La criminalidad, y en especial la criminalidad económica posee una estructura de mercado, pero la política criminal de los Estados no utiliza este supuesto para implementar su accionar. La lógica del caso es la que rige en la lucha contra la criminalidad hasta hoy en día, y la dirige a la inalterable y continua ineficacia del sistema judicial. La complejidad intrínseca de las redes criminales continúa siendo un aspecto no contemplado en la generación de políticas criminales, como así tampoco la topología que las constituyen. El presente articulo indagara sobre un aspecto central derivado de la estructura de las redes que es la noción de resiliencia, definida como la capacidad de una red para resistir los cambios generados por el entorno, o sea las políticas criminales ejecutadas por los Estados. La lógica del caso, ciega al conocimiento de características recurrentes, es incapaz de identificar las debilidades que amplificarían las perturbaciones que dificultarían la resiliencia de las organizaciones criminales. La estructura de mercado y la necesidad continua de derivar las ganancias económicas obtenidas de manera ilícita hacia formas licitas, presentan zonas grises habitadas por agentes, que en mayor medida poseen centralidades de intermediación o derivadas de esta, relativamente más altas que el resto de los nodos, incluso aquellos considerados organizadores o jefes de las organizaciones.

El análisis de información telefónica constituye un insumo indispensable para las investigaciones penales de criminalidad organizada. Ello permite a los investigadores entender de forma aproximada cómo funciona un grupo criminal, cuál es su estructura, quiénes son los actores principales, dónde transcurren sus actividades y cómo evoluciona a lo largo del tiempo. Para lograr esos objetivos, las fuerzas de seguridad y los organismos judiciales utilizan un abanico de implementaciones desde el artesanal análisis con "lápiz, regla y papel", pasando por la adquisición de software privativo específico y alcanzando la opción más sofisticada de desarrollar una base de datos relacional propia. Sin embargo, más tarde o más temprano, estas alternativas se enfrentan de forma inadecuada al aumento masivo de datos y a la realización de consultas eminentemente relacionales de forma eficiente. A raíz de nuevos requerimientos no funcionales como así también a la necesidad de realizar determinados tipos de consultas, se desarrolló una nueva perspectiva en lo que refiere a modelos de bases de datos, las denominadas bases de datos no-sql. Uno de los modelos más utilizados dentro del movimiento no-sql es el de red, constituyendo así a las bases de datos orientadas a grafos (BDOG). Las mismas son utilizadas específicamente para áreas donde la información sobre la conexión entre los datos es tanto o más importante que los datos en sí. El foco no está puesto en los datos y sus atributos (como una base de datos relacional) sino en los datos y sus relaciones o, en otras palabras, la topología de vinculación de los mismos. Esto implica ventajas en términos de eficiencia temporal y de recursos sobre consultas específicas de grafos (detección de caminos mínimos, análisis de centralidad, identificación de vecindades) como así también en torno a la escalabilidad del sistema respecto a grandes volúmenes de información. A partir de estas características es que se decidió implementar este tipo de tecnología al análisis de los registros de comunicaciones telefónicas en el marco de investigaciones criminales. En este trabajo se describe el modelo adoptado, se muestran las consultas utilizadas para almacenar grafos a partir de los registros y se aplicaran diferentes consultas para llevar adelante un análisis de los mismos que logren explotar nueva información potencialmente relevante para las investigaciones penales. Sin embargo, no todo son beneficios al adoptar este modelo. Esta tecnología presenta dificultades a tener en cuenta como, por ejemplo, la falta de maduración de la herramienta. Esto se evidencia en la escasez de estándares de lenguajes de manipulación y consulta como así también en los desafíos en torno a la integridad de los datos en sistemas distribuídos. Palabras clave: registros telefónicos, análisis criminal, bases de datos orientadas a grafos Bibliografía - Abuhamoud, N. y Greepalla, E. (2019) “Analysis CDR for Crime Investigation using graph-based method (Neo4j)”, International Conference on Technical Sciences (ICST2019), At Tripoli, Libya. - Angles, R. (2012) “A comparison of current graph database models” en https://www.researchgate.net/publication/261076480. Última vez revisado 09/06/2020. - Catanese, S.; Ferrara, E.; Fiumara, G. (2013) “Forensic analysis of phone call networks”, Social Network Analysis and Mining, Vol. 3 N° 1, Springer, ISSN 1869-5450. http://www.emilio.ferrara.name/wp-content/uploads/2011/06/SNAM-2011.pdf (última vez revisado 09-11-19). - Martínez, AM. (2019) “Análisis de redes, comunicaciones telefónicas e investigación penal. Un aporte metodológico en análisis de inteligencia criminal”. Trabajo Final Integrador, Especialización de Criminología, Universidad Nacional de Quilmes. - McCreary, D. y Kelly, A. (2013) Making Sence of NoSQL, a guide for managers and the rest of us, Manning Publications Co., ISBN 9781617291074, NY, United States of America. - Miceli, J.; Orsi, O.; Rodríguez García, N., (2016) “Análisis de redes sociales y sistema penal”, Valencia, Tirant Lo Blanche. - Miller, J.J. (2013) “Graph database applications and concepts with Neo4j”, Proceedings of the Southern Association for Information Systems Conference, Atlanta, USA. - Needhamm M., Hodler, A. (2019) “Graph Algorithms, practical examples in Apache Spark and Neo4j”, O’Reilly, USA. - Patil, N.S., Kiran, P., Kavya, N.P., Naresh Patel, K.M. (2018) “A survey on graph database management techniques for huge unstructured data”, International Journal of Electrical and Computer Engineering (IJECE), Vol. 8, No. 2, pp. 1140-1149. ISSN: 2088-8708, DOI: 10.1159/ijece.v8i2.pp1140-1149. - Rawat, D.S, y Kashyap, N.K. (2017) “Graph database: a complete GDBMS survey” en IJIRST International Journal for Innovative Research in Science & Technology, Volume 3, Issue 13, ISSN (online): 2349-6010. -Urbon, P. (2010) “NoSQL graph database matrix” en https://nosql.mypopescu.com/post/619181345/nosql-graph-database-matrix. Última vez revisado 28/06/2020. - Villedieu, J. (2015) How to use phone calls and network analysis to identify criminals? en https://linkurio.us/blog/how-to-use-phone-calls-and-network-analysis-to-identify-criminals/ (ultima vez revisado 06-09-2017) - Vyawahare, H.R., Karde, P.P., Thakare, V.M. (2018) “A hybrid database approach using graph and relational database” en IEEE 978-1-5386-2599-6/18/$31.00.

El trabajo en la investigación penal actual involucra un conjunto de conocimientos que exceden ampliamente los aspectos jurídicos del proceso de análisis. La generación de datos y su tratamiento analítico en etapas diferenciadas, implican una atención especial a las particularidades de la información textual y el modo en que ella puede ser interpretada en contextos variables y en base a hipótesis de investigación formuladas de antemano o producidas por el investigador en el curso de su trabajo. Desde el punto de vista más global de las ciencias sociales, y de la antropología en particular, el abordaje estructurado de insumos discursivos implica una serie de problemáticas ligadas al modo en que las palabras presentes en los textos son capturadas y clasificadas como unidades de información relevantes cuyo contenido es utilizado, en este caso, como información probatoria a efectos jurídicos, pero también podría estar sujeto a otros fines. En este caso, nuestro objetivo es exponer y ejemplificar, de manera sistemática, las diferentes fases de tratamiento y transformación de información textual a efectos de a) profundizar estrategias de investigación en un sentido heurístico, b) constituir prueba pericial en un sentido fuerte, y c) generar convicción jurídica a través de formatos y visualizaciones que complementan al lenguaje oral y/o escrito. Entre estas visualizaciones y recursos, el análisis de redes sociales constituye una herramienta preferencial de tratamiento. Junto al comentario de los pasos metodológicos necesarios para este tipo de tratamiento, expondremos su implementación específica tomando como base el desarrollo de un paquete de software escrito en Python en el marco de nuestras tareas como investigadores de la Dirección de Apoyo Tecnológico (DATIP) perteneciente al Ministerio Publico Fiscal.