11  Auditoria e Compliance

A auditoria é a camada mais rigorosa de verificação do pacote vigiar. Ela combina todas as validações e diagnósticos em um relatório estruturado, com checksums criptográficos e perfis de compliance.

11.1 Auditoria completa

library(vigiar)

vigiar_conectar()
pm25 <- process_pm25(vigiar_baixar_rj("df_anual"), tipo = "anual")

# Auditoria completa de uma tabela
audit <- vigiar_auditar(pm25, tabela = "df_anual")
print(audit)

11.1.1 Estrutura do relatório de auditoria

==================================================
AUDITORIA VIGIAR — df_anual
==================================================
Data: 2026-07-19 10:30:00
Checksum SHA256: a1b2c3d4e5f6...

--------------------------------------------------
1. SCHEMA
--------------------------------------------------
  Colunas: 12
  Nomes padronizados: sim
  Tipos consistentes: sim

--------------------------------------------------
2. CÓDIGOS IBGE
--------------------------------------------------
  Total: 5570 | Válidos: 5570 (100%)
  Range RJ: 330010–330620 | Conformidade: ok

--------------------------------------------------
3. CONSISTÊNCIA TEMPORAL
--------------------------------------------------
  Período: 2010–2022 (13 anos)
  Anos faltantes: 0
  Quebras de série: 3 municípios

--------------------------------------------------
4. UNIDADES E VALORES
--------------------------------------------------
  PM2.5 média: 11.3 µg/m³ (min: 4.2, max: 28.7)
  Valores negativos: 0
  Valores ausentes: 234 (4.2%)

--------------------------------------------------
5. COBERTURA
--------------------------------------------------
  Municípios esperados: 92 | Presentes: 87 (94.6%)
  Faltantes: 5 municípios em 2022

--------------------------------------------------
6. INTEGRIDADE (SHA256)
--------------------------------------------------
  Checksum: a1b2c3d4e5f67890...
  Verificado: ok

==================================================
SEVERIDADE: aviso
RECOMENDAÇÃO: Dados utilizáveis com ressalvas documentadas.
==================================================

11.2 Checksum SHA256

O checksum criptográfico garante a integridade dos dados:

# Calcular checksum
hash <- vigiar_checksum(pm25)
hash
# [1] "a1b2c3d4e5f6789012345678901234567890abcd..."

O checksum é determinístico: os mesmos dados sempre geram o mesmo hash. Isso permite:

  • Verificar se os dados foram alterados
  • Comparar versões de download
  • Garantir reprodutibilidade em publicações científicas

11.3 Perfis de Compliance

O pacote oferece múltiplos perfis de verificação:

# Compliance com múltiplos perfis
comp <- vigiar_compliance_check(pm25, tabela = "df_anual",
  profiles = c("basico", "rigoroso", "rj", "corrupcao")
)
print(comp)

11.3.1 Perfis disponíveis

Perfil Descrição Checks
basico Verificações essenciais Schema + IBGE + ausentes
rigoroso Análise completa Todos os checks + outliers
rj Foco no Rio de Janeiro Range IBGE RJ + cobertura 92 municípios
corrupcao Detecção de anomalias Outliers, duplicatas, quebras, digitação

11.3.2 Perfil “corrupcao”

Este perfil aplica testes estatísticos para detectar possíveis problemas de qualidade:

comp <- vigiar_compliance_check(pm25,
  tabela = "df_anual",
  profiles = "corrupcao"
)

Verifica: - Lei de Benford: distribuição de dígitos iniciais (detecção de dados fabricados) - Outliers: usando IQR (intervalo interquartil) - Duplicatas exatas: registros idênticos - Quebras de série: variações ano-a-ano anômalas

11.4 Auditoria em lote

# Baixar e processar várias tabelas
tudo <- vigiar_baixar_principais()

# Auditar todas
auditorias <- vigiar_auditar_tudo(tudo)
print(auditorias)

11.5 Exportação da auditoria

# Exportar como JSON (para arquivamento)
vigiar_exportar_auditoria(audit, "auditoria_pm25_2026.json")

# O JSON pode ser versionado com git

11.6 Comparação de auditorias

# Primeira auditoria
audit_jan <- vigiar_auditar(pm25, tabela = "df_anual")

# ... meses depois, novo download ...
pm25_jul <- process_pm25(vigiar_baixar_rj("df_anual"), tipo = "anual")
audit_jul <- vigiar_auditar(pm25_jul, tabela = "df_anual")

# Comparar
# (Use os checksums e snapshots para detectar diferenças)

11.7 Exemplo: fluxo de auditoria para publicação

library(vigiar)

# 1. Conectar e baixar
vigiar_conectar()
pm25 <- process_pm25(vigiar_baixar_rj("df_anual"), tipo = "anual")

# 2. Validar e diagnosticar
diag <- vigiar_diagnosticar_serie(pm25)
vigiar_relatorio_diagnostico(diag)

# 3. Auditar (perfil rigoroso)
audit <- vigiar_auditar(pm25, tabela = "df_anual")
comp <- vigiar_compliance_check(pm25,
  tabela = "df_anual",
  profiles = c("rigoroso", "rj")
)

# 4. Verificar severidade
if (audit$severidade %in% c("problema", "crítico")) {
  stop("Dados não passaram na auditoria. Investigue antes de publicar.")
}

# 5. Criar snapshot para submissão
snap <- vigiar_snapshot(dados = pm25, tabela = "df_anual")
vigiar_salvar_snapshot(snap, "pm25_submissao_2026.rds")

# 6. Exportar auditoria como evidência
vigiar_exportar_auditoria(audit, "auditoria_submissao_2026.json")

# 7. Desconectar
vigiar_desconectar()

# Agora você tem:
# - Dados validados e auditados
# - Snapshot com SHA256
# - Relatório de auditoria em JSON
# - Diagnóstico completo
# Tudo pronto para submissão científica!

11.8 Boas práticas de auditoria

  1. Audite sempre antes de qualquer análise publicável
  2. Use o perfil rigoroso para trabalhos acadêmicos
  3. Exporte a auditoria como metadado suplementar
  4. Inclua o checksum nos métodos do artigo
  5. Versionar o JSON de auditoria junto com o código