Capítulo 18 — Métodos de investigación I
Mapa de la lección
Lección 18 publicada. Mapa, ejemplo, EX052.
flowchart TD
N0["Resultados de aprendizaje"]
N1["18.1 De la preocupación a la pregunta"]
N2["18.2 Elecciones de diseño"]
N3["18.3 Validez"]
N4["18.4 Leer la literatura"]
N5["Síntesis del capítulo"]
N0 --> N1 --> N2 --> N3 --> N4 --> N5
N5 --> EX["Ejemplo resuelto"]
EX --> Q["Ejercicio EX052"]
Dibujo lógico
flowchart LR
N0["Resultados de aprendizaje"]
N1["18.1 De la preocupación a la pregunta"]
N2["18.2 Elecciones de diseño"]
N3["18.3 Validez"]
N4["18.4 Leer la literatura"]
N5["Síntesis del capítulo"]
N0 --> N1 --> N2 --> N3 --> N4 --> N5 --> Q["EX052"]
[Resultados de aprendizaje]
|
v
[18.1 De la preocupación a la pregunta]
|
v
[18.2 Elecciones de diseño]
|
v
[18.3 Validez]
|
v
[18.4 Leer la literatura]
|
v
[Síntesis del capítulo]
|
v
[Ejemplo resuelto] --> [Ejercicio EX052]
Resultados de aprendizaje
Usted podrá (1) convertir una preocupación vaga en una pregunta investigable; (2) elegir entre diseños descriptivos, comparativos y experimentales; (3) definir variables, medidas y amenazas a la validez; y (4) buscar y evaluar literatura revisada por pares sobre seguridad de TO.
18.1 De la preocupación a la pregunta
«¿Son buenos nuestros detectores?» no es una pregunta que se pueda responder. «Con los datos sintéticos de temperatura de impulsión de LDHP, ¿alcanza un detector CUSUM una tasa de falsas alarmas menor que una banda fija con igual tasa de detección para rampas lentas?» sí lo es. Nombra la población (datos sintéticos), la comparación, las medidas de resultado y la clase de ataque. La versión de Maya de esta pregunta se convirtió en su plan de investigación: CUSUM frente a una banda fija sobre datos simulados de temperatura de impulsión, 40 semillas por condición, con falsas alarmas por ejecución, detección en 100 muestras y retardo medio como medidas, y la rampa lenta de 0,08 °C por muestra como clase de ataque.
18.2 Elecciones de diseño
Los estudios descriptivos caracterizan lo que existe (inventario de protocolos en una red). Los estudios comparativos contrastan grupos o métodos sin controlar la asignación. Los experimentos manipulan una variable —el tipo de detector— manteniendo fijas las demás, normalmente mediante simulación en TO, porque experimentar con plantas en funcionamiento no es seguro. El estudio de detectores de Maya es un experimento en este sentido: el tipo de detector es la variable manipulada, y el nivel de ruido, la pendiente del ataque y las semillas se mantienen fijos entre condiciones. Ejecutarlo sobre el propio PLC-H supondría desviar deliberadamente la temperatura de impulsión de una red de calefacción urbana en funcionamiento, algo que ningún permiso permitiría.
18.3 Validez
La validez interna pregunta si la diferencia medida se debe a la variable manipulada; la validez externa, si los resultados se generalizan más allá de la planta sintética. La validez de constructo pregunta si la «tasa de falsas alarmas por ejecución» mide realmente la carga de los operadores. Nombre cada amenaza y lo que hizo al respecto. Maya nombró dos amenazas en su plan: el ruido es gaussiano, lo que puede no ocurrir en los sensores reales de temperatura de impulsión (validez externa), y ajustó los umbrales a mano (validez interna). Su proyecto final aborda después la segunda ajustando con un conjunto separado de 50 semillas y congelando el umbral.
18.4 Leer la literatura
Giraldo et al. (2018, ACM Computing Surveys, doi:10.1145/3203245) revisan la detección de ataques basada en la física en los CPS y señalan que muchos artículos evalúan detectores sin un modelo de adversario coherente. Urbina et al. (CCS 2016, doi:10.1145/2976749.2978388) proponen evaluar los detectores por el impacto que un atacante sigiloso todavía puede causar sin ser detectado, en lugar de solo por la tasa de detección. Estos dos artículos enmarcan el laboratorio de detectores del capítulo 25. Para el estudio de Maya, la pregunta de Urbina et al. se convierte en: ¿cuán lenta puede ser una rampa para quedarse por debajo del umbral de CUSUM, y hasta dónde podría desviarse la temperatura de impulsión antes de que salte la alarma? Por eso ella reduce después la pendiente a la mitad.
Ejemplo resuelto (LDHP sintética)
Maya redacta: Pregunta: la comparación de CUSUM frente a la banda descrita arriba. Diseño: experimento de simulación, 40 semillas por condición. Medidas: falsas alarmas por ejecución, detección en 100 muestras, retardo medio. Amenazas: el ruido sintético es gaussiano (validez externa); umbrales ajustados a mano (validez interna).
Caso sintético — Lakeside District Heating Plant. El plan de investigación es un ejercicio didáctico que usa solo datos simulados.
Errores y límites
Buscar solo en libros blancos de fabricantes produce marketing, no evidencia. No cite un artículo que no haya abierto; verifique que los DOI se resuelven.
Ejercicios — capítulo 18
- EX052 — Afinar una pregunta vaga. Reescriba «¿Es segura la red de contadores IoT?» como una pregunta investigable. Rúbrica: 3 = población, medida y comparación enunciadas; 2 = dos; 1 = sigue siendo vaga; 0 = nada.
- EX053 — Nombrar una amenaza a la validez. Identifique una amenaza a la validez externa en el diseño de Maya y una mitigación. Rúbrica: 3 = ruido gaussiano/una sola planta; añadir perfiles de ruido real o un segundo modelo; 2 = solo la amenaza; 1 = amenaza interna; 0 = nada.
- EX054 — La métrica de Urbina en una frase. Enuncie la idea de evaluación de Urbina et al. (2016). Rúbrica: 3 = medir el impacto máximo que puede lograr un atacante no detectado (sigiloso), no solo la tasa de detección; 2 = parcial; 1 = incorrecto; 0 = nada.
Síntesis del capítulo
La investigación empieza con una pregunta precisa, un diseño que se ajuste a ella, amenazas a la validez enunciadas con honestidad y fuentes que usted haya leído de verdad.
Siga estudiando — capítulo 18 de 40
← Capítulo 17 (borrador) · Índice de capítulos del curso · Capítulo 19 (borrador) →