Impacto de redes neuronales para reconocimiento facial en la seguridad de la información.
| dc.contributor.advisor | Rivadeneira Ramos, Edgar Patricio | |
| dc.contributor.author | Belduma Belduma, Edwin Leonel | |
| dc.date.accessioned | 2025-09-23T13:55:23Z | |
| dc.date.issued | 2025-09-23 | |
| dc.description | This study aimed to analyze the impact of neural networks applied to facial recognition in public spaces, identifying the main ethical, technical, and regulatory challenges associated with their implementation. A mixed methodology was applied, combining qualitative and quantitative analyses in 100 scientific studies (50 Ecuadorian and 50 international), supported by statistical techniques, risk matrices, variable categorization, and graphical tools. The results revealed that privacy is the predominant priority in Ecuador (50%), while technical evaluation is the priority internationally (44%). The most frequently applied measures were encryption (36%) and combination (20%). Greater system accuracy was observed in controlled environments (90-100%) compared to public spaces (75-90%). Convolutional neural networks (CNNs) were the most frequently used (60%). The findings highlight the poor integration between accuracy and regulation, the limited application of security measures in local studies, and the urgent need to strengthen the implementation of the LOPDP (License for Personal Data Protection) in Ecuador. A methodology based on the CLASP approach and the ISO/IEC 23894:2023 standard was developed, accompanied by tools such as assessment sheets, normative matrices, and consent templates. The conclusion is that it is possible to implement advanced technologies while respecting privacy, provided that ethical, technical, and regulatory principles are integrated from the design phase. | |
| dc.description.abstract | Este estudio tuvo como objetivo analizar el impacto de las redes neuronales aplicadas al reconocimiento facial en espacios públicos, identificando los principales desafíos éticos, técnicos y regulatorios asociados con su implementación. Se aplicó una metodología mixta, combinando análisis cualitativos y cuantitativos en 100 estudios científicos (50 ecuatorianos y 50 internacionales), apoyados en técnicas estadísticas, matrices de riesgo, categorización de variables y herramientas gráficas. Los resultados revelaron que la privacidad es la prioridad predominante en Ecuador (50%), mientras que la evaluación técnica es la prioridad a nivel internacional (44%). Las medidas más aplicadas fueron el cifrado (36%) y la combinación (20%). Se observó una mayor precisión de los sistemas en entornos controlados (90-100%) en comparación con los espacios públicos (75-90%). Las redes neuronales convolucionales (CNN) fueron las más utilizadas (60%). Los hallazgos resaltan la poca integración entre precisión y regulación, la limitada aplicación de medidas de seguridad en estudios locales y la urgente necesidad de fortalecer la implementación de la LOPDP en Ecuador. Se desarrolló una metodología basada en el enfoque CLASP y la norma ISO/IEC 23894:2023, acompañada de herramientas como hojas de evaluación, matrices normativas y plantillas de consentimiento. La conclusión es que es posible implementar tecnologías avanzadas respetando la privacidad, siempre que se integren principios éticos, técnicos y regulatorios desde la fase de diseño. | |
| dc.identifier.uri | https://dspace.ueb.edu.ec/handle/123456789/8705 | |
| dc.language.iso | es | |
| dc.publisher | Universidad Estatal de Bolívar. Facultad de Ciencias Administrativas Gestión Empresarial e Informática. Carrera de Software | |
| dc.relation.ispartofseries | FCCA.IS; 69 | |
| dc.subject | RECONOCIMIENTO FACIAL | |
| dc.subject | REDES NEURONALES | |
| dc.subject | PROTECCIÓN DE DATOS PERSONALES | |
| dc.subject | CLASP | |
| dc.subject | ISO/IEC 23894:2023 | |
| dc.subject | FACIAL RECOGNITION | |
| dc.subject | NEURAL NETWORKS | |
| dc.subject | PERSONAL DATA PROTECTION | |
| dc.title | Impacto de redes neuronales para reconocimiento facial en la seguridad de la información. | |
| dc.type | Thesis |