Governança em Segurança da Informação: por que ela é tão importante para os negócios?
Bibliographic record
Abstract
A Governança em Segurança da Informação visa assegurar a confidencialidade, integridade e disponibilidade das informações por meio de um conjunto de controles, políticas e procedimentos que, coordenados, irão proteger a organização contra vazamentos, ataques cibernéticos e outros incidentes que possam comprometer a continuidade de seus negócios. Este artigo pretende apresentar os benefícios que um programa de governança nestes moldes pode proporcionar para as empresas, como, por exemplo, a redução do risco de violação de informação e de ações fraudulentas de várias naturezas, a criação da cultura de segurança da informação, e a continuidade dos negócios, que mantém a empresa em alto padrão de competitividade. Além disso, serão apresentados os desafios encontrados na implementação da Governança em Segurança da Informação, como a resistência por parte da Alta Liderança em adquirir soluções tecnológicas de segurança, até as barreiras no aculturamento em segurança nas organizações. Por fim, será debatido que a Governança em Segurança da Informação pode iniciar de forma muito simples e amadurecer no mesmo ritmo que a organização adere às boas práticas de mercado, muitas vezes, sem necessidade de tantos ou altos investimentos.
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 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.007 | 0.012 |
| Scholarly communication | 0.016 | 0.012 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".