Made available in DSpace on 2016-03-15T19:38:09Z (GMT). No. of bitstreams: 1
Jose Antonio Corrales Torres.pdf: 1028407 bytes, checksum: b5574af2fd8d98d1a9fe03ff29b6aa07 (MD5)
Previous issue date: 2008-03-05 / In the contemporary society, information and knowledge grew in importance and have become the most valuable assets, space and time are less relevant and more vulnerable due to the increasing mobile technology. New procedures and processes were created towards security. The information classification is the primary requirement to adjust rules and procedures, the protection level and cost. The current process is manual, restricted by the knowledge of few people and subject to imperfections. This study suggests a method to classify the information, regarding its confidentiality, using groups generated by an Artificial Neural Network. The development of this method was supported by studies of methodologies applied to information protection, to the technology and business risk management, classification methodologies and control structures. The implementation made use of a Neural Network, based on the Self-Organization Maps (SOM) of Kohonen, due to its heavy specialization on groups handling. The study case objective was the implementation and it considered the information from universities, due to their various properties (administrative, pedagogic and scientific research). The analysis of the results indicated the similarity among the elements that composed the groups generated by the training of the Neural Network, complemented by calculations using the original weights. The viability of the application of the considered method to an organization was confirmed. / Na sociedade contemporânea, a informação e o conhecimento assumiram a importância de representar os ativos de maior valor, num cenário em que o espaço e o tempo, devido à tecnologia voltada à mobilidade, perderam a relevância e tornaram-se mais vulneráveis. Surgiram novos procedimentos e mecanismos destinados à segurança. A classificação das informações é o requisito fundamental para direcionar as medidas, o nível de proteção e o custo. Atualmente o processo é manual, restrito ao entendimento de algumas pessoas e sujeito a imperfeições. Este estudo propõe um método para classificar as informações, quanto à sua confidencialidade, em grupos gerados por uma Rede Neural Artificial. O desenvolvimento deste método foi pautado por estudos em metodologias destinadas à segurança das informações, ao gerenciamento de risco de negócio e tecnológico, metodologias para classificação e estruturas de controle. A implementação usou a Rede Neural, baseada nos Mapas Auto-Organizáveis (SOM) de Kohonen, devido à sua acentuada especialização no tratamento de grupos. O estudo de caso objetivou a implementação e contemplou as informações das universidades, em razão da diversidade de suas propriedades (administrativa, pedagógica e pesquisa científica). A análise dos resultados obtidos permitiu observar a semelhança dos elementos que compõe os grupos gerados pelo treinamento da Rede Neural, complementado por cálculos que utilizam os pesos iniciais. Mostrou-se a viabilidade da aplicação do método proposto para uma organização.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede.mackenzie.br:tede/1490 |
| Date | 05 March 2008 |
| Creators | Torres, José Antonio Corrales |
| Contributors | Omar, Nizam, Brosso, Maria Inês Lopes, Anzaloni, Alessandro |
| Publisher | Universidade Presbiteriana Mackenzie, Engenharia Elétrica, UPM, BR, Engenharia Elétrica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie, instname:Universidade Presbiteriana Mackenzie, instacron:MACKENZIE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds