie"],"revista":"Journal of Financial Crime","tipo_documental":"article","doi":"10.1108/JFC-02-2020-0026","url":"https://www.scopus.com/pages/publications/85084204525?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":2,"conceitos":4,"relacoes":3,"resumo":"Revisão da literatura sobre fraude de comprometimento de e-mail corporativo (BEC): como é perpetrada, seu impacto, a resposta das autoridades e sua prevenção, apontando lacunas e uma agenda de pesquisa.","foco":"Não Especificado","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Social":2,"Econômico":1},"temas":["Modalidades_de_Ataque","Motivação_e_Impacto_de_Ataques","Ataques_de_Phishing","Identidade_e_Representação"],"golpes":["Comprometimento de e-mail corporativo (BEC)"],"canais":["E-mail"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00040","codigo":"REF","titulo":"Something phish-y is going on here: A teaching case on business email compromise","ano":"2020","autores":["Bakarich, Kathleen M.","Baranek, Devon"],"revista":"Current Issues in Auditing","tipo_documental":"article","doi":"10.2308/ciia-52706","url":"https://www.scopus.com/pages/publications/85085126574?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":2,"conceitos":3,"relacoes":2,"resumo":"Caso de ensino sobre uma empresa de capital aberto dos EUA vítima de Business Email Compromise, examinado sob a lente de controles internos e auditoria externa.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1,"Econômico":1},"temas":["Modalidades_de_Ataque","Motivação_e_Impacto_de_Ataques","Alvos_de_Ataque"],"golpes":["Comprometimento de e-mail corporativo (Business Email Compromise)"],"canais":["E-mail"],"metodos":["Estudo de caso"],"fontes":["Registros da SEC"],"ferramentas":[],"unidades":["Organizações"],"territorios":["Estados Unidos"],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01007","codigo":"REF","titulo":"Open Repository for the Evaluation of Ransomware Detection Tools","ano":"2020","autores":["Berrueta, Eduardo","Morato, Daniel","Magana, Eduardo","Izal, Mikel"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2020.2984187","url":"https://www.scopus.com/pages/publications/85083760486?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer viruses; Detection algorithm; Detection tools; Evaluation metrics; File access; Large networks; Network-based; Open repositories; Shared directories; Cryptography"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Descreve um repositório público de dados com operações de acesso a arquivos de mais de 70 amostras de ransomware durante a criptografia de um diretório compartilhado em rede, para avaliar e comparar técnicas de detecção.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Crypto-ransomware"],"canais":[],"metodos":[],"fontes":["Amostras de ransomware executadas em diretório compartilhado em rede"],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01033","codigo":"REF","titulo":"Research on Android Ransomware Protection Technology","ano":"2020","autores":["Hu, Jian Wei","Zhang, Yu","Cui, Yan Peng"],"revista":"Journal of Physics: Conference Series","tipo_documental":"conference","doi":"10.1088/1742-6596/1584/1/012004","url":"https://www.scopus.com/pages/publications/85089180709?origin=resultslist","tem_abstract":true,"palavras_chave":["Android (operating system); Data mining; Malware; Personal computing; Android platforms; Comprehensive analysis; Detection scheme; Future research directions; Property damage; Protection technologies; Smart devices; Mobile security"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão das características do ransomware Android e dos trabalhos existentes sobre sua detecção e proteção, com análise comparativa, problemas remanescentes, sugestões e direções futuras.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware em Android"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01042","codigo":"REF","titulo":"Forms and consequences of the cyber threats and extortion phenomenon","ano":"2020","autores":["Vasiu, Ioana","Vasiu, Lucian"],"revista":"European Journal of Sustainable Development","tipo_documental":"article","doi":"10.14207/ejsd.2020.v9n4p295","url":"https://www.scopus.com/pages/publications/85091864441?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Exame aprofundado do fenômeno das ameaças cibernéticas e da extorsão, descrevendo formas, vetores de comunicação e consequências para as vítimas, com abordagem interdisciplinar baseada em grande número de casos.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Social":2},"temas":["Ameaças_Cibernéticas","Objetivos_de_Ataque"],"golpes":["Extorsão cibernética e ameaças cibernéticas"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Casos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01051","codigo":"REF","titulo":"The Ransomware-as-a-Service economy within the darknet","ano":"2020","autores":["Meland, Per Håkon","Bayoumy, Yara Fareed Fahmy","Sindre, Guttorm"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2020.101762","url":"https://www.scopus.com/pages/publications/85081137012?origin=resultslist","tem_abstract":true,"palavras_chave":["Commerce; Crime; Cybercriminals; Darknet; Digital assets; Large companies; Marketplace; Netnography; RaaS; Research approach; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":3,"relacoes":2,"resumo":"Estudo netnográfico de mercados e fóruns da darknet sobre Ransomware-as-a-Service (RaaS), avaliando a real ameaça e descrevendo a cadeia de valor e os atores envolvidos.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Infraestrutura_de_Ataque","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware como serviço"],"canais":["Web"],"metodos":["Pesquisa netnográfica"],"fontes":["Mercados e fóruns da darknet"],"ferramentas":[],"unidades":["Anúncios"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01070","codigo":"REF","titulo":"“Your money or your life!” - Ransomwares in healthcare information systems; [„Pénzt vagy életet!” - Zsarolóvírusok az egészségügyi informatikai rendszerekben]","ano":"2020","autores":["Palicz, Tamás","Sas, Tibor","Tisóczki, József","Bencsik, Balázs","Joó, Tamás"],"revista":"Orvosi Hetilap","tipo_documental":"article","doi":"10.1556/650.2020.31788","url":"https://www.scopus.com/pages/publications/85090507228?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer Security; Crime; Health Information Systems; Humans; adult; article; computer security; European Union; human; information system; money; nonhuman; patient care; ransomware; virus; crime; medical information system"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":2,"resumo":"Artigo apresenta a importância dos ataques de ransomware no setor de saúde e delineia medidas para garantir a continuidade do cuidado ao paciente.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Biótico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":["Estados Unidos"],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01089","codigo":"REF","titulo":"A Care-Based Stakeholder Approach to Ethics of Cybersecurity in Business","ano":"2020","autores":["Morgan, Gwenyth","Gordijn, Bert"],"revista":"International Library of Ethics, Law and Technology","tipo_documental":"article","doi":"10.1007/978-3-030-29053-5_6","url":"https://www.scopus.com/pages/publications/85098053102?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Capítulo sobre questões éticas de cibersegurança em empresas, com foco em ataques de ransomware e nas responsabilidades das empresas para com seus stakeholders, usando a abordagem de cuidado de Engster.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Ameaças_Cibernéticas","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":[],"metodos":["Abordagem de stakeholders baseada em cuidado de Daniel Engster"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01112","codigo":"REF","titulo":"Ransomware as a Service using Smart Contracts and IPFS","ano":"2020","autores":["Karapapas, Christos","Pittaras, Iakovos","Fotiou, Nikos","Polyzos, George C."],"revista":"IEEE International Conference on Blockchain and Cryptocurrency, ICBC 2020","tipo_documental":"conference","doi":"10.1109/ICBC48266.2020.9169451","url":"https://www.scopus.com/pages/publications/85091511902?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Chromium compounds; Crime; Cryptocurrency; Computing capability; Decentralized system; File systems; Illegal activities; Offline; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":2,"resumo":"Demonstra como sistemas descentralizados, como Ethereum e IPFS, podem ser usados para lançar uma campanha de ransomware como serviço, permitindo transações anônimas e criminosos offline.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Mecanismos_de_Segurança"],"golpes":["Ransomware como serviço"],"canais":["Blockchain"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01123","codigo":"REF","titulo":"Why Current Statistical Approaches to Ransomware Detection Fail","ano":"2020","autores":["Pont, Jamie","Arief, Budi","Hernandez-Castro, Julio"],"revista":"Lecture Notes in Computer Science","tipo_documental":"article","doi":"10.1007/978-3-030-62974-8_12","url":"https://www.scopus.com/pages/publications/85097587304?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Higher order statistics; Large dataset; Malware; Random processes; Statistics; 'current; Anti-ransomware; Chi-square; Compressed datum; False positive rates; File formats; Randomness; Simple++; Statistical approach; Statistical techniques; Statistical tests"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":7,"conceitos":5,"relacoes":3,"resumo":"Investiga o uso frequente de testes estatísticos simples na detecção de ransomware, com foco nas taxas de falsos positivos, mostrando que a dependência desses testes é pouco confiável.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":2,"Analítico":2,"Formativo":1},"temas":["Métodos_de_Detecção","Detecção_de_Phishing","Ameaças_Cibernéticas","Detecção_de_Anomalias"],"golpes":["Ransomware"],"canais":[],"metodos":["Entropia de Shannon","Qui-quadrado","Média aritmética","Estimativa de Monte Carlo para Pi","Coeficiente de correlação serial"],"fontes":["Conjunto de arquivos coletado pelos autores"],"ferramentas":[],"unidades":["Arquivos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01125","codigo":"REF","titulo":"Dual-use Research in Ransomware Attacks: A Discussion on Ransomware Defence Intelligence","ano":"2020","autores":["Genc, Ziya Alper","Lenzini, Gabriele"],"revista":"International Conference on Information Systems Security and Privacy","tipo_documental":"conference","doi":"10.5220/0009000505850592","url":"https://www.scopus.com/pages/publications/85176305926?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo de engenharia reversa de executáveis de malware que investiga se desenvolvedores de ransomware reutilizam código público inseguro, permitindo recuperar chaves de descriptografia e discutindo estratégias de contrainteligência.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware"],"canais":[],"metodos":["Engenharia reversa"],"fontes":["Amostras de malware"],"ferramentas":[],"unidades":["Amostras de malware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01144","codigo":"REF","titulo":"Laundering the Profits of Ransomware; Money Laundering Methods for Vouchers and Cryptocurrencies","ano":"2020","autores":["Custers, Bart","Oerlemans, Jan-Jaap","Pool, Ronald"],"revista":"European Journal of Crime, Criminal Law and Criminal Justice","tipo_documental":"article","doi":"10.1163/15718174-02802002","url":"https://www.scopus.com/pages/publications/85092040633?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Investiga os modi operandi de cibercriminosos que usam ransomware e cryptoware para obter lucro e lavar os ganhos, descrevendo dois modelos de pagamento do resgate: vouchers e bitcoins.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque","Atores_de_Ameaça"],"golpes":["Ransomware","Cryptoware"],"canais":[],"metodos":["Pesquisa documental","Entrevistas","Análise de arquivos policiais"],"fontes":["Pesquisa documental","Entrevistas","Arquivos policiais"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01191","codigo":"REF","titulo":"The hybrid victim: Re-conceptualizing high-tech cyber victimization through actor-network theory","ano":"2020","autores":["van der Wagen, Wytske","Pieters, Wolter"],"revista":"European Journal of Criminology","tipo_documental":"article","doi":"10.1177/1477370818812016","url":"https://www.scopus.com/pages/publications/85058653311?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Avalia criticamente a teorização atual da vítima cibernética e propõe, com base na teoria ator-rede, uma abordagem da vítima como ator-rede híbrido em cibercrimes de alta tecnologia.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque"],"golpes":["Ransomware","Botnets","Roubo virtual"],"canais":[],"metodos":["Estudos de caso empíricos"],"fontes":[],"ferramentas":[],"unidades":["Casos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01225","codigo":"REF","titulo":"An economic analysis of ransomware and its welfare consequences","ano":"2020","autores":["Hernandez-Castro, J.","Cartwright, A.","Cartwright, E."],"revista":"Royal Society Open Science","tipo_documental":"article","doi":"10.1098/rsos.190023","url":"https://www.scopus.com/pages/publications/85083164865?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Análise econômica do ransomware, examinando como os ganhos ilícitos dos criminosos dependem de estratégias de preço uniforme e discriminação de preços, e os custos de bem-estar para a sociedade.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Econômico":2},"temas":["Economia_do_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise econômica","Pesquisa piloto"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01251","codigo":"REF","titulo":"Studying Ransomware Attacks Using Web Search Logs","ano":"2020","autores":["Bansal, Chetan","Deligiannis, Pantazis","Maddila, Chandra","Rao, Nikitha"],"revista":"SIGIR 2020 - Proceedings of the 43rd International ACM SIGIR Conference on Research and Development in Information Retrieval","tipo_documental":"conference","doi":"10.1145/3397271.3401189","url":"https://www.scopus.com/pages/publications/85090148278?origin=resultslist","tem_abstract":true,"palavras_chave":["Behavioral research; Crime; Information retrieval; Network security; Search engines; Turing machines; Websites; Cyber-attacks; Machine learning models; Query log analysis; Query logs; Search behavior; Web search logs; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Estudo pioneiro que minera insights sobre ataques de ransomware a partir de logs de consultas do mecanismo de busca Bing, identificando consultas de busca de suporte e analisando tendências temporais e geográficas.","foco":"Vítima","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Fatores_Humanos","Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":["Web"],"metodos":["Aprendizado de máquina","Análise de tendências temporais e geográficas","Estudo de caso"],"fontes":["Bing"],"ferramentas":[],"unidades":["Consultas de busca"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01274","codigo":"REF","titulo":"Digital Forensics for Infected Computer Disk and Memory: Acquire, Analyse, and Report","ano":"2020","autores":["Al-Sabaawi, Aiman"],"revista":"2020 IEEE Asia-Pacific Conference on Computer Science and Data Engineering, CSDE 2020","tipo_documental":"conference","doi":"10.1109/CSDE50874.2020.9411614","url":"https://www.scopus.com/pages/publications/85105496124?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Forensic engineering; Image analysis; Malware; Personal computing; Recovery; Security systems; Cyber-crimes; Digital format; Disk images; Forensic analysis; Forensic tools; IT infrastructures; IT security; Tools and techniques; Computer forensics"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Artigo discute o uso de ferramentas forenses para criar imagens de disco e memória de máquinas infectadas por ransomware, analisá-las e recuperar dados sem pagar o resgate.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Analítico":1},"temas":["Resposta_a_Incidentes","Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise forense digital"],"fontes":["Imagem de disco de máquina infectada"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01278","codigo":"REF","titulo":"Blockchain-based semi-autonomous ransomware","ano":"2020","autores":["Delgado-Mohatar, Oscar","Sierra-Cámara, José María","Anguiano, Eloy"],"revista":"Future Generation Computer Systems","tipo_documental":"article","doi":"10.1016/j.future.2020.02.037","url":"https://www.scopus.com/pages/publications/85086370059?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Malware; Additional costs; Cryptographic primitives; Decryption keys; Degree of automation; Fair exchange; Technical countermeasures; Test network; Blockchain"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":2,"relacoes":2,"resumo":"Propõe os primeiros esquemas de ransomware baseados em blockchain, com contratos inteligentes e primitivas criptográficas, e demonstra sua viabilidade técnica e econômica na rede de teste Ethereum Ropsten.","foco":"Mecanismo do Ataque","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Tecnologia_de_Ataque"],"golpes":["Ransomware baseado em blockchain"],"canais":["Blockchain"],"metodos":["Contratos inteligentes","Primitivas criptográficas","Implementação em rede de teste"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01289","codigo":"REF","titulo":"Industrial robot ransomware: Akerbeltz","ano":"2020","autores":["Mayoral-Vilches, Victor","Carbajo, Unai Ayucar","Gil-Uriarte, Endika"],"revista":"Proceedings - 4th IEEE International Conference on Robotic Computing, IRC 2020","tipo_documental":"conference","doi":"10.1109/IRC.2020.00080","url":"https://www.scopus.com/pages/publications/85099392638?origin=resultslist","tem_abstract":true,"palavras_chave":["Agricultural robots; Machine design; Malware; Manufacture; Privacy by design; Robotics; Collaborative robots; Control phase; Cyber intrusion; Cyber security; Disclosure policies; Lateral movement; Security by obscurities; System integration; Industrial robots"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Apresenta o Akerbeltz, primeiro ransomware conhecido para robôs industriais demonstrado em robôs colaborativos Universal Robots, para evidenciar a insegurança por design na robótica e defender políticas de divulgação de vulnerabilidades.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Ransomware para robôs industriais"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Robótica industrial"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01312","codigo":"REF","titulo":"Ransomware behavior attack construction via graph theory approach","ano":"2020","autores":["Rosli, Muhammad Safwan","Abdullah, Raihana Syahirah","Yassin, Warusia","Faizal, M.A.","Zaki, Wan Nur Fatihah Wan Mohd"],"revista":"International Journal of Advanced Computer Science and Applications","tipo_documental":"article","doi":"10.14569/ijacsa.2020.0110262","url":"https://www.scopus.com/pages/publications/85081234843?origin=resultslist","tem_abstract":true,"palavras_chave":["File organization; Graphic methods; Learning systems; Malware; 'current; Activity Systems; Attack patterns; Behavior analysis; Cyber-attacks; File activity system; Filesystem; Malware attacks; Malware behaviors; Malware detection; Graph theory"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Propõe uma abordagem de teoria dos grafos para analisar o comportamento de ransomware no sistema de arquivos e visualizá-lo como padrões em grafo, usando dez amostras.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":2},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Abordagem de teoria dos grafos","Análise dinâmica de malware"],"fontes":["Amostras de ransomware"],"ferramentas":["VirusTotal","Neo4j"],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01342","codigo":"REF","titulo":"A Review of Cybersecurity Incidents in the Water Sector","ano":"2020","autores":["Hassanzadeh, Amin","Rasekh, Amin","Galelli, Stefano","Aghashahi, Mohsen","Taormina, Riccardo","Ostfeld, Avi","Banks, M. Katherine"],"revista":"Journal of Environmental Engineering (United States)","tipo_documental":"article","doi":"10.1061/(ASCE)EE.1943-7870.0001686","url":"https://www.scopus.com/pages/publications/85081728503?origin=resultslist","tem_abstract":true,"palavras_chave":["Network security; Critical review; Cyber security; Industrial control systems; Insider Threat; Public information; Scientific papers; Search strategies; Security solutions; complexity; control system; vulnerability; water industry; water resource; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Revisão crítica de quinze incidentes de cibersegurança divulgados e documentados no setor de água, analisando situação, resposta, remediação e lições aprendidas, para orientar a proteção contra ameaças cibernéticas.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque"],"golpes":["Ataques cibernéticos ao setor de água, incluindo ransomware e cryptojacking"],"canais":[],"metodos":["Revisão crítica de incidentes"],"fontes":["Relatórios de investigação federais","Artigos científicos"],"ferramentas":[],"unidades":["Incidentes"],"territorios":[],"setores":["Água"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01360","codigo":"REF","titulo":"PaperW8: An IoT bricking ransomware proof of concept","ano":"2020","autores":["Brierley, Calvin","Pont, Jamie","Arief, Budi","Barnes, David J.","Hernandez-Castro, Julio"],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3407023.3407044","url":"https://www.scopus.com/pages/publications/85117539827?origin=resultslist","tem_abstract":true,"palavras_chave":["Automation; Brick; Computer operating systems; Intelligent buildings; Internet of things; 'current; Bricking; Healthcare systems; Industrial control systems; Malwares; Potential methods; Proof of concept; Security; Smart homes; System control; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Investiga a viabilidade de ataques de ransomware contra dispositivos IoT por meio de uma prova de conceito (PaperW8) para Linux, avaliando requisitos, limitações e danos possíveis.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque"],"golpes":["Ransomware em dispositivos IoT"],"canais":[],"metodos":["Desenvolvimento de malware de prova de conceito","Teste em dispositivos IoT vulneráveis"],"fontes":[],"ferramentas":[],"unidades":["Dispositivos IoT"],"territorios":[],"setores":[],"teorias":[]},{"id":"roundy2020626","codigo":"ROUNDY2020626","titulo":"The many kinds of creepware used for interpersonal attacks","ano":"2020","autores":["Roundy, Kevin A.","Mendelberg, Paula Barmaimon","Dell, Nicola","McCoy, Damon","Nissani, Daniel","Ristenpart, Thomas","Tamersoy, Acar"],"revista":"Proceedings - IEEE Symposium on Security and Privacy","tipo_documental":"conference","doi":"10.1109/SP40000.2020.00069","url":"https://www.scopus.com/pages/publications/85091590485?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Google plays; Guilt by associations; Information thefts; Mobile apps; Quantitative and qualitative methods; Ecosystems"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Estudo inicial de creepware, apps Android usados em ataques interpessoais como perseguição e assédio, com o algoritmo CreepRank para revelar apps desconhecidos por associação e caracterizá-los.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Creepware (aplicativos usados em ataques interpessoais)"],"canais":[],"metodos":["CreepRank","Guilt by association","Métodos quantitativos","Métodos qualitativos"],"fontes":["Dados de aplicativos instalados em dispositivos Android"],"ferramentas":[],"unidades":["Aplicativos"],"territorios":[],"setores":[],"teorias":[]},{"id":"badawi2019729","codigo":"BADAWI2019729","titulo":"Automatic detection and analysis of the “game hack” scam","ano":"2019","autores":["Badawi, Emad","Jourdan, Guy-Vincent","Bochmann, Gregor","Onut, Iosif-Viorel"],"revista":"Journal of Web Engineering","tipo_documental":"article","doi":"10.13052/jwe1540-9589.1881","url":"https://www.scopus.com/pages/publications/85097084165?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Estudo orientado por dados do \"Game Hack\" Scam, golpe pouco conhecido que promete recursos gratuitos de jogos, para investigar sua extensão, infraestrutura e atacantes a partir de buscas em mecanismos de busca.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Social":1},"temas":["Modalidades_de_Ataque","Infraestrutura_de_Ataque"],"golpes":["Golpe do Game Hack"],"canais":["Web","Redes Sociais"],"metodos":["Abordagem orientada por dados","Consultas de busca em múltiplos mecanismos de busca"],"fontes":["Mecanismos de busca"],"ferramentas":[],"unidades":["URLs"],"territorios":[],"setores":["Jogos eletrônicos"],"teorias":[]},{"id":"fraudes00089","codigo":"FRAUDES00089","titulo":"Adversarially Resilient UX in AI‑Powered Cybersecurity Decision Support","ano":"2019","autores":["CHANDRA, RAKESH"],"revista":"International Journal of Innovative Research in Humanities & Technology","tipo_documental":"misc","doi":"10.67228/3071561x/ijirht-2019pii8n6y","url":"https://doi.org/10.67228/3071561x/ijirht-2019pii8n6y","tem_abstract":true,"palavras_chave":["Exploit","Adversarial system","Key (lock)","Interpretability","Threat model","Decision support system","Taxonomy (biology)"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Explora o conceito de experiência do usuário (UX) adversarialmente resiliente em ferramentas de cibersegurança baseadas em IA, propondo um framework de design contra manipulação de analistas humanos na interface humano-IA.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Social":1},"temas":["Fatores_Humanos","Atores_de_Ameaça"],"golpes":["Phishing"],"canais":[],"metodos":["Modelagem de ameaças","Análise de cenários","Estudos de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00119","codigo":"FRAUDES00119","titulo":"The Web of False Information","ano":"2019","autores":["Savvas Zannettou, Michael Sirivianos, Jeremy Blackburn, Nicolas Kourtellis"],"revista":"Journal of Data and Information Quality","tipo_documental":"misc","doi":"10.1145/3309699","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Tipologia do ecossistema de informação falsa na Web, com atores e motivações, e visão geral da pesquisa sobre percepção, propagação, detecção e informação falsa política.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Lingual":1},"temas":["Vetores_de_Ataque","Manipulação_Psicológica"],"golpes":["Campanhas de informação falsa em redes sociais online"],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00138","codigo":"FRAUDES00138","titulo":"Design and analysis of a general vector space model for data classification in Internet of Things","ano":"2019","autores":["Jinguo Sang, Shanchen Pang, Yang Zha, Fan Yang"],"revista":"EURASIP Journal on Wireless Communications and Networking","tipo_documental":"misc","doi":"10.1186/s13638-019-1581-3","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Propõe um novo algoritmo de classificação de texto baseado em modelo de espaço vetorial, com substituição de sinônimos na seleção e ponderação de características, para reduzir a informação transferida em redes de Internet das Coisas.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["Modelo de espaço vetorial","Substituição de sinônimos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00149","codigo":"FRAUDES00149","titulo":"A taxonomy of features for preventing identity deception in online communities and their estimated efficacy","ano":"2019","autores":["Michail Tsikerdekis, Taylor Morse, Cari Dean, Jason Ruffin"],"revista":"Journal of Information Security and Applications","tipo_documental":"misc","doi":"10.1016/j.jisa.2019.06.002","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe uma abordagem proativa para detectar contas maliciosas na entrada em subcomunidades de plataformas sociais, com taxonomia de características baseadas em dados de usuário e comparação de sua eficácia.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Detecção_de_Ameaças","Estratégias_de_Defesa"],"golpes":["Contas maliciosas de decepção de identidade em redes sociais"],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Contas de usuário"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00168","codigo":"FRAUDES00168","titulo":"Bots Acting Like Humans: Understanding and Preventing Harm","ano":"2019","autores":["Florian Daniel, Cinzia Cappiello, Boualem Benatallah"],"revista":"IEEE Internet Computing","tipo_documental":"misc","doi":"10.1109/mic.2019.2893137","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":3,"relacoes":2,"resumo":"Estuda como bots que imitam humanos em conversas online podem afetar essas conversas, propõe uma taxonomia de danos e discute como prevenir abusos.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":2},"temas":["Automação_de_Ataques","Infraestrutura_de_Ataque","Fatores_Humanos"],"golpes":["Abuso de bots em conversas online"],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00169","codigo":"FRAUDES00169","titulo":"Social bots in political communication","ano":"2019","autores":["V.V. Vasilkova, N.I. Legostaeva"],"revista":"RUDN Journal of Sociology","tipo_documental":"misc","doi":"10.22363/2313-2272-2019-19-1-121-133","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Revisão de abordagens estrangeiras e russas sobre social bots na comunicação política: tipos de bots, uso em campanhas eleitorais e métodos de detecção.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Físico":1,"Formativo":1,"Social":2},"temas":["Automação_de_Ataques","Manipulação_Psicológica","Identidade_e_Representação"],"golpes":["Social bots na comunicação política","Astroturfing digital"],"canais":["Redes Sociais"],"metodos":["Revisão narrativa","Análise comparativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":["Estados Unidos","Reino Unido","Venezuela","Japão"],"setores":[],"teorias":[]},{"id":"fraudes00170","codigo":"FRAUDES00170","titulo":"Spammer Detection and Fake User Identification on Social Networks","ano":"2019","autores":["Faiza Masood, Ghana Ammad, Ahmad Almogren, Assad Abbas, Hasan Ali Khattak, Ikram Ud Din, Mohsen Guizani, Mansour Zuair"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2019.2918196","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Revisão das técnicas de detecção de spammers no Twitter, com taxonomia das abordagens de detecção de spam por conteúdo falso, URL, tópicos em alta e usuários falsos.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1,"Social":2},"temas":["Infraestrutura_de_Ataque","Ameaças_Digitais","Atores_de_Ameaça"],"golpes":["Spam no Twitter"],"canais":["Redes Sociais"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00171","codigo":"FRAUDES00171","titulo":"A Survey of User Profiling: State-of-the-Art, Challenges, and Solutions","ano":"2019","autores":["Christopher Ifeanyi Eke, Azah Anir Norman, Liyana Shuib, Henry Friday Nweke"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2019.2944243","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Revisão do estado da arte em user profiling, com foco no processo de modelagem de perfis de usuário para personalização de serviços, incluindo métodos, taxonomia, desafios e direções de pesquisa.","foco":"Não Especificado","tipo":"Revisão Narrativa","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00204","codigo":"FRAUDES00204","titulo":"Research in fractured digital spaces","ano":"2019","autores":["Bancroft, Angus"],"revista":"International Journal of Drug Policy","tipo_documental":"misc","doi":"10.1016/j.drugpo.2019.05.007","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Ensaio sobre o uso da internet como meio e espaço de pesquisa sobre drogas, discutindo métodos mediados pela internet, mediação estrutural dos dados e hierarquias científicas tradicionais.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00205","codigo":"FRAUDES00205","titulo":"Use of Chatbots in Volunteering","ano":"2019","autores":["V. V. Vasilkova, N. I. Legostaeva, E. A. Penkova"],"revista":"Discourse","tipo_documental":"misc","doi":"10.32603/2412-8562-2019-5-4-86-101","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Análise comparativa do uso de chatbots \"benignos\" por organizações de voluntariado russas e estrangeiras, com metodologia própria para descrever estrutura e funções dos bots.","foco":"Não Especificado","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["estudo de chatbots benignos em organizações de voluntariado, sem golpe"],"canais":["Mensageria Instantânea","Redes Sociais"],"metodos":["Análise comparativa de chatbots"],"fontes":["Chatbots de organizações de voluntariado russas"],"ferramentas":[],"unidades":["Chatbots"],"territorios":["Rússia"],"setores":["Organizações sem fins lucrativos"],"teorias":[]},{"id":"fraudes00206","codigo":"FRAUDES00206","titulo":"Cryptomarchés et carding : impact sur l’offre et la demande","ano":"2019","autores":["Mathieu Guillot1, David Décary-Hétu"],"revista":"Criminologie","tipo_documental":"misc","doi":"10.7202/1065856ar","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Descreve as atividades comerciais de vendedores de carding em cryptomarchés, analisando anúncios e vendedores para verificar o impacto desses mercados sobre a oferta e a demanda de produtos e serviços.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":3,"Pístico":2},"temas":["Economia_do_Ataque","Avaliação_de_Confiabilidade","Crimes_Digitais"],"golpes":["Carding"],"canais":["Web"],"metodos":["Análise descritiva","Tipologia de produtos e serviços"],"fontes":["Cryptomarchés"],"ferramentas":[],"unidades":["Anúncios","Vendedores"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00043","codigo":"REF","titulo":"Exploiting Blockchain Data to Detect Smart Ponzi Schemes on Ethereum","ano":"2019","autores":["Chen, Weili","Zheng, Zibin","Ngai, Edith C.-H.","Zheng, Peilin","Zhou, Yuren"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2019.2905769","url":"https://www.scopus.com/pages/publications/85065166827?origin=resultslist","tem_abstract":true,"palavras_chave":["Data mining; Ethereum; Classification models; Early warning; High-accuracy; Open sources; Ponzi Schemes; Practical use; Research data sets; Transaction history; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Propõe uma abordagem de detecção de esquemas de Ponzi implementados como contratos inteligentes no Ethereum, a partir de um conjunto de amostras reais coletado e de características extraídas das transações e dos códigos de operação.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Formativo":1,"Econômico":1},"temas":["Detecção_de_Phishing","Mecanismos_de_Segurança","Métodos_de_Detecção","Crimes_Digitais"],"golpes":["Esquema de Ponzi inteligente em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Verificação manual de contratos","Modelo de classificação"],"fontes":["Contratos inteligentes de código aberto da plataforma Ethereum"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00066","codigo":"REF","titulo":"A case study of pyramid scheme finance flow network based on social network analysis","ano":"2019","autores":["Feng, Pihu","Sun, Duoyong","Gong, Zaiwu"],"revista":"Sustainability (Switzerland)","tipo_documental":"article","doi":"10.3390/su11164370","url":"https://www.scopus.com/pages/publications/85070685374?origin=resultslist","tem_abstract":true,"palavras_chave":["analytical method; economic development; finance; flow measurement; network analysis; numerical model; social network"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Análise da rede de fluxo financeiro do esquema de pirâmide \"5.03\" em Hunan, China, com motifs e modelo de grafos aleatórios exponenciais, para entender a natureza operacional dessas organizações.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Análise de motifs","Modelo de grafos aleatórios exponenciais","Análise de redes sociais"],"fontes":["Caso \"5.03\" de esquema de pirâmide em Hunan"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Hunan"],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00231","codigo":"REF","titulo":"Pyramid scheme model for consumption rebate frauds","ano":"2019","autores":["Shi, Yong","Li, Bo","Long, Wen"],"revista":"Chinese Physics B","tipo_documental":"article","doi":"10.1088/1674-1056/28/7/078901","url":"https://www.scopus.com/pages/publications/85072691400?origin=resultslist","tem_abstract":true,"palavras_chave":["Complex networks; Analytical results; Pyramid scheme; Random network; Real-world; Scheme models; Tree network; Small-world networks"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Propõe um modelo de esquema de pirâmide em redes complexas (árvore, ER, SW, BA) e deriva analiticamente por quantas gerações o esquema pode durar, aplicando-o a um caso real.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Econômico":2},"temas":["Motivação_e_Impacto_de_Ataques","Modalidades_de_Ataque"],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Modelagem analítica em redes complexas","Rede aleatória de Erdös-Rényi","Rede de mundo pequeno de Strogatz-Watts","Rede livre de escala de Barabási-Albert"],"fontes":[],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00251","codigo":"REF","titulo":"A Novel Methodology for HYIP Operators' Bitcoin Addresses Identification","ano":"2019","autores":["Toyoda, Kentaroh","Takis Mathiopoulos, P.","Ohtsuki, Tomoaki"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2019.2921087","url":"https://www.scopus.com/pages/publications/85068341241?origin=resultslist","tem_abstract":true,"palavras_chave":["Data mining; Investments; Supervised learning; Classification methods; Classification performance; Computational amounts; Computer simulation experiment; forensics; Investment programs; Supervised machine learning; Technical literature; Bitcoin"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Metodologia para coletar endereços Bitcoin de operadores de HYIP por scraping e classificá-los com aprendizado de máquina supervisionado a partir do histórico de transações.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Detecção_de_Ameaças","Aprendizado_de_Máquina"],"golpes":["Golpe de investimento do tipo programa de investimento de alto rendimento (HYIP) com Bitcoin"],"canais":["Blockchain"],"metodos":["Scraping","Aprendizado de máquina supervisionado","Técnica de conversão de taxa","Técnica de amostragem"],"fontes":["Internet","Endereços Bitcoin reais"],"ferramentas":[],"unidades":["Endereços de carteira"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01031","codigo":"REF","titulo":"A survey on situational awareness of ransomware attacks-detection and prevention parameters","ano":"2019","autores":["Silva, Juan A. Herrera","López, Lorena Isabel Barona","Caraguay, Ángel Leonardo Valdivieso","Hernández-álvarez, Myriam"],"revista":"Remote Sensing","tipo_documental":"article","doi":"10.3390/rs11101168","url":"https://www.scopus.com/pages/publications/85066751373?origin=resultslist","tem_abstract":true,"palavras_chave":["Forecasting; Security of data; Surveys; Based on detections; Cognitive approaches; Current situation; Future challenges; Lucrative business; Network communications; Rapid identification; Situational awareness; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Survey sobre ransomware que resume os parâmetros monitorados para detecção e prevenção precoces sob o conceito de Situational Awareness e classifica a literatura por abordagens de detecção e prevenção.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Analítico":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Detecção_de_Ameaças","Motivação_e_Impacto_de_Ataques","Segurança_Computacional"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01085","codigo":"REF","titulo":"Ransomware payments in the Bitcoin ecosystem","ano":"2019","autores":["Paquet-Clouston, Masarah","Haslhofer, Bernhard","Dupont, Benoît"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyz003","url":"https://www.scopus.com/pages/publications/85074875393?origin=resultslist","tem_abstract":true,"palavras_chave":["Bitcoin; Law enforcement; Activity-based; Data-driven methods; Evidence-based; Financial impacts; Informed decision; Law-enforcement agencies; Open source platforms; Security professionals; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Método orientado a dados para identificar transações Bitcoin ligadas a ransomware na blockchain pública e estimar o impacto financeiro direto de 35 famílias de ransomware.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":"2013-2017","aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Análise de transações na blockchain","Análise de pegadas de endereços Bitcoin"],"fontes":["Blockchain pública do Bitcoin"],"ferramentas":["GraphSense"],"unidades":["Transações"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01100","codigo":"REF","titulo":"Ransomware deployment methods and analysis: views from a predictive model and human responses","ano":"2019","autores":["Hull, Gavin","John, Henna","Arief, Budi"],"revista":"Crime Science","tipo_documental":"article","doi":"10.1186/s40163-019-0097-9","url":"https://www.scopus.com/pages/publications/85061385371?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Investigação de 18 famílias de ransomware que resulta no modelo preditivo Randep para categorizar etapas comportamentais de implantação, além de estudo sobre como vítimas detectam e respondem ao ataque.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Cinemático":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Ciclo_do_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo preditivo Randep","Questionários","Entrevistas em profundidade"],"fontes":["Amostras de ransomware","Indivíduos e equipes de suporte de TI de universidades e PMEs"],"ferramentas":[],"unidades":["Famílias de ransomware","Indivíduos"],"territorios":[],"setores":["Educação","Pequenas e médias empresas"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01121","codigo":"REF","titulo":"WannaCry ransomware: Analysis of infection, persistence, recovery prevention and propagation mechanisms","ano":"2019","autores":["Akbanov, Maxat","Vassilakis, Vassilios G.","Logothetis, Michael D."],"revista":"Journal of Telecommunications and Information Technology","tipo_documental":"article","doi":"10.26636/jtit.2019.130218","url":"https://www.scopus.com/pages/publications/85065228821?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise dinâmica do ransomware WannaCry executado em laboratório virtual dedicado, para compreender seus mecanismos de infecção, persistência, prevenção de recuperação e propagação, apoiando o desenvolvimento de defesas.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Métodos_de_Detecção"],"golpes":["Ransomware WannaCry"],"canais":[],"metodos":["Análise dinâmica"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01131","codigo":"REF","titulo":"A Cyber-Kill-Chain based taxonomy of crypto-ransomware features","ano":"2019","autores":["Dargahi, Tooska","Dehghantanha, Ali","Bahrami, Pooneh Nikkhah","Conti, Mauro","Bianchi, Giuseppe","Benedetto, Loris"],"revista":"Journal of Computer Virology and Hacking Techniques","tipo_documental":"article","doi":"10.1007/s11416-019-00338-7","url":"https://www.scopus.com/pages/publications/85070748218?origin=resultslist","tem_abstract":true,"palavras_chave":["Matrix algebra; Taxonomies; Attack strategies; Cyber intrusion; Cyber security; Digital infrastructures; Feature taxonomies; Kill chain; Lockheed Martin; Research studies; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Proposta da primeira taxonomia científica de características de ransomware alinhada ao modelo Cyber Kill Chain, com taxonomia correspondente de defesa alinhada à matriz de Courses of Action.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01174","codigo":"REF","titulo":"Recent advances in cryptovirology: State-of-the-art crypto mining and crypto ransomware attacks","ano":"2019","autores":["Zimba, Aaron","Wang, Zhaoshun","Chen, Hongsong","Mulenga, Mwenge"],"revista":"KSII Transactions on Internet and Information Systems","tipo_documental":"article","doi":"10.3837/tiis.2019.06.027","url":"https://www.scopus.com/pages/publications/85070939919?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer forensics; Electronic crime countermeasures; Electronic money; Intrusion detection; Cryptoviral attack; Cryptovirology; Cybercrime; Dynamic property; Intrusion Detection Systems; Memory-resident; Network traffic; State of the art; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":6,"relacoes":3,"resumo":"Investiga ataques criptovirais (cryptojacking em navegador, mineração residente em memória e extorsão criptoviral) por autópsia digital de código-fonte e execução em sandbox, extraindo IOCs para mitigação.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Analítico":1,"Formativo":2,"Social":1,"Econômico":2},"temas":["Economia_do_Ataque","Ameaças_Cibernéticas","Detecção_de_Ameaças","Vetores_de_Ataque","Modalidades_de_Ataque","Atores_de_Ameaça"],"golpes":["Ataques criptovirais","Cryptojacking","Ransomware"],"canais":["Web"],"metodos":["Autópsia digital do código-fonte do malware","Análise estática","Análise dinâmica em sandbox"],"fontes":["Amostras de malware"],"ferramentas":[],"unidades":["Amostras de malware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01189","codigo":"REF","titulo":"The rise of crypto-ransomware in a changing cybercrime landscape: Taxonomising countermeasures","ano":"2019","autores":["Y. Connolly, Lena","Wall, David S."],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2019.101568","url":"https://www.scopus.com/pages/publications/85068865712?origin=resultslist","tem_abstract":true,"palavras_chave":["Professional aspects; Cybercrime; Management support; Organisational; Security countermeasures; Social engineering; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Estudo empírico sobre como organizações e investigadores reagem ao crypto-ransomware, com entrevistas sobre 26 ataques, desenvolvendo uma taxonomia orientada por dados de contramedidas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":"2014-2018","aspectos":{"Físico":1,"Formativo":2,"Social":1},"temas":["Ameaças_Cibernéticas","Estratégias_de_Defesa","Impacto_de_Ataques","Ataques_de_Phishing"],"golpes":["Crypto-ransomware"],"canais":[],"metodos":["Entrevistas em profundidade","Análise de conteúdo indutiva"],"fontes":["Vítimas e policiais entrevistados"],"ferramentas":[],"unidades":["Ataques"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01212","codigo":"REF","titulo":"Understanding the Evolution of Ransomware: Paradigm Shifts in Attack Structures","ano":"2019","autores":["Zimba, Aaron","Chishimba, Mumbi"],"revista":"International Journal of Computer Network and Information Security","tipo_documental":"article","doi":"10.5815/ijcnis.2019.01.03","url":"https://www.scopus.com/pages/publications/85084748060?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Artigo sobre a evolução do ransomware e seus impactos técnicos e econômicos, que propõe um modelo de ataque por máquina de estados finitos e uma estrutura de categorização da virulência CAT1 a CAT5.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Modelagem_Formal","Ameaças_Cibernéticas"],"golpes":["Ransomware"],"canais":[],"metodos":["Máquina de estados finitos","Estudo de caso do WannaCry"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01232","codigo":"REF","titulo":"A roadmap for improving the impact of anti-ransomware research","ano":"2019","autores":["Pont, Jamie","Abu Oun, Osama","Brierley, Calvin","Arief, Budi","Hernandez-Castro, Julio"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-030-35055-0_9","url":"https://www.scopus.com/pages/publications/85076264104?origin=resultslist","tem_abstract":true,"palavras_chave":["Error detection; Recovery; Computing resource; Data-sources; Edit distance; Roadmap; Selection criteria; Tools and techniques; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Panorama das ferramentas e técnicas anti-ransomware para Windows, organizadas por Fontes de Dados, Processamento e Ações, com comparação de 15 ferramentas e proposta de duas novas técnicas de detecção.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01234","codigo":"REF","titulo":"Targeted Ransomware: A New Cyber Threat to Edge System of Brownfield Industrial Internet of Things","ano":"2019","autores":["Al-Hawawreh, Muna","Hartog, Frank Den","Sitnikova, Elena"],"revista":"IEEE Internet of Things Journal","tipo_documental":"article","doi":"10.1109/JIOT.2019.2914390","url":"https://www.scopus.com/pages/publications/85070238789?origin=resultslist","tem_abstract":true,"palavras_chave":["Gateways (computer networks); Internet of things; Legacy systems; Locks (fasteners); Radar countermeasures; Abnormal behavior; Brown fields; Cyber security; Cyber threats; Industrial control systems; Internet of things technologies; logic locking; Physical systems; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Investiga o ransomware direcionado a gateways de borda de IIoT em sistemas brownfield, analisando motivações, anatomia e probabilidade do ataque, e medindo indicadores de comportamento anômalo em um testbed.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":2,"Formativo":1},"temas":["Ameaças_Cibernéticas","Alvos_de_Ataque","Detecção_de_Anomalias"],"golpes":["Ransomware direcionado a gateways de borda de IIoT"],"canais":[],"metodos":["Testbed de segurança de ransomware","Desenvolvimento de ransomware de teste","Medições de parâmetros de atividade do kernel"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Indústria"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01245","codigo":"REF","titulo":"A King's Ransom for Encryption: Ransomware Classification using Augmented One-Shot Learning and Bayesian Approximation","ano":"2019","autores":["Atapour-Abarghouei, Amir","Bonner, Stephen","McGough, Andrew Stephen"],"revista":"Proceedings - 2019 IEEE International Conference on Big Data, Big Data 2019","tipo_documental":"conference","doi":"10.1109/BigData47090.2019.9005540","url":"https://www.scopus.com/pages/publications/85081344052?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Large dataset; Learning systems; Network security; Uncertainty analysis; Accuracy level; Bayesian; Data augmentation; Experimental evaluation; Model uncertainties; One-shot learning; Sample dataset; Training dataset; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":6,"conceitos":4,"relacoes":2,"resumo":"Classificação pós-infecção de variantes de ransomware a partir de capturas de tela da tela de resgate feitas com câmera de dispositivo móvel, usando one-shot learning e incerteza bayesiana.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":4},"temas":["Aprendizado_de_Máquina","Ameaças_Cibernéticas","Metodologia_de_Aprendizado_de_Máquina"],"golpes":["Ransomware"],"canais":[],"metodos":["One-shot learning","Augmentação de dados","Aproximação bayesiana"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Imagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01266","codigo":"REF","titulo":"Extracting Rich Semantic Information about Cybersecurity Events","ano":"2019","autores":["Satyapanich, Taneeya","Finin, Tim","Ferraro, Francis"],"revista":"Proceedings - 2019 IEEE International Conference on Big Data, Big Data 2019","tipo_documental":"conference","doi":"10.1109/BigData47090.2019.9006444","url":"https://www.scopus.com/pages/publications/85081291670?origin=resultslist","tem_abstract":true,"palavras_chave":["Big data; Deep learning; Denial-of-service attack; Information retrieval; Malware; Semantics; Cyber security; Distributed denial of service; Event detection; event schema; Semantic information; Semantic roles; Sql injection attacks; Structured information; Network security"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Descreve eventos de cibersegurança por esquemas semânticos e propõe um pipeline modular de extração de informação baseado em deep learning, aplicado a 1.000 notícias anotadas com cinco tipos de evento.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2},"temas":["Objetivos_de_Ataque","Aprendizado_de_Máquina"],"golpes":["Eventos de cibersegurança (violação de dados","ransomware)"],"canais":[],"metodos":["Pipeline de extração de informação baseado em aprendizado profundo"],"fontes":["Artigos de notícias"],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01285","codigo":"REF","titulo":"Volenti non fit injuria: Ransomware and its Victims","ano":"2019","autores":["Atapour-Abarghouei, Amir","Bonner, Stephen","McGough, Andrew Stephen"],"revista":"Proceedings - 2019 IEEE International Conference on Big Data, Big Data 2019","tipo_documental":"conference","doi":"10.1109/BigData47090.2019.9006298","url":"https://www.scopus.com/pages/publications/85081357580?origin=resultslist","tem_abstract":true,"palavras_chave":["Big data; Cryptography; Taxonomies; Cyber security; Financial incentives; Home users; Malicious activities; Sensitive datas; System access; System operation; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Artigo discute variantes de ransomware e suas vítimas para entender como e por que são visadas e o que pode ser feito para prevenir ou mitigar os efeitos desses ataques.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01293","codigo":"REF","titulo":"To pay or not: Game theoretic models of ransomware","ano":"2019","autores":["Cartwright, Edward","Hernandez Castro, Julio","Cartwright, Anna"],"revista":"Journal of Cybersecurity","tipo_documental":"article","doi":"10.1093/cybsec/tyz009","url":"https://www.scopus.com/pages/publications/85070496984?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Game theory; Financial gains; Gain insight; Game-theoretic; Game-theoretic model; Key models; Spillover effects; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Revisa e desenvolve a literatura de teoria dos jogos sobre sequestro para compreender o ransomware, analisando o resgate ótimo e o papel da dissuasão por medidas preventivas.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Teoria dos jogos","Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_01318","codigo":"REF","titulo":"Ransomware detection system for android applications","ano":"2019","autores":["Alsoghyer, Samah","Almomani, Iman"],"revista":"Electronics (Switzerland)","tipo_documental":"article","doi":"10.3390/electronics8080868","url":"https://www.scopus.com/pages/publications/85070953939?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":3,"relacoes":2,"resumo":"Revisão comparativa de abordagens de detecção de ransomware Android e proposta do API-RDS, sistema de análise estática baseado em chamadas de pacotes de API, com um conjunto de dados único de ransomware.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Ferramentas_de_Detecção"],"golpes":["Ransomware Android"],"canais":[],"metodos":["Análise estática","Aprendizado de máquina"],"fontes":[],"ferramentas":[],"unidades":["Aplicativos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01322","codigo":"REF","titulo":"Ransomware and reputation","ano":"2019","autores":["Cartwright, Anna","Cartwright, Edward"],"revista":"Games","tipo_documental":"article","doi":"10.3390/g10020026","url":"https://www.scopus.com/pages/publications/85070518565?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":5,"relacoes":5,"resumo":"Explora, por meio de teoria dos jogos, em que medida o criminoso de ransomware pode construir confiança por reputação para que as vítimas acreditem que os arquivos serão devolvidos após o pagamento.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":2,"Econômico":1,"Estético":1,"Pístico":1},"temas":["Fatores_Humanos","Identidade_e_Representação","Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Ameaças_Digitais"],"golpes":["Ransomware"],"canais":[],"metodos":["Teoria dos jogos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01362","codigo":"REF","titulo":"Detecting Android Locker-Ransomware on Chinese Social Networks","ano":"2019","autores":["Su, Dan","Liu, Jiqiang","Wang, Xiaoyang","Wang, Wei"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2018.2888568","url":"https://www.scopus.com/pages/publications/85058886501?origin=resultslist","tem_abstract":true,"palavras_chave":["Android (operating system); Artificial intelligence; Cryptography; Feature extraction; Learning algorithms; Learning systems; Locks (fasteners); Smartphones; Android; Android platforms; Automated methods; Comprehensive analysis; Detection accuracy; Malware detection; Social network services; Transaction chains; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":4,"relacoes":3,"resumo":"Proposta de método leve e automatizado para detecção de locker-ransomware em Android, baseado em características de textos exibidos e operações em segundo plano, após análise do mercado de transações em redes sociais chinesas.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Aprendizado_de_Máquina","Motivação_e_Impacto_de_Ataques","Canais_de_Ataque"],"golpes":["Locker-ransomware em Android"],"canais":["Redes Sociais"],"metodos":["Ensemble de quatro algoritmos de aprendizado de máquina","Análise comportamental","Levantamento do mercado de transações"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":["China"],"setores":[],"teorias":[]},{"id":"deng2018369","codigo":"DENG2018369","titulo":"CEIVE: Combating caller ID spoofing on 4G mobile phones via callee-only inference and verification","ano":"2018","autores":["Deng, Haotian","Wang, Weicheng","Peng, Chunyi"],"revista":"Proceedings of the Annual International Conference on Mobile Computing and Networking, MOBICOM","tipo_documental":"conference","doi":"10.1145/3241539.3241573","url":"https://www.scopus.com/pages/publications/85056868184?origin=resultslist","tem_abstract":true,"palavras_chave":["Mobile computing; Network security; Callee-only defense; Caller ID; Ceive; Defense solutions; Mobile carriers; Targeted attacks; Telephony systems; Verification problems; Telephone sets"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Proposta do Ceive, defesa executada apenas no aparelho da vítima que infere e verifica o estado da chamada via callback para detectar caller ID spoofing em golpes telefônicos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":1,"Estético":1},"temas":["Engano_e_Falsificação","Técnicas_de_Ataque"],"golpes":["Falsificação de identificador de chamadas (caller ID spoofing)"],"canais":["Voz"],"metodos":["Inferência e verificação de estado da chamada","Verificação específica por tipo de chamada","Aprendizado"],"fontes":["Operadoras móveis dos Estados Unidos"],"ferramentas":[],"unidades":["Chamadas telefônicas"],"territorios":["Estados Unidos"],"setores":["Telecomunicações"],"teorias":[]},{"id":"deng2018846","codigo":"DENG2018846","titulo":"Demo: Combating caller ID spoofing on 4G Phones Via CEIVE","ano":"2018","autores":["Deng, Haotian","Peng, Chunyi"],"revista":"Proceedings of the Annual International Conference on Mobile Computing and Networking, MOBICOM","tipo_documental":"conference","doi":"10.1145/3241539.3267725","url":"https://www.scopus.com/pages/publications/85056846974?origin=resultslist","tem_abstract":true,"palavras_chave":["Mobile computing; Android phones; Call signaling; Caller ID; Spoofing attacks; Telephony systems; Telephone sets"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Antes da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":3,"relacoes":3,"resumo":"Demonstração do Ceive, solução de defesa apenas do lado do chamado que infere e verifica o estado da chamada por meio de callback para combater caller ID spoofing em celulares Android.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Formativo":2},"temas":["Técnicas_de_Ataque","Canais_de_Ataque","Defesa_Técnica"],"golpes":["Caller ID spoofing"],"canais":["Voz"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00018","codigo":"FRAUDES00018","titulo":"A Taxonomy of Phishing: Attack Types Spanning Economic, Temporal, Breadth, and Target Boundaries","ano":"2018","autores":["Pienta, Daniel","Thatcher, Jason Bennett","Johnston, Allen C."],"revista":"Journal of the Association for Information Systems","tipo_documental":"misc","doi":"","url":"https://openalex.org/W2952185213","tem_abstract":true,"palavras_chave":["Taxonomy (biology)","Phishing","Computer science","Geography","Computer security","World Wide Web","The Internet","Zoology","Biology"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Desenvolve uma taxonomia de phishing para oferecer uma compreensão mais refinada das formas escaladas de phishing e orientar teoricamente a pesquisa e a defesa em segurança da informação.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Detecção_de_Ameaças","Características_do_Ataque"],"golpes":["Phishing"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00117","codigo":"FRAUDES00117","titulo":"Few are as Good as Many: An Ontology-Based Tweet Spam Detection Approach","ano":"2018","autores":["Bahia Halawi, Azzam Mourad, Hadi Otrok, Ernesto Damiani"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2018.2877685","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":5,"relacoes":3,"resumo":"Propõe uma abordagem baseada em ontologias para detectar spam no Twitter durante eventos, usando apenas o conteúdo público dos tweets e um dicionário derivado de ontologias.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2,"Formativo":1,"Social":2},"temas":["Detecção_de_Ameaças","Atores_de_Ameaça","Infraestrutura_de_Ataque","Modelagem_Formal","Detecção_de_Phishing"],"golpes":["Spam social no Twitter"],"canais":["Redes Sociais"],"metodos":["Detecção de spam baseada em ontologia","Razão de similaridade com dicionário"],"fontes":["Twitter"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00122","codigo":"FRAUDES00122","titulo":"Social media revenge: A typology of online consumer revenge","ano":"2018","autores":["Zaid Mohammad Obeidat, Sarah Hong Xiao, Zainah al Qasem, Rami al dweeri, Ahmad Obeidat"],"revista":"Journal of Retailing and Consumer Services","tipo_documental":"misc","doi":"10.1016/j.jretconser.2018.09.010","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Tipologia de comportamentos de vingança online de consumidores após falhas de serviço, comparando gatilhos, canais e resultados emocionais entre Jordânia e Grã-Bretanha.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Social":2},"temas":["Motivação_e_Impacto_de_Ataques","Canais_de_Ataque"],"golpes":["Vingança online de consumidores"],"canais":["Redes Sociais","Web"],"metodos":["Abordagem qualitativa"],"fontes":["Clientes jordanianos e britânicos que praticaram vingança online"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Jordânia","Reino Unido"],"setores":[],"teorias":[]},{"id":"fraudes00129","codigo":"FRAUDES00129","titulo":"Digital astroturfing in politics: Definition, typology, and countermeasures","ano":"2018","autores":["Marko Kovic, Adrian Rauchfleisch, Marc Sele, Christian Caspar"],"revista":"Studies in Communication Sciences","tipo_documental":"misc","doi":"10.24434/j.scoms.2018.01.005","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":6,"conceitos":5,"relacoes":3,"resumo":"Mapa conceitual do astroturfing digital na política, com tipologia por alvo, tipo de ator e objetivos, repertórios de ação e contramedidas restritivas e de incentivo.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2,"Formativo":1,"Social":2},"temas":["Manipulação_Psicológica","Engano_e_Falsificação","Contramedidas_e_Defesa","Alvos_de_Ataque","Classificação_e_Taxonomia"],"golpes":["Astroturfing digital"],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00132","codigo":"FRAUDES00132","titulo":"A New Taxonomy of Mobile Banking Threats, Attacks and User Vulnerabilities","ano":"2018","autores":["Saman Mirza Abdullah, Bilal Ahmed, Musa Ameen"],"revista":"Eurasian Journal of Science and Engineering","tipo_documental":"misc","doi":"10.23918/eajse.v3i3p12","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":6,"relacoes":5,"resumo":"Propõe uma nova taxonomia de atacantes e ameaças ao mobile banking para identificar vulnerabilidades de comportamento do usuário e oferecer sugestões de proteção.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":3,"Formativo":2,"Lingual":1},"temas":["Fatores_Humanos","Fatores_Humanos_em_Segurança","Dados_e_Privacidade","Vetores_de_Ataque","Ameaças_Digitais"],"golpes":["Ataques contra usuários de mobile banking"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00134","codigo":"FRAUDES00134","titulo":"A generalized stereotype learning approach and its instantiation in trust modeling","ano":"2018","autores":["Hui Fang, Jie Zhang, Murat Şensoy"],"revista":"Electronic Commerce Research and Applications","tipo_documental":"misc","doi":"10.1016/j.elerap.2018.06.004","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Propõe um framework semântico fuzzy de aprendizado de estereótipos generalizados, implementado sobre árvore de decisão, para calcular a confiança em vendedores de mercados eletrônicos com pouca experiência prévia.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Web"],"metodos":["Framework semântico fuzzy","Árvore de decisão"],"fontes":["Dados reais de mercados eletrônicos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Comércio eletrônico"],"teorias":[]},{"id":"fraudes00172","codigo":"FRAUDES00172","titulo":"A heuristics approach to mine behavioural data logs in mobile malware detection system","ano":"2018","autores":["Giang Nguyen, Binh Minh Nguyen, Dang Tran, Ladislav Hluchy"],"revista":"Data & Knowledge Engineering","tipo_documental":"misc","doi":"10.1016/j.datak.2018.03.002","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Proposta de sistema para detectar automaticamente intrusões de malware em dispositivos móveis, modelando o comportamento do usuário e aplicando análise heurística a logs móveis com aprendizado de máquina incremental.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2},"temas":["Vetores_de_Ataque","Detecção_de_Phishing"],"golpes":["Intrusão de malware em dispositivos móveis"],"canais":[],"metodos":["Modelagem de comportamento do usuário","Análise heurística","Janelas deslizantes","Lematização","Seleção de características","Ponderação de termos","Aprendizado de máquina incremental"],"fontes":["Logs de dispositivos móveis"],"ferramentas":[],"unidades":["Logs"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00173","codigo":"FRAUDES00173","titulo":"Efficient email classification approach based on semantic methods","ano":"2018","autores":["Eman M. Bahgat, Sherine Rady, Walaa Gad, Ibrahim F. Moawad"],"revista":"Ain Shams Engineering Journal","tipo_documental":"misc","doi":"10.1016/j.asej.2018.06.001","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Abordagem eficiente de filtragem de e-mails de spam baseada em métodos semânticos com a ontologia WordNet e seleção de características para reduzir a dimensionalidade e a complexidade.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":4,"Formativo":1},"temas":["Aprendizado_de_Máquina","Defesa_e_Mitigação","Modelagem_Formal"],"golpes":["Spam por e-mail"],"canais":["E-mail"],"metodos":["Filtragem semântica de e-mails","Medidas de similaridade","Análise de Componentes Principais","Seleção de Características por Correlação","Regressão Logística","Naïve Bayes","Máquina de Vetores de Suporte","J48","Random Forest","Redes de função de base radial"],"fontes":["Enron"],"ferramentas":["WordNet"],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00174","codigo":"FRAUDES00174","titulo":"Credibility in Online Social Networks: A Survey","ano":"2018","autores":["Majed Alrubaian, Muhammad Al-Qurishi, Atif Alamri, Mabrook Al-Rakhami, Mohammad Mehedi Hassan, Giancarlo Fortino"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2018.2886314","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Revisão da literatura sobre avaliação de credibilidade da informação no Twitter entre 2006 e 2017, propondo uma nova taxonomia de técnicas de análise e avaliação de credibilidade.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":"2006-2017","aspectos":{},"temas":[],"golpes":["Phishing"],"canais":["Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00187","codigo":"FRAUDES00187","titulo":"DATA MINING OF COMMODITY PROPOSALS BASED ON CONTEXT RECOMMENDATIONS","ano":"2018","autores":["Olga Yuryevna Cherednichenko, Oksana Vitaliivna Ivashchenko, Yulia Mykolaivna Gontar, Borys Mykhailovych Vorona"],"revista":"Bulletin of National Technical University KhPI Series System Analysis Control and Information Technologies","tipo_documental":"misc","doi":"10.20998/2079-0023.2018.44.10","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":1,"conceitos":0,"relacoes":0,"resumo":"Propõe uma arquitetura baseada em agentes para recomendação de eventos personalizada e sensível ao contexto, fundamentada em ontologia e no algoritmo de ativação por propagação.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Arquitetura baseada em agentes","Ontologia","Algoritmo de ativação por propagação"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00018","codigo":"REF","titulo":"Data mining for detecting bitcoin ponzi schemes","ano":"2018","autores":["Bartoletti, Massimo","Pes, Barbara","Serusi, Sergio"],"revista":"Proceedings - 2018 Crypto Valley Conference on Blockchain Technology, CVCBT 2018","tipo_documental":"conference","doi":"10.1109/CVCBT.2018.00014","url":"https://www.scopus.com/pages/publications/85058319871?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Classification (of information); Crime; Data mining; Learning algorithms; Learning systems; Bitcoin; Cyber criminals; False positive; Fraud detection; Performance metrics; Real-world; Standard validations; Electronic money"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Detecção de endereços Bitcoin ligados a esquemas Ponzi por meio de técnicas de mineração de dados e aprendizado de máquina, usando features extraídas de transações na blockchain.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":2,"Social":1},"temas":["Aprendizado_de_Máquina","Mecanismos_de_Segurança","Atores_de_Ameaça","Detecção_de_Anomalias"],"golpes":["Esquemas Ponzi em Bitcoin"],"canais":["Blockchain"],"metodos":["Mineração de dados","Aprendizado de máquina"],"fontes":["Blockchain do Bitcoin"],"ferramentas":[],"unidades":["Endereços de carteira"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00039","codigo":"REF","titulo":"Detecting ponzi schemes on ethereum: Towards healthier blockchain technology","ano":"2018","autores":["Chen, Weili","Zheng, Zibin","Cui, Jiahui","Ngai, Edith","Zheng, Peilin","Zhou, Yuren"],"revista":"The Web Conference 2018 - Proceedings of the World Wide Web Conference, WWW 2018","tipo_documental":"conference","doi":"10.1145/3178876.3186046","url":"https://www.scopus.com/pages/publications/85049679107?origin=resultslist","tem_abstract":true,"palavras_chave":["Data mining; Ethereum; Learning systems; World Wide Web; Classification models; Early warning; High-accuracy; Machine learning methods; Practical use; Blockchain"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":3,"relacoes":2,"resumo":"Propõe uma abordagem de detecção de esquemas Ponzi em contratos inteligentes na Ethereum, com mineração de dados e aprendizado de máquina, usando características de contas e códigos de operação.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Físico":1,"Analítico":1,"Econômico":1},"temas":["Aprendizado_de_Máquina","Crimes_Digitais","Mecanismos_de_Segurança"],"golpes":["Esquema Ponzi em contratos inteligentes"],"canais":["Blockchain"],"metodos":["Mineração de dados","Aprendizado de máquina","Modelo de classificação"],"fontes":["Contratos inteligentes verificados da Ethereum"],"ferramentas":[],"unidades":["Contratos inteligentes"],"territorios":[],"setores":["Criptoativos"],"teorias":[]},{"id":"ref_72db3d675ef9_00063","codigo":"REF","titulo":"Dark open innovation in a criminal organizational context: the case of Madoff’s Ponzi fraud","ano":"2018","autores":["Manning, Paul","Stokes, Peter John","Visser, Max","Rowland, Caroline","Tarba, Shlomo Yedida"],"revista":"Management Decision","tipo_documental":"article","doi":"10.1108/MD-05-2017-0535","url":"https://www.scopus.com/pages/publications/85045631585?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Investiga processos de inovação aberta em uma organização fraudulenta, usando o caso Madoff, e introduz o conceito de dark open innovation a partir da teoria do capital social.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Social":1,"Pístico":1},"temas":["Contextos_de_Ataque","Fatores_Humanos"],"golpes":["Esquema Ponzi de Bernie Madoff (fraude de investimento)"],"canais":[],"metodos":["Estudo de caso único","Análise de fontes arquivísticas e secundárias"],"fontes":["Registros judiciais de Madoff v. New York"],"ferramentas":[],"unidades":["Documentos"],"territorios":["Estados Unidos"],"setores":["Setor Financeiro"],"teorias":[]},{"id":"ref_72db3d675ef9_00072","codigo":"REF","titulo":"Exploiting the social fabric of networks: a social capital analysis of historical financial frauds","ano":"2018","autores":["Manning, Paul"],"revista":"Management and Organizational History","tipo_documental":"article","doi":"10.1080/17449359.2018.1534595","url":"https://www.scopus.com/pages/publications/85055555224?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":3,"conceitos":4,"relacoes":2,"resumo":"Estudo de dois casos de fraude financeira, Ponzi e Madoff, que mostra como golpistas exploram o lado sombrio do capital social, como a confiança excessiva no grupo, para facilitar crimes de colarinho branco.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Social":1,"Econômico":1,"Pístico":1},"temas":["Fatores_Humanos_de_Vulnerabilidade","Crimes_Digitais","Fatores_Humanos_e_Psicológicos"],"golpes":["Esquema Ponzi","Fraude de Madoff"],"canais":[],"metodos":["Estudo de caso"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Setor Financeiro"],"teorias":["Lado sombrio do capital social"]},{"id":"ref_72db3d675ef9_00098","codigo":"REF","titulo":"Madoff’s Ponzi investment fraud: a social capital analysis","ano":"2018","autores":["Manning, Paul"],"revista":"Journal of Financial Crime","tipo_documental":"article","doi":"10.1108/JFC-06-2017-0057","url":"https://www.scopus.com/pages/publications/85047255379?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Estudo de caso da fraude de investimento da BLMIS (Madoff) com lente de capital social, para expandir a análise de redes criminosas ego-centradas na literatura sobre crime financeiro.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Fraude de investimento do esquema Madoff"],"canais":[],"metodos":["Estudo de caso","Análise de capital social"],"fontes":["Registros judiciais de Madoff v. NY"],"ferramentas":[],"unidades":["Documentos"],"territorios":["Estados Unidos"],"setores":["Setor Financeiro"],"teorias":[]},{"id":"ref_72db3d675ef9_00151","codigo":"REF","titulo":"Threshold behaviors of social dynamics and financial outcomes of Ponzi scheme diffusion in complex networks","ano":"2018","autores":["Fu, Peihua","Zhu, Anding","Ni, He","Zhao, Xin","Li, Xiulin"],"revista":"Physica A: Statistical Mechanics and its Applications","tipo_documental":"article","doi":"10.1016/j.physa.2017.08.148","url":"https://www.scopus.com/pages/publications/85028983635?origin=resultslist","tem_abstract":true,"palavras_chave":["Costs; Diffusion; Dynamics; Investments; Social networking (online); Critical behavior; Individual behavior; Mean field equation; Policy suggestions; Potential investors; SIR model; Social dynamics; Threshold behavior; Complex networks"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Modelo PIDI de difusão de esquemas Ponzi em redes complexas, que analisa dinâmica social e resultados financeiros considerando reinvestimento direto, com sugestões de política para reguladores.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":1,"Cinemático":1,"Econômico":2},"temas":["Modelagem_Formal","Propagação_de_Ataques","Economia_do_Ataque"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Modelo PIDI","Modelagem epidêmica em redes complexas","Simulação"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00210","codigo":"REF","titulo":"The issue of direct sales and direct marketing law and enforcement in Thailand: A comparative study of the relevant UK and Malaysia laws","ano":"2018","autores":["Galasintu, Sareeya","Supanit, Susom","Chaiittivej, Chontida"],"revista":"Kasetsart Journal of Social Sciences","tipo_documental":"article","doi":"10.1016/j.kjss.2018.05.005","url":"https://www.scopus.com/pages/publications/85048935485?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Revisão dos problemas de aplicação da Lei de Venda Direta e Marketing Direto de 2002 da Tailândia frente a esquemas de pirâmide, com comparação legislativa com Reino Unido e Malásia.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Econômico":3},"temas":["Economia_do_Ataque","Fatores_Humanos_em_Segurança","Modalidades_de_Ataque","Crimes_Digitais"],"golpes":["Esquema de pirâmide"],"canais":[],"metodos":["Estudo documental","Estudo qualitativo","Estudo comparativo","Entrevistas em profundidade","Grupos focais"],"fontes":["Legislação da Tailândia, Reino Unido e Malásia","Consumidores, setor empresarial e agentes de vendas"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Tailândia"],"setores":["Venda direta"],"teorias":[]},{"id":"ref_8d955f377173_00022","codigo":"REF","titulo":"Towards measuring the role of phone numbers in twitter-advertised spam","ano":"2018","autores":["Gupta, Payas","Perdisci, Roberto","Ahamad, Mustaque"],"revista":"ASIACCS 2018 - Proceedings of the 2018 ACM Asia Conference on Computer and Communications Security","tipo_documental":"conference","doi":"10.1145/3196494.3196516","url":"https://www.scopus.com/pages/publications/85049180983?origin=resultslist","tem_abstract":true,"palavras_chave":["Social networking (online); Cyber criminals; Data collection; Phone number; Potential benefits; Social media; Spam; Twitter; Telephone sets"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Estudo de ataques de comunicação telefônica de saída (OPC), em que números de telefone são divulgados em tweets para atrair vítimas, medindo campanhas de spam e a resposta do Twitter.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Digitais","Canais_de_Ataque"],"golpes":["Ataques de comunicação telefônica de saída (OPC)","Golpe de suporte técnico"],"canais":["Redes Sociais","Voz","SMS"],"metodos":["Coleta de dados com amplificação de tweets","Agrupamento de tweets"],"fontes":["Twitter"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00048","codigo":"REF","titulo":"Exposing search and advertisement abuse tactics and infrastructure of technical support scammers","ano":"2018","autores":["Srinivasan, Bharat","Kountouras, Athanasios","Miramirkhani, Najmeh","Alam, Monjur","Nikiforakis, Nick","Antonakakis, Manos","Ahamad, Mustaque"],"revista":"The Web Conference 2018 - Proceedings of the World Wide Web Conference, WWW 2018","tipo_documental":"conference","doi":"10.1145/3178876.3186098","url":"https://www.scopus.com/pages/publications/85062621522?origin=resultslist","tem_abstract":true,"palavras_chave":["Visibility; Websites; Amplification technique; Data-driven approach; Domain parking; Multiple search; On-line service; Recent researches; Social engineering; Technical support; Search engines"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":6,"conceitos":3,"relacoes":2,"resumo":"Estudo orientado a dados sobre o abuso de buscas e anúncios patrocinados por golpes de suporte técnico (TSS), para dar visibilidade à infraestrutura online que os viabiliza.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":1,"Lingual":1,"Social":1},"temas":["Modalidades_de_Ataque","Canais_de_Ataque","Ataques_de_Phishing"],"golpes":["Golpe de suporte técnico"],"canais":["Web","Voz"],"metodos":["Consultas de suporte técnico em múltiplos mecanismos de busca","Técnica de amplificação baseada em DNS"],"fontes":["Mecanismos de busca","Anúncios patrocinados"],"ferramentas":[],"unidades":["Domínios"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01060","codigo":"REF","titulo":"On the economic significance of ransomware campaigns: A Bitcoin transactions perspective","ano":"2018","autores":["Conti, Mauro","Gangwal, Ankit","Ruj, Sushmita"],"revista":"Computers and Security","tipo_documental":"article","doi":"10.1016/j.cose.2018.08.008","url":"https://www.scopus.com/pages/publications/85053807275?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer viruses; Cryptography; Electronic money; Arbitrary number; Bitcoin; Distributed ledger; Infected systems; Lightweight frameworks; Payment; Transaction; Transaction history; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Estudo abrangente de ransomwares recentes e de seu impacto econômico a partir de pagamentos em Bitcoin, com framework leve para identificar, coletar e analisar endereços Bitcoin de cibercriminosos.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Endereços de carteira"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01099","codigo":"REF","titulo":"A netnographic study on the dark net ecosystem for ransomware","ano":"2018","autores":["Fahmy Bayoumy, Yara Fareed","Hakon Meland, Per","Sindre, Guttorm"],"revista":"2018 International Conference on Cyber Situational Awareness, Data Analytics and Assessment, CyberSA 2018","tipo_documental":"conference","doi":"10.1109/CyberSA.2018.8551424","url":"https://www.scopus.com/pages/publications/85059980339?origin=resultslist","tem_abstract":true,"palavras_chave":["Commerce; Computer crime; Ecosystems; Business ecosystem; Cyber criminals; Cyber security; Situational awareness; Social interactions; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Estudo netnográfico de fóruns e mercados da Dark Net para compreender a economia e as interações sociais entre autores, vendedores e distribuidores de ransomware.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Infraestrutura_de_Ataque","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":["Web"],"metodos":["Netnografia"],"fontes":["Fóruns e mercados da Dark Net"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01178","codigo":"REF","titulo":"Evolution of ransomware","ano":"2018","autores":["O'Kane, Philip","Sezer, Sakir","Carlin, Domhnall"],"revista":"IET Networks","tipo_documental":"article","doi":"10.1049/iet-net.2017.0207","url":"https://www.scopus.com/pages/publications/85052291648?origin=resultslist","tem_abstract":true,"palavras_chave":["Crime; Automated methods; Criminal business; Cybercrime; Internet technology; Internet users; Low impacts; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":4,"relacoes":3,"resumo":"Exploração da evolução do ransomware, dos primeiros golpes desajeitados até as campanhas sofisticadas de extorsão atuais, e de sua lucratividade para criminosos.","foco":"Mecanismo do Ataque","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Fatores_Humanos_de_Vulnerabilidade","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01194","codigo":"REF","titulo":"Ransomware Automatic Data Acquisition Tool","ano":"2018","autores":["García Villalba, Luis Javier","Sandoval Orozco, Ana Lucila","López Vivar, Antonio","Armas Vega, Esteban Alejandro","Kim, Tai-Hoon"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/ACCESS.2018.2868885","url":"https://www.scopus.com/pages/publications/85054405666?origin=resultslist","tem_abstract":true,"palavras_chave":["Classification (of information); Computer forensics; Data acquisition; Electronic money; Internet; Optical character recognition; Pattern recognition; Automatic data acquisition; Bitcoin; Controlled environment; Forensic analysis; Forensic analyst; Pop-up windows; Technical difficulties; Virtual memory; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Proposta de uma ferramenta de análise forense que atua na etapa final da infecção por ransomware, capturando janela pop-up com OCR, arquivos gerados e memória virtual para facilitar a classificação posterior.","foco":"Prevenção e Resposta","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Extração_de_Características"],"golpes":["Ransomware"],"canais":[],"metodos":["Reconhecimento óptico de caracteres","Captura de janela pop-up","Extração de arquivos","Dump de memória virtual"],"fontes":["Amostras de ransomware"],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01273","codigo":"REF","titulo":"Dynamic Opcode Analysis of Ransomware","ano":"2018","autores":["Carlin, Domhnall","O'Kane, Philip","Sezer, Sakir"],"revista":"2018 International Conference on Cyber Security and Protection of Digital Services, Cyber Security 2018","tipo_documental":"conference","doi":"10.1109/CyberSecPODS.2018.8560667","url":"https://www.scopus.com/pages/publications/85060475888?origin=resultslist","tem_abstract":true,"palavras_chave":["Cryptography; Static analysis; Highly accurate; Opcodes; Research communities; Run length; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":2,"resumo":"Investiga a eficácia da análise dinâmica de opcodes para distinguir ransomware criptográfico de software benigno, apresentando um novo conjunto de dados de rastros de execução e um modelo de detecção.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1},"temas":["Métodos_de_Detecção","Ameaças_Cibernéticas"],"golpes":["Ransomware criptográfico"],"canais":[],"metodos":["Análise dinâmica de opcodes"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":["Rastros de execução"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01275","codigo":"REF","titulo":"Tracking Ransomware End-to-end","ano":"2018","autores":["Huang, Danny Yuxing","Aliapoulios, Maxwell Matthaios","Li, Vector Guo","Invernizzi, Luca","Bursztein, Elie","McRoberts, Kylie","Levin, Jonathan","Levchenko, Kirill","Snoeren, Alex C.","McCoy, Damon"],"revista":"Proceedings - IEEE Symposium on Security and Privacy","tipo_documental":"conference","doi":"10.1109/SP.2018.00047","url":"https://www.scopus.com/pages/publications/85051044249?origin=resultslist","tem_abstract":true,"palavras_chave":["Blockchain; Computer crime; Computer viruses; Electronic money; Bitcoin; Data-sources; End to end; End-to-end measurement; Financial transactions; Large database; Third parties; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":3,"resumo":"Medição de larga escala, ponta a ponta e ao longo de dois anos, de pagamentos, vítimas e operadores de ransomware, rastreando o fluxo financeiro em Bitcoin da aquisição ao saque.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":2,"Econômico":2},"temas":["Ameaças_Cibernéticas","Economia_do_Ataque","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":["Rastreamento de transações em Bitcoin","Análise de binários de ransomware","Telemetria de infecções"],"fontes":["Binários de ransomware","Pagamentos de resgate semeados","Telemetria de vítimas","Base de endereços Bitcoin anotados"],"ferramentas":[],"unidades":["Transações"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00006","codigo":"FRAUDES00006","titulo":"Phishing environments, techniques, and countermeasures: A survey","ano":"2017","autores":["AlEroud, Ahmed F.","Zhou, Lina"],"revista":"Computers & Security","tipo_documental":"misc","doi":"10.1016/j.cose.2017.04.006","url":"https://doi.org/10.1016/j.cose.2017.04.006","tem_abstract":true,"palavras_chave":["phishing","phishing countermeasures","phishing detection","phishing prevention","social networking sites","phishing emails","communication media"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Survey que investiga ataques de phishing e técnicas anti-phishing em ambientes tradicionais e novos (móvel, redes sociais) e propõe uma taxonomia integrada de técnicas de ataque, contramedidas, ambientes e meios de comunicação.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":2},"temas":["Classificação_e_Taxonomia","Detecção_de_Ameaças"],"golpes":["Phishing"],"canais":["E-mail","Web","Redes Sociais"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00114","codigo":"FRAUDES00114","titulo":"A Fuzzy Ontology and SVM–Based Web Content Classification System","ano":"2017","autores":["Farman Ali, Pervez Khan, Kashif Riaz, Daehan Kwak, Tamer Abuhmed, Daeyoung Park, Kyung Sup Kwak"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2017.2768564","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe um sistema de conhecimento semântico baseado em SVM e ontologia fuzzy para filtrar conteúdo web, identificar e bloquear o acesso a páginas pornográficas, distinguindo-as de páginas médicas.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":2},"temas":["Aprendizado_de_Máquina","Detecção_de_Ameaças"],"golpes":[],"canais":["Web"],"metodos":["SVM","Ontologia fuzzy","Lista negra de páginas censuradas"],"fontes":[],"ferramentas":["Protégé 5.1","Java"],"unidades":["URLs","Páginas web"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00131","codigo":"FRAUDES00131","titulo":"A feature selection method based on synonym merging in text classification system","ano":"2017","autores":["Haipeng Yao, Chong Liu, Peiying Zhang, Luyao Wang"],"revista":"EURASIP Journal on Wireless Communications and Networking","tipo_documental":"misc","doi":"10.1186/s13638-017-0950-z","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Proposta de SM-CHI, algoritmo de seleção de características baseado em fusão de sinônimos e fórmula CHI aprimorada, para melhorar a acurácia e reduzir a dimensão na classificação de textos.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Phishing"],"canais":[],"metodos":["SM-CHI","Qui-quadrado aprimorado","Fusão de sinônimos","Modelo de espaço vetorial"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00162","codigo":"FRAUDES00162","titulo":"Sybil Defense Techniques in Online Social Networks: A Survey","ano":"2017","autores":["Muhammad Al-Qurishi, Mabrook Al-Rakhami, Atif Alamri, Majed Alrubaian, Sk Md Mizanur Rahman, M. Shamim Hossain"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2017.2656635","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":4,"relacoes":2,"resumo":"Survey da literatura de 2006 a 2016 sobre ataques Sybil em redes sociais online, revisando definições e propondo uma taxonomia de esquemas de defesa contra esses ataques.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":"2006-2016","aspectos":{"Analítico":1,"Formativo":1,"Lingual":1,"Estético":1},"temas":["Detecção_de_Ameaças","Alvos_de_Ataque","Infraestrutura_de_Ataque","Vetores_de_Ataque"],"golpes":["Ataque Sybil com identidades falsas em redes sociais online"],"canais":["Redes Sociais"],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00175","codigo":"FRAUDES00175","titulo":"Enhancing deep learning sentiment analysis with ensemble techniques in social applications","ano":"2017","autores":["Oscar Araque, Ignacio Corcuera-Platas, J. Fernando Sánchez-Rada, Carlos A. Iglesias"],"revista":"Expert Systems with Applications","tipo_documental":"misc","doi":"10.1016/j.eswa.2017.02.002","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Artigo que integra aprendizado profundo com abordagens tradicionais baseadas em características extraídas manualmente para melhorar a análise de sentimentos, propondo ensembles, modelos combinados e uma taxonomia.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Word embeddings","Classificador linear","Ensemble","Combinação de características superficiais e profundas","Análise estatística"],"fontes":["Sete conjuntos de dados públicos de microblogging e críticas de filmes"],"ferramentas":[],"unidades":["Textos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00176","codigo":"FRAUDES00176","titulo":"Lexicon-enhanced sentiment analysis framework using rule-based classification scheme","ano":"2017","autores":["Muhammad Zubair Asghar, Aurangzeb Khan, Shakeel Ahmad, Maria Qasim, Imran Ali Khan"],"revista":"PLoS ONE","tipo_documental":"misc","doi":"10.1371/journal.pone.0171649","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Análise de sentimentos baseada em léxico e regras para avaliações de usuários em comunidades online, integrando emoticons, modificadores, negações e termos específicos de domínio.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":["Spam de avaliações"],"canais":["Web"],"metodos":["Análise de sentimentos baseada em léxico","Classificação baseada em regras"],"fontes":["Avaliações de usuários em fóruns online"],"ferramentas":[],"unidades":["Avaliações"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00177","codigo":"FRAUDES00177","titulo":"Cyber-Extremism: Isis and the Power of Social Media","ano":"2017","autores":["Awan, Imran"],"revista":"Society","tipo_documental":"misc","doi":"10.1007/s12115-017-0114-0","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Análise de páginas do Facebook e contas do Twitter usadas pelo Isis para recrutamento e propaganda online, com criação de uma tipologia de sete comportamentos e motivações.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Social":2},"temas":["Infraestrutura_de_Ataque","Atores_de_Ameaça"],"golpes":["Recrutamento e propaganda online do Isis em redes sociais"],"canais":["Redes Sociais"],"metodos":[],"fontes":["Facebook","Twitter"],"ferramentas":[],"unidades":["Páginas web","Contas"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00178","codigo":"FRAUDES00178","titulo":"Twitter spam detection: Survey of new approaches and comparative study","ano":"2017","autores":["Tingmin Wu, Sheng Wen, Yang Xiang, Wanlei Zhou"],"revista":"Computers & Security","tipo_documental":"misc","doi":"10.1016/j.cose.2017.11.013","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Survey sobre técnicas de detecção de spam no Twitter, com revisão da literatura, estudo comparativo em testbed universal e discussão de questões em aberto.","foco":"Detecção","tipo":"Revisão Narrativa","periodo":null,"aspectos":{},"temas":[],"golpes":["Spam no Twitter"],"canais":["Redes Sociais"],"metodos":["Revisão narrativa","Estudo comparativo"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00180","codigo":"FRAUDES00180","titulo":"Using Ontologies in Cybersecurity Field","ano":"2017","autores":["Tiberiu Marian GEORGESCU, Ion SMEUREANU"],"revista":"Informatica Economica","tipo_documental":"misc","doi":"10.12948/issn14531305/21.3.2017.01","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":2,"relacoes":1,"resumo":"Proposta de um framework baseado em tecnologias de Web Semântica e ontologias para extrair e analisar texto online e gerar informação sobre possíveis ações de hackers black hat, analisada por especialistas.","foco":"Ecossistema do Atacante","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Lingual":1},"temas":["Modelagem_Formal","Representação_de_Texto"],"golpes":["Atividades de hackers black hat"],"canais":["Web"],"metodos":["Tecnologias de Web Semântica","Ontologias","Processamento de linguagem natural"],"fontes":["Canais de comunicação de texto na internet"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00183","codigo":"FRAUDES00183","titulo":"Evaluation of Data Mining Features, Features Taxonomies and their Applications","ano":"2017","autores":["Shirin Noekhah, Naomie Binti Salim, Nor Hawaniah Zakaria"],"revista":"Kurdistan Journal of Applied Research","tipo_documental":"misc","doi":"10.24017/science.2017.3.3","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Investigação abrangente dos tipos de características (estruturais, linguísticas e baseadas em relações) usadas em subdomínios de opinion mining, com taxonomia de características e suas aplicações.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":1,"Lingual":1},"temas":["Detecção_de_Phishing"],"golpes":["Spam de avaliações"],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":["Comércio Eletrônico"],"teorias":[]},{"id":"fraudes00188","codigo":"FRAUDES00188","titulo":"TrustCall: A Trust Computation Model for Web Conversational Services","ano":"2017","autores":["Ibrahim Tariq Javed, Khalifa Toumi, Noel Crespi"],"revista":"IEEE Access","tipo_documental":"misc","doi":"10.1109/access.2017.2764955","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":5,"conceitos":2,"relacoes":1,"resumo":"Propõe o TrustCall, modelo de confiança baseado em reputação para serviços conversacionais web em tempo real, e uma taxonomia de ameaças a serviços de chamadas web, incluindo ameaças sociais.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":1,"Lingual":1},"temas":["Ataques_de_Phishing","Dados_e_Privacidade"],"golpes":["Golpes e fraudes por falsificação de identidade em serviços de chamada web"],"canais":["Voz","Web"],"metodos":["Modelo de confiança baseado em reputação","Confiança de autenticidade","Confiança comportamental"],"fontes":["Dados sintéticos"],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00207","codigo":"FRAUDES00207","titulo":"Prática spammer e semiose: implicações nos processos de organização e circulação da informação em ambientes colaborativos","ano":"2017","autores":["Priscila Oliveira da Mata, Maria Aparecida Moura"],"revista":"Encontros Bibli Revista Eletrônica de Biblioteconomia e Ciência da Informação","tipo_documental":"misc","doi":"10.5007/1518-2924.2017v22n49p19","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":2,"relacoes":1,"resumo":"Estudo da prática spammer no YouTube à luz da Semiótica Peirceana, buscando compreender sua lógica informacional e sociocomunicacional e propor uma tipologia dessa prática.","foco":"Mecanismo do Ataque","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Lingual":1,"Social":1},"temas":["Ameaças_Digitais","Atores_de_Ameaça"],"golpes":["Spam em vídeos do YouTube"],"canais":["Redes Sociais"],"metodos":["Semiótica Peirceana"],"fontes":["YouTube"],"ferramentas":[],"unidades":["Vídeos"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0067_phishing","codigo":"G0067","titulo":"Defending against Phishing Attacks: Taxonomy of Methods, Current Issues and Future Directions","ano":"2017","autores":["Gupta, Brij B.","Arachchilage, Nalin Asanka Gamagedara","Psannis, Kostas E."],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.1705.09819","url":"https://doi.org/10.48550/arxiv.1705.09819","tem_abstract":true,"palavras_chave":["Phishing","Security","Malware","Social engineering","Spam","Visual similarity","Data mining","Machine learning"],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":5,"relacoes":4,"resumo":"Artigo sobre phishing como ameaça em que atacantes roubam credenciais por e-mails ou sites falsos, com ênfase na importância da conscientização do usuário final na prevenção.","foco":"Prevenção e Resposta","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":1,"Lingual":2,"Estético":1},"temas":["Fatores_Humanos_em_Segurança","Infraestrutura_de_Ataque","Ataques_de_Phishing","Vetores_de_Ataque","Alvos_de_Ataque"],"golpes":["Phishing"],"canais":["E-mail","Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00095","codigo":"REF","titulo":"The differences between multilevel marketing and the financial pyramids or “pyramid scheme”; [As diferenças entre marketing multinível e as pirâmides financeiras ou “esquema de pirâmides”]","ano":"2017","autores":["Santos, Vanessa Braga","Elias Spers, Valéria Rueda","Graziano Cremonezi, Graziela Oste"],"revista":"Revista Brasileira de Marketing","tipo_documental":"article","doi":"10.5585/remark.v16i2.3579","url":"https://www.scopus.com/pages/publications/85091246838?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":0,"relacoes":0,"resumo":"Análise das diferenças entre Marketing Multinível e Pirâmides Financeiras, com estudo de caso da Mary Kay, para esclarecer os dois modelos de negócio.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":"2016/10","aspectos":{},"temas":[],"golpes":["Pirâmide financeira"],"canais":[],"metodos":["Estudo de caso","Entrevista direta"],"fontes":["Entrevista com diretora de vendas independente da Mary Kay","Dados coletados na internet"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["Brasil"],"setores":["Vendas diretas"],"teorias":[]},{"id":"ref_72db3d675ef9_00214","codigo":"REF","titulo":"Policing advance fee fraud (AFF): Experiences of fraud detectives using a victim-focused approach","ano":"2017","autores":["Webster, Julianne","Drew, Jacqueline M"],"revista":"International Journal of Police Science and Management","tipo_documental":"article","doi":"10.1177/1461355716681810","url":"https://www.scopus.com/pages/publications/85044053535?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Explora, por entrevistas semiestruturadas, as experiências de detetives policiais na implementação de um modelo de intervenção precoce com vítimas de fraude de adiantamento de taxa, destacando desafios das estratégias policiais proativas.","foco":"Prevenção e Resposta","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Econômico":2},"temas":["Motivação_e_Impacto_de_Ataques","Modalidades_de_Ataque"],"golpes":["Fraude de adiantamento de taxa"],"canais":[],"metodos":["Entrevistas semiestruturadas","Abordagem qualitativa"],"fontes":["Detetives policiais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":[],"setores":["Aplicação da lei"],"teorias":[]},{"id":"ref_72db3d675ef9_00237","codigo":"REF","titulo":"Ponzi scheme diffusion in complex networks","ano":"2017","autores":["Zhu, Anding","Fu, Peihua","Zhang, Qinghe","Chen, Zhenyue"],"revista":"Physica A: Statistical Mechanics and its Applications","tipo_documental":"article","doi":"10.1016/j.physa.2017.03.015","url":"https://www.scopus.com/pages/publications/85015373744?origin=resultslist","tem_abstract":true,"palavras_chave":["Diffusion; Economics; Social networking (online); Characteristics of dynamics; Critical threshold; Degree of distributions; Mean field equation; Potential investors; Simulation studies; SIR model; Zero crossing points; Complex networks"],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":6,"conceitos":7,"relacoes":5,"resumo":"Desenvolve o modelo potential-investor–divestor (PID) para investigar a dinâmica de difusão de esquemas Ponzi em redes sociais homogêneas e não homogêneas, por meio de simulação.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":3,"Cinemático":2,"Social":1,"Econômico":1},"temas":["Propagação_de_Ataques","Impacto_de_Ataques","Modelagem_Formal"],"golpes":["Esquema Ponzi"],"canais":["Redes Sociais"],"metodos":["Modelo potential-investor–divestor (PID)","Simulação em redes artificiais e reais"],"fontes":["Rede social do Facebook","Redes artificiais"],"ferramentas":[],"unidades":["Indivíduos"],"territorios":["China"],"setores":[],"teorias":[]},{"id":"ref_8d955f377173_00005","codigo":"REF","titulo":"Dial One for Scam: A Large-Scale Analysis of Technical Support Scams","ano":"2017","autores":["Miramirkhani, Najmeh","Starov, Oleksii","Nikiforakis, Nick"],"revista":"24th Annual Network and Distributed System Security Symposium, NDSS 2017","tipo_documental":"conference","doi":"10.14722/ndss.2017.23163","url":"https://www.scopus.com/pages/publications/85041445285?origin=resultslist","tem_abstract":true,"palavras_chave":["Automation; Network security; Automated systems; Call centers; Conceptual simplicity; Cybercriminals; Large-scale analysis; Malwares; Remote access; Support services; Systematic study; Technical support; Malware"],"anotado":true,"base":"abstract","lote":"Golpes de Personificação, Depois da triagem","golpe":"Golpes de Personificação","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Primeiro estudo sistemático de golpes de suporte técnico e dos call centers por trás deles, com sistema automatizado que descobre telefones e domínios de golpistas via malvertising.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2},"temas":["Modalidades_de_Ataque","Fatores_Psicológicos","Vetores_de_Ataque"],"golpes":["Golpe de suporte técnico"],"canais":["Web","Voz"],"metodos":["Experimento controlado aprovado por IRB","Interação com golpistas"],"fontes":["Anúncios maliciosos coletados pelo sistema"],"ferramentas":[],"unidades":["Domínios","Números de telefone"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01157","codigo":"REF","titulo":"On the Economics of Ransomware","ano":"2017","autores":["Laszka, Aron","Farhang, Sadegh","Grossklags, Jens"],"revista":"Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)","tipo_documental":"article","doi":"10.1007/978-3-319-68711-7_21","url":"https://www.scopus.com/pages/publications/85032875707?origin=resultslist","tem_abstract":true,"palavras_chave":["Decision theory; Economics; Game theory; Backups; Contingency plans; Cyber-crimes; Cybercriminals; Economic incentive; Game-theoretic model; Industry sectors; Security Economics; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Desenvolve um modelo de teoria dos jogos do ecossistema de ransomware, com organizações de vários setores e um atacante sofisticado, para analisar investimento em backup e pagamento de resgate.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Analítico":1,"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Modelagem_Formal","Ameaças_Digitais","Defesa_e_Mitigação"],"golpes":["Ransomware"],"canais":[],"metodos":["Modelo de teoria dos jogos"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":["Teoria dos Jogos"]},{"id":"ref_3f42d6b2ce58_01230","codigo":"REF","titulo":"Influences on ransomware’s evolution and predictions for the future challenges","ano":"2017","autores":["Kalaimannan, Ezhil","John, Sharon K.","DuBose, Theresa","Pinto, Anthony"],"revista":"Journal of Cyber Security Technology","tipo_documental":"article","doi":"10.1080/23742917.2016.1252191","url":"https://www.scopus.com/pages/publications/85206598864?origin=resultslist","tem_abstract":true,"palavras_chave":["Cybersecurity; 'current; Advanced Information Systems; Application security; Computer and networks; Cyber security; Cybercriminals; Future challenges; Future trends; Malwares; Network systems; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Análise da evolução do ransomware sob a perspectiva do que torna indivíduos ou organizações suscetíveis às demandas de resgate, com previsões de tendências futuras.","foco":"Vítima","tipo":"Revisão Narrativa","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware"],"canais":[],"metodos":["Revisão narrativa"],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01260","codigo":"REF","titulo":"Use of access control to minimise ransomware impact","ano":"2017","autores":["Parkinson, Simon"],"revista":"Network Security","tipo_documental":"article","doi":"10.1016/S1353-4858(17)30069-7","url":"https://www.scopus.com/pages/publications/85024496199?origin=resultslist","tem_abstract":true,"palavras_chave":["Access control; Risk assessment; Access tools; Financial gains; IT system; ITS data; Most likely; Potential risks; Specific knowledge; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Artigo que examina como ferramentas de acesso podem ser usadas para reduzir a ameaça do ransomware, destacando usuários com sistemas fracos e pouco conhecimento de segurança como mais vulneráveis.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Sensitivo":1,"Formativo":2,"Social":1,"Econômico":1},"temas":["Atores_do_Ataque","Ameaças_Cibernéticas","Defesa_e_Mitigação","Fatores_Humanos_de_Vulnerabilidade","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01291","codigo":"REF","titulo":"A Conceptual Security Approach with Awareness Strategy and Implementation Policy to Eliminate Ransomware","ano":"2017","autores":["Han, Jordan W.","Hoe, Ong J.","Wing, Joseph S.","Brohi, Sarfraz N."],"revista":"ACM International Conference Proceeding Series","tipo_documental":"conference","doi":"10.1145/3168390.3168398","url":"https://www.scopus.com/pages/publications/85042132352?origin=resultslist","tem_abstract":true,"palavras_chave":["Artificial intelligence; Personal computers; Personal computing; Antivirus softwares; Browser add-ons; Business operation; Catastrophic consequences; Conceptual development; Security awareness; Technology advances; WannaCry; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Artigo propõe conceitualmente uma extensão de navegador que alerta usuários sobre perigos de ransomware durante a navegação, buscando conscientizar e prevenir ataques em computadores pessoais.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Social":1,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Identidade_e_Representação"],"golpes":["Ransomware"],"canais":["Web"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01317","codigo":"REF","titulo":"Do Crypto-Currencies Fuel Ransomware?","ano":"2017","autores":["Kshetri, Nir","Voas, Jeffrey"],"revista":"IT Professional","tipo_documental":"article","doi":"10.1109/MITP.2017.3680961","url":"https://www.scopus.com/pages/publications/85031706167?origin=resultslist","tem_abstract":true,"palavras_chave":["Malware; bitcoin; Block-chain; Cyber security; Electronic money"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":2,"relacoes":3,"resumo":"Examina os efeitos das criptomoedas sobre o ransomware e os fatores que podem influenciar a decisão da vítima de pagar o resgate.","foco":"Vítima","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Físico":1,"Formativo":1},"temas":["Ameaças_Cibernéticas","Mecanismos_de_Segurança"],"golpes":["Ransomware"],"canais":["Blockchain"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01320","codigo":"REF","titulo":"Android Malware Classification Using K-Means Clustering Algorithm","ano":"2017","autores":["Hamid, Isredza Rahmi A.","Khalid, Nur Syafiqah","Abdullah, Nurul Azma","Rahman, Nurul Hidayah Ab","Wen, Chuah Chai"],"revista":"IOP Conference Series: Materials Science and Engineering","tipo_documental":"conference","doi":"10.1088/1757-899X/226/1/012105","url":"https://www.scopus.com/pages/publications/85028645167?origin=resultslist","tem_abstract":true,"palavras_chave":["Android (operating system); Computer crime; Cryptography; Decision trees; Learning algorithms; Learning systems; Malware; Android malware; Data classification; High-accuracy; K-Means clustering algorithm; Random forest algorithm; Weka tool; Clustering algorithms"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Proposta de abordagem de classificação de malware Android baseada no algoritmo de agrupamento K-Means, separando ransomware, scareware e goodware, avaliada com Random Forest.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Analítico":1,"Formativo":1,"Social":1},"temas":["Aprendizado_de_Máquina","Vetores_de_Ataque","Atores_de_Ameaça"],"golpes":["Ransomware","Scareware"],"canais":[],"metodos":["K-Means","Random Forest"],"fontes":["Virus Total","Malgenome"],"ferramentas":["IBM SPSS Statistic","WEKA"],"unidades":["Aplicativos"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_3f42d6b2ce58_01368","codigo":"REF","titulo":"GreatEatlon: Fast, static detection of mobile ransomware","ano":"2017","autores":["Zheng, Chengyu","Dellarocca, Nicola","Andronio, Niccolò","Zanero, Stefano","Maggi, Federico"],"revista":"Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, LNICST","tipo_documental":"article","doi":"10.1007/978-3-319-59608-2_34","url":"https://www.scopus.com/pages/publications/85021774741?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer crime; Cryptography; Locks (fasteners); Data-flow information; Detection capability; False negative rate; In-depth analysis; State of the art; Static detections; Static program analysis; Traditional computers; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":3,"conceitos":3,"relacoes":2,"resumo":"Análise de ransomware móvel e proposta do GreatEatlon, detector estático de ransomware para Android voltado à loja de aplicativos, que supera abordagens atuais em velocidade e detecção.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2,"Econômico":1},"temas":["Ameaças_Cibernéticas","Motivação_e_Impacto_de_Ataques","Vetores_de_Ataque"],"golpes":["Ransomware móvel"],"canais":[],"metodos":["Análise estática de programas","Resolução de reflexão","Análise de fluxo de dados","Pré-filtro rápido"],"fontes":["Amostras de aplicativos goodware, malware e ransomware"],"ferramentas":[],"unidades":["Aplicativos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00025","codigo":"FRAUDES00025","titulo":"A typology of cybercriminal networks: from low-tech all-rounders to high-tech specialists","ano":"2016","autores":["Leukfeldt, Rutger","Kleemans, E.R.","Stol, Wouter"],"revista":"Crime Law and Social Change","tipo_documental":"misc","doi":"10.1007/s10611-016-9662-2","url":"https://doi.org/10.1007/s10611-016-9662-2","tem_abstract":true,"palavras_chave":["Typology","High tech","Phishing","Construct (python library)","Malware","Taxonomy (biology)","Empirical research","Business","Computer security","Sociology","Computer science","Political science","The Internet","Law","World Wide Web","Mathematics"],"anotado":true,"base":"abstract","lote":"Depois da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe uma taxonomia de redes criminosas de phishing a partir da análise de 18 investigações policiais holandesas sobre redes de phishing e malware bancário.","foco":"Ecossistema do Atacante","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Social":2},"temas":["Atores_de_Ameaça"],"golpes":["Phishing","Malware bancário"],"canais":[],"metodos":["Análise de investigações policiais"],"fontes":["Investigações policiais holandesas"],"ferramentas":[],"unidades":["Redes criminosas"],"territorios":["Países Baixos"],"setores":["Setor Bancário"],"teorias":[]},{"id":"fraudes00027","codigo":"FRAUDES00027","titulo":"Cyber Crime Nation Typologies: K-Means Clustering Of Countries Based On Cyber Crime Rates","ano":"2016","autores":["Kigerl, Alex C."],"revista":"Zenodo (CERN European Organization for Nuclear Research)","tipo_documental":"misc","doi":"10.5281/zenodo.163399","url":"https://doi.org/10.5281/zenodo.163399","tem_abstract":true,"palavras_chave":["Cyber crime","Criminology","Cluster analysis","Computer security","Political science","Computer science","Sociology","Artificial intelligence","The Internet","World Wide Web"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Classificação de 190 países em tipologias de crime cibernético por meio de análise de agrupamento K-means, com sete dimensões de crime cibernético além de PIB e uso de internet.","foco":"Ecossistema do Atacante","tipo":"Estudo Empírico","periodo":null,"aspectos":{},"temas":[],"golpes":["Crimes cibernéticos","Golpe de adiantamento de taxa","Phishing"],"canais":[],"metodos":["Análise de agrupamento K-means"],"fontes":[],"ferramentas":[],"unidades":["Países"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00033","codigo":"FRAUDES00033","titulo":"Study on the Effectiveness of Spam Detection Technologies","ano":"2016","autores":["Iqbal, Muhammad","Abid, Malik Muneeb","Ahmad, Mushtaq","Khurshid, Faisal"],"revista":"International Journal of Information Technology and Computer Science","tipo_documental":"misc","doi":"10.5815/ijitcs.2016.01.02","url":"https://doi.org/10.5815/ijitcs.2016.01.02","tem_abstract":true,"palavras_chave":["Computer science","Spambot","Blacklisting","Forum spam","Phishing","Computer security","Dissemination","Blacklist","World Wide Web","Computer virus","Internet privacy","Spamming","The Internet","Telecommunications"],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Análise sistemática dos pontos fortes e fracos das tecnologias atuais de detecção de spam, com introdução de uma taxonomia das abordagens conhecidas.","foco":"Detecção","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Formativo":1,"Lingual":1},"temas":["Vetores_de_Ataque","Ataques_de_Phishing"],"golpes":["Spam por e-mail"],"canais":["E-mail"],"metodos":[],"fontes":[],"ferramentas":[],"unidades":["Artigos"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00123","codigo":"FRAUDES00123","titulo":"Semantic Sentiment Analysis in Arabic Social Media","ano":"2016","autores":["Samir Tartir, Ibrahim Abdul-Nabi"],"revista":"Journal of King Saud University - Computer and Information Sciences","tipo_documental":"misc","doi":"10.1016/j.jksuci.2016.11.011","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":2,"conceitos":0,"relacoes":0,"resumo":"Proposta de abordagem semântica e de uma Ontologia de Sentimentos em Árabe (ASO) para descobrir atitudes de usuários e insights de negócios em redes sociais em árabe padrão e dialetos.","foco":"Não Especificado","tipo":"Proposta de Sistema","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":["Redes Sociais"],"metodos":["Análise de sentimentos","Abordagem semântica baseada em ontologia"],"fontes":["Twitter"],"ferramentas":[],"unidades":["Postagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"fraudes00186","codigo":"FRAUDES00186","titulo":"Motywy zażywania i typologia użytkowników nowych substancji psychoaktywnych na podstawie badania sondażowego i analizy forów internetowych w ramach projektu I-TREND","ano":"2016","autores":["Dorota Wiszejko-Wierzbicka, Michał Kidawa, Marta Jabłońska"],"revista":"Alcoholism and Drug Addiction","tipo_documental":"misc","doi":"10.1016/j.alkona.2016.06.001","url":"","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Antes da triagem","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":0,"relacoes":0,"resumo":"Apresenta uma tipologia de usuários de novas substâncias psicoativas (NPS) e suas visões sobre elas, a partir de survey online e análise de fóruns poloneses.","foco":"Não Especificado","tipo":"Proposta Conceitual","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":["Método misto","Survey online","Teoria fundamentada"],"fontes":["hyperreal.info","dopalamy.com","Usuários de NPS"],"ferramentas":[],"unidades":["Postagens","Indivíduos"],"territorios":["Polônia"],"setores":[],"teorias":[]},{"id":"g0009_phishing","codigo":"G0009","titulo":"An Intelligent Classification Model for Phishing Email Detection","ano":"2016","autores":["Yasin, Adwan","Abuhasan, Abdelmunem"],"revista":"International Journal of Network Security & Its Applications","tipo_documental":"article","doi":"10.5121/ijnsa.2016.8405","url":"https://doi.org/10.5121/ijnsa.2016.8405","tem_abstract":true,"palavras_chave":["phishing","data mining","email classification","Random Forest","J48."],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":3,"conceitos":5,"relacoes":3,"resumo":"Apresenta um modelo inteligente de classificação para detectar e-mails de phishing com descoberta de conhecimento, mineração de dados e processamento de texto, introduzindo a ponderação de termos de phishing.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Formativo":2,"Lingual":2,"Social":1},"temas":["Ataques_de_Phishing","Vetores_de_Ataque","Dados_e_Privacidade","Detecção_de_Phishing"],"golpes":["Phishing por e-mail"],"canais":["E-mail"],"metodos":["Descoberta de conhecimento","Mineração de dados","Ponderação de termos de phishing","Stemming","Ontologia WordNet","Random Forest","J48"],"fontes":[],"ferramentas":[],"unidades":["E-mails"],"territorios":[],"setores":[],"teorias":[]},{"id":"ref_72db3d675ef9_00118","codigo":"REF","titulo":"An index of detection of anomalies for investors; [D'Un indice de détection d'anomalies à l'usage des investisseurs]","ano":"2016","autores":["Bernard, Philippe","De Freitas, Najat El Mekkaoui","Maillet, Bertrand","Modesto, Alejandro"],"revista":"Revue Economique","tipo_documental":"article","doi":"10.3917/reco.675.1037","url":"https://www.scopus.com/pages/publications/84984793136?origin=resultslist","tem_abstract":true,"palavras_chave":[],"anotado":true,"base":"abstract","lote":"Golpes de Investimento, Depois da triagem","golpe":"Golpes de Investimento","significancia":"0","trechos":4,"conceitos":2,"relacoes":1,"resumo":"Propõe e generaliza um índice de detecção de fraude baseado na medida de desempenho GUN, ilustrado com o caso Madoff e aplicado a fundos mútuos de ações comercializados na França.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Quantitativo":1,"Econômico":1},"temas":["Métricas_de_Desempenho","Crimes_Digitais"],"golpes":["Esquema Ponzi"],"canais":[],"metodos":["Índice de detecção de fraude baseado na medida de desempenho GUN","Estudo de caso"],"fontes":["Fundos mútuos de ações comercializados na França"],"ferramentas":[],"unidades":["Fundos"],"territorios":["França"],"setores":["Mercado Financeiro"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01247","codigo":"REF","titulo":"A socio-technical approach to preventing, Mitigating, and recovering from Ransomware attacks","ano":"2016","autores":["Sittig, Dean F.","Singh, Hardeep"],"revista":"Applied Clinical Informatics","tipo_documental":"article","doi":"10.4338/ACI-2016-04-SOA-0064","url":"https://www.scopus.com/pages/publications/84981351717?origin=resultslist","tem_abstract":true,"palavras_chave":["Computer Communication Networks; Computer Security; Delivery of Health Care; Electronic Health Records; computer network; computer security; electronic health record; health care delivery"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":7,"conceitos":5,"relacoes":4,"resumo":"Discute uma abordagem sociotécnica contra ransomware em hospitais, delineando quatro etapas para organizações protegerem sistemas de prontuário eletrônico (EHR) e a infraestrutura computacional subjacente.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Biótico":1,"Formativo":3,"Econômico":1},"temas":["Defesa_e_Mitigação","Ameaças_Cibernéticas","Alvos_de_Ataque","Defesa_e_Contramedidas","Motivação_e_Impacto_de_Ataques"],"golpes":["Ransomware"],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":["Saúde"],"teorias":[]},{"id":"ref_3f42d6b2ce58_01309","codigo":"REF","titulo":"Experimental Analysis of Ransomware on Windows and Android Platforms: Evolution and Characterization","ano":"2016","autores":["Monika","Zavarsky, Pavol","Lindskog, Dale"],"revista":"Procedia Computer Science","tipo_documental":"conference","doi":"10.1016/j.procs.2016.08.072","url":"https://www.scopus.com/pages/publications/84985995110?origin=resultslist","tem_abstract":true,"palavras_chave":["Android (operating system); Characterization; Cryptography; Ubiquitous computing; Windows; Android; Android applications; Encryption technique; Evolution; Experimental analysis; Payload; Permissions; Windows environment; Malware"],"anotado":true,"base":"abstract","lote":"Ransomware, Depois da triagem","golpe":"Ransomware","significancia":"0","trechos":5,"conceitos":3,"relacoes":2,"resumo":"Análise da evolução do ransomware até março 2016, comparando variantes de famílias em ambientes Windows e Android para identificar comportamentos, técnicas de criptografia e indicadores de detecção.","foco":"Mecanismo do Ataque","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Formativo":3},"temas":["Ameaças_Cibernéticas","Defesa_e_Contramedidas","Segurança_Computacional"],"golpes":["Ransomware"],"canais":[],"metodos":["Análise comparativa de variantes de ransomware"],"fontes":["Amostras de ransomware"],"ferramentas":[],"unidades":["Amostras de ransomware"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0062_phishing","codigo":"G0062","titulo":"Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach","ano":"2014","autores":["Qaseem, Mohammad S.","A, Govardhan"],"revista":"International Journal of Information Sciences and Techniques","tipo_documental":"article","doi":"10.5121/ijist.2014.4601","url":"https://doi.org/10.5121/ijist.2014.4601","tem_abstract":true,"palavras_chave":["Instant Messengers","Phishing detection","Ontology based Information Extraction (OBIE)","Classification based Association (CBA)","triplet algorithm."],"anotado":true,"base":"abstract","lote":"Primeira rodada","golpe":"Phishing","significancia":"0","trechos":4,"conceitos":4,"relacoes":2,"resumo":"Propõe uma metodologia de detecção de phishing em mensageiros instantâneos, baseada em contexto, ontologia de domínio (OBIE) e Classification based on Association (CBA), para gerar regras e alertar vítimas.","foco":"Detecção","tipo":"Proposta de Sistema","periodo":null,"aspectos":{"Sensitivo":1,"Analítico":2,"Formativo":1},"temas":["Detecção_de_Ameaças","Fatores_Humanos","Métodos_de_Detecção","Ataques_de_Phishing"],"golpes":["Phishing em mensageiros instantâneos"],"canais":["Mensageria Instantânea"],"metodos":["Extração de informação baseada em ontologia (OBIE)","Classification based on Association (CBA)","Algoritmo PDS Monitoring"],"fontes":[],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]}],"topicos":[{"nome":"Ameaças_Cibernéticas","conceitos":6,"exemplos":["ransomware","malware como serviço","ataque cibernético corporativo","ameaça à defesa alimentar","ameaças cibernéticas","ameaças terroristas"],"artigos":["fraudes00059","fraudes00098","fraudes00106","fraudes00191","g0066_phishing","qachfar2024241","ref_3f42d6b2ce58_00026","ref_3f42d6b2ce58_00030","ref_3f42d6b2ce58_00038","ref_3f42d6b2ce58_00041","ref_3f42d6b2ce58_00042","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00046","ref_3f42d6b2ce58_00047","ref_3f42d6b2ce58_00052","ref_3f42d6b2ce58_00066","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00109","ref_3f42d6b2ce58_00115","ref_3f42d6b2ce58_00137","ref_3f42d6b2ce58_00141","ref_3f42d6b2ce58_00143","ref_3f42d6b2ce58_00150","ref_3f42d6b2ce58_00153","ref_3f42d6b2ce58_00157","ref_3f42d6b2ce58_00161","ref_3f42d6b2ce58_00184","ref_3f42d6b2ce58_00187","ref_3f42d6b2ce58_00201","ref_3f42d6b2ce58_00206","ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00224","ref_3f42d6b2ce58_00240","ref_3f42d6b2ce58_00248","ref_3f42d6b2ce58_00262","ref_3f42d6b2ce58_00266","ref_3f42d6b2ce58_00270","ref_3f42d6b2ce58_00287","ref_3f42d6b2ce58_00289","ref_3f42d6b2ce58_00297","ref_3f42d6b2ce58_00317","ref_3f42d6b2ce58_00336","ref_3f42d6b2ce58_00342","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_00373","ref_3f42d6b2ce58_00384","ref_3f42d6b2ce58_00393","ref_3f42d6b2ce58_00402","ref_3f42d6b2ce58_00417","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00457","ref_3f42d6b2ce58_00462","ref_3f42d6b2ce58_00478","ref_3f42d6b2ce58_00500","ref_3f42d6b2ce58_00512","ref_3f42d6b2ce58_00515","ref_3f42d6b2ce58_00517","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00537","ref_3f42d6b2ce58_00557","ref_3f42d6b2ce58_00567","ref_3f42d6b2ce58_00572","ref_3f42d6b2ce58_00603","ref_3f42d6b2ce58_00606","ref_3f42d6b2ce58_00609","ref_3f42d6b2ce58_00617","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_00646","ref_3f42d6b2ce58_00662","ref_3f42d6b2ce58_00699","ref_3f42d6b2ce58_00704","ref_3f42d6b2ce58_00723","ref_3f42d6b2ce58_00732","ref_3f42d6b2ce58_00735","ref_3f42d6b2ce58_00745","ref_3f42d6b2ce58_00746","ref_3f42d6b2ce58_00748","ref_3f42d6b2ce58_00749","ref_3f42d6b2ce58_00750","ref_3f42d6b2ce58_00754","ref_3f42d6b2ce58_00761","ref_3f42d6b2ce58_00766","ref_3f42d6b2ce58_00770","ref_3f42d6b2ce58_00774","ref_3f42d6b2ce58_00784","ref_3f42d6b2ce58_00786","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_00797","ref_3f42d6b2ce58_00806","ref_3f42d6b2ce58_00807","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00824","ref_3f42d6b2ce58_00831","ref_3f42d6b2ce58_00865","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_00871","ref_3f42d6b2ce58_00874","ref_3f42d6b2ce58_00882","ref_3f42d6b2ce58_00886","ref_3f42d6b2ce58_00896","ref_3f42d6b2ce58_00898","ref_3f42d6b2ce58_00899","ref_3f42d6b2ce58_00901","ref_3f42d6b2ce58_00908","ref_3f42d6b2ce58_00911","ref_3f42d6b2ce58_00937","ref_3f42d6b2ce58_00978","ref_3f42d6b2ce58_00986","ref_3f42d6b2ce58_00992","ref_3f42d6b2ce58_00993","ref_3f42d6b2ce58_00994","ref_3f42d6b2ce58_01002","ref_3f42d6b2ce58_01007","ref_3f42d6b2ce58_01025","ref_3f42d6b2ce58_01031","ref_3f42d6b2ce58_01033","ref_3f42d6b2ce58_01042","ref_3f42d6b2ce58_01051","ref_3f42d6b2ce58_01054","ref_3f42d6b2ce58_01060","ref_3f42d6b2ce58_01070","ref_3f42d6b2ce58_01080","ref_3f42d6b2ce58_01085","ref_3f42d6b2ce58_01089","ref_3f42d6b2ce58_01099","ref_3f42d6b2ce58_01100","ref_3f42d6b2ce58_01106","ref_3f42d6b2ce58_01112","ref_3f42d6b2ce58_01121","ref_3f42d6b2ce58_01122","ref_3f42d6b2ce58_01123","ref_3f42d6b2ce58_01131","ref_3f42d6b2ce58_01133","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01152","ref_3f42d6b2ce58_01157","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01189","ref_3f42d6b2ce58_01191","ref_3f42d6b2ce58_01194","ref_3f42d6b2ce58_01198","ref_3f42d6b2ce58_01212","ref_3f42d6b2ce58_01230","ref_3f42d6b2ce58_01232","ref_3f42d6b2ce58_01234","ref_3f42d6b2ce58_01245","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01251","ref_3f42d6b2ce58_01260","ref_3f42d6b2ce58_01265","ref_3f42d6b2ce58_01273","ref_3f42d6b2ce58_01275","ref_3f42d6b2ce58_01276","ref_3f42d6b2ce58_01278","ref_3f42d6b2ce58_01283","ref_3f42d6b2ce58_01284","ref_3f42d6b2ce58_01285","ref_3f42d6b2ce58_01291","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01296","ref_3f42d6b2ce58_01300","ref_3f42d6b2ce58_01309","ref_3f42d6b2ce58_01312","ref_3f42d6b2ce58_01317","ref_3f42d6b2ce58_01318","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01342","ref_3f42d6b2ce58_01350","ref_3f42d6b2ce58_01353","ref_3f42d6b2ce58_01360","ref_3f42d6b2ce58_01362","ref_3f42d6b2ce58_01368"],"n_artigos":175},{"nome":"Aprendizado_de_Máquina","conceitos":29,"exemplos":["aprendizado de máquina","aprendizado profundo","augmentação de dados","random forest","regressão logística","algoritmo genético","lstm","modelos de inteligência artificial","naïve bayes","máxima entropia","svm","bert-ota"],"artigos":["fraudes00002","fraudes00003","fraudes00011","fraudes00028","fraudes00036","fraudes00041","fraudes00053","fraudes00061","fraudes00077","fraudes00086","fraudes00091","fraudes00096","fraudes00098","fraudes00114","fraudes00118","fraudes00135","fraudes00141","fraudes00147","fraudes00153","fraudes00165","fraudes00173","fraudes00179","fraudes00191","fraudes00196","fraudes00201","fraudes00211","fraudes00215","fraudes00219","g0204_phishing","g0253_phishing","g0257_phishing","g0293_phishing","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00044","ref_3f42d6b2ce58_00150","ref_3f42d6b2ce58_00224","ref_3f42d6b2ce58_00248","ref_3f42d6b2ce58_00329","ref_3f42d6b2ce58_00342","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00745","ref_3f42d6b2ce58_00748","ref_3f42d6b2ce58_00749","ref_3f42d6b2ce58_00766","ref_3f42d6b2ce58_00770","ref_3f42d6b2ce58_00786","ref_3f42d6b2ce58_00820","ref_3f42d6b2ce58_00911","ref_3f42d6b2ce58_01088","ref_3f42d6b2ce58_01245","ref_3f42d6b2ce58_01251","ref_3f42d6b2ce58_01266","ref_3f42d6b2ce58_01320","ref_3f42d6b2ce58_01350","ref_3f42d6b2ce58_01362","ref_72db3d675ef9_00006","ref_72db3d675ef9_00017","ref_72db3d675ef9_00018","ref_72db3d675ef9_00032","ref_72db3d675ef9_00039","ref_72db3d675ef9_00064","ref_72db3d675ef9_00079","ref_72db3d675ef9_00087","ref_72db3d675ef9_00103","ref_72db3d675ef9_00104","ref_72db3d675ef9_00136","ref_72db3d675ef9_00144","ref_72db3d675ef9_00156","ref_72db3d675ef9_00170","ref_72db3d675ef9_00180","ref_72db3d675ef9_00186","ref_72db3d675ef9_00197","ref_72db3d675ef9_00215","ref_72db3d675ef9_00221","ref_72db3d675ef9_00242","ref_72db3d675ef9_00251","ref_72db3d675ef9_00259","ref_72db3d675ef9_00289","ref_72db3d675ef9_00294","ref_8d955f377173_00006","ref_8d955f377173_00042","ref_8d955f377173_00054","ujianto2025815"],"n_artigos":83},{"nome":"Ataques_de_Phishing","conceitos":6,"exemplos":["phishing","engenharia social","spear phishing","ataque de impersonação","phishing automatizado","ataque avançado de vishing"],"artigos":["angafor20241679","fernandez202230","fraudes00002","fraudes00004","fraudes00005","fraudes00008","fraudes00011","fraudes00012","fraudes00013","fraudes00015","fraudes00017","fraudes00019","fraudes00030","fraudes00031","fraudes00033","fraudes00040","fraudes00041","fraudes00047","fraudes00054","fraudes00056","fraudes00060","fraudes00064","fraudes00065","fraudes00071","fraudes00075","fraudes00082","fraudes00083","fraudes00086","fraudes00087","fraudes00088","fraudes00090","fraudes00094","fraudes00095","fraudes00107","fraudes00111","fraudes00112","fraudes00120","fraudes00188","fraudes00209","g0009_phishing","g0013_phishing","g0023_phishing","g0048_phishing","g0062_phishing","g0066_phishing","g0067_phishing","g0098_phishing","g0146_phishing","g0205_phishing","g0216_phishing","g0257_phishing","g0259_phishing","g0293_phishing","rameemzahra2022197","ref_3f42d6b2ce58_00201","ref_3f42d6b2ce58_00266","ref_3f42d6b2ce58_00806","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00871","ref_3f42d6b2ce58_01189","ref_3f42d6b2ce58_01283","ref_72db3d675ef9_00024","ref_72db3d675ef9_00036","ref_72db3d675ef9_00125","ref_72db3d675ef9_00126","ref_72db3d675ef9_00176","ref_72db3d675ef9_00178","ref_72db3d675ef9_00215","ref_72db3d675ef9_00285","ref_8d955f377173_00001","ref_8d955f377173_00003","ref_8d955f377173_00009","ref_8d955f377173_00013","ref_8d955f377173_00020","ref_8d955f377173_00024","ref_8d955f377173_00028","ref_8d955f377173_00032","ref_8d955f377173_00047","ref_8d955f377173_00048","ref_8d955f377173_00049","ref_8d955f377173_00052","ref_8d955f377173_00053","scott2024643"],"n_artigos":83},{"nome":"Crimes_Digitais","conceitos":16,"exemplos":["fraude online","esquema ponzi","golpe de investimento","fraude com criptoativos","atividade cibercriminosa","atividade ilícita","carding","comportamento criminoso pseudônimo","contract cheating","crime com criptoativos","crimes criptografados","esquema de investimento de madoff"],"artigos":["choi20243","fraudes00003","fraudes00037","fraudes00056","fraudes00070","fraudes00083","fraudes00096","fraudes00100","fraudes00125","fraudes00148","fraudes00191","fraudes00206","g0066_phishing","ref_3f42d6b2ce58_00046","ref_3f42d6b2ce58_00258","ref_3f42d6b2ce58_00632","ref_72db3d675ef9_00004","ref_72db3d675ef9_00006","ref_72db3d675ef9_00010","ref_72db3d675ef9_00014","ref_72db3d675ef9_00022","ref_72db3d675ef9_00024","ref_72db3d675ef9_00032","ref_72db3d675ef9_00036","ref_72db3d675ef9_00038","ref_72db3d675ef9_00039","ref_72db3d675ef9_00043","ref_72db3d675ef9_00051","ref_72db3d675ef9_00058","ref_72db3d675ef9_00060","ref_72db3d675ef9_00064","ref_72db3d675ef9_00072","ref_72db3d675ef9_00075","ref_72db3d675ef9_00076","ref_72db3d675ef9_00078","ref_72db3d675ef9_00085","ref_72db3d675ef9_00087","ref_72db3d675ef9_00089","ref_72db3d675ef9_00091","ref_72db3d675ef9_00103","ref_72db3d675ef9_00104","ref_72db3d675ef9_00115","ref_72db3d675ef9_00118","ref_72db3d675ef9_00122","ref_72db3d675ef9_00125","ref_72db3d675ef9_00127","ref_72db3d675ef9_00129","ref_72db3d675ef9_00131","ref_72db3d675ef9_00139","ref_72db3d675ef9_00142","ref_72db3d675ef9_00144","ref_72db3d675ef9_00146","ref_72db3d675ef9_00156","ref_72db3d675ef9_00166","ref_72db3d675ef9_00170","ref_72db3d675ef9_00180","ref_72db3d675ef9_00181","ref_72db3d675ef9_00205","ref_72db3d675ef9_00210","ref_72db3d675ef9_00226","ref_72db3d675ef9_00230","ref_72db3d675ef9_00247","ref_72db3d675ef9_00257","ref_72db3d675ef9_00262","ref_72db3d675ef9_00273","ref_72db3d675ef9_00289","ref_72db3d675ef9_00290","ref_8d955f377173_00013","ref_8d955f377173_00018","ref_8d955f377173_00028","ref_8d955f377173_00058","ujianto2025815","wang2023"],"n_artigos":73},{"nome":"Motivação_e_Impacto_de_Ataques","conceitos":6,"exemplos":["dinheiro","desemprego","apoio público","condições econômicas atuais","retorno esperado","vingança online"],"artigos":["fraudes00080","fraudes00122","g0066_phishing","mahanama2021","qachfar2024241","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00240","ref_3f42d6b2ce58_00270","ref_3f42d6b2ce58_00289","ref_3f42d6b2ce58_00317","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_00393","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00517","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00704","ref_3f42d6b2ce58_00770","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_00882","ref_3f42d6b2ce58_00886","ref_3f42d6b2ce58_00976","ref_3f42d6b2ce58_01002","ref_3f42d6b2ce58_01007","ref_3f42d6b2ce58_01025","ref_3f42d6b2ce58_01031","ref_3f42d6b2ce58_01033","ref_3f42d6b2ce58_01051","ref_3f42d6b2ce58_01054","ref_3f42d6b2ce58_01060","ref_3f42d6b2ce58_01085","ref_3f42d6b2ce58_01099","ref_3f42d6b2ce58_01106","ref_3f42d6b2ce58_01131","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01152","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01198","ref_3f42d6b2ce58_01230","ref_3f42d6b2ce58_01232","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01260","ref_3f42d6b2ce58_01265","ref_3f42d6b2ce58_01275","ref_3f42d6b2ce58_01285","ref_3f42d6b2ce58_01291","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01300","ref_3f42d6b2ce58_01318","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01350","ref_3f42d6b2ce58_01362","ref_3f42d6b2ce58_01368","ref_72db3d675ef9_00022","ref_72db3d675ef9_00049","ref_72db3d675ef9_00071","ref_72db3d675ef9_00087","ref_72db3d675ef9_00102","ref_72db3d675ef9_00104","ref_72db3d675ef9_00142","ref_72db3d675ef9_00146","ref_72db3d675ef9_00170","ref_72db3d675ef9_00184","ref_72db3d675ef9_00214","ref_72db3d675ef9_00231","ref_72db3d675ef9_00266","ref_72db3d675ef9_00279","ref_72db3d675ef9_00286","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00013","ref_8d955f377173_00020","ref_8d955f377173_00040"],"n_artigos":73},{"nome":"Vetores_de_Ataque","conceitos":13,"exemplos":["phishing por e-mail","malware","e-mail de spam","redirecionamento de url","link malicioso","perfil falso em rede social","campanha publicitária em rede social","e-mail falsificado","sql injection","url enganosa","mensagem direta","publicidade maliciosa"],"artigos":["angafor20241679","fernandez202230","fraudes00011","fraudes00013","fraudes00023","fraudes00031","fraudes00033","fraudes00038","fraudes00043","fraudes00053","fraudes00059","fraudes00119","fraudes00132","fraudes00144","fraudes00156","fraudes00162","fraudes00172","fraudes00185","fraudes00197","g0009_phishing","g0066_phishing","g0067_phishing","g0098_phishing","g0293_phishing","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00393","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00457","ref_3f42d6b2ce58_00462","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00723","ref_3f42d6b2ce58_00732","ref_3f42d6b2ce58_00746","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_00908","ref_3f42d6b2ce58_00937","ref_3f42d6b2ce58_01002","ref_3f42d6b2ce58_01007","ref_3f42d6b2ce58_01025","ref_3f42d6b2ce58_01060","ref_3f42d6b2ce58_01099","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01198","ref_3f42d6b2ce58_01217","ref_3f42d6b2ce58_01230","ref_3f42d6b2ce58_01232","ref_3f42d6b2ce58_01275","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01312","ref_3f42d6b2ce58_01320","ref_3f42d6b2ce58_01368","ref_72db3d675ef9_00100","ref_8d955f377173_00005","ref_8d955f377173_00046","ref_8d955f377173_00049","venkatesha2021"],"n_artigos":58},{"nome":"Detecção_de_Ameaças","conceitos":8,"exemplos":["detecção de phishing","detecção de intrusão","detecção de ransomware","detecção de contas sybil","identificação de sinais de ataque cibernético","chamadas de api","detecção de contratos ponzi","detecção de esquemas ponzi"],"artigos":["fraudes00006","fraudes00018","fraudes00028","fraudes00053","fraudes00061","fraudes00077","fraudes00091","fraudes00092","fraudes00114","fraudes00117","fraudes00118","fraudes00124","fraudes00147","fraudes00149","fraudes00162","fraudes00211","fraudes00213","fraudes00215","fraudes00219","g0062_phishing","g0066_phishing","g0163_phishing","g0205_phishing","g0232_phishing","g0253_phishing","g0293_phishing","g0296_phishing","ref_3f42d6b2ce58_00044","ref_3f42d6b2ce58_00182","ref_3f42d6b2ce58_00184","ref_3f42d6b2ce58_00248","ref_3f42d6b2ce58_00342","ref_3f42d6b2ce58_00749","ref_3f42d6b2ce58_00766","ref_3f42d6b2ce58_00770","ref_3f42d6b2ce58_00820","ref_3f42d6b2ce58_00870","ref_3f42d6b2ce58_00877","ref_3f42d6b2ce58_01031","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01261","ref_72db3d675ef9_00087","ref_72db3d675ef9_00091","ref_72db3d675ef9_00101","ref_72db3d675ef9_00104","ref_72db3d675ef9_00197","ref_72db3d675ef9_00221","ref_72db3d675ef9_00242","ref_72db3d675ef9_00251","ref_72db3d675ef9_00269","ref_72db3d675ef9_00294","ref_8d955f377173_00054"],"n_artigos":52},{"nome":"Modalidades_de_Ataque","conceitos":35,"exemplos":["comprometimento de e-mail corporativo","esquema de pirâmide","pig butchering","prisão digital","golpe de suporte técnico","golpe de suporte técnico com criptomoedas","golpes por mensagens","contratos ponzi","esquema de ponzi inteligente","esquema ponzi inteligente","fraude de investimento híbrida","golpe com criptomoedas"],"artigos":["badawi2019729","g0066_phishing","papathanasiou2024","ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_00567","ref_3f42d6b2ce58_00649","ref_3f42d6b2ce58_01174","ref_72db3d675ef9_00014","ref_72db3d675ef9_00049","ref_72db3d675ef9_00060","ref_72db3d675ef9_00067","ref_72db3d675ef9_00071","ref_72db3d675ef9_00074","ref_72db3d675ef9_00079","ref_72db3d675ef9_00101","ref_72db3d675ef9_00111","ref_72db3d675ef9_00113","ref_72db3d675ef9_00141","ref_72db3d675ef9_00167","ref_72db3d675ef9_00169","ref_72db3d675ef9_00177","ref_72db3d675ef9_00182","ref_72db3d675ef9_00184","ref_72db3d675ef9_00204","ref_72db3d675ef9_00208","ref_72db3d675ef9_00210","ref_72db3d675ef9_00214","ref_72db3d675ef9_00222","ref_72db3d675ef9_00231","ref_72db3d675ef9_00241","ref_72db3d675ef9_00263","ref_72db3d675ef9_00267","ref_72db3d675ef9_00279","ref_72db3d675ef9_00281","ref_8d955f377173_00002","ref_8d955f377173_00005","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00015","ref_8d955f377173_00020","ref_8d955f377173_00033","ref_8d955f377173_00034","ref_8d955f377173_00040","ref_8d955f377173_00045","ref_8d955f377173_00046","ref_8d955f377173_00048","ref_8d955f377173_00049","ref_8d955f377173_00053"],"n_artigos":48},{"nome":"Alvos_de_Ataque","conceitos":33,"exemplos":["credenciais de acesso","executivos","indivíduos específicos","informação privada","dispositivos iot","golpes financeiros contra idosos","saúde","agricultores","alvo","atratividade do alvo","composto de entidades humanas técnicas e virtuais","data centers"],"artigos":["fraudes00023","fraudes00059","fraudes00093","fraudes00129","fraudes00162","g0066_phishing","g0067_phishing","g0175_phishing","g0253_phishing","g0293_phishing","lindback2024211","ref_3f42d6b2ce58_00030","ref_3f42d6b2ce58_00071","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00109","ref_3f42d6b2ce58_00248","ref_3f42d6b2ce58_00317","ref_3f42d6b2ce58_00336","ref_3f42d6b2ce58_00373","ref_3f42d6b2ce58_00384","ref_3f42d6b2ce58_00402","ref_3f42d6b2ce58_00471","ref_3f42d6b2ce58_00517","ref_3f42d6b2ce58_00526","ref_3f42d6b2ce58_00567","ref_3f42d6b2ce58_00606","ref_3f42d6b2ce58_00629","ref_3f42d6b2ce58_00649","ref_3f42d6b2ce58_00704","ref_3f42d6b2ce58_00806","ref_3f42d6b2ce58_00807","ref_3f42d6b2ce58_00865","ref_3f42d6b2ce58_00874","ref_3f42d6b2ce58_01070","ref_3f42d6b2ce58_01191","ref_3f42d6b2ce58_01234","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01265","ref_3f42d6b2ce58_01296","ref_3f42d6b2ce58_01342","ref_3f42d6b2ce58_01360","ref_72db3d675ef9_00109","ref_8d955f377173_00001","ref_8d955f377173_00035","ref_8d955f377173_00040","ref_8d955f377173_00045"],"n_artigos":46},{"nome":"Fatores_Humanos","conceitos":8,"exemplos":["confiança da vítima","usuário","vulnerabilidade humana","comportamento humano","vulnerabilidade psicológica","princípios psicológicos","conhecimento geral sobre phishing","manipulação humana"],"artigos":["fraudes00011","fraudes00013","fraudes00015","fraudes00019","fraudes00023","fraudes00040","fraudes00083","fraudes00089","fraudes00121","fraudes00132","fraudes00168","fraudes00209","g0013_phishing","g0062_phishing","g0066_phishing","g0098_phishing","g0173_phishing","g0257_phishing","g0259_phishing","he2020110","rameemzahra2022197","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_00786","ref_3f42d6b2ce58_00978","ref_3f42d6b2ce58_01251","ref_3f42d6b2ce58_01283","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01353","ref_72db3d675ef9_00010","ref_72db3d675ef9_00026","ref_72db3d675ef9_00058","ref_72db3d675ef9_00063","ref_72db3d675ef9_00078","ref_72db3d675ef9_00131","ref_72db3d675ef9_00167","ref_72db3d675ef9_00176","ref_72db3d675ef9_00178","ref_72db3d675ef9_00184","ref_72db3d675ef9_00208","ref_8d955f377173_00002","ref_8d955f377173_00036","ref_8d955f377173_00045","ref_8d955f377173_00047","schafer202413"],"n_artigos":44},{"nome":"Tecnologia_de_Ataque","conceitos":10,"exemplos":["inteligência artificial","contratos inteligentes","clonagem de voz","chatgpt","enclave","ransomclave","rust","software de robô de trading","software defined radio","wannalaugh"],"artigos":["angafor20241679","choi20243","fraudes00004","fraudes00008","fraudes00035","fraudes00056","fraudes00064","fraudes00071","fraudes00073","fraudes00092","fraudes00093","fraudes00094","fraudes00095","fraudes00107","g0066_phishing","g0175_phishing","lindback2024211","martinez-echevarria2026","ref_3f42d6b2ce58_00041","ref_3f42d6b2ce58_00224","ref_3f42d6b2ce58_00287","ref_3f42d6b2ce58_00442","ref_3f42d6b2ce58_00457","ref_3f42d6b2ce58_00898","ref_3f42d6b2ce58_01217","ref_3f42d6b2ce58_01278","ref_72db3d675ef9_00067","ref_72db3d675ef9_00074","ref_72db3d675ef9_00076","ref_72db3d675ef9_00091","ref_72db3d675ef9_00113","ref_72db3d675ef9_00115","ref_72db3d675ef9_00129","ref_72db3d675ef9_00243","ref_72db3d675ef9_00257","ref_8d955f377173_00002","ref_8d955f377173_00032"],"n_artigos":37},{"nome":"Ameaças_Digitais","conceitos":3,"exemplos":["ataque cibernético","spam social","colusão"],"artigos":["fraudes00028","fraudes00032","fraudes00035","fraudes00052","fraudes00054","fraudes00065","fraudes00087","fraudes00105","fraudes00106","fraudes00107","fraudes00132","fraudes00150","fraudes00151","fraudes00155","fraudes00165","fraudes00170","fraudes00195","fraudes00207","fraudes00213","g0066_phishing","ref_3f42d6b2ce58_00109","ref_3f42d6b2ce58_00500","ref_3f42d6b2ce58_00614","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_00841","ref_3f42d6b2ce58_00992","ref_3f42d6b2ce58_01157","ref_3f42d6b2ce58_01283","ref_3f42d6b2ce58_01284","ref_3f42d6b2ce58_01322","ref_3f42d6b2ce58_01354","ref_72db3d675ef9_00159","ref_8d955f377173_00007","ref_8d955f377173_00022"],"n_artigos":36},{"nome":"Defesa_e_Mitigação","conceitos":16,"exemplos":["treinamento de conscientização em segurança","treinamento de funcionários","educação do usuário","política de segurança","programa de conscientização","filtragem de e-mail","protocolo de segurança","ferramenta de apoio à decisão","conteúdo de arquivos de resgate","ecossistema de segurança integrado","identificação de red flags","investimento em backup"],"artigos":["angafor20241679","fraudes00012","fraudes00035","fraudes00054","fraudes00076","fraudes00090","fraudes00098","fraudes00153","fraudes00173","fraudes00210","g0066_phishing","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00132","ref_3f42d6b2ce58_00201","ref_3f42d6b2ce58_00417","ref_3f42d6b2ce58_00500","ref_3f42d6b2ce58_00572","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_00797","ref_3f42d6b2ce58_01088","ref_3f42d6b2ce58_01122","ref_3f42d6b2ce58_01157","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01260","ref_72db3d675ef9_00036","ref_72db3d675ef9_00058","ref_72db3d675ef9_00139","ref_72db3d675ef9_00161","ref_72db3d675ef9_00222","ref_72db3d675ef9_00245","ref_72db3d675ef9_00273","ref_8d955f377173_00013","ref_8d955f377173_00034","ref_8d955f377173_00047","ref_8d955f377173_00058"],"n_artigos":35},{"nome":"Modelagem_Formal","conceitos":14,"exemplos":["ontologia","teoria dos jogos","rantology","mecanismo bayesiano compatível com incentivos","modelo conceitual","comportamento observado no mundo real","dspamonto","estado final da dinâmica social","informação imperfeita","modelo hurdle","máquina de estados finitos","ponto de cruzamento zero da função de fluxo de fundos"],"artigos":["fraudes00021","fraudes00032","fraudes00047","fraudes00087","fraudes00117","fraudes00118","fraudes00125","fraudes00173","fraudes00179","fraudes00180","fraudes00191","fraudes00196","g0066_phishing","ref_3f42d6b2ce58_00137","ref_3f42d6b2ce58_00153","ref_3f42d6b2ce58_00462","ref_3f42d6b2ce58_00517","ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_00748","ref_3f42d6b2ce58_00751","ref_3f42d6b2ce58_00831","ref_3f42d6b2ce58_00877","ref_3f42d6b2ce58_00937","ref_3f42d6b2ce58_01080","ref_3f42d6b2ce58_01122","ref_3f42d6b2ce58_01152","ref_3f42d6b2ce58_01157","ref_3f42d6b2ce58_01212","ref_3f42d6b2ce58_01293","ref_3f42d6b2ce58_01312","ref_72db3d675ef9_00151","ref_72db3d675ef9_00237"],"n_artigos":32},{"nome":"Impacto_de_Ataques","conceitos":23,"exemplos":["vitimização por ransomware","exploração financeira","infecção por ransomware","decisão de pagar o resgate","ameaça financeira","colapso do esquema ponzi","disposição de pagar","endurecimento do mercado de seguro cibernético","pagamento do resgate","vazamento de informação","bem-estar dos profissionais de saúde","bolha de ações da enron"],"artigos":["fraudes00002","fraudes00133","fraudes00136","g0066_phishing","ref_3f42d6b2ce58_00115","ref_3f42d6b2ce58_00148","ref_3f42d6b2ce58_00153","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00262","ref_3f42d6b2ce58_00393","ref_3f42d6b2ce58_00440","ref_3f42d6b2ce58_00471","ref_3f42d6b2ce58_00521","ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_00649","ref_3f42d6b2ce58_00702","ref_3f42d6b2ce58_00807","ref_3f42d6b2ce58_00994","ref_3f42d6b2ce58_01054","ref_3f42d6b2ce58_01088","ref_3f42d6b2ce58_01189","ref_3f42d6b2ce58_01274","ref_72db3d675ef9_00085","ref_72db3d675ef9_00089","ref_72db3d675ef9_00150","ref_72db3d675ef9_00176","ref_72db3d675ef9_00237","ref_72db3d675ef9_00267","ref_72db3d675ef9_00291","ref_8d955f377173_00010","ref_8d955f377173_00033"],"n_artigos":31},{"nome":"Identidade_e_Representação","conceitos":7,"exemplos":["empresa","reputação social","agentes políticos reais","autoridade profissional","especialistas financeiros","golpe de personificação institucional","relacionamento genuíno"],"artigos":["fraudes00041","fraudes00151","fraudes00169","g0066_phishing","g0259_phishing","ref_3f42d6b2ce58_00046","ref_3f42d6b2ce58_00141","ref_3f42d6b2ce58_00297","ref_3f42d6b2ce58_00500","ref_3f42d6b2ce58_00572","ref_3f42d6b2ce58_00732","ref_3f42d6b2ce58_00735","ref_3f42d6b2ce58_00841","ref_3f42d6b2ce58_00865","ref_3f42d6b2ce58_00871","ref_3f42d6b2ce58_00896","ref_3f42d6b2ce58_00911","ref_3f42d6b2ce58_00978","ref_3f42d6b2ce58_01089","ref_3f42d6b2ce58_01276","ref_3f42d6b2ce58_01291","ref_3f42d6b2ce58_01322","ref_72db3d675ef9_00071","ref_72db3d675ef9_00241","ref_72db3d675ef9_00262","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00014","ref_8d955f377173_00020","ref_8d955f377173_00049","schafer202413"],"n_artigos":31},{"nome":"Atores_de_Ameaça","conceitos":12,"exemplos":["cibercriminoso","spammers sociais","crime organizado tradicional","autores afiliados à indústria","convergência entre crime organizado e cibercrime","envolvimento juvenil no cibercrime","experiência do infrator","isis","rede de madoff","redes de phishing de alta tecnologia","redes de phishing de baixa tecnologia","resiliência organizacional"],"artigos":["fraudes00025","fraudes00032","fraudes00080","fraudes00089","fraudes00107","fraudes00117","fraudes00170","fraudes00177","fraudes00207","g0066_phishing","ref_3f42d6b2ce58_00064","ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_00443","ref_3f42d6b2ce58_00629","ref_3f42d6b2ce58_00824","ref_3f42d6b2ce58_00986","ref_3f42d6b2ce58_01144","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01320","ref_72db3d675ef9_00018","ref_72db3d675ef9_00036","ref_72db3d675ef9_00053","ref_72db3d675ef9_00089","ref_72db3d675ef9_00102","ref_72db3d675ef9_00144","ref_72db3d675ef9_00162","ref_72db3d675ef9_00197","ref_8d955f377173_00007","ref_8d955f377173_00013","ref_8d955f377173_00015"],"n_artigos":30},{"nome":"Fatores_Psicológicos","conceitos":27,"exemplos":["medo","percepção de risco","intenção de investir","tolerância ao risco","credulidade induzida por vieses","fomo","ganância","percepção de ser alvo de fraude","percepção de seriedade","preocupação com fraude","traços de personalidade","tríade sombria"],"artigos":["fraudes00075","fraudes00120","g0066_phishing","ref_3f42d6b2ce58_00047","ref_3f42d6b2ce58_00132","ref_3f42d6b2ce58_00148","ref_3f42d6b2ce58_00201","ref_3f42d6b2ce58_00262","ref_3f42d6b2ce58_00318","ref_3f42d6b2ce58_00646","ref_3f42d6b2ce58_00702","ref_3f42d6b2ce58_00708","ref_3f42d6b2ce58_00976","ref_72db3d675ef9_00052","ref_72db3d675ef9_00093","ref_72db3d675ef9_00142","ref_72db3d675ef9_00168","ref_72db3d675ef9_00190","ref_72db3d675ef9_00196","ref_72db3d675ef9_00233","ref_72db3d675ef9_00252","ref_72db3d675ef9_00267","ref_72db3d675ef9_00280","ref_72db3d675ef9_00290","ref_8d955f377173_00003","ref_8d955f377173_00005","ref_8d955f377173_00024","ref_8d955f377173_00053","ref_8d955f377173_00058"],"n_artigos":29},{"nome":"Detecção_de_Phishing","conceitos":17,"exemplos":["desempenho de detecção","modelo de detecção","detecção de phishing por e-mail","ponderação hierárquica classe-fonte","características léxicas e semânticas","detecção de phishing baseada em conteúdo","diversidade de fontes independentes","modelo de detecção de phishing por e-mail","abordagem pré-fetch","classificação de phishing como legítimo","desempenho em sms","detecção de phishing baseada em transformer"],"artigos":["boumber202437","fraudes00011","fraudes00036","fraudes00096","fraudes00117","fraudes00153","fraudes00172","fraudes00183","fraudes00196","g0007_phishing","g0009_phishing","g0066_phishing","g0204_phishing","g0293_phishing","martinez-echevarria2026","qachfar2024241","rameemzahra2022197","ref_3f42d6b2ce58_00041","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00723","ref_3f42d6b2ce58_00789","ref_3f42d6b2ce58_01123","ref_72db3d675ef9_00017","ref_72db3d675ef9_00043","ref_72db3d675ef9_00129","ref_72db3d675ef9_00158","ref_72db3d675ef9_00198","ref_72db3d675ef9_00229","ref_72db3d675ef9_00289"],"n_artigos":29},{"nome":"Vulnerabilidade_Humana","conceitos":8,"exemplos":["vulnerabilidade a golpes","suscetibilidade ao phishing","investimento em esquema de pirâmide","adesão a esquemas de pirâmide","exposição a ameaças de segurança","agentes com crenças grosseiras","habilidades cognitivas baixas","investimento por impulso"],"artigos":["fraudes00001","fraudes00015","fraudes00133","g0066_phishing","g0173_phishing","ref_3f42d6b2ce58_00258","ref_72db3d675ef9_00004","ref_72db3d675ef9_00010","ref_72db3d675ef9_00011","ref_72db3d675ef9_00014","ref_72db3d675ef9_00026","ref_72db3d675ef9_00058","ref_72db3d675ef9_00081","ref_72db3d675ef9_00094","ref_72db3d675ef9_00131","ref_72db3d675ef9_00161","ref_72db3d675ef9_00168","ref_72db3d675ef9_00182","ref_72db3d675ef9_00190","ref_72db3d675ef9_00211","ref_72db3d675ef9_00218","ref_72db3d675ef9_00230","ref_72db3d675ef9_00233","ref_72db3d675ef9_00245","ref_72db3d675ef9_00266","ref_72db3d675ef9_00280","ref_72db3d675ef9_00281","ref_72db3d675ef9_00286","ref_8d955f377173_00036"],"n_artigos":29},{"nome":"Infraestrutura_de_Ataque","conceitos":13,"exemplos":["mídia social","site falso","dark web","rede social","conta falsa","url de phishing","conta falsa em rede social","vetor de ataque","dns spoofing","kit de phishing","plataforma de investimento fraudulenta","plataformas de terceiros"],"artigos":["badawi2019729","fraudes00037","fraudes00106","fraudes00117","fraudes00118","fraudes00156","fraudes00162","fraudes00168","fraudes00170","fraudes00177","fraudes00216","g0048_phishing","g0066_phishing","g0067_phishing","g0098_phishing","g0205_phishing","g0253_phishing","g0259_phishing","rameemzahra2022197","ref_3f42d6b2ce58_00512","ref_3f42d6b2ce58_01051","ref_3f42d6b2ce58_01099","ref_72db3d675ef9_00036","ref_72db3d675ef9_00049","ref_72db3d675ef9_00101","ref_72db3d675ef9_00131","ref_72db3d675ef9_00165","ref_8d955f377173_00007"],"n_artigos":28},{"nome":"Economia_do_Ataque","conceitos":29,"exemplos":["pagamento de resgate","valor do resgate","benefício financeiro","cryptomarchés","esforço criminoso","informação incompleta","marketing multinível","negociações de ransomware","resgate solicitado","btc-e","crescimento insustentável","criptomoedas"],"artigos":["fraudes00206","g0066_phishing","ref_3f42d6b2ce58_00132","ref_3f42d6b2ce58_00153","ref_3f42d6b2ce58_00440","ref_3f42d6b2ce58_00537","ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_00557","ref_3f42d6b2ce58_00649","ref_3f42d6b2ce58_00751","ref_3f42d6b2ce58_00774","ref_3f42d6b2ce58_00809","ref_3f42d6b2ce58_00831","ref_3f42d6b2ce58_01174","ref_3f42d6b2ce58_01217","ref_3f42d6b2ce58_01225","ref_3f42d6b2ce58_01275","ref_72db3d675ef9_00014","ref_72db3d675ef9_00146","ref_72db3d675ef9_00150","ref_72db3d675ef9_00151","ref_72db3d675ef9_00181","ref_72db3d675ef9_00210","ref_72db3d675ef9_00222","ref_72db3d675ef9_00226","ref_72db3d675ef9_00291","ref_8d955f377173_00018"],"n_artigos":27},{"nome":"Fatores_Humanos_de_Vulnerabilidade","conceitos":10,"exemplos":["letramento financeiro","baixa consciência de segurança","capital social","isolamento social","ambiguidade normativa","atividades rotineiras de risco","confiança excessiva no grupo","confiança na comunicação telefônica","função cognitiva","tensão social"],"artigos":["fraudes00133","g0066_phishing","ref_3f42d6b2ce58_00258","ref_3f42d6b2ce58_01178","ref_3f42d6b2ce58_01260","ref_72db3d675ef9_00004","ref_72db3d675ef9_00005","ref_72db3d675ef9_00010","ref_72db3d675ef9_00011","ref_72db3d675ef9_00014","ref_72db3d675ef9_00058","ref_72db3d675ef9_00072","ref_72db3d675ef9_00093","ref_72db3d675ef9_00094","ref_72db3d675ef9_00126","ref_72db3d675ef9_00130","ref_72db3d675ef9_00161","ref_72db3d675ef9_00168","ref_72db3d675ef9_00205","ref_72db3d675ef9_00211","ref_72db3d675ef9_00218","ref_72db3d675ef9_00230","ref_72db3d675ef9_00233","ref_72db3d675ef9_00245","ref_72db3d675ef9_00286","ref_8d955f377173_00011","ref_8d955f377173_00036"],"n_artigos":27},{"nome":"Mecanismos_de_Segurança","conceitos":4,"exemplos":["blockchain","autenticação de dois fatores","computação segura entre duas partes","sistema de monitoramento de mensagens criptografadas"],"artigos":["fraudes00030","fraudes00191","fraudes00195","g0066_phishing","ref_3f42d6b2ce58_00153","ref_3f42d6b2ce58_00297","ref_3f42d6b2ce58_00632","ref_3f42d6b2ce58_00750","ref_3f42d6b2ce58_00784","ref_3f42d6b2ce58_00882","ref_3f42d6b2ce58_01112","ref_3f42d6b2ce58_01317","ref_3f42d6b2ce58_01350","ref_72db3d675ef9_00018","ref_72db3d675ef9_00039","ref_72db3d675ef9_00043","ref_72db3d675ef9_00103","ref_72db3d675ef9_00129","ref_72db3d675ef9_00156","ref_72db3d675ef9_00159","ref_72db3d675ef9_00162","ref_72db3d675ef9_00166","ref_72db3d675ef9_00197","ref_72db3d675ef9_00247","tas202460123"],"n_artigos":25},{"nome":"Fatores_Humanos_em_Segurança","conceitos":14,"exemplos":["consciência sobre phishing","letramento digital","comportamento de segurança da informação","confiança acrítica em tecnologia","aprendizado","detecção de engano","erro humano","experiência","familiaridade com a voz","intenção comportamental","concepções equivocadas sobre ransomware","conhecimento sobre call spoofing"],"artigos":["banerjee2023","fraudes00050","fraudes00070","fraudes00075","fraudes00090","fraudes00093","fraudes00132","g0066_phishing","g0067_phishing","ref_3f42d6b2ce58_00071","ref_3f42d6b2ce58_00258","ref_3f42d6b2ce58_00384","ref_3f42d6b2ce58_00708","ref_3f42d6b2ce58_00751","ref_3f42d6b2ce58_00755","ref_3f42d6b2ce58_01283","ref_72db3d675ef9_00004","ref_72db3d675ef9_00210","ref_72db3d675ef9_00225","ref_72db3d675ef9_00281","ref_8d955f377173_00002","ref_8d955f377173_00003","ref_8d955f377173_00011"],"n_artigos":23},{"nome":"Impacto_do_Phishing","conceitos":2,"exemplos":["perda financeira","exposição de informação pessoal"],"artigos":["fraudes00011","fraudes00041","fraudes00060","g0066_phishing","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_00194","ref_3f42d6b2ce58_00318","ref_3f42d6b2ce58_00515","ref_3f42d6b2ce58_00521","ref_3f42d6b2ce58_00606","ref_3f42d6b2ce58_00649","ref_3f42d6b2ce58_00788","ref_3f42d6b2ce58_01002","ref_72db3d675ef9_00079","ref_72db3d675ef9_00101","ref_72db3d675ef9_00109","ref_72db3d675ef9_00122","ref_72db3d675ef9_00139","ref_72db3d675ef9_00208","ref_72db3d675ef9_00241","ref_72db3d675ef9_00247","ref_72db3d675ef9_00263","ref_72db3d675ef9_00285"],"n_artigos":23},{"nome":"Manipulação_Psicológica","conceitos":13,"exemplos":["urgência","autoridade percebida","astroturfing digital","percepção pública","afinidade entre investidores","decepção","enquadramento da exigência de resgate","enquadramento negativo","enquadramento positivo","influência social informacional","pressão direta","princípio da bondade"],"artigos":["boumber202437","fraudes00038","fraudes00056","fraudes00094","fraudes00119","fraudes00129","fraudes00169","g0066_phishing","ref_3f42d6b2ce58_00240","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_00976","ref_72db3d675ef9_00051","ref_72db3d675ef9_00109","ref_72db3d675ef9_00127","ref_72db3d675ef9_00131","ref_72db3d675ef9_00142","ref_72db3d675ef9_00165","ref_72db3d675ef9_00180","ref_8d955f377173_00024","ref_8d955f377173_00035","ref_8d955f377173_00053"],"n_artigos":21},{"nome":"Modelos_de_Linguagem","conceitos":9,"exemplos":["llm","bert","distilroberta","gpt-5","arquitetura transformer","bert-ontosent","engenharia de prompts","rede semântica","pré-treinamento roberta"],"artigos":["boumber202437","fraudes00087","fraudes00088","fraudes00111","fraudes00159","fraudes00160","fraudes00161","fraudes00197","fraudes00216","g0205_phishing","g0216_phishing","g0232_phishing","g0257_phishing","g0293_phishing","ref_3f42d6b2ce58_00289","ref_3f42d6b2ce58_00317","ref_3f42d6b2ce58_00789","ref_72db3d675ef9_00030","ref_72db3d675ef9_00031","ref_72db3d675ef9_00067","ref_8d955f377173_00046"],"n_artigos":21},{"nome":"Métodos_de_Detecção","conceitos":22,"exemplos":["ctrf","análise de bytecode","modelo baseado em propagação","mtcformer","mvcg-sps","normalização de dados","ponderação hierárquica","rtcatch","testes estatísticos simples","análise dinâmica","análise dinâmica de opcodes","classification based on association"],"artigos":["fraudes00028","fraudes00124","fraudes00213","g0062_phishing","g0163_phishing","g0175_phishing","g0205_phishing","g0293_phishing","ref_3f42d6b2ce58_00041","ref_3f42d6b2ce58_00723","ref_3f42d6b2ce58_01121","ref_3f42d6b2ce58_01123","ref_3f42d6b2ce58_01273","ref_72db3d675ef9_00043","ref_72db3d675ef9_00067","ref_72db3d675ef9_00076","ref_72db3d675ef9_00091","ref_72db3d675ef9_00204","ref_72db3d675ef9_00229","ref_72db3d675ef9_00269"],"n_artigos":20},{"nome":"Detecção_de_Anomalias","conceitos":6,"exemplos":["detecção de anomalias","aleatoriedade","análise de pontos de mudança","comportamento fora da distribuição","monitoramento de respostas da rede a choques","parâmetros de atividade do kernel"],"artigos":["boumber202437","fraudes00215","g0293_phishing","ref_3f42d6b2ce58_00043","ref_3f42d6b2ce58_01123","ref_3f42d6b2ce58_01234","ref_72db3d675ef9_00017","ref_72db3d675ef9_00018","ref_72db3d675ef9_00032","ref_72db3d675ef9_00089","ref_72db3d675ef9_00129","ref_72db3d675ef9_00136","ref_72db3d675ef9_00156","ref_72db3d675ef9_00186","ref_72db3d675ef9_00215","ref_72db3d675ef9_00229","ref_72db3d675ef9_00243","ref_72db3d675ef9_00259","ref_8d955f377173_00006"],"n_artigos":19},{"nome":"Dados_e_Privacidade","conceitos":1,"exemplos":["informação sensível"],"artigos":["fraudes00011","fraudes00019","fraudes00132","fraudes00136","fraudes00188","g0009_phishing","g0023_phishing","g0066_phishing","g0098_phishing","g0146_phishing","g0293_phishing","ref_3f42d6b2ce58_00095","ref_3f42d6b2ce58_00992","ref_8d955f377173_00009","ref_8d955f377173_00012","ref_8d955f377173_00035","ref_8d955f377173_00049","tas202460123"],"n_artigos":18},{"nome":"Técnicas_de_Ataque","conceitos":8,"exemplos":["spoofing","deepfake","ataque de um clique","phishing por simulação de transações","tecnologia de deepfake","ataque de replay","exfiltração de dados","isca"],"artigos":["deng2018369","deng2018846","fraudes00004","fraudes00037","fraudes00060","fraudes00198","g0066_phishing","g0175_phishing","lindback2024211","ref_3f42d6b2ce58_00545","ref_8d955f377173_00001","ref_8d955f377173_00002","ref_8d955f377173_00028","schafer202413","tas202460123","wang2023","zheng2026102"],"n_artigos":17},{"nome":"Fatores_Humanos_e_Psicológicos","conceitos":12,"exemplos":["confiança institucional","tendências cognitivas","apoio ao ransomware","disposição a pagar o resgate","identidade social de superhumano","autoeficácia","consciência de ameaça","julgamento pessoal","normas subjetivas","pertencimento ao endogrupo","tipos de personalidade","tomada de decisão"],"artigos":["fraudes00001","fraudes00094","g0066_phishing","ref_3f42d6b2ce58_00206","ref_3f42d6b2ce58_00356","ref_3f42d6b2ce58_00702","ref_3f42d6b2ce58_00708","ref_3f42d6b2ce58_00976","ref_72db3d675ef9_00052","ref_72db3d675ef9_00072","ref_72db3d675ef9_00081","ref_72db3d675ef9_00111","ref_72db3d675ef9_00122","ref_72db3d675ef9_00211","ref_8d955f377173_00003"],"n_artigos":15},{"nome":"Canais_de_Ataque","conceitos":6,"exemplos":["redes sociais","telefone","anúncios patrocinados","line","publicidade em mídia social","whatsapp"],"artigos":["deng2018846","fraudes00032","fraudes00094","fraudes00122","g0066_phishing","ref_3f42d6b2ce58_01362","ref_72db3d675ef9_00093","ref_72db3d675ef9_00122","ref_72db3d675ef9_00142","ref_72db3d675ef9_00225","ref_72db3d675ef9_00241","ref_8d955f377173_00022","ref_8d955f377173_00045","ref_8d955f377173_00048","ref_8d955f377173_00053"],"n_artigos":15},{"nome":"Resposta_Institucional","conceitos":4,"exemplos":["aplicação da lei","estratégia de resposta organizacional","linguagem não culpabilizadora","sabric"],"artigos":["fraudes00055","fraudes00065","fraudes00096","fraudes00136","g0066_phishing","ref_3f42d6b2ce58_00026","ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_00224","ref_3f42d6b2ce58_00468","ref_3f42d6b2ce58_00617","ref_3f42d6b2ce58_00754","ref_3f42d6b2ce58_01152","ref_72db3d675ef9_00267","ref_8d955f377173_00007","ref_8d955f377173_00053"],"n_artigos":15},{"nome":"Gestão_de_Risco","conceitos":5,"exemplos":["risco operacional","seguro cibernético","avaliação de risco","revisão de governança","seguro contra ransomware"],"artigos":["g0293_phishing","mahanama2021","ref_3f42d6b2ce58_00440","ref_3f42d6b2ce58_00468","ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_00603","ref_3f42d6b2ce58_00606","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_00751","ref_3f42d6b2ce58_00754","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00896","ref_3f42d6b2ce58_00901","ref_3f42d6b2ce58_00994"],"n_artigos":14},{"nome":"Estratégias_de_Defesa","conceitos":8,"exemplos":["abordagem multicamadas","abordagem proativa","assistência informacional sem extrapolação","cibersegurança ex ante","estratégia de defesa alimentar","princípios zero trust","safer","sincronização de pressão sobre infratores finanças e infraestrutura"],"artigos":["fraudes00105","fraudes00149","fraudes00216","g0066_phishing","papathanasiou2024","ref_3f42d6b2ce58_00064","ref_3f42d6b2ce58_00109","ref_3f42d6b2ce58_00266","ref_3f42d6b2ce58_00336","ref_3f42d6b2ce58_00809","ref_3f42d6b2ce58_00908","ref_3f42d6b2ce58_01189","ref_72db3d675ef9_00190"],"n_artigos":13},{"nome":"Extração_de_Características","conceitos":10,"exemplos":["redução semântica sem perdas","extração de texto por ocr","características do código de contrato inteligente","características estáticas e dinâmicas","características tf-idf","entropia de shannon","grafo de fluxo de controle","informação temporal heterogênea","seleção de características","spacy ner"],"artigos":["fraudes00153","fraudes00165","fraudes00201","g0293_phishing","ref_3f42d6b2ce58_01194","ref_3f42d6b2ce58_01261","ref_72db3d675ef9_00031","ref_72db3d675ef9_00032","ref_72db3d675ef9_00064","ref_72db3d675ef9_00078","ref_72db3d675ef9_00198","ref_72db3d675ef9_00204"],"n_artigos":12},{"nome":"Resposta_a_Incidentes","conceitos":8,"exemplos":["reporte de ameaças","negociação de ransomware","análise forense","comunicação com helpdesk","comunicação de crise","denúncia à polícia","recorrer a empresa de resposta a incidentes","reporte de fraudes"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00047","ref_3f42d6b2ce58_00148","ref_3f42d6b2ce58_00294","ref_3f42d6b2ce58_00318","ref_3f42d6b2ce58_00440","ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_01274","ref_72db3d675ef9_00071","ref_72db3d675ef9_00122","ref_72db3d675ef9_00267"],"n_artigos":11},{"nome":"Comportamento_Humano_em_Segurança","conceitos":7,"exemplos":["decisão de investimento","comportamento de evitação de phishing","fator humano","comportamento financeiro digital seguro","comportamento protetivo","recusa de pagamento","violações de integridade acadêmica"],"artigos":["fraudes00001","fraudes00015","fraudes00021","fraudes00075","fraudes00120","g0066_phishing","ref_3f42d6b2ce58_00132","ref_72db3d675ef9_00093","ref_72db3d675ef9_00130","ref_72db3d675ef9_00225","ref_72db3d675ef9_00252"],"n_artigos":11},{"nome":"Ferramentas_de_Detecção","conceitos":9,"exemplos":["cybercane","rdbalert","api-rds","apkowl","crimson","hardware performance counters","ponzilens","simguard","spamassassin"],"artigos":["fraudes00185","g0163_phishing","g0175_phishing","g0293_phishing","ref_3f42d6b2ce58_00182","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_01318","ref_72db3d675ef9_00101","ref_72db3d675ef9_00247"],"n_artigos":9},{"nome":"Infraestrutura_Tecnológica","conceitos":7,"exemplos":["sistema operacional android","conectividade veicular","digitalização das cadeias de suprimento alimentar","natureza descentralizada das criptomoedas","navegador com ia","plataformas de gerenciamento centralizado","processos de resiliência"],"artigos":["fraudes00150","fraudes00164","g0066_phishing","ref_3f42d6b2ce58_00109","ref_3f42d6b2ce58_00336","ref_3f42d6b2ce58_00629","ref_3f42d6b2ce58_01353","ref_3f42d6b2ce58_01354","ref_72db3d675ef9_00052"],"n_artigos":9},{"nome":"Engano_e_Falsificação","conceitos":6,"exemplos":["identidade legítima","acordo de investimento","atividade de base autônoma","avaliações online falsificadas","entidade confiável","equity equalizing"],"artigos":["deng2018369","fraudes00013","fraudes00129","fraudes00182","g0066_phishing","ref_72db3d675ef9_00051","ref_72db3d675ef9_00064","tas202460123","zheng2026102"],"n_artigos":9},{"nome":"Características_do_Ataque","conceitos":7,"exemplos":["sofisticação do phishing","anonimato","comprimento médio de caminho","endereço válido no reino unido","nomes de arquivos de resgate","rapidez de execução da fraude","tempo de vida do hyip"],"artigos":["fraudes00012","fraudes00018","g0066_phishing","ref_3f42d6b2ce58_00774","ref_3f42d6b2ce58_01088","ref_72db3d675ef9_00001","ref_72db3d675ef9_00060","ref_72db3d675ef9_00241"],"n_artigos":8},{"nome":"Propagação_de_Ataques","conceitos":11,"exemplos":["difusão de fakes","distribuição de grau de lei de potência","limiar crítico de propagação","número básico de reprodução","propagação de esquema de pirâmide","topologia de interação social","velocidade de difusão","comprometimento de novas vítimas","contágio","dinâmica de difusão","estrutura da rede de investidores"],"artigos":["fraudes00094","fraudes00142","fraudes00192","g0066_phishing","ref_72db3d675ef9_00124","ref_72db3d675ef9_00151","ref_72db3d675ef9_00237"],"n_artigos":7},{"nome":"Conteúdo_de_Isca","conceitos":8,"exemplos":["pistas linguísticas de estilo de vida","mídia rica","oportunidade de investimento em criptoativos","pistas linguísticas de percepção","promessa de lucros elevados","promessas de alto retorno","texto de resgate","tópicos políticos"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_01284","ref_72db3d675ef9_00071","ref_72db3d675ef9_00078","ref_72db3d675ef9_00169","ref_72db3d675ef9_00177","ref_72db3d675ef9_00281"],"n_artigos":7},{"nome":"Engenharia_Social","conceitos":8,"exemplos":["personificação","pretexting","baiting","exploração de engenharia social","funcionário interno","conexão pessoal","fonte confiável","relacionamento com a vítima"],"artigos":["fraudes00015","fraudes00082","g0066_phishing","ref_72db3d675ef9_00071","ref_72db3d675ef9_00208","ref_72db3d675ef9_00241","ref_8d955f377173_00009"],"n_artigos":7},{"nome":"Contextos_de_Ataque","conceitos":7,"exemplos":["flexibilização de restrições","pandemia de covid-19","coronavírus","eleições ocidentais","inovação aberta","metaverso","ransomware em desktop"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00046","ref_3f42d6b2ce58_00402","ref_72db3d675ef9_00063","ref_72db3d675ef9_00180","ref_72db3d675ef9_00181","ref_8d955f377173_00010"],"n_artigos":7},{"nome":"Regulação_e_Governança_Digital","conceitos":7,"exemplos":["cooperação internacional em cibercrime","ausência de regulação","cobertura regulatória não global","estado","gestão governamental","intensidade de repressão governamental","resposta regulatória"],"artigos":["fraudes00096","fraudes00106","g0066_phishing","ref_3f42d6b2ce58_00046","ref_72db3d675ef9_00006","ref_72db3d675ef9_00060","ref_72db3d675ef9_00124"],"n_artigos":7},{"nome":"Contexto_Organizacional","conceitos":6,"exemplos":["trabalho remoto","ausência de guardiões eficazes","características organizacionais","dependência mútua","estrutura organizacional","fatores tecnológicos organizacionais e ambientais"],"artigos":["fraudes00076","g0066_phishing","ref_3f42d6b2ce58_00443","ref_3f42d6b2ce58_00774","ref_3f42d6b2ce58_00813","ref_72db3d675ef9_00177","ref_72db3d675ef9_00222"],"n_artigos":7},{"nome":"Atores_do_Ataque","conceitos":3,"exemplos":["vítima","conexões diretas","papel de intermediário"],"artigos":["fraudes00192","g0066_phishing","ref_3f42d6b2ce58_00215","ref_3f42d6b2ce58_01260","ref_72db3d675ef9_00005","ref_72db3d675ef9_00161","ref_8d955f377173_00013"],"n_artigos":7},{"nome":"Automação_de_Ataques","conceitos":2,"exemplos":["bots","social bots"],"artigos":["fraudes00118","fraudes00121","fraudes00142","fraudes00168","fraudes00169","g0066_phishing","ref_72db3d675ef9_00100"],"n_artigos":7},{"nome":"Metodologia_Científica","conceitos":7,"exemplos":["abordagem de estilo de vida e atividades rotineiras","abordagem de teste","captura-recaptura","fronesis","literatura de marketing sobre mlm","método científico","revisão humana"],"artigos":["fraudes00043","g0293_phishing","ref_3f42d6b2ce58_00471","ref_3f42d6b2ce58_00478","ref_72db3d675ef9_00053","ref_72db3d675ef9_00074"],"n_artigos":6},{"nome":"Defesa_Técnica","conceitos":6,"exemplos":["ceive","injectdefuser","progesi","disponibilidade de backups recuperáveis","navegador atualizado","presença de backups"],"artigos":["deng2018846","fraudes00156","g0066_phishing","g0232_phishing","ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_00649"],"n_artigos":6},{"nome":"Conscientização_e_Treinamento","conceitos":3,"exemplos":["consciência de segurança financeira digital","programa de treinamento","conhecimento sobre ransomware"],"artigos":["fraudes00075","g0066_phishing","ref_3f42d6b2ce58_00755","ref_72db3d675ef9_00211","ref_72db3d675ef9_00230","scott2024643"],"n_artigos":6},{"nome":"Mecanismos_de_Defesa","conceitos":3,"exemplos":["autenticação multifator","barra de ferramentas antiphishing","simulação de transações"],"artigos":["fraudes00060","fraudes00097","g0066_phishing","g0175_phishing","papathanasiou2024","ref_3f42d6b2ce58_00052"],"n_artigos":6},{"nome":"Segurança_da_Informação","conceitos":3,"exemplos":["violação de dados","incidente de cibersegurança","risco de violação de dados"],"artigos":["fraudes00098","fraudes00136","g0066_phishing","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00755","ref_3f42d6b2ce58_00993"],"n_artigos":6},{"nome":"Alvos_De_Phishing","conceitos":2,"exemplos":["instituição financeira","mulheres assalariadas"],"artigos":["fraudes00075","g0066_phishing","ref_3f42d6b2ce58_00614","ref_72db3d675ef9_00208","ref_8d955f377173_00024","venkatesha2021"],"n_artigos":6},{"nome":"Alvos_e_Impactos_de_Ataques","conceitos":2,"exemplos":["informação pessoal","vulnerabilidade a ransomware"],"artigos":["fraudes00012","g0066_phishing","ref_3f42d6b2ce58_00222","ref_3f42d6b2ce58_00336","ref_3f42d6b2ce58_00813","ref_3f42d6b2ce58_00993"],"n_artigos":6},{"nome":"Segurança_Computacional","conceitos":2,"exemplos":["sistema criptográfico","falhas de segurança computacional"],"artigos":["fraudes00052","fraudes00191","g0066_phishing","ref_3f42d6b2ce58_01031","ref_3f42d6b2ce58_01309","ref_72db3d675ef9_00125"],"n_artigos":6},{"nome":"Gestão_de_Incidentes","conceitos":1,"exemplos":["plano de resposta a incidentes"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00312","ref_3f42d6b2ce58_00572","ref_3f42d6b2ce58_00609","ref_3f42d6b2ce58_00625","ref_3f42d6b2ce58_01296"],"n_artigos":6},{"nome":"Táticas_de_Ataque","conceitos":7,"exemplos":["ataque direcionado","coleta de informação da vítima","reconhecimento online","coleta de informações","dm-plc","dupla extorsão","princípio financeiro"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00567","ref_3f42d6b2ce58_00629","ref_3f42d6b2ce58_00662","ref_72db3d675ef9_00180"],"n_artigos":5},{"nome":"Métricas_de_Avaliação","conceitos":6,"exemplos":["macro-f1 composto","bias ratio","macro-f1","distância de levenshtein","macro-f1 interno","razão de saturação"],"artigos":["g0293_phishing","ref_3f42d6b2ce58_00184","ref_3f42d6b2ce58_01284","ref_72db3d675ef9_00226","ref_72db3d675ef9_00291"],"n_artigos":5},{"nome":"Dados_da_Vítima","conceitos":5,"exemplos":["informações da vítima","características da vítima","características demográficas","disponibilidade pública de e-mail de autores","receita anual da vítima"],"artigos":["fraudes00099","g0066_phishing","ref_3f42d6b2ce58_00545","ref_3f42d6b2ce58_00649","ref_72db3d675ef9_00218"],"n_artigos":5},{"nome":"Classificação_Automática","conceitos":4,"exemplos":["abordagem de multirrotulagem","balanceamento hierárquico","classificador de rug-pull","classificação de vendedores"],"artigos":["fraudes00144","fraudes00160","g0293_phishing","ref_72db3d675ef9_00006","ref_8d955f377173_00042"],"n_artigos":5},{"nome":"Ataques_e_Exploração","conceitos":3,"exemplos":["prompt injection","instalação de malware","vulnerabilidade de software"],"artigos":["fraudes00164","g0066_phishing","g0146_phishing","g0232_phishing","ref_3f42d6b2ce58_00266"],"n_artigos":5},{"nome":"Classificação_e_Taxonomia","conceitos":3,"exemplos":["taxonomia de phishing","taxonomia de três classes","tipologia de astroturfing digital"],"artigos":["fraudes00006","fraudes00129","fraudes00155","g0293_phishing","ref_3f42d6b2ce58_00038"],"n_artigos":5},{"nome":"Controles_de_Segurança","conceitos":3,"exemplos":["verificação de identidade","dlp","software de segurança"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00471","ref_3f42d6b2ce58_00899","ref_8d955f377173_00034","zheng2026102"],"n_artigos":5},{"nome":"Regulação_e_Governança_de_Cibersegurança","conceitos":3,"exemplos":["imposto sobre resgate","legislação sobre engenharia social","arquitetura de três pilares baseada em risco"],"artigos":["fraudes00005","g0066_phishing","ref_3f42d6b2ce58_00187","ref_3f42d6b2ce58_00809","ref_72db3d675ef9_00075"],"n_artigos":5},{"nome":"Ataques_Cibernéticos","conceitos":2,"exemplos":["ataque de fraude","spam acadêmico"],"artigos":["fraudes00035","fraudes00099","g0066_phishing","qachfar2024241","ref_3f42d6b2ce58_00789"],"n_artigos":5},{"nome":"Objetivos_de_Ataque","conceitos":2,"exemplos":["extração de dados","conformidade da vítima"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00184","ref_3f42d6b2ce58_01042","ref_3f42d6b2ce58_01266","ref_72db3d675ef9_00031"],"n_artigos":5},{"nome":"Modalidades_De_Phishing","conceitos":1,"exemplos":["vishing"],"artigos":["fraudes00083","fraudes00093","fraudes00100","g0066_phishing","martinez-echevarria2026"],"n_artigos":5},{"nome":"Avaliação_de_Modelos","conceitos":23,"exemplos":["desequilíbrio de classes","limiar de segurança","macro-f1 agregado","recall de phishing","adequação para implantação","aprovação de modelo","desempenho entre fontes","desempenho family-disjoint","aprovação de modelo com trade-off de segurança","bootstrap pareado","calibração do modelo","coeficiente de correlação de matthews"],"artigos":["fraudes00077","g0007_phishing","g0293_phishing","ref_72db3d675ef9_00064"],"n_artigos":4},{"nome":"Avaliação_de_Confiabilidade","conceitos":6,"exemplos":["kappa de cohen","avaliação de credibilidade de cenários de golpe","credibilidade da informação na web","processos geradores de confiança","sistema de avaliação formal","web information credibility scale-persian"],"artigos":["fraudes00133","fraudes00189","fraudes00206","g0293_phishing"],"n_artigos":4},{"nome":"Metodologia_de_Pesquisa","conceitos":6,"exemplos":["análise de redes sociais","análise de roteiro de crime","análise de séries temporais","coleta de dados primários","documentação de dataset","restrições de tempo e recursos"],"artigos":["g0293_phishing","ref_3f42d6b2ce58_00042","ref_72db3d675ef9_00060","ref_72db3d675ef9_00089"],"n_artigos":4},{"nome":"Autenticação_e_Verificação","conceitos":5,"exemplos":["caller id verification","detecção de piscadas","facenet","palavra-código familiar","verificação de remetente"],"artigos":["g0066_phishing","ref_8d955f377173_00002","ujianto2025815","wang2023"],"n_artigos":4},{"nome":"Contramedidas_e_Defesa","conceitos":4,"exemplos":["ação operacional de bloqueio","contramedidas restritivas e de incentivo","procedimento de recuperação de arquivos","remoção de conteúdo"],"artigos":["fraudes00129","g0066_phishing","g0293_phishing","ref_3f42d6b2ce58_01054"],"n_artigos":4},{"nome":"Segurança_de_Sistemas","conceitos":4,"exemplos":["critérios de segurança","vulnerabilidade a ataque cibernético","vulnerabilidade de autenticação","vulnerabilidade do mecanismo de supervisão"],"artigos":["g0293_phishing","ref_3f42d6b2ce58_00026","ref_3f42d6b2ce58_01353","ref_72db3d675ef9_00074"],"n_artigos":4},{"nome":"Educação_e_Conscientização","conceitos":3,"exemplos":["treinamento multimodal","site do sabric","the palm-wine drinkard"],"artigos":["fraudes00055","g0066_phishing","ref_72db3d675ef9_00038","ref_8d955f377173_00058"],"n_artigos":4},{"nome":"Representação_de_Texto","conceitos":3,"exemplos":["tf-idf","texto contínuo","texto em linguagem natural"],"artigos":["fraudes00180","g0293_phishing","ref_3f42d6b2ce58_00761","ref_72db3d675ef9_00064"],"n_artigos":4},{"nome":"Alvos_de_Phishing","conceitos":2,"exemplos":["banco","trabalhadores de agência"],"artigos":["fraudes00017","fraudes00041","g0066_phishing","ref_8d955f377173_00052"],"n_artigos":4},{"nome":"Regulação_e_Conformidade","conceitos":2,"exemplos":["ambiguidade jurídica","padrões de segurança"],"artigos":["fraudes00096","g0066_phishing","ref_3f42d6b2ce58_00994","ref_72db3d675ef9_00115"],"n_artigos":4},{"nome":"Segurança_de_Credenciais","conceitos":2,"exemplos":["vulnerabilidade de senha","roubo de credenciais"],"artigos":["fraudes00097","g0066_phishing","ref_3f42d6b2ce58_00052","ref_3f42d6b2ce58_00896"],"n_artigos":4},{"nome":"Treinamento_e_Conscientização","conceitos":2,"exemplos":["simulação interna de phishing","estratégias baseadas em gamificação"],"artigos":["angafor20241679","fraudes00054","fraudes00210","g0066_phishing"],"n_artigos":4},{"nome":"Detecção_e_Prevenção_de_Phishing","conceitos":1,"exemplos":["abordagem anti-phishing"],"artigos":["fraudes00073","fraudes00095","g0066_phishing","g0098_phishing"],"n_artigos":4},{"nome":"Qualidade_de_Dados","conceitos":5,"exemplos":["transparência de composição","auditoria de sobreposição","contaminação de dados de treinamento","exclusão de dados","poluição de dados"],"artigos":["fraudes00050","g0293_phishing","ref_72db3d675ef9_00030"],"n_artigos":3},{"nome":"Avaliação_de_Modelos_de_Detecção","conceitos":3,"exemplos":["taxa phishing para legítimo","classificadores de estudos anteriores","estado da arte"],"artigos":["g0293_phishing","ref_72db3d675ef9_00006","ref_72db3d675ef9_00076"],"n_artigos":3},{"nome":"Defesa_Organizacional","conceitos":3,"exemplos":["funcionários vigilantes","moderação de conteúdo","processo de reporte de comportamento suspeito"],"artigos":["fraudes00159","g0066_phishing","ref_8d955f377173_00018"],"n_artigos":3},{"nome":"Impactos_de_Ataques","conceitos":3,"exemplos":["atendimento de emergência","exposição a malware","perda de capital social"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00807","ref_72db3d675ef9_00111"],"n_artigos":3},{"nome":"Metodologia_de_Aprendizado_de_Máquina","conceitos":3,"exemplos":["augmentação controlada de fonte","federated learning","one-shot learning"],"artigos":["g0293_phishing","g0296_phishing","ref_3f42d6b2ce58_01245"],"n_artigos":3},{"nome":"Métricas_de_Desempenho","conceitos":3,"exemplos":["phishing recall","gun","gun robusta"],"artigos":["g0293_phishing","ref_72db3d675ef9_00118","ref_72db3d675ef9_00158"],"n_artigos":3},{"nome":"Características_de_Conjuntos_de_Dados","conceitos":2,"exemplos":["escassez de datasets estruturados","diversidade de fonte de e-mail"],"artigos":["fraudes00002","g0293_phishing","ref_3f42d6b2ce58_00342"],"n_artigos":3},{"nome":"Defesa_e_Contramedidas","conceitos":1,"exemplos":["monitoramento de logs"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_01247","ref_3f42d6b2ce58_01309"],"n_artigos":3},{"nome":"Infraestrutura_Técnica","conceitos":1,"exemplos":["voip"],"artigos":["g0066_phishing","he2020110","tas202460123"],"n_artigos":3},{"nome":"Robustez_de_Modelos","conceitos":4,"exemplos":["resistência a fontes","divergência fora da distribuição","falha de moderação automática","resistência global a fontes"],"artigos":["fraudes00165","g0293_phishing"],"n_artigos":2},{"nome":"Autenticação_e_Controle_de_Acesso","conceitos":3,"exemplos":["ausência de autenticação de dois fatores","derrota da autenticação multifator","validação de identidade por foto"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00471"],"n_artigos":2},{"nome":"Impacto_do_Ataque","conceitos":3,"exemplos":["informação da vítima","acesso a propriedade privada","severidade do ataque"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00751"],"n_artigos":2},{"nome":"Técnicas_de_Evasão","conceitos":3,"exemplos":["cc-capa","codificação de url","identificador numérico gerado artificialmente"],"artigos":["fraudes00165","g0066_phishing"],"n_artigos":2},{"nome":"Avaliação_de_Sistemas_de_Detecção","conceitos":2,"exemplos":["concorrentes","trade-off de segurança"],"artigos":["fraudes00156","g0293_phishing"],"n_artigos":2},{"nome":"Ciclo_do_Ataque","conceitos":2,"exemplos":["coleta de informações da vítima","fingerprint"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_01100"],"n_artigos":2},{"nome":"Comunicação_por_E-mail","conceitos":2,"exemplos":["cobertura da mídia","e-mail legítimo"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00755"],"n_artigos":2},{"nome":"Detecção_De_Phishing","conceitos":2,"exemplos":["abordagem pós-fetch","comunicação suspeita"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Fatores_Humanos_em_Phishing","conceitos":2,"exemplos":["capacidade perceptiva","percepção de seriedade do phishing"],"artigos":["g0066_phishing","g0173_phishing"],"n_artigos":2},{"nome":"Identidade_Alvo","conceitos":2,"exemplos":["parceiro comercial","provedor de telecomunicações"],"artigos":["fraudes00093","g0066_phishing"],"n_artigos":2},{"nome":"Infraestrutura_Técnica_de_Phishing","conceitos":2,"exemplos":["indicadores de infraestrutura","javascript"],"artigos":["g0066_phishing","g0205_phishing"],"n_artigos":2},{"nome":"Infraestrutura_de_E-mail","conceitos":2,"exemplos":["campo x-originating-ip","interface de e-mail móvel"],"artigos":["g0066_phishing","g0173_phishing"],"n_artigos":2},{"nome":"Segurança_Cibernética","conceitos":2,"exemplos":["modelagem de ataques cibernéticos","segurança cibernética"],"artigos":["g0066_phishing","ref_3f42d6b2ce58_00994"],"n_artigos":2},{"nome":"Análise_de_E-mail","conceitos":1,"exemplos":["cabeçalho de e-mail"],"artigos":["g0066_phishing","g0204_phishing"],"n_artigos":2},{"nome":"Autenticação_e_Segurança","conceitos":1,"exemplos":["complexidade de fatores"],"artigos":["g0066_phishing","ref_72db3d675ef9_00139"],"n_artigos":2},{"nome":"Desempenho_de_Sistemas","conceitos":1,"exemplos":["confiabilidade operacional"],"artigos":["g0293_phishing","ref_3f42d6b2ce58_00312"],"n_artigos":2},{"nome":"Gestão_de_Segurança","conceitos":1,"exemplos":["fluxo de governança e avaliação"],"artigos":["g0293_phishing","ref_3f42d6b2ce58_00194"],"n_artigos":2},{"nome":"Impactos_do_Phishing","conceitos":1,"exemplos":["roubo de identidade"],"artigos":["g0066_phishing","ref_72db3d675ef9_00036"],"n_artigos":2},{"nome":"Infraestrutura_Web","conceitos":1,"exemplos":["site legítimo"],"artigos":["fraudes00198","g0066_phishing"],"n_artigos":2},{"nome":"Taxonomia_De_Ataques","conceitos":1,"exemplos":["smishing"],"artigos":["fraudes00100","g0066_phishing"],"n_artigos":2},{"nome":"Técnicas_de_Engenharia_Social","conceitos":1,"exemplos":["pistas de persuasão"],"artigos":["g0293_phishing","ref_3f42d6b2ce58_00157"],"n_artigos":2},{"nome":"Avaliação_de_Desempenho","conceitos":3,"exemplos":["métrica agregada única","desempenho agregado","desempenho composto email-sms"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Desempenho_de_Detecção","conceitos":3,"exemplos":["erro de classificação severo","segurança de detecção de phishing","taxa de phishing classificado como legítimo"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Detecção_e_Classificação","conceitos":2,"exemplos":["classificação seletiva","abstenção em decisões incertas"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Identidade_Digital","conceitos":2,"exemplos":["identidade de usuário","perfil falso"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Taxonomia_de_Ataques","conceitos":2,"exemplos":["ataque oportunista","phishing em rede social"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Vetor_de_Ataque","conceitos":2,"exemplos":["hiperlink infectado","telemarketing legítimo"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Alvos_De_Ataque","conceitos":1,"exemplos":["usuário de rede social"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Coleta_de_Dados","conceitos":1,"exemplos":["diversidade de fontes"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Controle_de_Qualidade","conceitos":1,"exemplos":["aprovação baseada em métricas agregadas"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Controle_de_Segurança","conceitos":1,"exemplos":["portões de segurança"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Desempenho_de_Classificação","conceitos":1,"exemplos":["erro severo de classificação"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Detecção_e_Classificação_de_Phishing","conceitos":1,"exemplos":["trustphish-ai"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Gestão_de_Dados","conceitos":1,"exemplos":["critérios de governança de dados"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Governança_de_Dados","conceitos":1,"exemplos":["fontes candidatas de substituição"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Governança_de_Modelos","conceitos":1,"exemplos":["implantação de modelo não validado"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Infraestrutura_de_Comunicação","conceitos":1,"exemplos":["telefonia voip"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Métricas_de_Concordância","conceitos":1,"exemplos":["ac1 de gwet"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Proteção_e_Defesa","conceitos":1,"exemplos":["segurança operacional"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Técnicas_de_Engano","conceitos":1,"exemplos":["imitação"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Validação_de_Anotação","conceitos":1,"exemplos":["concordância entre anotadores"],"artigos":["g0293_phishing"],"n_artigos":1}]}