Search

Las herramientas de Infraestructura como código (IaC) permiten automatizar las tareas realizadas por los departamentos de IT de forma rápida y dinámica mediante el uso de lenguajes de programación de scripts, que permiten administrar, crear, manipular y distribuir múltiples recursos informáticos a gran escala dentro de una infraestructura de Cloud Computing. Las herramientas de Infraestructura como código Ansible, Terrafom, Chef, Puppet generan una representación virtual de toda la infraestructura física y escalable de una plataforma Cloud Computing y de Centro de Datos, facilitando que esta sea programable y dinámica.

Con la evolución del Internet, hay una gran cantidad de información presente en la web como lo son las opiniones de los usuarios o consumidores sobre diversos contextos ya sea para expresar su conformidad o inconformidad sobre un producto o servicio recibido, así como la opinión de un artículo comprado o sobre la gestión que realiza alguna persona. Debido a la gran cantidad de opiniones, comentarios y sugerencias de los usuarios, es muy importante explorar, analizar y organizar sus puntos de vista para tomar mejores decisiones. El análisis de sentimientos es una tarea de procesamiento de lenguaje natural y extracción de información que identifica las opiniones de los usuarios explicadas en forma de comentarios positivos, negativos o neutrales. Varias técnicas pueden ser utilizadas para este fin, por ejemplo el uso de diccionarios léxicos que ha sido muy utilizada y recientemente la utilización de la inteligencia artificial específicamente algoritmos supervisados. En este documento, se propone la utilización de técnicas de algoritmos supervisados para observar su utilización y ver el rendimiento de diferentes modelos de algoritmos supervisados para medir la efectividad en la clasificación de un conjunto de datos.

Esta investigación está enfocada en los procedimientos, mecanismos y metodologías de análisis forense digital en dispositivos móviles, con la intención de contar con un manual o metodología para el manejo de evidencias digitales en estos dispositivos. Por otra parte, trataremos las herramientas de software libre y privativas utilizadas para el análisis forense de smartphones con sistemas operativos Android. Como resultado se detectaron métodos de antiforensía que impiden la adquisición de los artefactos en los teléfonos inteligentes. En consecuencia, identificados técnicas antiforensía como técnicas criptográficas empleadas por los cibercriminales para esconder sus huellas o evidencias.

El Internet de las cosas (IoT) es la nueva tendencia de dispositivos en el mercado. Esta tecnología está siendo desarrollada por múltiples fabricantes de diversas partes del mundo para solucionar problemas específicos del día a día de las personas. Sin embargo, en la actualidad se están dando muchos casos de fallas de seguridad en dispositivos IoT, en este caso en hospitales. En este escrito también se describe el IoT como un complemento al sector salud haciendo referencia a las tecnologías creadas e implementadas por distintos fabricantes. Se presentan también los distintos métodos de seguridad que los fabricantes han implementado en sus soluciones y sus productos, desde diseños de topologías alámbricas e inalámbricas, hasta seguridad perimetral estricta de capa 2 y capa 3, las cuales trabajan en conjunto con la programación segura y recomendaciones para que el usuario final realice el uso adecuado del mismo. Al final del escrito se presenta la tecnología WBAN y los riesgos que conlleva junto con el IoT si no se asegura adecuadamente, ya que podría ser crítico y pondría en riesgo la vida de los pacientes. El objetivo es implementar en nuestro sistema IoT una capa extra de seguridad informática sin depender que el fabricante la haya embebido en su producto. Dicha capa dificulta que el atacante pueda manipular nuestros equipos a su conveniencia o que pueda explotar una falla conocida en un dispositivo que pueda perjudicar la vida, salud e integridad del paciente.

La minería de texto se basa en la extracción de nuevo conocimiento a partir de datos no estructurados en lenguaje natural. La aplicación de técnicas de minería de texto para el dominio de la medicina, en especial de la información de los registros electrónicos de salud de los pacientes de cuidados paliativos, es una de las áreas más recientes y prometedores de investigación para el análisis de datos textuales. Además podemos crear ontologías para describir la terminología y el conocimiento en un dominio dado. En una ontología se formaliza la conceptualización de un dominio que puede ser general o específico. En el trabajo proponemos un modelo para encontrar patrones de información relevante en los registros electrónicos de salud de los pacientes de las unidades de cuidados paliativos en Panamá, basados en la utilización de las fases de la minería de texto y el desarrollo de una ontología para descubrir conocimiento oculto.

En el área de la salud la aplicación de medicamentos, realización de cirugías, proyecciones sobre la dispersión de enfermedades infecciosas, estudios del cáncer y otras, características como la precisión y la exactitud son fundamentales. En los últimos años, los métodos de inteligencia artificial conocidos como métodos de aprendizaje de máquinas son cada vez más usados para lograr obtener la mayor precisión y certeza en la predicción y clasificación de datos sensibles para la comunidad médica. Actualmente el método de predicción utilizado para estimar la probabilidad de poseer la Aneuploidía conocida como síndrome de Down utiliza límites inferiores y superiores para indicar si los múltiplos de las medianas conocida como MoMs, son calculados mediante pruebas químicas y se encuentran dentro del rango de una población saludable o anormal. Utilizando estos métodos de aprendizaje de máquinas podemos calcular estos límites dinámicamente. El algoritmo determina los parámetros ajustándose a lo indicado por la misma población mejorando así precisión de la estimación. En este trabajo primero se propone un modelo para calcular dinámicamente los valores superiores e inferiores que actúan como límite para pronosticar si un paciente presenta o no esta alteración cromosómica. Segundo, el modelo es explicado e implementado y tercero, los resultados obtenidos mediante el método de máquinas de vectores de soporte y clasificadores bayesianos ingenuos son comparados para determinar cuál de los dos proporciona mejores resultados al momento de predecir el riesgo de padecer esta aneuploidía.