UTILIZANDO ZONAS E CONDUÍTES DE SEGURANÇA EM UM PROJETO DE REDES DE TA ORIENTADO A PREMISSAS DA SEGURANÇA DA INFORMAÇÃO
Bibliographic record
Abstract
PDF | Com a publicação de normas e padrões de segurança da informação específicos para ambientes de automação industrial, o desafio tornou-se a sua interpretação e implementação na prática sem desrespeitar as restrições e heterogeneidade pertinentes a este ambiente, Grande parte das tentativas de implementação de segurança ocorrem através de projetos de rede, com pequenas etapas que deixam de considerar o investimento em segurança com a visão de gestão de riscos inaceitáveis para o negócio. Este trabalho descreve, sob a ótica de projeto, sobre como transformar recomendações de normas como a ISA 99 e NIST SP-800 em resultados práticos em termos de implementação de segurança, mesmo quando isto é feito como uma etapa de um projeto de rede, destacando em especial as recomendações para a definição de zonas e conduítes de segurança que permitem que segmentos inseguros convivam com segmentos com sistemas críticos de forma controlada e racional. Os resultados apontam para um alinhamento estratégico dos stakeholders do projeto, com uma melhora geral da integração do Representante de Segurança Corporativo, equipe de automação e fornecedores, e orientação dos investimentos aos reais objetivos corporativos de gestão dos riscos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".