Mostrar el registro sencillo del ítem

dc.contributor.authorHidalgo-Guerrero, Teodoro
dc.contributor.authorFuentes-Carrasco, Fernando Jesús
dc.date2025-07-16
dc.date.accessioned2026-02-11T10:04:14Z
dc.date.available2026-02-11T10:04:14Z
dc.identifier.urihttps://reunir.unir.net/handle/123456789/18958
dc.descriptionThis Master's Thesis arises from the need to update and improve tools for auditing intelligent systems in accordance with new frameworks such as NIST AI RMF 1.0 and FAICP. The objective is to enhance an existing Computer-Assisted Audit Tool (CAAT) by integrating these frameworks to assess key aspects of artificial intelligence, such as governance, transparency, and risk. The main research question is whether these frameworks can be adapted by reusing the NIST CSF sub-controls already present in the tool, with the hypothesis that such integration is feasible through appropriate mappings. The methodology followed is the waterfall model, structuring the work into phases: requirements analysis, design, implementation, internal verification, and external validation with ESA personnel. Building upon an existing tool developed in Excel with Visual Basic for Applications, a significant evolution has been carried out, preserving the familiar interface for auditors and expanding it with specific sheets for the AI RMF and FAICP frameworks. Features for automating calculations and visualizing results through heat maps have been incorporated. The resulting tool allows for accurate evaluation of regulatory compliance and the maturity of audited AI systems. Internal testing confirmed logical consistency and technical reliability, while external validation highlighted its practical usefulness and ease of use. The integration of the frameworks was successfully validated. In conclusion, this work demonstrates that it is possible to translate complex AI governance principles into a tangible and automated audit process, providing a valuable contribution to critical sectors. Future work should focus on adapting the tool to the EU AI Act and migrating it to the new NIST CSF 2.0 version to ensure its sustainability and continued relevance.es_ES
dc.description.abstractEste Trabajo Fin de Máster surge de la necesidad de actualizar y mejorar las herramientas para auditar sistemas inteligentes conforme a nuevos marcos como el NIST AI RMF 1.0 y el FAICP. El objetivo es mejorar una herramienta de auditoría asistida por computadora (CAAT) existente, integrando estos marcos para evaluar aspectos clave de la inteligencia artificial, como la gobernanza, la transparencia y el riesgo. Se plantea como pregunta principal si es posible adaptar estos marcos reutilizando los subcontroles del NIST CSF ya presentes en la herramienta, con la hipótesis de que dicha integración es viable mediante mapeos adecuados. La metodología seguida es el modelo en cascada, estructurando el trabajo en fases: análisis de requisitos, diseño, implementación, verificación interna y validación externa con personal de la ESA. A partir de la herramienta existente, desarrollada en Excel con Visual Basic for Applications, se ha llevado a cabo una evolución significativa, manteniendo la interfaz familiar para los auditores y ampliándola con hojas específicas para los marcos AI RMF y FAICP. Se han incorporado funcionalidades de automatización de cálculos y visualización de resultados mediante mapas de calor. La herramienta resultante permite evaluar con precisión el cumplimiento normativo y la madurez de los sistemas de IA auditados. Las pruebas internas confirmaron la coherencia lógica y la fiabilidad técnica, mientras que la validación externa destacó su utilidad práctica y facilidad de uso. La integración de los marcos fue validada con éxito. En conclusión, el trabajo demuestra que es posible traducir principios complejos de gobernanza de IA a un proceso de auditoría tangible y automatizado, aportando una contribución valiosa a sectores críticos. Se recomienda como trabajo futuro la adaptación de la herramienta a la Ley de IA de la UE y su migración a la nueva versión NIST CSF 2.0 para garantizar su sostenibilidad y relevancia.es_ES
dc.language.isospaes_ES
dc.rightsopenAccesses_ES
dc.subjectinteligencia artificiales_ES
dc.subjectciberseguridades_ES
dc.subjectauditoríaes_ES
dc.subjectNIST AI RMFes_ES
dc.subjectFAICPes_ES
dc.subjectartificial intelligencees_ES
dc.subjectcybersecurityes_ES
dc.subjectauditinges_ES
dc.subjectMáster Universitario en Inteligencia Artificiales_ES
dc.titleDesarrollo de una herramienta para la evaluación del cumplimiento del marco FAICP y de los riesgos asociados a estándar de inteligencia artificial del NIST en el sector de la navegación de la Agencia Espacial Europeaes_ES
dc.typemasterThesises_ES
reunir.tag~MIAes_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem