A lavagem de dinheiro é uma ameaça de alcance global, comprometendo a integridade do sistema financeiro e colocando em risco a estabilidade da economia mundial. Este trabalho propõe o uso de técnicas de redes complexas e apresenta uma metodologia para detectar anomalias em transações financeiras de indivíduos sob investigação por suspeita de lavagem de dinheiro. A metodologia envolve a criação de diversos indicadores financeiros, como a média, a soma dos valores e o número de transações enviadas e recebidas por cada conta bancária. Nesse contexto, o número da conta representa o nó do grafo direcionado. O algoritmo Unifying Local Outlier Detection Methods via Graph Neural Networks (LUNAR) foi utilizado para reconhecer padrões nas transações financeiras e identificar anomalias. O estudo também abrange análises para detecção de comunidades, análise de densidade e ciclos, com o objetivo de capturar padrões complexos. A abordagem fornece ferramentas estatísticas baseadas em redes complexas para o reconhecimento de padrões de transações financeiras associadas à lavagem de dinheiro. Os resultados são promissores e podem auxiliar em investigações, ajudando a identificar possíveis grupos de indivíduos envolvidos em atividades ilícitas, como tráfico de drogas e armas, fraudes e golpes.