Tema
Tecnología
artículos.
Inmutable no es lo mismo que verificable: guía del comprador sobre las afirmaciones de pistas de auditoría
El almacenamiento inmutable impide las modificaciones; una prueba verificable permite a cualquier tercero confirmar que no se han producido. Ocho preguntas para distinguir ambas cosas en una propuesta.
El fin de FIPS 140-2 y por qué sus pruebas de integridad necesitan un inventario criptográfico
El 21 de septiembre, los certificados FIPS 140-2 restantes pasan al estado histórico. El impacto inmediato recae en la contratación.
La larga vida de una firma: integridad poscuántica para registros que debe conservar durante décadas
Los algoritmos de firma actuales pueden no sobrevivir a la computación cuántica; muchos registros tienen que sobrevivir a ella. Cómo separar la prueba de integridad de la firma y planificar la transición.
¿Se puede saber si un modelo de IA se entrenó con datos manipulados? Un enfoque forense
Tras un incidente, la cuestión no es si el modelo se comportó de forma extraña. Es si usted puede demostrar con qué datos se entrenó realmente desde un principio.
ISO 42001 frente a NIST AI RMF: dónde está realmente la brecha en la integridad de los datos
Ambos marcos le piden que gobierne los datos de su IA. Ninguno le dice cómo demostrar, de forma independiente, que realmente lo ha hecho.
Las fichas de modelo no son procedencia de los datos: por qué la documentación por sí sola no bastará ante los reguladores
Una ficha de modelo le dice lo que un equipo afirma sobre un modelo. No demuestra nada de ello. Los reguladores empiezan a notar la diferencia.
Qué significan realmente los «datos preparados para la IA»: una definición de auditabilidad, no de marketing
Todos los proveedores afirman que sus datos están preparados para la IA. Esta es una definición que se sostiene cuando quien formula la pregunta es un regulador, y no una presentación comercial.
Cómo funcionan realmente los ataques de envenenamiento de datos y por qué las defensas basadas en firmas no los detectan
El envenenamiento no parece un ataque. Parece datos. Eso es lo que lo hace eficaz y difícil de detectar a posteriori.
Pistas de auditoría criptográficas: cómo funcionan y por qué los reguladores ya las exigen
Los registros de auditoría convencionales pueden modificarse. Las pistas de auditoría criptográficas, no. Esta es la diferencia y por qué importa para el cumplimiento normativo.
Por qué la manipulación de datos es más peligrosa que el ransomware
El ransomware se anuncia. La manipulación de datos, no. Y es precisamente esa invisibilidad lo que la convierte en la amenaza más grave.
Blockchain para el cumplimiento normativo en 2026: más allá del hype, los casos de uso reales
Tras años de promesas exageradas, la blockchain ha encontrado su verdadero caso de uso empresarial - y no son las criptomonedas.
Cómo demostrar que su propiedad intelectual fue la primera: por qué necesita sellos de tiempo verificables
En entornos de innovación acelerados por la IA, poder demostrar cuándo creó algo empieza a ser tan importante como la propia creación.
Seguridad de las API e integridad de los datos: lo que todo desarrollador debe saber en 2026
Las API son la superficie de ataque que la mayoría de las empresas subestima. Esto es lo que significa la integridad de los datos en la capa de API.
Huella digital criptográfica de datos en pipelines RAG: guía técnica
La generación aumentada por recuperación solo es tan fiable como los datos que recupera. Así puede verificarlos.
Linaje de datos frente a integridad de los datos: lo que todo equipo de IA debe saber
Suenan parecidos. No lo son. Comprender la diferencia determina si sus evidencias sobre IA resistirán una auditoría.
eIDAS 2.0 y la cartera EUDI: lo que las empresas deben saber antes de diciembre de 2026
El despliegue obligatorio de la identidad digital en Europa está a pocos meses - esto es lo que las organizaciones reguladas deben hacer ahora para prepararse para la integración de la cartera EUDI.
¿Qué es la integridad criptográfica de los datos? Una guía en lenguaje claro
El término está en todas partes en el cumplimiento normativo y la gobernanza de la IA. Esto es exactamente lo que significa, cómo funciona y por qué importa.
Las alucinaciones de la IA son un problema de procedencia de los datos, no del modelo
La causa raíz de la mayoría de los errores de la IA no es el modelo - son los datos no verificados con los que se entrenó el modelo o que este recupera.
No se ha encontrado ningún artículo. Pruebe con otro término.
Explore otras categorías para encontrar contenido relevante
Manténgase al día
Insights de
ciberresiliencia.
Reciba insights de ciberresiliencia en su correo electrónico. Orientación práctica y lista para auditoría sobre integridad de datos, cumplimiento y continuidad, a medida que los publicamos.