EloSys

DB consolidada de candidatos brasileiros (2014 a 2026), construída exclusivamente a partir de fontes oficiais e cruzada por CPF e CNPJ.

O objetivo é apoiar a investigação de relações entre agentes políticos e identificar indícios de padrões atípicos, como doações circulares, fracionamento de doações, empresas de fachada e evolução patrimonial incompatível.

Aviso. Os resultados do Elosys são indícios, não provas, e não constituem acusação contra nenhuma pessoa. O sistema produz sinais de alerta destinados à verificação por órgãos competentes (Ministério Público, TCU, Receita Federal, COAF). Cada dado exibido indica o arquivo público de origem, que pode ser baixado novamente e conferido por hash.

• Backend: pipeline de coleta em Python, com armazenamento em SQLite (elosys.db).
• Frontend: aplicação Next.js somente leitura, em /web, que permite buscar candidatos e consultar a ficha completa com a fonte de cada campo.

A forma mais rápida de utilizar o projeto é baixar o banco já populado e executar a aplicação web, sem necessidade de rodar os coletores.

Tamanho do banco: aproximadamente 11,4 GB.

O arquivo elosys.zip tem 2,84 GB compactado (cerca de 11,4 GB após a extração). Os dois endereços abaixo disponibilizam o mesmo arquivo:

SHA-256 de elosys.zip:

96fb819b681752250db0c6cdc62566d1773338547daf6ea524edcd4024b16693

Recomenda-se verificar a integridade antes da extração:

sha256sum elosys.zip                          # Linux, macOS, Git Bash

Get-FileHash elosys.zip -Algorithm SHA256     # PowerShell

Extraia o arquivo e posicione elosys.db na raiz do repositório. O banco já inclui todas as tabelas e o índice de busca por nome de doador e fornecedor.

Requisitos: Node.js 20.9 ou superior e git.

git clone https://github.com/YuriRDev/elosys.git
cd elosys
# copie o elosys.db para esta pasta

cd web
npm install
npm run dev        # http://localhost:3000

A aplicação abre o banco em modo somente leitura e não realiza nenhuma escrita. Para utilizar outro caminho:

ELOSYS_DB_PATH=/caminho/para/elosys.db npm run dev

Build de produção:

npm run build && npm run start

Este procedimento reconstrói a base integralmente a partir das fontes oficiais. O processo é demorado: os arquivos de prestação de contas do TSE ultrapassam 1 GB por ano, e algumas etapas levam horas. Os downloads são gravados em dados_tmp/ e removidos após o processamento. Reserve cerca de 15 GB de espaço livre.

Requisito: uv, que instala o Python 3.12 e as dependências.

uv sync
uv run elosys init-db --db elosys.db

Cada coletor é independente e opera em modo rewrite-only: remove as tabelas sob sua responsabilidade e as reconstrói. Sem o parâmetro --years, todos os anos suportados são processados.

uv run elosys tse-candidates          --db elosys.db   # candidaturas 2014–2026
uv run elosys tse-accounts            --db elosys.db   # CNPJ de campanha, doações e despesas (etapa mais longa)
uv run elosys tse-social              --db elosys.db   # redes sociais declaradas
uv run elosys tse-assets              --db elosys.db   # bens declarados
uv run elosys transparencia-sanctions --db elosys.db   # CEIS/CNEP
uv run elosys transparencia-earmarks  --db elosys.db   # emendas parlamentares

Caso algum download retorne HTTP 403 (bloqueio anti-bot da fonte), baixe o arquivo .zip pelo navegador, salve-o em dados_tmp/ com o nome indicado no log e execute o coletor novamente. O arquivo local será utilizado.

uv run elosys receita-cnpj   --db elosys.db --limit 500   # dados cadastrais e sócios de CNPJ (BrasilAPI)
uv run elosys tse-photo-urls --db elosys.db --limit 500   # foto oficial dos candidatos

Ambos os comandos são incrementais e preservam os registros existentes. Execuções sucessivas ampliam a cobertura.

A busca por doadores e fornecedores que nunca foram candidatos depende de uma tabela FTS5 que nenhum coletor preenche. Execute o script abaixo após cada tse-accounts:

uv run python - <<'PY'
import sqlite3
con = sqlite3.connect("elosys.db")
con.executescript("""
DELETE FROM pessoa_fisica_search;
INSERT INTO pessoa_fisica_search (cpf, name)
SELECT cpf, max(name) FROM (
  SELECT donor_cpf_cnpj AS cpf, donor_name AS name FROM campaign_donation
    WHERE donor_company_id IS NULL AND donor_cpf_cnpj IS NOT NULL
      AND length(donor_cpf_cnpj) = 11 AND donor_name IS NOT NULL
  UNION ALL
  SELECT supplier_cpf_cnpj AS cpf, supplier_name AS name FROM campaign_expense
    WHERE supplier_company_id IS NULL AND supplier_cpf_cnpj IS NOT NULL
      AND length(supplier_cpf_cnpj) = 11 AND supplier_name IS NOT NULL
) GROUP BY cpf;
""")
con.commit()
PY

As regras operam sobre os dados coletados e geram os sinais de alerta.

uv run elosys rule-disproportionate-expense --db elosys.db
uv run elosys rule-circular-donations       --db elosys.db   # cerca de 25 min na base completa
uv run elosys candidate-supplier-partner    --db elosys.db   # requer receita-cnpj (quadro societário)

Exigem chaves de API definidas em variáveis de ambiente. Chaves nunca devem ser versionadas.

export DEEPSEEK_API_KEY=...
uv run elosys ai-review --db elosys.db --limit 100 --order tight

export APIFY_TOKEN=...
uv run elosys social-x      --db elosys.db --scope federal
uv run elosys social-review --db elosys.db --limit 5000

uv run elosys manifest --db elosys.db   # gera manifest.json com URL e SHA-256 de cada fonte
uv run pytest                           # testes com fixtures, sem acesso à rede

Como os coletores são rewrite-only, cada tabela passa a conter exatamente os anos informados em --years. Para partir de um estado completamente limpo, remova elosys.db e reinicie o processo.

Cada fonte de dados possui um coletor independente em elosys/tse/*.py. A execução de um coletor descarta as tabelas correspondentes e as reconstrói a partir dos arquivos oficiais. O banco é tratado como artefato descartável; a garantia de integridade está no manifest.json, versionado no repositório.

Todo registro possui um provenance_id que o vincula, em cadeia, a parse, collection e source. A origem de qualquer dado pode ser obtida por uma junção simples.

As tabelas rule_run, signal, signal_actor e signal_evidence não provêm de fontes externas: são geradas pelo próprio sistema a partir dos dados coletados. Seguem a mesma disciplina de proveniência: cada evidência referencia um registro real, que por sua vez possui sua própria origem. A severidade é classificada apenas como low, medium ou high; o sistema não emite classificações como "confirmado" ou "fraude".

Identifica, em campaign_expense.description, itens tipicamente de baixo custo (18 categorias, como canetas, adesivos e crachás) com valores muito acima do padrão da categoria. A severidade é medium a partir de 15 vezes a mediana histórica e high a partir de 30 vezes, com piso de R$ 1.000. Categorias com menos de 20 registros utilizam pisos fixos de R$ 5 mil e R$ 50 mil.

Na base completa, a regra gerou 28.743 sinais (13.856 de severidade alta e 14.887 de severidade média). O maior caso corresponde a R$ 2.504.200,00 em material adesivo, valor 9.879 vezes superior à mediana da categoria (R$ 253,50).

O TSE não publica a quantidade adquirida, apenas o valor total; por isso a regra não calcula preço unitário. Um valor elevado pode decorrer de lote grande, descrição incompleta ou erro de digitação. A página /sinais/despesa-desproporcional apresenta os maiores gastos por categoria, sua proporção em relação à receita da campanha e a comparação com a média de candidatos ao mesmo cargo e estado.

Constrói um grafo dirigido sobre toda a base (doador → candidato, candidato → fornecedor) e utiliza o algoritmo de Tarjan para componentes fortemente conexos, combinado com busca em profundidade limitada (padrão de 5 nós), para localizar ciclos em que recursos saem de uma campanha e retornam à mesma cadeia.

Na base completa, o grafo possui 5,35 milhões de nós e 7,66 milhões de arestas. Foram encontrados 108.400 ciclos; destes, 38.267 movimentaram mais de R$ 10.000 e foram registrados como sinais (10.705 de severidade alta, com até 3 nós, e 27.562 de severidade média). A página /sinais/doacao-circular permite filtrar por severidade, ordenar por valor ou comprimento do ciclo e acessar o grafo interativo. Ciclos podem ter explicações legítimas, como coligações ou ressarcimentos, e exigem verificação individual.

Relaciona candidatos que constam no quadro societário de empresas remuneradas por campanhas. Como a Receita Federal publica o CPF de sócios de forma mascarada, a correspondência exige nome normalizado idêntico e coincidência dos seis dígitos visíveis do CPF. Por não confirmar identidade, o resultado é mantido fora de people e signal_actor e rotulado como vínculo possível. Casos ambíguos, em que mais de uma pessoa atende aos critérios, são descartados.

Na base completa, foram identificados 533 vínculos possíveis, envolvendo R$ 197,9 milhões movimentados nessas empresas. Em 66 casos, a campanha do próprio candidato contratou a empresa da qual ele é sócio (por exemplo, gráficas ou escritórios de advocacia). Os resultados estão disponíveis em /sinais/socio-fornecedor.

O módulo elosys/rules/ai_review.py submete os fatos de cada sinal de doação circular ou despesa desproporcional a um modelo de linguagem (DeepSeek), que avalia se o caso aparenta ser rotineiro ou atípico. A resposta, a justificativa, os fatos citados e o prompt utilizado são armazenados em signal_ai_review (um registro por sinal e modelo), permitindo auditoria humana do raciocínio.

O processo é incremental: novas execuções ampliam a cobertura e --refresh reprocessa sinais já avaliados. A ordenação pode priorizar valor (--order amount) ou ciclos mais curtos (--order tight). A chave de API deve ser fornecida via DEEPSEEK_API_KEY. Os resultados estão em /sinais/analise-ia. A avaliação do modelo é um elemento auxiliar e também está sujeita a erros.

Cada execução de coletor cria ou atualiza, no mesmo diretório do banco:

• manifest.json: relação de todos os arquivos baixados, com URL, data de acesso, SHA-256 do arquivo compactado e de cada CSV contido nele. É o elemento central de não repúdio: uma vez versionado, o histórico público do repositório comprova o que foi coletado e quando.
• Relatórios por coletor (tse_candidates_report.json, tse_accounts_report.json, tse_social_report.json): linhas lidas por ano, registros gerados, CPFs descartados por ambiguidade e respectivos motivos, e registros sem vínculo de identidade.

A saída de console também serve como log: cada coletor exibe URL, tamanho e hash dos arquivos, progresso do processamento e um resumo por ano.

As decisões de arquitetura estão documentadas em ADs/, uma por tema:

Todas as fontes são oficiais e públicas.

Dados não coletados: endereço residencial, telefone e e-mail pessoal de candidatos; antecedentes fora de processos públicos; relatórios do COAF.

• Todas as fontes utilizadas são públicas por determinação legal ou judicial.
• O CPF de candidatos foi publicado de forma mascarada em 2024, por decisão do TSE fundamentada na LGPD, e voltou a ser divulgado integralmente em 2026. Os dados de 2024 são reconciliados pelo título eleitoral (ver ADs/identidade.md).
• Os resultados constituem indícios, não provas. O sistema gera sinais de alerta, e nenhum deles deve ser tratado como acusação pública sem apuração formal pelos órgãos competentes.