En la presente investigación se propone un método para realizar búsquedas en grandes conjuntos de datos con características similares a los grafos. El método está dividido en dos etapas: una etapa de organización del conjunto de datos y una etapa donde se puede realizar la búsqueda de elementos que minimicen una función objetivo según el modelo organizativo obtenido. Para la organización del conjunto de datos se propone el empleo del algoritmo growing neural gas, al que se le han incorporado modificaciones que facilitan su empleo en el contexto de la investigación. El método de grafos embebidos en espacios vectoriales se utiliza para obtener representaciones de los elementos del conjunto de datos apropiadas para la aplicación del algoritmo de clustering. Como resultado del proceso de organización cada elemento del conjunto de datos es asociado a un nodo del modelo obtenido de la aplicación del algoritmo de clustering. Para la etapa de búsqueda se propone un algoritmo basado en la heurística simulated annealing. El algoritmo realiza estimaciones de la calidad de los elementos asociados a cada nodo del modelo mediante evaluaciones de la función objetivo que realiza mientras se recorre el modelo. Estas estimaciones son empleadas para orientar la búsqueda. El funcionamiento de cada etapa de la propuesta de solución es validada de forma empírica mediante el empleo de conjuntos de datos y funciones objetivo seleccionados con este fin. Los resultados de la aplicación del método general propuesto muestran que la obtención de soluciones requiere la evaluación de un pequeño porcentaje de los elementos del conjunto de datos, de modo que se reducen los tiempos asociados al proceso de búsqueda.

Este trabajo de investigación se enfoca inicialmente en la realización de un mapeo sistemático para clasificar y analizar la investigación de datos abiertos realizada en la comunidad científica desde un punto de vista tecnológico, proporcionando una categorización de los trabajos de investigación basada en cinco facetas clave: impacto, tema, dominio, fases y tipo de investigación. Por lo tanto, este documento proporciona una visión general del área de datos abiertos que permite a los lectores identificar temas bien establecidos, tendencias y líneas de investigación abiertas. Además, se ofrece una extensa discusión cuantitativa y cualitativa que puede ser de utilidad para futuras investigaciones. La primera fase de identificación resultó en 671 artículos relevantes revisados por pares, publicados entre 2006 y 2017 en una amplia variedad de lugares. Se observa que el debate actual de la apertura de datos se centra en abrir los datos, especialmente públicos, teniendo en cuenta la ley de transparencia y la de protección de datos de cada país. Sin embargo, el mero cumpliendo de estas leyes no asegura la generación de valor a partir de los datos abiertos, ya que uno de sus beneficios más importantes se consigue cuando se reutilizan para crear productos y servicios TI de valor agregado. Uno de los problemas que necesariamente deben abordar las organizaciones que emprenden procesos de apertura es la selección de los conjuntos de datos a abrir. Se debe conocer qué datos de origen de la institución serían los más usados para generar valor a la sociedad con el fin de seleccionarlos para su apertura. Sin embargo, conocer los conjuntos de datos solicitados por la comunidad reutilizadora no es suficiente, pues publicar los datos tiene un costo en cuanto a hardware, software y recursos humanos que es necesario valorar. Por tanto, es necesario encontrar un equilibrio entre el interés reutilizador de los conjuntos de datos y su coste de publicación. Las propuestas estudiadas no combinan el criterio de los reutilizadores y el de los publicadores, ni utilizan un método formal conduciendo a resultados poco objetivos. En este trabajo de tesis doctoral se propone paliar esta problemática mediante la aplicación del Método Delphi Difuso con el fin de determinar qué conjuntos de datos son más susceptibles de ser reutilizados y qué conjuntos de datos tendrán un costo asumible para su publicación para proceder a su apertura. Se establece, además, a lo largo del trabajo de investigación un caso concreto de aplicación en el ámbito de las universidades ecuatorianas. Estas se encuentran en un proceso constante de innovación y buscan la participación y colaboración de los estudiantes y la comunidad universitaria en general, para generar productos y servicios TI de valor agregado a través de la apertura de sus conjuntos de datos. / Tesis doctoral realizada en el seno del proyecto de investigación "Publi@City: plataforma para la publicación y consumo de datos abiertos para una ciudad inteligente" (TIN2016-78103-C2-2-R) financiado por el Ministerio de Economía, Industria y Competitividad de España.

This study falls within the field of information management and public sector documentation (PSI), specifically public statistical information. The study aims to analyze, evaluate and diagnose the ways of dissemination of statistical information in Spain and its degree of compliance with the main internationally recommended principles for public sector information. The work is structured in several sections: ¿ Identification of statistical information and documentation. ¿ Analysis of its organization and its stakeholders, and their importance within the set of administrations. ¿ Determination of the statistical activity, its characteristics and its quantification, with special attention to its sources of information and to the diffusion phase of its results. It pays attention to the degree of transparency of this activity in the different administrations. ¿ Identification of the media, types of documents and the current information resources and their characteristics. ¿ The degree of compliance with the principles of access and inventory in different administrations. The method used starts from a content analysis about the bases of the statistical organization and its legal foundations. This analysis determines the conceptual framework, the information sources of the activity and its informative characteristics. In a second phase the documentary typologies and characteristics of the products regarding the diffusion of results of this activity are analyzed, as well as their specific forms of dissemination. In a third phase, an empirical work is carried out in which a heuristic analysis of the web sites for each of the 18 statistical systems identified determines their degree of compliance with the access and inventory principles. This analysis is done in three hierarchical structured phases within each system, the analysis of the web site of the governments, the analysis of the web sites of the central statistical agency and the sector agency of each local administration. In a last phase of this analysis, the open data portals and a sample of the municipal portals are incorporated. In the last section, the characteristics of the forms of diffusion of some of the main document types and information products are analyzed and evaluated in a comparative way. Also new trends in forms of diffusion are identified. The work shows that there is a general difficulty in identifying this information. Dispersing and difficult access to this information is due to the lack of treatment of access and inventory principles. The govern should manage this issue in the public sector information. The proposals for solutions to the issues raised that are directly related to document management and their orientation to the reuse and use of linked data are offered. / Este estudio se enmarca dentro del campo de la gestión de la información y la documentación del sector público (ISP), específicamente de la información estadística pública. El estudio tiene como objeto analizar, evaluar y diagnosticar las formas de la difusión de la información estadística en España y su grado de cumplimiento de los principales principios recomendados internacionalmente para a información del sector público. El trabajo se estructura en diversos apartados: ¿ Identificación de la información y documentación estadística. ¿ Análisis de su organización y de sus actores y su importancia dentro del conjunto de las administraciones. ¿ Determinación de la actividad estadística, sus características y su cuantificación, con especial atención a sus fuentes de información y a la fase de difusión de sus resultados. El grado de transparencia de esta actividad en las diferentes administraciones. ¿ Identificación de los medios de difusión, las tipologías documentales y los recursos de información actuales y sus características. ¿ El grado de cumplimiento de los principios de acceso e inventario de los productos de difusión de los resultados en las distintas administraciones El método empleado parte de una fase de análisis de contenido acerca de las bases de la organización estadística y sus fundamentos legales. Este análisis determina el marco conceptual, las fuentes de información de la actividad y sus características informativas. Continúa una segunda fase en la que por este mismo método se analizan las tipologías documentales y características de los productos de difusión de resultados de esta actividad y sus formas de difusión. En una tercera fase se realiza un trabajo de campo en el que se determina por medio de un análisis heurístico de las sedes web para cada uno de los 18 sistemas estadísticos identificados su grado de cumplimiento de los principios de acceso e inventario. Este análisis se realiza en tres fases estructuradas jerárquicamente dentro de cada sistema, el análisis de la sede web de los gobiernos, el análisis de las sedes web de los órganos estadísticos centrales y el de los organismos sectoriales de cada administración. En una última fase de este análisis se incorporan los portales de datos abiertos y una muestra de los portales municipales. En el último apartado se analizan y evalúan de forma comparativa las características de las formas de difusión de algunos de los principales tipos documentales y productos de información. Y se identifican las nuevas tendencias en las formas de difusión. El trabajo demuestra que con carácter general existe dificultad en la identificación, la dispersión y la dificultad en el acceso a esta información por falta de tratamiento de los principios de acceso e inventario que deben regir la gestión de la información del sector público. Y se ofrecen propuestas de solución a las cuestiones planteadas que están directamente relacionadas con la gestión documental y su orientación a la reutilización y el uso de datos enlazados. / Aquest estudi s'emmarca dins el camp de la gestió de la informació i la documentació del sector públic (ISP), específicament de la informació estadística pública. L'estudi té com a objecte analitzar, avaluar i diagnosticar les formes de difusió de la informació estadística a Espanya i el seu grau de compliment dels principals principis recomanats internacionalment per a informació del sector públic. El treball s'estructura en diversos apartats: ¿ Identificació de la informació i documentació estadística. ¿ Anàlisi de la seva organització i dels seus actors i la seva importància dins del conjunt de les administracions. ¿ Determinació de l'activitat estadística, les característiques i la quantificació, amb especial atenció a les seves fonts d'informació i a la fase de difusió dels seus resultats; presta atenció al grau de transparència d'aquesta activitat en les diferents administracions. ¿ Identificació dels mitjans de difusió, les tipologies documentals i els recursos d'informació actuals i les seves característiques. ¿ Grau de compliment dels principis d'accés i inventari dels productes de difusió dels resultats en les diferents administracions. El mètode emprat part d'una fase d'anàlisi de contingut sobre les bases de l'organització estadística i els seus fonaments legals. Aquesta anàlisi determina el marc conceptual, que son les fonts d'informació de l'activitat i les seves característiques informatives. Continua una segona fase en la què, per aquest mateix mètode, s'analitzen les tipologies documentals i característiques dels productes de difusió de resultats d'aquesta activitat i les seves formes de difusió. En una tercera fase es realitza un treball de camp en què es determina per mitjà d'una anàlisi heurístic de les seus web per a cada un dels 18 sistemes estadístics identificats seu grau de compliment dels principis d'accés i inventari. Aquesta anàlisi es realitza en tres fases estructurades jeràrquicament dins de cada sistema: l'anàlisi de la seu web dels governs, l'anàlisi de les seus web dels òrgans estadístics centrals i el dels organismes sectorials de cada administració. En una última fase d'aquesta anàlisi s'incorporen els portals de dades obertes i una mostra dels portals municipals. En l'últim apartat s'analitzen i s'avaluen de forma comparativa les característiques de les formes de difusió d'alguns dels principals tipus documentals i productes d'informació. I s'identifiquen les noves tendències en les formes de difusió. El treball demostra que amb caràcter general existeix dificultat en la identificació, per la dispersió i difícil accés a aquesta informació per una manca de tractament dels principis d'accés i inventari que han de regir la gestió de la informació del sector públic. S'ofereixen propostes de solució a les qüestions plantejades que estan directament relacionades amb la gestió documental i la seva orientació a la reutilització i l'ús de dades enllaçats. / Fernández López, AL. (2017). Conjuntos de datos estadísticos públicos en España [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/90398 / TESIS

[ES] La presente tesis doctoral realiza un análisis en detalle de los elementos de decisión necesarios para mejorar la comprensión de la situación en ciberdefensa con especial énfasis en la percepción y comprensión del analista de un centro de operaciones de ciberseguridad (SOC). Se proponen dos arquitecturas diferentes basadas en el análisis forense de flujos de datos (NF3). La primera arquitectura emplea técnicas de Ensemble Machine Learning mientras que la segunda es una variante de Machine Learning de mayor complejidad algorítmica (lambda-NF3) que ofrece un marco de defensa de mayor robustez frente a ataques adversarios. Ambas propuestas buscan automatizar de forma efectiva la detección de malware y su posterior gestión de incidentes mostrando unos resultados satisfactorios en aproximar lo que se ha denominado un SOC de próxima generación y de computación cognitiva (NGC2SOC). La supervisión y monitorización de eventos para la protección de las redes informáticas de una organización debe ir acompañada de técnicas de visualización. En este caso, la tesis aborda la generación de representaciones tridimensionales basadas en métricas orientadas a la misión y procedimientos que usan un sistema experto basado en lógica difusa. Precisamente, el estado del arte muestra serias deficiencias a la hora de implementar soluciones de ciberdefensa que reflejen la relevancia de la misión, los recursos y cometidos de una organización para una decisión mejor informada. El trabajo de investigación proporciona finalmente dos áreas claves para mejorar la toma de decisiones en ciberdefensa: un marco sólido y completo de verificación y validación para evaluar parámetros de soluciones y la elaboración de un conjunto de datos sintéticos que referencian unívocamente las fases de un ciberataque con los estándares Cyber Kill Chain y MITRE ATT & CK. / [CA] La present tesi doctoral realitza una anàlisi detalladament dels elements de decisió necessaris per a millorar la comprensió de la situació en ciberdefensa amb especial èmfasi en la percepció i comprensió de l'analista d'un centre d'operacions de ciberseguretat (SOC). Es proposen dues arquitectures diferents basades en l'anàlisi forense de fluxos de dades (NF3). La primera arquitectura empra tècniques de Ensemble Machine Learning mentre que la segona és una variant de Machine Learning de major complexitat algorítmica (lambda-NF3) que ofereix un marc de defensa de major robustesa enfront d'atacs adversaris. Totes dues propostes busquen automatitzar de manera efectiva la detecció de malware i la seua posterior gestió d'incidents mostrant uns resultats satisfactoris a aproximar el que s'ha denominat un SOC de pròxima generació i de computació cognitiva (NGC2SOC). La supervisió i monitoratge d'esdeveniments per a la protecció de les xarxes informàtiques d'una organització ha d'anar acompanyada de tècniques de visualització. En aquest cas, la tesi aborda la generació de representacions tridimensionals basades en mètriques orientades a la missió i procediments que usen un sistema expert basat en lògica difusa. Precisament, l'estat de l'art mostra serioses deficiències a l'hora d'implementar solucions de ciberdefensa que reflectisquen la rellevància de la missió, els recursos i comeses d'una organització per a una decisió més ben informada. El treball de recerca proporciona finalment dues àrees claus per a millorar la presa de decisions en ciberdefensa: un marc sòlid i complet de verificació i validació per a avaluar paràmetres de solucions i l'elaboració d'un conjunt de dades sintètiques que referencien unívocament les fases d'un ciberatac amb els estàndards Cyber Kill Chain i MITRE ATT & CK. / [EN] This doctoral thesis performs a detailed analysis of the decision elements necessary to improve the cyber defence situation awareness with a special emphasis on the perception and understanding of the analyst of a cybersecurity operations center (SOC). Two different architectures based on the network flow forensics of data streams (NF3) are proposed. The first architecture uses Ensemble Machine Learning techniques while the second is a variant of Machine Learning with greater algorithmic complexity (lambda-NF3) that offers a more robust defense framework against adversarial attacks. Both proposals seek to effectively automate the detection of malware and its subsequent incident management, showing satisfactory results in approximating what has been called a next generation cognitive computing SOC (NGC2SOC). The supervision and monitoring of events for the protection of an organisation's computer networks must be accompanied by visualisation techniques. In this case, the thesis addresses the representation of three-dimensional pictures based on mission oriented metrics and procedures that use an expert system based on fuzzy logic. Precisely, the state-of-the-art evidences serious deficiencies when it comes to implementing cyber defence solutions that consider the relevance of the mission, resources and tasks of an organisation for a better-informed decision. The research work finally provides two key areas to improve decision-making in cyber defence: a solid and complete verification and validation framework to evaluate solution parameters and the development of a synthetic dataset that univocally references the phases of a cyber-attack with the Cyber Kill Chain and MITRE ATT & CK standards. / Llopis Sánchez, S. (2023). Decision Support Elements and Enabling Techniques to Achieve a Cyber Defence Situational Awareness Capability [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/194242