↑ Back to top

Revisión Académica

La revisión académica es realizada aplicando una demarcación epistemológica, la cual permite valorar un trabajo científico para la web semántica - ⓘ

Revisor

ⓘ

Community Science

Campos de conocimiento disciplinares, establecida por la actuación de la comunidad de investigadores, que conforman la línea de investigación. La denominación, indicadas en las keywords o subjects, surge de aplicar de un sistema taxonómico, tal es el UNESCO Thesaurus, enumerando así el término general, el particular, y algunos otros relacionales si correspondiera.

Crowdsourcing Citizen Science

Personas, agrupaciones gubernamentales, industriales, o sociales que contribuyen colaborativamente (Crowdsourcing), con la investigación, y quienes participan más activamente (Citizen Science) en en todas o en algunas de las etapas de la investigación; estableciendo una Investigación-Acción.
Ver caso

Object of study

Principal idea sustanciada en evidencias relevantes que permite distinguir y comprender, en esencia, al objeto de estudio; y el conjunto de datos (Dataset) que sustenta dichas evidencias.

Philosophical Background

Cosmovisión o conjunto de conceptos utilizados que modelan, de manera rigurosa, el dominio del discurso; y por el cual se plantea el problema y explora la respuesta.

Formal Background

Forma en que se referencia o representa, desde la lógica o la matemática, al objeto de estudio.

Specific Background

Conocimiento específico en que se basa el estudio, como ser teorías, leyes, teoremas, axiomas, principios, o modelos aceptados por los cuales se referencia o representa al objeto de estudio.

Accumulated Background

Bagaje acumulado de conocimientos obtenidos previamente por los miembros de la comunidad de investigadores.

Problematic

Planteo concreto o hipótesis, mediante el cual se presenta al problema.

Objective

Propósito del estudio (como fin último en referencia a la naturaleza del objeto de estudio), su objetivo o meta (como resultado a priori) que se persigue, y sus implicancias.

Methodical

Tipo de metodología se aplica para resolver el problema de investigación.

Results

Principales evidencias, en lo posible expresadas como conjunto de dato (Dataset) surgentes del estudio, y el principal resultado que concuerda con el objetivo.

Conclusion

Deducción resultante de las consecuencias contrastables, provista por el principal hallazgo (resultado); y su implicancia o aporte al campo del conocimiento (Bagaje Acumulado).

Bibliography

Ab Rahman, N. H., et al. (2016). Forensic-by-design framework for cyber-physical cloud systems. IEEE Cloud Computing, 3(1), 50–59.

Alertmanager Team. (2024). Alertmanager documentation. Prometheus.

Amazon Web Services. (2024a). IAM documentation.

Amazon Web Services. (2024b). Amazon QLDB documentation.

Apache Kafka. (2024). Kafka documentation.

Bray, T. (2017). The JavaScript Object Notation (JSON) data interchange format (RFC 8259). RFC Editor.

Casey, E. (2011). Digital evidence and computer crime: Forensic science, computers, and the Internet (3rd ed.). Academic Press.

Cloud Native Computing Foundation. (2024a). Cloud native security whitepaper (v2).

Cloud Native Computing Foundation. (2024b). Security controls.

Cloud Security Alliance. (2020). Security guidance for critical areas of focus in cloud computing (v4.0).

Cloud Security Alliance. (2024). Cloud controls matrix (CCM v5).

Defense Information Systems Agency. (2024). Container platform STIG.

Docker. (2024). Docker security documentation.

Elastic. (2024). Elastic Stack documentation.

European Banking Authority. (2024). DORA technical standards.

European Commission. (2024). AI Act guidelines. Disponible en

European Telecommunications Standards Institute. (2024). ETSI EN 319 401 v2.3.1: Trust services-General policy requirements for trust service providers.

Falco. (2024). Falco documentation.

Git. (2024). Git documentation.

Google Cloud. (2024). VPC flow logs.

HashiCorp. (2024). Terraform documentation.

HashiCorp Security. (2024). Terraform security best practices.

International Organization for Standardization. (2012). ISO/IEC 27037:2012: Information technology-Security techniques-Guidelines for identification, collection, acquisition and preservation of digital evidence.

International Organization for Standardization. (2015). ISO/IEC 27042:2015: Information technology -Security techniques- Guidelines for the analysis and interpretation of digital evidence.

IETF HTTP Working Group. (2024). Webhooks security considerations (Internet-Draft).

Jaeger Team. (2024). Jaeger distributed tracing documentation.

Klyne, G., and Newman, C. (2002). Date and time on the Internet: Timestamps (RFC 3339). RFC Editor.

Kubernetes SIG Security. (2024). Kubernetes security overview.

Maliqueo Pérez, C., and González Candia, J. C. (2020). Diseño y validación de un instrumento para medir el nivel de madurez en innovación y transformación digital en la gestión de personas. Ciencia y Técnica Administrativa, 19(3), 6.

Microsoft. (2024a). Azure Sentinel documentation.

Microsoft. (2024b). Digital signatures in Azure.

Mills, D. L. (1991). Internet time synchronization: The network time protocol. IEEE Transactions on Communications, 39(10), 1482–1493.

National Institute of Standards and Technology. (2020). Zero trust architecture (SP 800-207). U.S. Department of Commerce.

National Institute of Standards and Technology. (2023). Computer Forensics Tool Testing Program (CFTT).

Newman, S. (2015). Building microservices. O’Reilly Media.

OAuth Working Group. (2012). The OAuth 2.0 authorization framework (RFC 6749). IETF.

OAuth. (2022). OAuth 2.1 draft.

Observability Engineering. (2021). Observability Engineering. O Reilly Media.

OpenTelemetry. (2024a). OpenTelemetry overview.

OpenTelemetry. (2024b). OpenTelemetry specification. Cloud Native Computing Foundation.

OpenTelemetry. (2024c). Tracing specification. OpenTelemetry.

OWASP. (2023). API security top 10.

Palmer, G. (2001). A road map for digital forensic research (DFRWS Technical Report DTR-T001-01 Final). Digital Forensic Research Workshop.

Pichan, A., Lazarescu, M., and Soh, S. T. (2015). Cloud forensics: Technical challenges, solutions and comparative analysis. Digital Investigation, 13, 38–57.

Prometheus. (2024). Querying Prometheus.

Prometheus Community. (2024). Prometheus Documentation.

Richardson, C. (2018). Microservices patterns. Manning Publications.

Ruan, K., Carthy, J., Kechadi, T., and Crosbie, M. (2011). Cloud forensics. En G. Peterson and S. Shenoi (Eds.), Advances in Digital Forensics VII (pp. 35–46). Springer.

SLSA. (2024). SLSA framework.

Splunk. (2024). Splunk Enterprise Security.

Sysdig. (2024). Sysdig documentation.

Taylor, M., et al. (2010). Digital evidence in cloud computing systems. Computer Law and Security Review, 26(3), 304–308.

Torres Ponce, M. E. (2019). Derechos y desafíos de la inteligencia artificial. Ciencia y Técnica Administrativa.

Torres Ponce, M. E. (2020). Informática forense: el camino de la evidencia digital. Ciencia y Técnica Administrativa.

Velero. (2024). Velero documentation.

World Wide Web Consortium. (2021). Trace context (W3C Recommendation).

Zipkin Team. (2024). Zipkin documentation.

Zhang, Y., et al. (2020). Ephemeral computing in cloud forensics. Journal of Cloud Computing, 9(1), 1–15.

Inteligencia Artificial Generativa para usos académicos

📊 Análisis de tendencias en palabras clave

Las palabras clave de este artículo han sido analizadas a través de Google Trends, permitiendo visualizar su tendencia en los últimos cinco años. Esto facilita comprender su impacto en el ámbito científico y su relevancia en el tiempo. Las palabras clave provienen de un enfoque estructurado basado en un thesauro temático, disciplinar y metodológico; disponible en: https://skos.um.es/unesco6/. La integración con IA permitirá, en el siguiente paso, analizar la pertinencia de estas palabras clave en función de la literatura académica y el impacto en bases científicas.

Prompt sugerido para revisar el resumen

Para la curacción del resumen se ha establecido una longitud recomendada entre 150 y 250 palabras, y la siginete estructura: Contextualización, Intersticio, Propósito, Metodología, Resultados y Conclusiones; dado que la misma:

• Facilita la comprensión: Presenta la información de manera secuencial y lógica.
• Optimiza la indexación: Clarifica los elementos clave para motores de búsqueda y bases de datos.
• Mejora la curación automática: Permite que una IA identifique cada parte con precisión.

Contexto: Eres un asistente experto en redacción científica. Debes generar un **resumen estructurado** basado en el contenido del artículo, siguiendo estas reglas: 1. **Longitud recomendada**: 150-250 palabras. 2. **Estructura**: - **Contextualización**: Explica el campo de conocimiento y su importancia. - **Intersticio**: ¿Qué brecha o vacío en la literatura aborda el artículo? - **Propósito**: ¿Cuál es el objetivo principal del estudio? - **Metodología**: ¿Qué métodos se utilizaron? - **Resultados**: ¿Cuáles son los hallazgos clave? - **Conclusiones**: ¿Cómo contribuyen los resultados al campo? 3. Evita repeticiones y mantén precisión académica. 4. No agregues información que no esté en el contenido original. ### Datos del artículo: - **Título**: Digital Evidence in Cloud Native Environments: Forensic Procedures for Distributed Architectures - **Resumen original**: Contextualization: Technology continuously generates new solutions, and professionals must adapt in order to perform their work efficiently. Acquired knowledge quickly becomes obsolete, giving rise to novel scenarios that demand new approaches. Digital evidence is transformed when systems are no longer centralized and persistent but instead rely on ephemeral containers and services distributed across multiple jurisdictions. Collecting such evidence therefore emerges as a significant challenge. To explore how this challenge can be addressed, we reviewed dozens of recent articles indexed in Scopus, Web of Science, and IEEE Xplore. Based on this material, we developed a taxonomy of evidentiary artifacts, organized by infrastructure layer and temporal persistence. We propose capture methods that prioritize JSON logs, OpenTelemetry traces, and versioned snapshots in Git. The aim is not to replicate procedural manuals but to highlight what should be documented, when, and with what degree of detail. We combine theoretical foundations with practical tools, linking artifacts to service models (IaaS, PaaS, SaaS) and to regulatory frameworks such as the DORA Regulation in Europe or NIST 800-207 in the United States. We also introduce a responsibility matrix between client and provider and include a forensic report template adapted to distributed systems. The central contribution is to provide clear criteria and practical tools for auditing incidents without relying on persistent infrastructures. We conclude by examining future perspectives, including forensic automation with cloud-based AI and the ethical dilemmas it raises. - **Palabras clave**: Digital evidence - **Palabras clave**: Cloud native - **Palabras clave**: Digital forensics Devuelve el resumen en texto sin comentarios adicionales.
📋 Copiar Texto sugerido para pegar en ChatGPT🌐 Abrir ChatGPT en nueva pestaña

Prompt sugerido para revisar la semántica del resumen

El siguiente prompt se centra en la curación semántica del resumen científico.

El objetivo es garantizar que el resumen capture la esencia del artículo y sea comprensible para la comunidad académica.

Este prompt conjuga con el prompt se complementa con el desarrollado para ChatGPT analizando, valorando y asistientdo, entre ambos, a la estructura y la semántica del trabajo.

Prestaremos especial atención a la claridad, la precisión y las relaciones entre los conceptos clave.

Contexto: Eres un asistente experto en curación semántica de textos científicos. Tu tarea es evaluar la coherencia, claridad y precisión semántica de un resumen estructurado Evaluación basada en los siguientes criterios: 1.**Verificación de términos clave**: ¿Las palabras clave aparecen en el resumen de manera orgánica y contextualizada? 2. **Claridad general**: ¿El texto es claro y sin ambigüedades? 3. Adecuación semántica: ¿Las palabras clave reflejan con precisión el contenido?; ¿Se establece la relación, lógica y coherente, entre los conceptos?. 4. Consistencia terminológica: ¿El vocabulario es coherente con el campo del conocimiento, sin ambigüedad o falta de claridad? 5. **Precisión académica**:¿El resumen captura la esencia del artículo?, ¿Evita información redundante o innecesaria? ### Datos del resumen a evaluar: - **Título**: Digital Evidence in Cloud Native Environments: Forensic Procedures for Distributed Architectures - **Resumen original**: Contextualization: Technology continuously generates new solutions, and professionals must adapt in order to perform their work efficiently. Acquired knowledge quickly becomes obsolete, giving rise to novel scenarios that demand new approaches. Digital evidence is transformed when systems are no longer centralized and persistent but instead rely on ephemeral containers and services distributed across multiple jurisdictions. Collecting such evidence therefore emerges as a significant challenge. To explore how this challenge can be addressed, we reviewed dozens of recent articles indexed in Scopus, Web of Science, and IEEE Xplore. Based on this material, we developed a taxonomy of evidentiary artifacts, organized by infrastructure layer and temporal persistence. We propose capture methods that prioritize JSON logs, OpenTelemetry traces, and versioned snapshots in Git. The aim is not to replicate procedural manuals but to highlight what should be documented, when, and with what degree of detail. We combine theoretical foundations with practical tools, linking artifacts to service models (IaaS, PaaS, SaaS) and to regulatory frameworks such as the DORA Regulation in Europe or NIST 800-207 in the United States. We also introduce a responsibility matrix between client and provider and include a forensic report template adapted to distributed systems. The central contribution is to provide clear criteria and practical tools for auditing incidents without relying on persistent infrastructures. We conclude by examining future perspectives, including forensic automation with cloud-based AI and the ethical dilemmas it raises. - **Palabras clave**: Digital evidence - **Palabras clave**: Cloud native - **Palabras clave**: Digital forensics ### Formato de salida esperado: Evaluación general: (Breve comentario sobre la claridad y coherencia del resumen) Puntos fuertes: (Aspectos bien logrados en la redacción) Áreas de mejora: (Sugerencias de refinamiento semántico si es necesario) Nivel de precisión: (Escala del 1 al 5, donde 1 es poco preciso y 5 es altamente preciso)
📋 Copiar Texto sugerido para pegar en Gemini AI🌐 Abrir Gemini en nueva pestaña

Prompt sugerido para curar el artículo con

ChatGPT

Contexto: Analiza el artículo titulado Digital Evidence in Cloud Native Environments: Forensic Procedures for Distributed Architectures disponible en https://www.cyta.com.ar/ta/article.php?id=240402. Problemática: Un trabajo científico debe cumplir con tres criterios fundamentales: demarcación epistemológica, definición ontológica y exposición semántica del objeto de estudio. Estos aspectos determinan su validez científica. Referencias teóricas: Utiliza como referencia la demarcación ontológica basada en las tuplas definidas por Mario Bunge, específicamente en su trabajo Seudociencia e ideología, donde la ciencia se define mediante la tupla: Comunidad de investigadores Sociedad anfitriona Objeto de estudio Filosofía inherente Trasfondo formal Trasfondo específico Evidencias acumuladas Problemática Objetivo Metódica También considera el artículo 'Demarcación epistemológica de un trabajo científico para la web semántica': http://www.cyta.com.ar/biblioteca/scientific_publications/curation.htm#x2. Objetivo de la consulta: Proporciona un resumen breve del artículo. Identifica y analiza en profundidad las categorías relevantes de la demarcación epistemológica según Bunge. Asigna una valoración numérica (en una escala del 1 al 10) a cada categoría, explicando el criterio de valoración utilizado.
📋 Copiar Texto sugerido, para pegar en ChatGPT🌐 Abrir ChatGPT en nueva pestaña

Copilot

Contexto: Analiza el artículo titulado Digital Evidence in Cloud Native Environments: Forensic Procedures for Distributed Architectures disponible en https://www.cyta.com.ar/ta/article.php?id=240402. Problemática: Un trabajo científico debe cumplir con tres criterios fundamentales: demarcación epistemológica, definición ontológica y exposición semántica del objeto de estudio. Estos aspectos determinan su validez científica. Referencias teóricas: Utiliza como referencia la demarcación ontológica basada en las tuplas definidas por Mario Bunge en su trabajo 'Seudociencia e ideología', donde la ciencia se define mediante la tupla: Comunidad de investigadores Sociedad anfitriona Objeto de estudio Filosofía inherente Trasfondo formal Trasfondo específico Evidencias acumuladas Problemática Objetivo Metódica También considera el artículo 'Demarcación epistemológica de un trabajo científico para la web semántica' disponible en http://www.cyta.com.ar/biblioteca/scientific_publications/curation.htm#x2. Objetivo de la consulta: Proporciona un resumen breve del artículo. Identifica y analiza en profundidad las categorías relevantes de la demarcación epistemológica según Bunge. Asigna una valoración numérica (en una escala del 1 al 10) a cada categoría, explicando el criterio de valoración utilizado. Nota final de sugerencia: a) Si en la última década ha surgido alguna línea de investigación de relevancia respecto a la temática o problemática planteada. b) Quienes pueden beneficiarse con el trabajo expuesto. c) Si existiera una argumentación opuesta, indícala. d) Los puntos a, b, y c, podrían indicarse en una lista de sugerencias.
📋 Copiar Texto sugerido, para pegar en Copilot 🌐 Abrir Copilot en nueva pestaña

Gemini

Una de las características centrales para proporcionar respuestas precisas, en tiempo real y verificables es la funcionalidad de Grounding with Google Search (Fundamentación con Búsqueda de Google); por lo que se establece una estructura de Prompt 'Deep Research' de CyTA para la Curación.

En el marco de la aplicación Deep Research prompting para los Grandes Modelos de Lenguaje (LLM), te solicito: - Investigar sitios web (1) Acceder y leer el artículo completo Digital Evidence in Cloud Native Environments: Forensic Procedures for Distributed Architectures. Autoría principal de: Torres Ponce, Mariano Enrique, y disponible en https://www.cyta.com.ar/ta/article.php?id=240402 para comprender su contenido central y propósito. (2) Elaborar un resumen conciso del artículo, destacando sus principales temas, objetivos y conclusiones. (3) Evaluar la estructura lógica y la coherencia entre los titulados del artículo, analizando la organización del contenido, la progresión de las ideas y la fluidez entre las secciones, comparándola con estándares de escritura académica y normativas de artículos científicos. (4) Analizar el rigor metodológico y la fundamentación teórica del artículo, examinando la profundidad del marco conceptual, la calidad y pertinencia de las fuentes citadas, y la solidez de los argumentos basados en la teoría. (5) Determinar el impacto y la relevancia del artículo en su campo, identificando si introduce conceptos, metodologías o aplicaciones novedosas, y su potencial contribución al conocimiento existente sobre habilidades inventivas. (6) Evaluar la calidad argumentativa y la claridad expositiva del artículo, analizando la lógica del discurso, la cohesión textual, la adhesión a la fundamentación teórica y la claridad del lenguaje utilizado. (7) Para cada uno de los cuatro criterios (estructura, rigor metodológico, impacto, calidad argumentativa), asignar una valoración numérica del 1 al 10, justificando la puntuación y detallando las fortalezas y debilidades específicas observadas. - Analizar resultados - Crear informe.
📋 Copiar Texto sugerido, para pegar en Gemini 🌐 Abrir Gemini en nueva pestaña

Prompt sugerido para curar la bibliografía

📖 La importancia de las referencias bibliográficas en la investigación

Las referencias bibliográficas no solo documentan la información utilizada, sino que reflejan la estructura filosófica y conceptual del estudio. Constituyen el andamiaje sobre el cual se construye el conocimiento, permitiendo:

🔹 Ubicar el estudio en su contexto dentro del campo científico.
🔹 Demostrar rigor académico, mostrando que el trabajo se basa en principios y teorías validadas.
🔹 Identificar tendencias y enfoques clave, revelando qué perspectivas guían la investigación.
🔹 Evitar el sesgo y la obsolescencia, asegurando que el conocimiento se base en fuentes actualizadas y diversas.

Por ello, analizar las referencias bibliográficas de un artículo permite:
📌 Determinar cuáles son las más influyentes dentro del documento.
📌 Evaluar la solidez teórica y metodológica del estudio.
📌 Identificar principios, teorías y enfoques clave en la disciplina.

🔍 Con esta herramienta, puedes obtener una selección optimizada de referencias destacadas, priorizando aquellas más relevantes por su frecuencia de citación, actualidad y relación con el tema central del documento.

📚 **Análisis de referencias bibliográficas** 🔎 **Contexto:** Eres un experto en bibliografía académica. Analiza la siguiente lista de referencias y selecciona las 10 más relevantes basándote en: ✅ Frecuencia de citación dentro del texto. ✅ Impacto y reconocimiento en el área de estudio. ✅ Relación con el tema y propósito del artículo. ✅ Año de publicación (dar prioridad a las más recientes, salvo clásicos). ✅ Nivel de citas y reconocimiento en bases científicas. --- 📖 **Datos del artículo** - **Título**: Digital Evidence in Cloud Native Environments: Forensic Procedures for Distributed Architectures - **Resumen**: Contextualization: Technology continuously generates new solutions, and professionals must adapt in order to perform their work efficiently. Acquired knowledge quickly becomes obsolete, giving rise to novel scenarios that demand new approaches. Digital evidence is transformed when systems are no longer centralized and persistent but instead rely on ephemeral containers and services distributed across multiple jurisdictions. Collecting such evidence therefore emerges as a significant challenge. To explore how this challenge can be addressed, we reviewed dozens of recent articles indexed in Scopus, Web of Science, and IEEE Xplore. Based on this material, we developed a taxonomy of evidentiary artifacts, organized by infrastructure layer and temporal persistence. We propose capture methods that prioritize JSON logs, OpenTelemetry traces, and versioned snapshots in Git. The aim is not to replicate procedural manuals but to highlight what should be documented, when, and with what degree of detail. We combine theoretical foundations with practical tools, linking artifacts to service models (IaaS, PaaS, SaaS) and to regulatory frameworks such as the DORA Regulation in Europe or NIST 800-207 in the United States. We also introduce a responsibility matrix between client and provider and include a forensic report template adapted to distributed systems. The central contribution is to provide clear criteria and practical tools for auditing incidents without relying on persistent infrastructures. We conclude by examining future perspectives, including forensic automation with cloud-based AI and the ethical dilemmas it raises. 📚 **Referencias bibliográficas** - Ab Rahman, N. H., et al. (2016). Forensic-by-design framework for cyber-physical cloud systems. IEEE Cloud Computing, 3(1), 50–59. - Alertmanager Team. (2024). Alertmanager documentation. Prometheus. - Amazon Web Services. (2024a). IAM documentation. - Amazon Web Services. (2024b). Amazon QLDB documentation. - Apache Kafka. (2024). Kafka documentation. - Bray, T. (2017). The JavaScript Object Notation (JSON) data interchange format (RFC 8259). RFC Editor. - Casey, E. (2011). Digital evidence and computer crime: Forensic science, computers, and the Internet (3rd ed.). Academic Press. - Cloud Native Computing Foundation. (2024a). Cloud native security whitepaper (v2). - Cloud Native Computing Foundation. (2024b). Security controls. - Cloud Security Alliance. (2020). Security guidance for critical areas of focus in cloud computing (v4.0). - Cloud Security Alliance. (2024). Cloud controls matrix (CCM v5). - Defense Information Systems Agency. (2024). Container platform STIG. - Docker. (2024). Docker security documentation. - Elastic. (2024). Elastic Stack documentation. - European Banking Authority. (2024). DORA technical standards. - European Commission. (2024). AI Act guidelines. Disponible en - European Telecommunications Standards Institute. (2024). ETSI EN 319 401 v2.3.1: Trust services-General policy requirements for trust service providers. - Falco. (2024). Falco documentation. - Git. (2024). Git documentation. - Google Cloud. (2024). VPC flow logs. - HashiCorp. (2024). Terraform documentation. - HashiCorp Security. (2024). Terraform security best practices. - International Organization for Standardization. (2012). ISO/IEC 27037:2012: Information technology-Security techniques-Guidelines for identification, collection, acquisition and preservation of digital evidence. - International Organization for Standardization. (2015). ISO/IEC 27042:2015: Information technology -Security techniques- Guidelines for the analysis and interpretation of digital evidence. - IETF HTTP Working Group. (2024). Webhooks security considerations (Internet-Draft). - Jaeger Team. (2024). Jaeger distributed tracing documentation. - Klyne, G., and Newman, C. (2002). Date and time on the Internet: Timestamps (RFC 3339). RFC Editor. - Kubernetes SIG Security. (2024). Kubernetes security overview. - Maliqueo Pérez, C., and González Candia, J. C. (2020). Diseño y validación de un instrumento para medir el nivel de madurez en innovación y transformación digital en la gestión de personas. Ciencia y Técnica Administrativa, 19(3), 6. - Microsoft. (2024a). Azure Sentinel documentation. - Microsoft. (2024b). Digital signatures in Azure. - Mills, D. L. (1991). Internet time synchronization: The network time protocol. IEEE Transactions on Communications, 39(10), 1482–1493. - National Institute of Standards and Technology. (2020). Zero trust architecture (SP 800-207). U.S. Department of Commerce. - National Institute of Standards and Technology. (2023). Computer Forensics Tool Testing Program (CFTT). - Newman, S. (2015). Building microservices. O’Reilly Media. - OAuth Working Group. (2012). The OAuth 2.0 authorization framework (RFC 6749). IETF. - OAuth. (2022). OAuth 2.1 draft. - Observability Engineering. (2021). Observability Engineering. O Reilly Media. - OpenTelemetry. (2024a). OpenTelemetry overview. - OpenTelemetry. (2024b). OpenTelemetry specification. Cloud Native Computing Foundation. - OpenTelemetry. (2024c). Tracing specification. OpenTelemetry. - OWASP. (2023). API security top 10. - Palmer, G. (2001). A road map for digital forensic research (DFRWS Technical Report DTR-T001-01 Final). Digital Forensic Research Workshop. - Pichan, A., Lazarescu, M., and Soh, S. T. (2015). Cloud forensics: Technical challenges, solutions and comparative analysis. Digital Investigation, 13, 38–57. - Prometheus. (2024). Querying Prometheus. - Prometheus Community. (2024). Prometheus Documentation. - Richardson, C. (2018). Microservices patterns. Manning Publications. - Ruan, K., Carthy, J., Kechadi, T., and Crosbie, M. (2011). Cloud forensics. En G. Peterson and S. Shenoi (Eds.), Advances in Digital Forensics VII (pp. 35–46). Springer. - SLSA. (2024). SLSA framework. - Splunk. (2024). Splunk Enterprise Security. - Sysdig. (2024). Sysdig documentation. - Taylor, M., et al. (2010). Digital evidence in cloud computing systems. Computer Law and Security Review, 26(3), 304–308. - Torres Ponce, M. E. (2019). Derechos y desafíos de la inteligencia artificial. Ciencia y Técnica Administrativa. - Torres Ponce, M. E. (2020). Informática forense: el camino de la evidencia digital. Ciencia y Técnica Administrativa. - Velero. (2024). Velero documentation. - World Wide Web Consortium. (2021). Trace context (W3C Recommendation). - Zipkin Team. (2024). Zipkin documentation. - Zhang, Y., et al. (2020). Ephemeral computing in cloud forensics. Journal of Cloud Computing, 9(1), 1–15. --- 📌 **Instrucción:** Devuelve una lista de las **10 referencias más relevantes**, justificando su selección. Formato de salida: 1. [Referencia completa] - [Razón de selección] 2. [Referencia completa] - [Razón de selección] ...
📋 Copiar Texto sugerido, para pegar en ChatGPT🌐 Abrir ChatGPT en nueva pestaña

Ask AI

Curation by Ask AI »

Phind

Curation by Phind »

SciSpace

Curation by SciSpace »

Revisión de Literatura Científica con SciSpace

Curation by SciSpace »

You.com

Curation by You.com »

Google Scholar Index

Article

Evidencia Digital en Entornos Cloud Native: procedimientos forenses para arquitecturas distribuidas

Related Articles

Artículos relacionados

Buscar por subject: Digital evidence, Cloud native, Digital forensics

Version of Record - VoR

Journal: Técnica Administrativa

Volume: 24 , Number: 4, Order: 2 ; ISSUE: 104

Date of publisher: 2025-10-15

URL: www.cyta.com.ar/ta/article.php?id=240402

License: Atribución 4.0 - Internacional (CC BY 4.0)

© Ciencia y Técnica Administrativa

Registro ISSN: 1666-1680

Cita del artículo

Contribución

La programaciónha basada en IA, para la estructuración semántica y mejora del contenido, ha sido desarrollada con la contribución y asistencia de ChatGPT

Compartir en redes sociales

Facebook / Twitter / Whatsapp / Linkedln /

To send article, send it to the email: editorialcyta@gmail.com or cyta@cyta.ar

Identify it, in the subject field, with the word: Article

In the body of the email, indicate the following information for each of the authors, name to be quoted, filiation, and email.

Técnica Administrativa se encuentra indexada en los siguientes directorios de publicaciones científicas: Scholar Google, DIALNET, ZDB, LATINDEX, WorldCat, Crossref, REBIUN, PURL, Ágora, Miar, BINPAR, entre otros.