Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. INTRODUCCIÓN
En los últimos años, la adopción de la nube se ha convertido en una tendencia creciente para el almacenamiento y procesamiento de grandes cantidades de datos. Sin embargo, esta adopción también ha traído preocupaciones sobre la seguridad y la integridad de los datos almacenados en la nube. El almacenamiento en la nube es un modelo de almacenamiento de datos en el que los datos digitales se almacenan en grupos lógicos que se extienden a través de múltiples servidores y ubicaciones. Por lo general, este entorno físico es administrado por una empresa de alojamiento. Este modelo de almacenamiento se ha vuelto cada vez más popular debido a los beneficios en términos de accesibilidad, costo y flexibilidad que ofrece a los usuarios. Sin embargo, también ha surgido la preocupación por la seguridad y la privacidad de los datos almacenados en la nube [1].
Los datos almacenados en la nube pueden estar sujetos a amenazas como ataques malintencionados, fallas de hardware o software, errores humanos y desastres naturales, lo que puede llevar a la pérdida de datos y la violación de la privacidad de los usuarios.
En la verificación de integridad de datos, se garantiza que los datos almacenados en la nube no han sido modificados maliciosamente o dañados. El proceso de verificación de integridad de datos puede llevarse a cabo por medio de una auditoría, que se realiza a través de un tercero de confianza [2].
La auditoría de integridad de datos en la nube es un tema muy importante que ha sido ampliamente investigado. Su objetivo principal es garantizar que los datos almacenados en la nube no hayan sido alterados o eliminados maliciosamente. Este enfoque es clave para asegurar que los datos almacenados en la nube sean precisos y confiables [3]. Por consiguiente, para verificar el correcto almacenamiento de los datos en la nube se proponen esquemas de auditoría de integridad de datos remotos. En estos esquemas el dueño de los datos como actividad principal debe crear firmas que se les va a asignar a los bloques de datos antes de que estos sean cargados a la nube. La finalidad de estas firmas es que en la fase de auditoría de integridad estos bloques de datos se encuentren almacenados en la nube. Posterior a ellos el dueño sube los bloques con sus respectivas firmas a la nube [4].
En la actualidad, existen diversos métodos de auditoría en integridad de datos en la nube, que se están desarrollando y mejorando constantemente para satisfacer las necesidades de los usuarios de la nube.
En esta revisión sistemática y comparativa, se examinan los métodos emergentes de auditoría en integridad de datos en la nube, se compara su eficacia y se evalúan sus ventajas y desventajas. Se han seleccionado y analizado un conjunto de artículos relevantes que abordan diferentes aspectos de la auditoría en integridad de datos en la nube, incluyendo técnicas criptográficas, diseño de políticas de auditoría, eficiencia computacional y privacidad de los datos [2, 4, 5, 6, 7].
Cada uno de los artículos que fueron analizados para la revisión sistemática, proporciona una perspectiva única sobre la auditoría en integridad de datos en la nube y propone soluciones innovadoras y eficaces para garantizar la integridad y la seguridad de los datos almacenados. Algunos de los métodos propuestos incluyen el uso de técnicas de criptografía como el cifrado basado en atributos de políticas de texto claro (CP-ABE) y el cifrado basado en identidad (IBE) [2, 7, 8], la implementación de árboles de hash Merkle jerárquicos para garantizar la integridad de los datos en la nube [9, 10], y el uso de técnicas de compartición de secretos para garantizar la privacidad y la seguridad de los datos de los usuarios [4].
En general, esta revisión sistemática presenta una amplia gama de métodos emergentes de auditoría en integridad de datos en la nube. Se espera que esta revisión sistemática ayude a los usuarios, auditores y proveedores de la nube a comprender mejor las opciones disponibles para la auditoría en integridad de datos y a seleccionar el método más adecuado para sus necesidades específicas.
2. METODOLOGÍA
2.1. Tipo de Estudio
La metodología que se seleccionó como base para la presente revisión sistemática fue la de PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) [11]. Para lo cual se estableció, consecuentemente al proceso de la metodología, la siguiente interrogante: ¿Cuáles son los métodos emergentes de auditoría en integridad de datos en la nube?
2.2. Fundamentación de la metodología
Llevar a cabo una revisión sistemática implica realizar un análisis exhaustivo y detallado de toda la investigación disponible, lo cual es esencial para abordar una pregunta de investigación específica o de interés en un área determinada [12]. Este proceso implica llevar a cabo investigaciones tanto cuantitativas como cualitativas con el propósito de resumir la información relevante sobre el tema en cuestión.
Dadas las definiciones mencionadas, se recomienda sintetizar la información más importante debido a la gran cantidad de estudios científicos que se generan de manera continua. El objetivo es obtener resultados prácticos que permitan identificar y evaluar diversos estudios en el mismo campo y con objetivos similares, considerando problemas en cuanto a la duplicidad y clasificación de los trabajos. Actualmente, adquirir conocimientos se vuelve complicado debido a la sobrecarga de información publicada.
La estrategia para realizar la búsqueda desempeña un papel importante para desarrollar las preguntas específicas y obtener una síntesis correcta de la investigación básica. Esta estrategia debe ser minuciosa, detallada y diseñada de manera que recupere las investigaciones relevantes para la interrogante de investigación definida. Esto garantiza una separación adecuada de toda la información para analizar el problema planteado, así como resultados más precisos y acorde a los objetivos de la investigación.
Las estrategias empleadas en la revisión sistemática constituyen una valiosa herramienta para minimizar los sesgos y los errores al azar. Esto se logra mediante una exhaustiva búsqueda de los artículos más pertinentes, la aplicación de criterios explícitos y repetibles en la selección de estudios, y la meticulosa síntesis e interpretación de los resultados obtenidos. La revisión sistemática se realiza de manera objetiva y rigurosa, con el propósito de generar evidencia confiable y concisa, empleando métodos y técnicas metodológicas para recopilar datos a partir de estudios primarios [12]. De esta manera, se logra rescatar el efecto individual de cada estudio obtenido. En resumen, la revisión sistemática es una técnica útil y rigurosa para garantizar la calidad y fiabilidad de la evidencia científica en un campo determinado.
2.3. Proceso de recolección de Información
En el proceso de recolección de información, se establecieron criterios de búsqueda mediante grupos de términos o palabras clave las cuales están relacionadas con nuestra interrogante de investigación, las cuales se presentan a continuación: “auditing”, “cloud” e “data integrity”. Dado nuestro objetivo de obtener resultados precisos y en menor cantidad, se realizaron combinaciones de estos términos para optimizar la búsqueda, añadiendo también operadores booleanos para su correcto análisis: [(“auditing”) AND (“cloud”) AND (“data integrity”)]. También, se consideró artículos base dentro de los artículos obtenidos y/o filtrados para abarcar una mejora en el tema, y así poder responder claramente a la interrogante de la investigación, dado que algunos de los artículos importantes escapan de los resultados hechos solo en búsquedas mediante palabras clave. Además, las bases de datos que fueron seleccionadas son SCOPUS e IEEExplore, en donde se realizaron las búsquedas correspondientes.
Las consultas de búsqueda específicas se detallarán a continuación:
Scopus: (TITLE ( auditing ) OR TITLE ( audit ) AND TITLE-ABS-KEY ( cloud ) AND TITLE-ABS-KEY ( data AND integrity ) ) AND ( LIMIT-TO ( PUBYEAR , 2023 ) OR LIMIT-TO ( PUBYEAR , 2022 ) OR LIMIT-TO ( PUBYEAR , 2021 ) OR LIMIT-TO ( PUBYEAR , 2020 ) OR LIMIT-TO ( PUBYEAR , 2019 ) OR LIMIT-TO ( PUBYEAR , 2018 ) ) AND ( LIMIT-TO ( DOCTYPE , "ar" ) OR LIMIT-TO ( DOCTYPE , "re" ) )
IEEExplore: ("All Metadata":auditing) AND ("All Metadata":cloud) AND ("All Metadata":data integrity)
Se aplicaron las restricciones de “Journals” y en cuanto a los años de publicación, estos deben ser del 2018 hasta 2023.
Google Scholar: “auditing”, “cloud”, “data integrity”
Se aplicó el año de publicación a partir del 2019 y que estos documentos sean artículos de revisión.
2.4. Criterios de Inclusión y Exclusión
En el desarrollo de la investigación, se recopilaron artículos de carácter original que fueron publicados en bases de datos científicos tanto inglés como español, dentro de un rango de 5 años desde el año 2018 hasta 2023. Estos artículos desarrollan nuevas metodologías en auditoria en integridad de datos en la nube.
En cuanto al criterio de exclusión, se definió que deben desecharse aquellos artículos que cumplan con las descripciones detalladas en la Tabla 2.
Ambos revisores realizaron individualmente la organización de la búsqueda y la obtención de información. Para lo cual, cada uno de los revisores realizó su análisis, síntesis y conclusión respectivamente. Para concluir, se realizó un acuerdo en base a los resultados de ambos revisores.
TABLA 2 - DESCRIPCIÓN DE LOS CRITERIOS DE EXCLUSIÓN
| Identificador | Criterio de Exclusión |
|---|---|
| CE1 | Aquellos artículos no originales o sin algún aporte sobre nuevas investigaciones. |
| CE2 | Aquellos artículos sin tema principal en la auditoría de integridad de datos en la nube. |
| CE3 | Aquellos artículos que fueron publicados antes del año 2018, debido a que se hace una búsqueda de los métodos emergentes en el tema. |
| CE4 | Aquellos artículos sin disponibilidad del texto completo o sin acceso a los repositorios oficiales y fiables. |
Fuente: Elaborada por los autores.
3. RESULTADOS
Luego de aplicar los criterios de inclusión y exclusión, quedaron aproximadamente 29 artículos publicados al realizar una búsqueda en diferentes bases de datos. Estos artículos se distribuyen de la siguiente manera: 15 en IEEExplore, 10 en Scopus y 2, tanto en Google Scholar así como en otras. Además, se observó que el país en donde se realizan más investigaciones y/o artículos de investigaciones es China, como se puede observar en la Figura 2.
Además, en base a todos los artículos filtrados, se organizó y destacó los métodos emergentes que se aplicaron en auditoría en integridad de datos en la nube, destacando y clasificándolos mediante su año de publicación y método desarrollado, como se puede mostrar en la Tabla 3.
Tabla 3 Métodos emergentes encontrados por artículos
| Método emergente | Año de publicación | Artículo | Principales resultados |
|---|---|---|---|
| Auditoría basada en identidad | 2023 | [2] | Se presenta un esquema de auditoría pública para garantizar la integridad de datos en la nube. Se utilizan técnicas de encriptación y ocultación de información para proteger la privacidad de los usuarios y garantizar la confidencialidad de los datos. |
| 2019 | [4] | Propone un método para habilitar la auditoría de integridad basada en identidad y el intercambio de datos con ocultación de información sensible para el almacenamiento en la nube seguro. | |
| 2019 | [9] | Propone un método de auditoría pública de preservación de privacidad para el almacenamiento seguro de datos en la nube. | |
| Auditoría basada en atributos | 2023 | [6] | Se propone un esquema de encriptación basado en atributos que permite ocultar información sensible y garantizar la integridad de los datos en la nube. Se muestra cómo el uso de esta técnica puede mejorar la eficiencia y seguridad del almacenamiento de datos en la nube en el sector de la salud. |
| 2022 | [13] | Propone un esquema de auditoría basado en atributos que permite a los usuarios compartir datos en la nube de forma segura. | |
| Auditoría multi-copia | 2023 | [5] | Se propone un esquema de auditoría para garantizar la integridad de datos en la nube utilizando técnicas de almacenamiento redundante. Se muestra cómo el uso de múltiples copias de los datos permite detectar y corregir errores de almacenamiento. |
| 2023 | [3] | Se presenta un esquema de auditoría para garantizar la integridad de datos en la nube y en sistemas de Internet de las cosas (IoT). Se utilizan técnicas de almacenamiento redundante para mejorar la seguridad y eficiencia del almacenamiento de datos. | |
| Auditoria basada en árboles Merkle | 2021 | [1] | Propone un método de integridad de datos para auditoría dinámica en entornos en la nube. |
| 2023 | [7] | Se presenta un esquema de auditoría dinámica basado en árboles de hash de Merkle jerárquicos para garantizar la integridad de datos en la nube. Se muestra cómo el uso de esta técnica permite detectar y corregir errores de almacenamiento en tiempo real. | |
| 2020 | [28] | El protocolo propuesto es públicamente verificable y admite operaciones dinámicas en los datos. Además, se menciona que la seguridad del protocolo propuesto se basa en la estabilidad del problema computacional de Diffie Hellman en un modelo aleatorio de Oracle. | |
| Auditoría difusa | 2019 | [14] | Se presentan dos esquemas de auditoría para garantizar la integridad de datos en la nube utilizando técnicas de encriptación y almacenamiento redundante. Se muestra cómo estas técnicas pueden mejorar la eficiencia y seguridad del almacenamiento de datos en sistemas de almacenamiento masivo. |
| [29] | El esquema propone utilizar datos biométricos (como escaneo de iris o huella digital) como una clave privada difusa del usuario, con el objetivo de realizar la auditoría de integridad de datos sin depender de un token de hardware para almacenar la clave privada. | ||
| Verificación de integridad en nube | 2018 | [8] | Propone un esquema de auditoría de datos para dispositivos móviles en almacenamiento en la nube. |
| 2020 | [10] | Propone un enfoque para hacer la auditoría de almacenamiento en la nube más utilizable y adaptable a diferentes requisitos de auditoría. | |
| 2018 | [15] | Propone un esquema de auditoría de Big Data en la nube que utiliza tablas divididas y conquistadas para mejorar la eficiencia de la auditoría. | |
| 2019 | [16] | Propone un esquema de auditoría de integridad en tiempo real para imágenes en sistemas de almacenamiento en la nube con arbitraje de privacidad | |
| Privacidad en auditoría en nube | 2020 | [17] | Propone un protocolo de auditoría de nube que preserva la privacidad de los usuarios en grupos |
| 2019 | [18] | Propone un esquema de auditoría de datos en la nube que preserva la privacidad de los datos de los usuarios | |
| 2020 | [19] | Propone un esquema de auditoría en la nube que preserva la privacidad de múltiples usuarios y tiene autorización y trazabilidad | |
| 2022 | [20] | Propone un protocolo de auditoría en la nube que preserva la privacidad de los datos médicos de los pacientes |
Como se puede apreciar en la Tabla 3, se realizó la agrupación de artículos mediante un método emergente en común, teniendo cada una de ellas un resultado distinto claramente. Cabe mencionar dos enfoques diferentes que han sido investigados anteriormente y dado que no son técnicas emergentes solo se les brindará un breve concepto, esto no quiere decir que no sean importantes sino son de suma relevancia en la auditoría de almacenamiento en la nube, el primer enfoque es la prueba de esquemas basados en recuperabilidad (PoR). Comenzaremos definiendo qué es la recuperabilidad de datos para que puedan entender mejor el enfoque. La recuperabilidad es una necesidad de seguridad que brinda a los usuarios la certeza que una sección de datos está realmente en el almacenamiento [23]. Habiendo determinado lo que es la recuperabilidad de datos definiremos el primer enfoque. Este primer enfoque para el proceso de auditoría comprueba que los datos que que son externalizados cuenten con valores difíciles de descifrar previamente incrustados en posiciones ocultas. Esto permite que los datos seguros cuenten con alta protección mediante el constante cambio aleatorio de los datos externalizados, con el fin de que todos los bloques de datos no aparenten ser correlacionados sino aleatorios. Por eso si los datos ocultos se dañan, el usuario se dará cuenta del daño y comprobará que los datos están quebrados [10] [22] [23].
El segundo enfoque son los esquemas basados en posesión de datos demostrables (PDP). Este enfoque aplica la autenticación homomórfica, es decir exige a la nube que le proporciona una combinación lineal aleatoria de bloque de datos que han sido externalizados con su información de autenticación correspondiente. Si los datos que ha respondido la nube no pasan las validaciones de autenticación, se concluye que los datos están dañados [24]-[29].
Se realizó un gráfico, detallado en la figura 3, para que se aprecie la proporción de artículos por métodos emergentes y permita una mejor visión a los autores, y en base a estas proporciones tomar decisiones de aceptación de cada método.
La seguridad de la integración en la nube es tema fundamental para las personas u organizaciones interesadas en la integración de datos en la nube, puesto que pueden contar con información confidencial además con la seguridad de que esos datos se mantengan su integridad en la nube con el transcurrir del tiempo y no hayan sido adulterados o manipulados.
Es por eso que en la Figura 4, adaptada de [10] por los autores, se muestra el modelo típico de auditoría de integración de datos en la nube, con la finalidad de que el lector obtenga conocimiento de cuál es la secuencia en la integración de datos en la nube.
Como se observa, existen dos entidades, el usuario y la nube; como ya sabemos la integración de datos en la nube no asegura la integridad de estos. Es por eso que el usuario añade una clave de autenticación secreta cuando se externaliza sus datos a la nube.
Luego el usuario debe auditar la nube cada cierto tiempo para verificar si los datos externalizados están dañados, esto se hace mediante un protocolo de respuesta de desafío. Durante esta fase, el usuario hace una consulta de datos a la nube. La nube recibe esta consulta y responde una prueba al usuario mostrando que los datos están intactos. Finalmente, el usuario verifica si la prueba es convincente por medio de un esquema de auditoría de integración de datos en la nube.
La ventaja de un esquema de auditoría de integración de datos en la nube es que el usuario puede detectar si existe algún daño de los datos utilizando la prueba corta devuelta, incluso cuando la nube intenta engañar sobre los daños de los datos [10].
Habiendo explicado el modelo de auditoría, es momento de mencionar los diferentes métodos de KeyGen para externalizar de manera segura los datos a la nube; y para ellos se ha observado en los diferentes artículos algunas metodologías que proponen los autores:
Criptografía Homomorfa de Paillier: La criptografía homomórfica de Paillier se utiliza para la generación de claves públicas y privadas para el cifrado y descifrado mediante la función de Euler [8].
Criptografía de clave pública: Se utilizan 2 claves, una se encarga de cifrar y la segunda de descifrar el mensaje además solo debe ser conocido por el emisor del mensaje [2].
Criptografía hash: Algoritmo matemático que convierte los bloques de información en una nueva serie de caracteres que tienen tamaño fijo [7].
Criptografía de atributos: El descifrado del mensaje secreto solo es posible si los atributos de la clave del destinatario coinciden con los atributos del mensaje cifrado [6].
Árbol de Merkle: Está compuesta por hashes de diferentes bloques de datos, esto sirve como resumen de todas las transacciones posibles [7].
Cifrado basado en identidad: Es una técnica en donde da la posibilidad a los usuarios de cifrar y descifrar datos utilizando identificadores, como direcciones de correo electrónico o nombres de usuario, en lugar de claves criptográficas tradicionales [14].
4. DISCUSIÓN
Los resultados presentados en este artículo responden a la pregunta de investigación al mencionar y describir los métodos emergentes de auditoría en la integridad de datos en la nube. Sin embargo, todavía existen numerosos desafíos relacionados con la seguridad y privacidad de los datos en la nube que están siendo investigados y esperando una solución. Es importante destacar que el propósito principal de este artículo es informar sobre los métodos emergentes encontrados en otros estudios, y no proporcionar una solución completa para cada uno de ellos. Por lo tanto, se debe utilizar este artículo como referencia para profundizar en el tema y desarrollar sus propios métodos de auditoría, con el objetivo de integrar sus datos en la nube de manera segura.
5. CONCLUSIONES
Los métodos de auditoría en integridad de datos en la nube están evolucionando constantemente, y se han desarrollado numerosos enfoques innovadores para abordar los desafíos actuales de seguridad en la nube. Los enfoques propuestos tienen como objetivo garantizar la integridad de los datos almacenados en la nube, sin comprometer la privacidad de los usuarios.
Estos métodos emergentes presentados, se basan en criptografía y diferentes técnicas para garantizar la integridad de los datos almacenados en la nube.
Como se observa en la Figura 3 la privacidad de auditoría en la nube y privacidad en la nube tienen el 20% siendo el más alto más alto y por consiguiente los más usados, por el contrario, se observa que auditoría basada en atributos, multi-copia y difusa representa al porcentaje más bajo con 10%, concluyendo que son los menos usados.
Por otro lado, se debe tomar en consideración métodos que a la actualidad son obsoletos pero que en su momento fueron importantes y daban un gran aporte para la realización de la auditoría que son las pruebas basadas en recuperabilidad y las pruebas basadas en posesión de datos, que ambos tienen la finalidad de detectar si los datos almacenados están dañados utilizando diferentes caminos.
Los métodos emergentes también son capaces de detectar la corrupción de datos y proporcionan mecanismos de recuperación de datos para garantizar la disponibilidad y la fiabilidad de los datos en la nube. Sin embargo, existe la necesidad de soluciones de auditoría en la nube que sean más eficientes en términos de costo y computacionalmente menos intensivas para abordar las limitaciones de rendimiento y escalabilidad de los enfoques actuales.
Para concluir, la revisión sistemática muestra que los métodos emergentes de auditoría en integridad de datos en la nube tienen un gran potencial para mejorar la seguridad de los datos en la nube, pero todavía hay desafíos que necesitan ser abordados para lograr una implementación efectiva en entornos del mundo real.
