Datos Personales de Salud: Un Modelo de Capacidades de Ciberseguridad para prevenir la fuga de datos en entornos de Big Data
dc.contributor.advisor | LOMPARTE ALVARADO, RÓMULO FERNANDO | |
dc.contributor.author | Sanchez Rubio, Carlos Javier | es_PE |
dc.contributor.author | Osorio Choque, Jercino | es_PE |
dc.contributor.author | Raez Villacorta, Gino Gerardo | es_PE |
dc.date.accessioned | 2024-08-21T22:39:31Z | |
dc.date.available | 2024-08-21T22:39:31Z | |
dc.date.issued | 2024-05-29 | |
dc.identifier.uri | http://hdl.handle.net/10757/675369 | |
dc.description.abstract | En el sector sanitario se pueden encontrar diversas fuentes de datos que contienen gran cantidad de información relacionada con pacientes, enfermedades, tratamientos, centros médicos, etc. Interpretar toda esta información puede ayudar tanto a los médicos como a los líderes de los centros médicos a tomar decisiones que puedan mejorar la atención al paciente. El uso de los llamados métodos de big data muestra un nivel de inteligencia que se caracteriza por el uso de modelos predictivos para predecir las necesidades de salud y proporcionar una atención médica más eficaz. Por ello, se propone un modelo de capacidades de ciberseguridad ante la fuga de datos personales que permita proteger la información personal de los pacientes. Este modelo se implementa tomando como referencia investigaciones previas realizadas y cruzándolo con las mejores prácticas de NIST. Se definió un proceso de validación para verificar la efectividad del modelo propuesto, el estudio se realizó con un grupo de expertos en ciberseguridad que laboran en entidades de salud a través de un cuestionario. Durante el estudio, se analizaron las respuestas brindadas por estos especialistas para medir el nivel de madurez de su entidad frente al modelo diseñado. Como resultado final se obtuvo que, el modelo permite identificar que tan robusta se encuentra una organización para prevenir escenarios de fuga de datos, así como identificar las brechas y falencias existentes para establecer acciones correctivas. | |
dc.description.abstract | In the healthcare industry, you can find a variety of data sources that contain a wealth of information related to patients, diseases, treatments, medical facilities, etc. Interpreting all this information can help both physicians and medical center leaders to make decisions that can improve patient care. The use of so-called big data methods shows a level of intelligence that is characterized using predictive models to predict health needs and provide more effective medical care. Therefore, a model of cybersecurity capabilities in the face of personal data leakage is proposed to protect patients' personal information. This model is implemented by taking previous research as a reference and cross-referencing it with NIST best practices. A validation process was defined to verify the effectiveness of the proposed model, the study was conducted with a group of cybersecurity experts working in health entities through a questionnaire. During the study, the answers provided by these specialists were analyzed to measure the level of maturity of their entity with respect to the designed model. As a result, the model allows to identify how robust an organization is to prevent data leakage scenarios, as well as to identify existing gaps and shortcomings in order to establish corrective actions. | |
dc.description.uri | Trabajo de investigación | es_PE |
dc.format | application/pdf | en_US |
dc.format | application/epub | en_US |
dc.format | application/msword | en_US |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Peruana de Ciencias Aplicadas (UPC) | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.source | Universidad Peruana de Ciencias Aplicadas (UPC) | es_PE |
dc.source | Repositorio Académico - UPC | es_PE |
dc.subject | Big data security | |
dc.subject | Health data | |
dc.subject | Data leakage | |
dc.subject | Data breaches | |
dc.title | Datos Personales de Salud: Un Modelo de Capacidades de Ciberseguridad para prevenir la fuga de datos en entornos de Big Data | es_PE |
dc.title.alternative | Personal Health Data: A Cybersecurity Capability Model for Preventing Data Leakage in Big Data Environments | |
dc.type | info:eu-repo/semantics/masterThesis | es_PE |
thesis.degree.grantor | Universidad Peruana de Ciencias Aplicadas (UPC). Escuela de Postgrado | es_PE |
thesis.degree.level | Maestría | es_PE |
thesis.degree.discipline | Ciberseguridad y Gestión de la Información | es_PE |
thesis.degree.name | Maestro en Ciberseguridad y Gestión de la Información | es_PE |
refterms.dateFOA | 2024-08-22T19:57:06Z | |
dc.subject.ocde | http://purl.org/pe-repo/ocde/ford#2.00.00 | |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.03 | |
dc.identifier.isni | 000000012196144X | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion | es_PE |
renati.advisor.orcid | https://orcid.org/0000-0003-3734-3966 | es_PE |
renati.advisor.dni | 32100189 | |
renati.level | https://purl.org/pe-repo/renati/level#maestro | es_PE |
renati.discipline | ||
renati.juror | Armas Aguirre Jimmy Alexander | |
renati.juror | Ugarte Rojas Willy Gustavo | |
renati.juror | Lomparte Alvarado Rómulo Fernando | |
dc.publisher.country | PE | es_PE |
renati.author.dni | 46146200 | |
renati.author.dni | 44638408 | |
renati.author.dni | 8165728 | |
dc.type.other | Trabajo de investigación | es_PE |
dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
dc.rights.coar | http://purl.org/coar/access_right/c_abf2 |