├── .gitignore ├── LICENSE ├── MANIFEST.in ├── README.md ├── corpus_samples ├── ciber_test.py ├── dd_test.py ├── news_articles.jsonl ├── news_articles_ciber.jsonl ├── output │ ├── news_articles_ciber_scores.jsonl │ ├── news_articles_scores.jsonl │ ├── x_posts_ciber_scores.jsonl │ └── x_posts_scores.jsonl ├── x_posts.jsonl └── x_posts_ciber.jsonl ├── requirements.txt ├── setup.py ├── tests ├── __init__.py ├── test_relevance_analyzer.py └── test_subtheme_analyzer.py └── textscope ├── __init__.py ├── config.py ├── config_loader.py ├── corpus_samples ├── dd_test.py ├── news_articles.jsonl ├── news_articles_scores.jsonl ├── x_posts.jsonl └── x_posts_scores.jsonl ├── data └── config.yaml ├── relevance_analyzer.py └── subtheme_analyzer.py /.gitignore: -------------------------------------------------------------------------------- 1 | *.pyc 2 | __pycache__/ 3 | dist/ 4 | build/ 5 | *.egg-info/ 6 | 7 | -------------------------------------------------------------------------------- /LICENSE: -------------------------------------------------------------------------------- 1 | GNU GENERAL PUBLIC LICENSE 2 | Version 3, 29 June 2007 3 | 4 | Copyright (C) 2007 Free Software Foundation, Inc. 5 | Everyone is permitted to copy and distribute verbatim copies 6 | of this license document, but changing it is not allowed. 7 | 8 | Preamble 9 | 10 | The GNU General Public License is a free, copyleft license for 11 | software and other kinds of works. 12 | 13 | The licenses for most software and other practical works are designed 14 | to take away your freedom to share and change the works. By contrast, 15 | the GNU General Public License is intended to guarantee your freedom to 16 | share and change all versions of a program--to make sure it remains free 17 | software for all its users. We, the Free Software Foundation, use the 18 | GNU General Public License for most of our software; it applies also to 19 | any other work released this way by its authors. You can apply it to 20 | your programs, too. 21 | 22 | When we speak of free software, we are referring to freedom, not 23 | price. Our General Public Licenses are designed to make sure that you 24 | have the freedom to distribute copies of free software (and charge for 25 | them if you wish), that you receive source code or can get it if you 26 | want it, that you can change the software or use pieces of it in new 27 | free programs, and that you know you can do these things. 28 | 29 | To protect your rights, we need to prevent others from denying you 30 | these rights or asking you to surrender the rights. Therefore, you have 31 | certain responsibilities if you distribute copies of the software, or if 32 | you modify it: responsibilities to respect the freedom of others. 33 | 34 | For example, if you distribute copies of such a program, whether 35 | gratis or for a fee, you must pass on to the recipients the same 36 | freedoms that you received. You must make sure that they, too, receive 37 | or can get the source code. And you must show them these terms so they 38 | know their rights. 39 | 40 | Developers that use the GNU GPL protect your rights with two steps: 41 | (1) assert copyright on the software, and (2) offer you this License 42 | giving you legal permission to copy, distribute and/or modify it. 43 | 44 | For the developers' and authors' protection, the GPL clearly explains 45 | that there is no warranty for this free software. For both users' and 46 | authors' sake, the GPL requires that modified versions be marked as 47 | changed, so that their problems will not be attributed erroneously to 48 | authors of previous versions. 49 | 50 | Some devices are designed to deny users access to install or run 51 | modified versions of the software inside them, although the manufacturer 52 | can do so. This is fundamentally incompatible with the aim of 53 | protecting users' freedom to change the software. The systematic 54 | pattern of such abuse occurs in the area of products for individuals to 55 | use, which is precisely where it is most unacceptable. Therefore, we 56 | have designed this version of the GPL to prohibit the practice for those 57 | products. If such problems arise substantially in other domains, we 58 | stand ready to extend this provision to those domains in future versions 59 | of the GPL, as needed to protect the freedom of users. 60 | 61 | Finally, every program is threatened constantly by software patents. 62 | States should not allow patents to restrict development and use of 63 | software on general-purpose computers, but in those that do, we wish to 64 | avoid the special danger that patents applied to a free program could 65 | make it effectively proprietary. To prevent this, the GPL assures that 66 | patents cannot be used to render the program non-free. 67 | 68 | The precise terms and conditions for copying, distribution and 69 | modification follow. 70 | 71 | TERMS AND CONDITIONS 72 | 73 | 0. Definitions. 74 | 75 | "This License" refers to version 3 of the GNU General Public License. 76 | 77 | "Copyright" also means copyright-like laws that apply to other kinds of 78 | works, such as semiconductor masks. 79 | 80 | "The Program" refers to any copyrightable work licensed under this 81 | License. Each licensee is addressed as "you". "Licensees" and 82 | "recipients" may be individuals or organizations. 83 | 84 | To "modify" a work means to copy from or adapt all or part of the work 85 | in a fashion requiring copyright permission, other than the making of an 86 | exact copy. The resulting work is called a "modified version" of the 87 | earlier work or a work "based on" the earlier work. 88 | 89 | A "covered work" means either the unmodified Program or a work based 90 | on the Program. 91 | 92 | To "propagate" a work means to do anything with it that, without 93 | permission, would make you directly or secondarily liable for 94 | infringement under applicable copyright law, except executing it on a 95 | computer or modifying a private copy. Propagation includes copying, 96 | distribution (with or without modification), making available to the 97 | public, and in some countries other activities as well. 98 | 99 | To "convey" a work means any kind of propagation that enables other 100 | parties to make or receive copies. Mere interaction with a user through 101 | a computer network, with no transfer of a copy, is not conveying. 102 | 103 | An interactive user interface displays "Appropriate Legal Notices" 104 | to the extent that it includes a convenient and prominently visible 105 | feature that (1) displays an appropriate copyright notice, and (2) 106 | tells the user that there is no warranty for the work (except to the 107 | extent that warranties are provided), that licensees may convey the 108 | work under this License, and how to view a copy of this License. If 109 | the interface presents a list of user commands or options, such as a 110 | menu, a prominent item in the list meets this criterion. 111 | 112 | 1. Source Code. 113 | 114 | The "source code" for a work means the preferred form of the work 115 | for making modifications to it. "Object code" means any non-source 116 | form of a work. 117 | 118 | A "Standard Interface" means an interface that either is an official 119 | standard defined by a recognized standards body, or, in the case of 120 | interfaces specified for a particular programming language, one that 121 | is widely used among developers working in that language. 122 | 123 | The "System Libraries" of an executable work include anything, other 124 | than the work as a whole, that (a) is included in the normal form of 125 | packaging a Major Component, but which is not part of that Major 126 | Component, and (b) serves only to enable use of the work with that 127 | Major Component, or to implement a Standard Interface for which an 128 | implementation is available to the public in source code form. A 129 | "Major Component", in this context, means a major essential component 130 | (kernel, window system, and so on) of the specific operating system 131 | (if any) on which the executable work runs, or a compiler used to 132 | produce the work, or an object code interpreter used to run it. 133 | 134 | The "Corresponding Source" for a work in object code form means all 135 | the source code needed to generate, install, and (for an executable 136 | work) run the object code and to modify the work, including scripts to 137 | control those activities. However, it does not include the work's 138 | System Libraries, or general-purpose tools or generally available free 139 | programs which are used unmodified in performing those activities but 140 | which are not part of the work. For example, Corresponding Source 141 | includes interface definition files associated with source files for 142 | the work, and the source code for shared libraries and dynamically 143 | linked subprograms that the work is specifically designed to require, 144 | such as by intimate data communication or control flow between those 145 | subprograms and other parts of the work. 146 | 147 | The Corresponding Source need not include anything that users 148 | can regenerate automatically from other parts of the Corresponding 149 | Source. 150 | 151 | The Corresponding Source for a work in source code form is that 152 | same work. 153 | 154 | 2. Basic Permissions. 155 | 156 | All rights granted under this License are granted for the term of 157 | copyright on the Program, and are irrevocable provided the stated 158 | conditions are met. This License explicitly affirms your unlimited 159 | permission to run the unmodified Program. The output from running a 160 | covered work is covered by this License only if the output, given its 161 | content, constitutes a covered work. This License acknowledges your 162 | rights of fair use or other equivalent, as provided by copyright law. 163 | 164 | You may make, run and propagate covered works that you do not 165 | convey, without conditions so long as your license otherwise remains 166 | in force. You may convey covered works to others for the sole purpose 167 | of having them make modifications exclusively for you, or provide you 168 | with facilities for running those works, provided that you comply with 169 | the terms of this License in conveying all material for which you do 170 | not control copyright. Those thus making or running the covered works 171 | for you must do so exclusively on your behalf, under your direction 172 | and control, on terms that prohibit them from making any copies of 173 | your copyrighted material outside their relationship with you. 174 | 175 | Conveying under any other circumstances is permitted solely under 176 | the conditions stated below. Sublicensing is not allowed; section 10 177 | makes it unnecessary. 178 | 179 | 3. Protecting Users' Legal Rights From Anti-Circumvention Law. 180 | 181 | No covered work shall be deemed part of an effective technological 182 | measure under any applicable law fulfilling obligations under article 183 | 11 of the WIPO copyright treaty adopted on 20 December 1996, or 184 | similar laws prohibiting or restricting circumvention of such 185 | measures. 186 | 187 | When you convey a covered work, you waive any legal power to forbid 188 | circumvention of technological measures to the extent such circumvention 189 | is effected by exercising rights under this License with respect to 190 | the covered work, and you disclaim any intention to limit operation or 191 | modification of the work as a means of enforcing, against the work's 192 | users, your or third parties' legal rights to forbid circumvention of 193 | technological measures. 194 | 195 | 4. Conveying Verbatim Copies. 196 | 197 | You may convey verbatim copies of the Program's source code as you 198 | receive it, in any medium, provided that you conspicuously and 199 | appropriately publish on each copy an appropriate copyright notice; 200 | keep intact all notices stating that this License and any 201 | non-permissive terms added in accord with section 7 apply to the code; 202 | keep intact all notices of the absence of any warranty; and give all 203 | recipients a copy of this License along with the Program. 204 | 205 | You may charge any price or no price for each copy that you convey, 206 | and you may offer support or warranty protection for a fee. 207 | 208 | 5. Conveying Modified Source Versions. 209 | 210 | You may convey a work based on the Program, or the modifications to 211 | produce it from the Program, in the form of source code under the 212 | terms of section 4, provided that you also meet all of these conditions: 213 | 214 | a) The work must carry prominent notices stating that you modified 215 | it, and giving a relevant date. 216 | 217 | b) The work must carry prominent notices stating that it is 218 | released under this License and any conditions added under section 219 | 7. This requirement modifies the requirement in section 4 to 220 | "keep intact all notices". 221 | 222 | c) You must license the entire work, as a whole, under this 223 | License to anyone who comes into possession of a copy. This 224 | License will therefore apply, along with any applicable section 7 225 | additional terms, to the whole of the work, and all its parts, 226 | regardless of how they are packaged. This License gives no 227 | permission to license the work in any other way, but it does not 228 | invalidate such permission if you have separately received it. 229 | 230 | d) If the work has interactive user interfaces, each must display 231 | Appropriate Legal Notices; however, if the Program has interactive 232 | interfaces that do not display Appropriate Legal Notices, your 233 | work need not make them do so. 234 | 235 | A compilation of a covered work with other separate and independent 236 | works, which are not by their nature extensions of the covered work, 237 | and which are not combined with it such as to form a larger program, 238 | in or on a volume of a storage or distribution medium, is called an 239 | "aggregate" if the compilation and its resulting copyright are not 240 | used to limit the access or legal rights of the compilation's users 241 | beyond what the individual works permit. Inclusion of a covered work 242 | in an aggregate does not cause this License to apply to the other 243 | parts of the aggregate. 244 | 245 | 6. Conveying Non-Source Forms. 246 | 247 | You may convey a covered work in object code form under the terms 248 | of sections 4 and 5, provided that you also convey the 249 | machine-readable Corresponding Source under the terms of this License, 250 | in one of these ways: 251 | 252 | a) Convey the object code in, or embodied in, a physical product 253 | (including a physical distribution medium), accompanied by the 254 | Corresponding Source fixed on a durable physical medium 255 | customarily used for software interchange. 256 | 257 | b) Convey the object code in, or embodied in, a physical product 258 | (including a physical distribution medium), accompanied by a 259 | written offer, valid for at least three years and valid for as 260 | long as you offer spare parts or customer support for that product 261 | model, to give anyone who possesses the object code either (1) a 262 | copy of the Corresponding Source for all the software in the 263 | product that is covered by this License, on a durable physical 264 | medium customarily used for software interchange, for a price no 265 | more than your reasonable cost of physically performing this 266 | conveying of source, or (2) access to copy the 267 | Corresponding Source from a network server at no charge. 268 | 269 | c) Convey individual copies of the object code with a copy of the 270 | written offer to provide the Corresponding Source. This 271 | alternative is allowed only occasionally and noncommercially, and 272 | only if you received the object code with such an offer, in accord 273 | with subsection 6b. 274 | 275 | d) Convey the object code by offering access from a designated 276 | place (gratis or for a charge), and offer equivalent access to the 277 | Corresponding Source in the same way through the same place at no 278 | further charge. You need not require recipients to copy the 279 | Corresponding Source along with the object code. If the place to 280 | copy the object code is a network server, the Corresponding Source 281 | may be on a different server (operated by you or a third party) 282 | that supports equivalent copying facilities, provided you maintain 283 | clear directions next to the object code saying where to find the 284 | Corresponding Source. Regardless of what server hosts the 285 | Corresponding Source, you remain obligated to ensure that it is 286 | available for as long as needed to satisfy these requirements. 287 | 288 | e) Convey the object code using peer-to-peer transmission, provided 289 | you inform other peers where the object code and Corresponding 290 | Source of the work are being offered to the general public at no 291 | charge under subsection 6d. 292 | 293 | A separable portion of the object code, whose source code is excluded 294 | from the Corresponding Source as a System Library, need not be 295 | included in conveying the object code work. 296 | 297 | A "User Product" is either (1) a "consumer product", which means any 298 | tangible personal property which is normally used for personal, family, 299 | or household purposes, or (2) anything designed or sold for incorporation 300 | into a dwelling. In determining whether a product is a consumer product, 301 | doubtful cases shall be resolved in favor of coverage. For a particular 302 | product received by a particular user, "normally used" refers to a 303 | typical or common use of that class of product, regardless of the status 304 | of the particular user or of the way in which the particular user 305 | actually uses, or expects or is expected to use, the product. A product 306 | is a consumer product regardless of whether the product has substantial 307 | commercial, industrial or non-consumer uses, unless such uses represent 308 | the only significant mode of use of the product. 309 | 310 | "Installation Information" for a User Product means any methods, 311 | procedures, authorization keys, or other information required to install 312 | and execute modified versions of a covered work in that User Product from 313 | a modified version of its Corresponding Source. The information must 314 | suffice to ensure that the continued functioning of the modified object 315 | code is in no case prevented or interfered with solely because 316 | modification has been made. 317 | 318 | If you convey an object code work under this section in, or with, or 319 | specifically for use in, a User Product, and the conveying occurs as 320 | part of a transaction in which the right of possession and use of the 321 | User Product is transferred to the recipient in perpetuity or for a 322 | fixed term (regardless of how the transaction is characterized), the 323 | Corresponding Source conveyed under this section must be accompanied 324 | by the Installation Information. But this requirement does not apply 325 | if neither you nor any third party retains the ability to install 326 | modified object code on the User Product (for example, the work has 327 | been installed in ROM). 328 | 329 | The requirement to provide Installation Information does not include a 330 | requirement to continue to provide support service, warranty, or updates 331 | for a work that has been modified or installed by the recipient, or for 332 | the User Product in which it has been modified or installed. Access to a 333 | network may be denied when the modification itself materially and 334 | adversely affects the operation of the network or violates the rules and 335 | protocols for communication across the network. 336 | 337 | Corresponding Source conveyed, and Installation Information provided, 338 | in accord with this section must be in a format that is publicly 339 | documented (and with an implementation available to the public in 340 | source code form), and must require no special password or key for 341 | unpacking, reading or copying. 342 | 343 | 7. Additional Terms. 344 | 345 | "Additional permissions" are terms that supplement the terms of this 346 | License by making exceptions from one or more of its conditions. 347 | Additional permissions that are applicable to the entire Program shall 348 | be treated as though they were included in this License, to the extent 349 | that they are valid under applicable law. If additional permissions 350 | apply only to part of the Program, that part may be used separately 351 | under those permissions, but the entire Program remains governed by 352 | this License without regard to the additional permissions. 353 | 354 | When you convey a copy of a covered work, you may at your option 355 | remove any additional permissions from that copy, or from any part of 356 | it. (Additional permissions may be written to require their own 357 | removal in certain cases when you modify the work.) You may place 358 | additional permissions on material, added by you to a covered work, 359 | for which you have or can give appropriate copyright permission. 360 | 361 | Notwithstanding any other provision of this License, for material you 362 | add to a covered work, you may (if authorized by the copyright holders of 363 | that material) supplement the terms of this License with terms: 364 | 365 | a) Disclaiming warranty or limiting liability differently from the 366 | terms of sections 15 and 16 of this License; or 367 | 368 | b) Requiring preservation of specified reasonable legal notices or 369 | author attributions in that material or in the Appropriate Legal 370 | Notices displayed by works containing it; or 371 | 372 | c) Prohibiting misrepresentation of the origin of that material, or 373 | requiring that modified versions of such material be marked in 374 | reasonable ways as different from the original version; or 375 | 376 | d) Limiting the use for publicity purposes of names of licensors or 377 | authors of the material; or 378 | 379 | e) Declining to grant rights under trademark law for use of some 380 | trade names, trademarks, or service marks; or 381 | 382 | f) Requiring indemnification of licensors and authors of that 383 | material by anyone who conveys the material (or modified versions of 384 | it) with contractual assumptions of liability to the recipient, for 385 | any liability that these contractual assumptions directly impose on 386 | those licensors and authors. 387 | 388 | All other non-permissive additional terms are considered "further 389 | restrictions" within the meaning of section 10. If the Program as you 390 | received it, or any part of it, contains a notice stating that it is 391 | governed by this License along with a term that is a further 392 | restriction, you may remove that term. If a license document contains 393 | a further restriction but permits relicensing or conveying under this 394 | License, you may add to a covered work material governed by the terms 395 | of that license document, provided that the further restriction does 396 | not survive such relicensing or conveying. 397 | 398 | If you add terms to a covered work in accord with this section, you 399 | must place, in the relevant source files, a statement of the 400 | additional terms that apply to those files, or a notice indicating 401 | where to find the applicable terms. 402 | 403 | Additional terms, permissive or non-permissive, may be stated in the 404 | form of a separately written license, or stated as exceptions; 405 | the above requirements apply either way. 406 | 407 | 8. Termination. 408 | 409 | You may not propagate or modify a covered work except as expressly 410 | provided under this License. Any attempt otherwise to propagate or 411 | modify it is void, and will automatically terminate your rights under 412 | this License (including any patent licenses granted under the third 413 | paragraph of section 11). 414 | 415 | However, if you cease all violation of this License, then your 416 | license from a particular copyright holder is reinstated (a) 417 | provisionally, unless and until the copyright holder explicitly and 418 | finally terminates your license, and (b) permanently, if the copyright 419 | holder fails to notify you of the violation by some reasonable means 420 | prior to 60 days after the cessation. 421 | 422 | Moreover, your license from a particular copyright holder is 423 | reinstated permanently if the copyright holder notifies you of the 424 | violation by some reasonable means, this is the first time you have 425 | received notice of violation of this License (for any work) from that 426 | copyright holder, and you cure the violation prior to 30 days after 427 | your receipt of the notice. 428 | 429 | Termination of your rights under this section does not terminate the 430 | licenses of parties who have received copies or rights from you under 431 | this License. If your rights have been terminated and not permanently 432 | reinstated, you do not qualify to receive new licenses for the same 433 | material under section 10. 434 | 435 | 9. Acceptance Not Required for Having Copies. 436 | 437 | You are not required to accept this License in order to receive or 438 | run a copy of the Program. Ancillary propagation of a covered work 439 | occurring solely as a consequence of using peer-to-peer transmission 440 | to receive a copy likewise does not require acceptance. However, 441 | nothing other than this License grants you permission to propagate or 442 | modify any covered work. These actions infringe copyright if you do 443 | not accept this License. Therefore, by modifying or propagating a 444 | covered work, you indicate your acceptance of this License to do so. 445 | 446 | 10. Automatic Licensing of Downstream Recipients. 447 | 448 | Each time you convey a covered work, the recipient automatically 449 | receives a license from the original licensors, to run, modify and 450 | propagate that work, subject to this License. You are not responsible 451 | for enforcing compliance by third parties with this License. 452 | 453 | An "entity transaction" is a transaction transferring control of an 454 | organization, or substantially all assets of one, or subdividing an 455 | organization, or merging organizations. If propagation of a covered 456 | work results from an entity transaction, each party to that 457 | transaction who receives a copy of the work also receives whatever 458 | licenses to the work the party's predecessor in interest had or could 459 | give under the previous paragraph, plus a right to possession of the 460 | Corresponding Source of the work from the predecessor in interest, if 461 | the predecessor has it or can get it with reasonable efforts. 462 | 463 | You may not impose any further restrictions on the exercise of the 464 | rights granted or affirmed under this License. For example, you may 465 | not impose a license fee, royalty, or other charge for exercise of 466 | rights granted under this License, and you may not initiate litigation 467 | (including a cross-claim or counterclaim in a lawsuit) alleging that 468 | any patent claim is infringed by making, using, selling, offering for 469 | sale, or importing the Program or any portion of it. 470 | 471 | 11. Patents. 472 | 473 | A "contributor" is a copyright holder who authorizes use under this 474 | License of the Program or a work on which the Program is based. The 475 | work thus licensed is called the contributor's "contributor version". 476 | 477 | A contributor's "essential patent claims" are all patent claims 478 | owned or controlled by the contributor, whether already acquired or 479 | hereafter acquired, that would be infringed by some manner, permitted 480 | by this License, of making, using, or selling its contributor version, 481 | but do not include claims that would be infringed only as a 482 | consequence of further modification of the contributor version. For 483 | purposes of this definition, "control" includes the right to grant 484 | patent sublicenses in a manner consistent with the requirements of 485 | this License. 486 | 487 | Each contributor grants you a non-exclusive, worldwide, royalty-free 488 | patent license under the contributor's essential patent claims, to 489 | make, use, sell, offer for sale, import and otherwise run, modify and 490 | propagate the contents of its contributor version. 491 | 492 | In the following three paragraphs, a "patent license" is any express 493 | agreement or commitment, however denominated, not to enforce a patent 494 | (such as an express permission to practice a patent or covenant not to 495 | sue for patent infringement). To "grant" such a patent license to a 496 | party means to make such an agreement or commitment not to enforce a 497 | patent against the party. 498 | 499 | If you convey a covered work, knowingly relying on a patent license, 500 | and the Corresponding Source of the work is not available for anyone 501 | to copy, free of charge and under the terms of this License, through a 502 | publicly available network server or other readily accessible means, 503 | then you must either (1) cause the Corresponding Source to be so 504 | available, or (2) arrange to deprive yourself of the benefit of the 505 | patent license for this particular work, or (3) arrange, in a manner 506 | consistent with the requirements of this License, to extend the patent 507 | license to downstream recipients. "Knowingly relying" means you have 508 | actual knowledge that, but for the patent license, your conveying the 509 | covered work in a country, or your recipient's use of the covered work 510 | in a country, would infringe one or more identifiable patents in that 511 | country that you have reason to believe are valid. 512 | 513 | If, pursuant to or in connection with a single transaction or 514 | arrangement, you convey, or propagate by procuring conveyance of, a 515 | covered work, and grant a patent license to some of the parties 516 | receiving the covered work authorizing them to use, propagate, modify 517 | or convey a specific copy of the covered work, then the patent license 518 | you grant is automatically extended to all recipients of the covered 519 | work and works based on it. 520 | 521 | A patent license is "discriminatory" if it does not include within 522 | the scope of its coverage, prohibits the exercise of, or is 523 | conditioned on the non-exercise of one or more of the rights that are 524 | specifically granted under this License. You may not convey a covered 525 | work if you are a party to an arrangement with a third party that is 526 | in the business of distributing software, under which you make payment 527 | to the third party based on the extent of your activity of conveying 528 | the work, and under which the third party grants, to any of the 529 | parties who would receive the covered work from you, a discriminatory 530 | patent license (a) in connection with copies of the covered work 531 | conveyed by you (or copies made from those copies), or (b) primarily 532 | for and in connection with specific products or compilations that 533 | contain the covered work, unless you entered into that arrangement, 534 | or that patent license was granted, prior to 28 March 2007. 535 | 536 | Nothing in this License shall be construed as excluding or limiting 537 | any implied license or other defenses to infringement that may 538 | otherwise be available to you under applicable patent law. 539 | 540 | 12. No Surrender of Others' Freedom. 541 | 542 | If conditions are imposed on you (whether by court order, agreement or 543 | otherwise) that contradict the conditions of this License, they do not 544 | excuse you from the conditions of this License. If you cannot convey a 545 | covered work so as to satisfy simultaneously your obligations under this 546 | License and any other pertinent obligations, then as a consequence you may 547 | not convey it at all. For example, if you agree to terms that obligate you 548 | to collect a royalty for further conveying from those to whom you convey 549 | the Program, the only way you could satisfy both those terms and this 550 | License would be to refrain entirely from conveying the Program. 551 | 552 | 13. Use with the GNU Affero General Public License. 553 | 554 | Notwithstanding any other provision of this License, you have 555 | permission to link or combine any covered work with a work licensed 556 | under version 3 of the GNU Affero General Public License into a single 557 | combined work, and to convey the resulting work. The terms of this 558 | License will continue to apply to the part which is the covered work, 559 | but the special requirements of the GNU Affero General Public License, 560 | section 13, concerning interaction through a network will apply to the 561 | combination as such. 562 | 563 | 14. Revised Versions of this License. 564 | 565 | The Free Software Foundation may publish revised and/or new versions of 566 | the GNU General Public License from time to time. Such new versions will 567 | be similar in spirit to the present version, but may differ in detail to 568 | address new problems or concerns. 569 | 570 | Each version is given a distinguishing version number. If the 571 | Program specifies that a certain numbered version of the GNU General 572 | Public License "or any later version" applies to it, you have the 573 | option of following the terms and conditions either of that numbered 574 | version or of any later version published by the Free Software 575 | Foundation. If the Program does not specify a version number of the 576 | GNU General Public License, you may choose any version ever published 577 | by the Free Software Foundation. 578 | 579 | If the Program specifies that a proxy can decide which future 580 | versions of the GNU General Public License can be used, that proxy's 581 | public statement of acceptance of a version permanently authorizes you 582 | to choose that version for the Program. 583 | 584 | Later license versions may give you additional or different 585 | permissions. However, no additional obligations are imposed on any 586 | author or copyright holder as a result of your choosing to follow a 587 | later version. 588 | 589 | 15. Disclaimer of Warranty. 590 | 591 | THERE IS NO WARRANTY FOR THE PROGRAM, TO THE EXTENT PERMITTED BY 592 | APPLICABLE LAW. EXCEPT WHEN OTHERWISE STATED IN WRITING THE COPYRIGHT 593 | HOLDERS AND/OR OTHER PARTIES PROVIDE THE PROGRAM "AS IS" WITHOUT WARRANTY 594 | OF ANY KIND, EITHER EXPRESSED OR IMPLIED, INCLUDING, BUT NOT LIMITED TO, 595 | THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR 596 | PURPOSE. THE ENTIRE RISK AS TO THE QUALITY AND PERFORMANCE OF THE PROGRAM 597 | IS WITH YOU. SHOULD THE PROGRAM PROVE DEFECTIVE, YOU ASSUME THE COST OF 598 | ALL NECESSARY SERVICING, REPAIR OR CORRECTION. 599 | 600 | 16. Limitation of Liability. 601 | 602 | IN NO EVENT UNLESS REQUIRED BY APPLICABLE LAW OR AGREED TO IN WRITING 603 | WILL ANY COPYRIGHT HOLDER, OR ANY OTHER PARTY WHO MODIFIES AND/OR CONVEYS 604 | THE PROGRAM AS PERMITTED ABOVE, BE LIABLE TO YOU FOR DAMAGES, INCLUDING ANY 605 | GENERAL, SPECIAL, INCIDENTAL OR CONSEQUENTIAL DAMAGES ARISING OUT OF THE 606 | USE OR INABILITY TO USE THE PROGRAM (INCLUDING BUT NOT LIMITED TO LOSS OF 607 | DATA OR DATA BEING RENDERED INACCURATE OR LOSSES SUSTAINED BY YOU OR THIRD 608 | PARTIES OR A FAILURE OF THE PROGRAM TO OPERATE WITH ANY OTHER PROGRAMS), 609 | EVEN IF SUCH HOLDER OR OTHER PARTY HAS BEEN ADVISED OF THE POSSIBILITY OF 610 | SUCH DAMAGES. 611 | 612 | 17. Interpretation of Sections 15 and 16. 613 | 614 | If the disclaimer of warranty and limitation of liability provided 615 | above cannot be given local legal effect according to their terms, 616 | reviewing courts shall apply local law that most closely approximates 617 | an absolute waiver of all civil liability in connection with the 618 | Program, unless a warranty or assumption of liability accompanies a 619 | copy of the Program in return for a fee. 620 | 621 | END OF TERMS AND CONDITIONS 622 | 623 | How to Apply These Terms to Your New Programs 624 | 625 | If you develop a new program, and you want it to be of the greatest 626 | possible use to the public, the best way to achieve this is to make it 627 | free software which everyone can redistribute and change under these terms. 628 | 629 | To do so, attach the following notices to the program. It is safest 630 | to attach them to the start of each source file to most effectively 631 | state the exclusion of warranty; and each file should have at least 632 | the "copyright" line and a pointer to where the full notice is found. 633 | 634 | 635 | Copyright (C) 636 | 637 | This program is free software: you can redistribute it and/or modify 638 | it under the terms of the GNU General Public License as published by 639 | the Free Software Foundation, either version 3 of the License, or 640 | (at your option) any later version. 641 | 642 | This program is distributed in the hope that it will be useful, 643 | but WITHOUT ANY WARRANTY; without even the implied warranty of 644 | MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the 645 | GNU General Public License for more details. 646 | 647 | You should have received a copy of the GNU General Public License 648 | along with this program. If not, see . 649 | 650 | Also add information on how to contact you by electronic and paper mail. 651 | 652 | If the program does terminal interaction, make it output a short 653 | notice like this when it starts in an interactive mode: 654 | 655 | Copyright (C) 656 | This program comes with ABSOLUTELY NO WARRANTY; for details type `show w'. 657 | This is free software, and you are welcome to redistribute it 658 | under certain conditions; type `show c' for details. 659 | 660 | The hypothetical commands `show w' and `show c' should show the appropriate 661 | parts of the General Public License. Of course, your program's commands 662 | might be different; for a GUI interface, you would use an "about box". 663 | 664 | You should also get your employer (if you work as a programmer) or school, 665 | if any, to sign a "copyright disclaimer" for the program, if necessary. 666 | For more information on this, and how to apply and follow the GNU GPL, see 667 | . 668 | 669 | The GNU General Public License does not permit incorporating your program 670 | into proprietary programs. If your program is a subroutine library, you 671 | may consider it more useful to permit linking proprietary applications with 672 | the library. If this is what you want to do, use the GNU Lesser General 673 | Public License instead of this License. But first, please read 674 | . 675 | -------------------------------------------------------------------------------- /MANIFEST.in: -------------------------------------------------------------------------------- 1 | include README.md 2 | include LICENSE 3 | -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | # TextScope 📖🔍 2 | 3 | ![PyPI - Downloads](https://img.shields.io/pypi/dm/textscope) 4 | 5 | *TextScope* is a Python package that helps determine the relevance of a text to predefined profiles of interest and aligns it with specific subthemes. The package is designed to be flexible and configurable via a `config.yaml` file. Features: 6 | 7 | - Multilingual support 🗣️ 8 | - Powered by Transformers techonology 🤖 9 | - Easily customizable for other profiles of interest ⚙️🔧 10 | 11 | ## Installation 12 | 13 | You can install *TextScope* using pip (🐍): 14 | 15 | ```bash 16 | pip install textscope 17 | ``` 18 | 19 | ## Configuration 20 | 21 | ### Default Configuration 22 | By default, *TextScope* looks for a configuration file included in the package. You can create your own configuration file if you need to customize the profiles and subthemes. The default *config.yaml* included with the package provides the following profiles: 23 | 24 | - **gambling** 🎲 in Spanish. Subthemes are DSM-V questionnaire items. 25 | - **mental_health** 🧠 in English. Subthemes are BDI-II questionnaire items. 26 | - **climat** 🌦️ in French. Subthemes related to climate change phenomena. 27 | 28 | You can find more info in the `textscope/data/config.yaml` file. 29 | 30 | ### Custom Configuration 31 | 32 | If you want to use a custom configuration file, you can specify the file path in your code: 33 | 34 | ```python 35 | from textscope.config_loader import load_config 36 | 37 | # Load custom configuration 38 | load_config('path/to/custom_config.yaml') 39 | ``` 40 | Example of custom `config.yaml`: 41 | 42 | ```yaml 43 | PROFILES: 44 | ai: ['technology', 'AI', 'machine learning', 'software'] 45 | 46 | SUBTHEMES: 47 | ai: ['Natural Language Processing', 'Transfomer-based architecture', 'Computer Vision and multimodality'] 48 | ``` 49 | 50 | ## Relevance Analysis 51 | 52 | To determine if a text is relevant to any of the predefined *profiles*. One possible application of this method would be to filter out texts that are not highly relevant to the topic. Future versions of the *TextScope* will include a *filter_corpus* method that will remove the out-of-scope texts from a corpus (currently *under development*). 53 | 54 | ### Default Configuration 55 | 56 | ```python 57 | from textscope.relevance_analyzer import RelevanceAnalyzer 58 | 59 | text = "La adicción al juego es una enfermedad, pero es la única enfermedad que te puede hacer rico. La artritis no te va a hacer ganar un centavo" 60 | profile = 'gambling' 61 | 62 | analyzer = RelevanceAnalyzer() 63 | rel_score = analyzer.analyze(text, profile) 64 | print(rel_score) ## it will return a high score of relevance for the profile (> 86.) 65 | ``` 66 | 67 | ### Custom Configuration 68 | 69 | ```python 70 | from textscope.config_loader import load_config 71 | from textscope.relevance_analyzer import RelevanceAnalyzer 72 | 73 | load_config('path/to/custom_config.yaml') 74 | 75 | # Realizar un análisis de relevancia 76 | text = "Transformers based architecture is the sota in NLP." 77 | profile = 'ai' 78 | 79 | relevance_analyzer = RelevanceAnalyzer() 80 | is_relevant = relevance_analyzer.analyze(text, profile) 81 | print(rel_score) ## it will return a high score of relevance for the profile (> 86.) 82 | ``` 83 | 84 | ## Subtheme Analysis 85 | 86 | This class allows to test whether a text discuss or not the subthemes defined in the profile. 87 | 88 | ### Default Configuration 89 | 90 | ```python 91 | from textscope.subtheme_analyzer import SubthemeAnalyzer 92 | 93 | text = 'Perdía el raciocinio apostando cantidades cada vez mayores para sentir estímulos más intensos. He mentido a mi familia.' 94 | profile = 'gambling' 95 | 96 | analyzer = SubthemeAnalyzer() 97 | subth_pres = analyzer.analyze_bin(text, profile) # default threshold set to 86. 98 | print(subth_pres) # For this sentence and subthemes it should output [0, 1, 0, 0, 0, 1, 0, 0, 0] 99 | ``` 100 | 101 | ### Custom Configuration 102 | 103 | ```python 104 | from textscope.config_loader import load_config 105 | from textscope.subtheme_analyzer import SubthemeAnalyzer 106 | 107 | load_config('path/to/custom_config.yaml') 108 | text = "Transformer-based architecture is the state-of-the-art in NLP." 109 | profile = 'ai' 110 | 111 | analyzer = SubthemeAnalyzer() 112 | subth_pres = analyzer.analyze_bin(text, profile) # default threshold set to 86. 113 | print(subth_pres) # For this sentence and subthemes it should output [1,1,0] 114 | ``` 115 | If we do not want a binary output, we also provide a method that outputs the similarity: 116 | 117 | ```python 118 | from textscope.subtheme_analyzer import SubthemeAnalyzer 119 | 120 | text = 'Perdía el raciocinio apostando cantidades cada vez mayores para sentir estímulos más intensos. He mentido a mi familia.' 121 | profile = 'gambling' 122 | 123 | analyzer = SubthemeAnalyzer() 124 | subth_scoring = analyzer.analyze(text, profile) # default threshold set to 86. 125 | print(subth_scoring) # For this sentence and subthemes it should output [82.50125885009766, 87.5889663696289, 82.89108276367188, 81.27981567382812, 84.01229095458984, 86.728271484375, 82.63910675048828, 82.18984985351562, 82.15728759765625] 126 | ``` 127 | 128 | ## Testing 129 | 130 | To run tests for TextScope, use the following command: 131 | 132 | ```bash 133 | pytest -s tests/ 134 | ``` 135 | 136 | ## Collaborate 137 | 138 | This is an under development project, **PR** are welcome and feel free to contact me at `marcosfernandez.pichel@usc.es`. 139 | 140 | 141 | -------------------------------------------------------------------------------- /corpus_samples/ciber_test.py: -------------------------------------------------------------------------------- 1 | import json 2 | from textscope.relevance_analyzer import RelevanceAnalyzer 3 | from textscope.subtheme_analyzer import SubthemeAnalyzer 4 | 5 | rel = RelevanceAnalyzer() 6 | subtheme = SubthemeAnalyzer() 7 | 8 | with open('news_articles_ciber.jsonl', 'r') as file: 9 | data = file.readlines() 10 | print(len(data)) 11 | for line in data: 12 | dd = json.loads(line) 13 | news = dd['text'] 14 | score = rel.analyze(news, "cibersec") 15 | dd["score_rel"] = score 16 | puncts = subtheme.analyze_bin(news, "cibersec", thr=84.5) 17 | dd["subthemes"] = puncts 18 | with open('news_articles_ciber_scores.jsonl', 'a+') as f: 19 | f.write(json.dumps(dd)+'\n') 20 | 21 | with open('x_posts_ciber.jsonl', 'r') as file: 22 | data = file.readlines() 23 | for line in data: 24 | tweet = json.loads(line) 25 | text = tweet["full_text"] 26 | score = rel.analyze(text, "cibersec") 27 | tweet["score_rel"] = score 28 | puncts = subtheme.analyze(text, "cibersec") 29 | tweet["subthemes"] = puncts 30 | with open('x_posts_ciber_scores.jsonl', 'a+') as f: 31 | f.write(json.dumps(tweet)+'\n') -------------------------------------------------------------------------------- /corpus_samples/dd_test.py: -------------------------------------------------------------------------------- 1 | import json 2 | from textscope.relevance_analyzer import RelevanceAnalyzer 3 | from textscope.subtheme_analyzer import SubthemeAnalyzer 4 | 5 | rel = RelevanceAnalyzer() 6 | subtheme = SubthemeAnalyzer() 7 | 8 | with open('news_articles.jsonl', 'r') as file: 9 | data = file.readlines() 10 | print(len(data)) 11 | for line in data: 12 | dd = json.loads(line) 13 | news = dd['text'] 14 | score = rel.analyze(news, "digital_rights") 15 | dd["score_rel"] = score 16 | puncts = subtheme.analyze_bin(news, "digital_rights") 17 | dd["subthemes"] = puncts 18 | print(f'{news} - SCORE: {puncts}') 19 | with open('news_articles_scores.jsonl', 'a+') as f: 20 | f.write(json.dumps(dd)+'\n') 21 | 22 | with open('x_posts.jsonl', 'r') as file: 23 | data = file.readlines() 24 | for line in data: 25 | tweet = json.loads(line) 26 | text = tweet["full_text"] 27 | score = rel.analyze(text, "digital_rights") 28 | tweet["score_rel"] = score 29 | puncts = subtheme.analyze_bin(text, "digital_rights") 30 | tweet["subthemes"] = puncts 31 | print(f'{text} - SCORE: {puncts}') 32 | with open('x_posts_scores.jsonl', 'a+') as f: 33 | f.write(json.dumps(tweet)+'\n') -------------------------------------------------------------------------------- /corpus_samples/output/news_articles_ciber_scores.jsonl: -------------------------------------------------------------------------------- 1 | {"url": "https://www.santander.com/es/stories/el-futuro-de-la-seguridad-de-los-datos-del-cliente-criptografia-post-cuantica", "text": "M\u00e1s de 3 mil millones de personas utilizar\u00e1n la banca online este a\u00f1o con la tranquilidad de que la criptograf\u00eda, algoritmos altamente complejos que encriptan los datos, mantendr\u00e1 segura su informaci\u00f3n personal y financiera. Sin embargo, los est\u00e1ndares de encriptaci\u00f3n actuales podr\u00edan volverse obsoletos pronto. Santander est\u00e1 entre los l\u00edderes de un empuje global para elevar la seguridad online a un nuevo nivel de sofisticaci\u00f3n.\n\nLa llegada de los ordenadores cu\u00e1nticos, con su capacidad para resolver problemas demasiado complejos para los tradicionales usados hoy, podr\u00eda resultar en sistemas lo suficientemente potentes como para derrotar a la generaci\u00f3n actual de algoritmos criptogr\u00e1ficos. La tecnolog\u00eda a\u00fan est\u00e1 en sus comienzos, pero hay una necesidad de anticipar la llegada de un nuevo mundo.\n\nSantander est\u00e1 a la vanguardia de los esfuerzos internacionales para responder a este desaf\u00edo criptogr\u00e1fico y ha establecido un Grupo de Amenazas Cu\u00e1nticas, llamado Quantum Threat Group (QTG), para desarrollar nuevas formas de contrarrestar los desaf\u00edos y proteger sus sistemas y los datos de sus clientes.\n\n\u00bfQu\u00e9 es la criptograf\u00eda?\n\nLa criptograf\u00eda es el guardi\u00e1n de la experiencia online de cada usuario de Internet y banca digital. Sus algoritmos aseguran que toda la informaci\u00f3n digital \u2013 cada transacci\u00f3n bancaria realizada, cada mensaje enviado o cada compra realizada \u2013 se mantenga segura y no se pueda acceder, interceptar o manipular de forma no autorizada.\n\nSin embargo, los datos sensibles que la criptograf\u00eda puede proteger hoy podr\u00edan volverse vulnerables en el futuro frente a la potencia de procesamiento que estar\u00e1 disponible para los ordenadores cu\u00e1nticos. Desarrollar nuevas protecciones para todos los aspectos del mundo digital es clave y no puede retrasarse. As\u00ed, la criptograf\u00eda post-cu\u00e1ntica traer\u00e1 sistemas seguros tanto para los ordenadores cu\u00e1nticos como para los cl\u00e1sicos.\n\nCambiar algoritmos criptogr\u00e1ficos es una tarea compleja que puede llevar varias d\u00e9cadas. Es por eso por lo que los gobiernos y los reguladores ya est\u00e1n estableciendo plazos para asegurar la transici\u00f3n a la criptograf\u00eda post-cu\u00e1ntica.\n\nSantander est\u00e1 trabajando con distintas entidades para ayudar a dar forma a los est\u00e1ndares globales que contrarresten las amenazas y desarrollar nuevas medidas de seguridad que sean resistentes a los posibles futuros ataques de ordenadores cu\u00e1nticos, al mismo tiempo que aseguren la seguridad de los sistemas tradicionales.\n\nTrabajando con el Centro de Excelencia en Ciberseguridad de EE. UU.\n\nSantander est\u00e1 colaborando con el Centro Nacional de Excelencia en Ciberseguridad (NCCoE) del Instituto Nacional de Est\u00e1ndares y Tecnolog\u00eda (NIST, por sus siglas en ingl\u00e9s) de EE. UU. en el proyecto de Migraci\u00f3n a la Criptograf\u00eda Post-Cu\u00e1ntica.\n\nEl objetivo es concienciar sobre los problemas relacionados con la transici\u00f3n a la criptograf\u00eda post-cu\u00e1ntica y desarrollar mejores pr\u00e1cticas para facilitar a las organizaciones las tareas de migraci\u00f3n futuras.\n\n\u201cCon la llegada de la computaci\u00f3n cu\u00e1ntica y su potencial para comprometer muchos de los algoritmos criptogr\u00e1ficos actuales, es fundamental que las organizaciones comiencen a planificar los desaf\u00edos tecnol\u00f3gicos y operativos que presentar\u00e1 la migraci\u00f3n a la criptograf\u00eda post-cu\u00e1ntica\u201d, comenta William Newhouse, ingeniero de ciberseguridad y jefe de proyecto en el NIST NCCoE. \"Este proyecto tiene como objetivo ayudar a las organizaciones en ese esfuerzo\".\n\nLa participaci\u00f3n de Santander en esta iniciativa es un reconocimiento a su compromiso con la seguridad digital. \u201cNuestro Quantum Threat Group (QTG) est\u00e1 ayudando a definir herramientas de detecci\u00f3n y gu\u00edas de gesti\u00f3n de la criptograf\u00eda vulnerable frente a los ordenadores cu\u00e1nticos.\u201d, dice Daniel Cuthbert, responsable global de investigaci\u00f3n en ciberseguridad en Santander.\n\nSantander, GitHub y Microsoft, alianza enfocada en el futuro\n\nSantander tambi\u00e9n est\u00e1 trabajando con GitHub, una plataforma l\u00edder en desarrollo de software y seguridad, para abordar los desaf\u00edos presentados por el mundo de la criptograf\u00eda cu\u00e1ntica.\n\nDichas empresas, junto con Microsoft, han creado CodeQL, una poderosa herramienta dise\u00f1ada para ayudar a los desarrolladores a identificar vulnerabilidades que podr\u00edan ser explotadas por hackers.\n\nSantander ha sido fundamental en el desarrollo de una herramienta de inventariado de la criptograf\u00eda, llamada Cryptobom-Forge, que a partir de los an\u00e1lisis de GitHub CodeQL permite a los desarrolladores identificar y comprender los componentes criptogr\u00e1ficos de su c\u00f3digo. Esto les da una visi\u00f3n sin precedentes sobre su vulnerabilidad frente a ataques cu\u00e1nticos.\n\nSantander est\u00e1 involucrado en otras colaboraciones con el Foro Econ\u00f3mico Mundial y el cap\u00edtulo espa\u00f1ol del proyecto de Infraestructura de Comunicaciones Cu\u00e1nticas Europeas. Tambi\u00e9n es parte del proyecto Caramuel, un consorcio de empresas espa\u00f1olas liderado por Hispasat que tiene como objetivo proporcionar comunicaciones aseguradas mediante tecnolog\u00edas cu\u00e1nticas facilitadas por un sat\u00e9lite geoestacionario.\n\nSi bien la llegada de estos superordenadores de pr\u00f3xima generaci\u00f3n plantea un desaf\u00edo para la seguridad de las comunicaciones digitales, la estandarizaci\u00f3n de la nueva criptograf\u00eda post-cu\u00e1ntica permitir\u00e1 seguir protegiendo la informaci\u00f3n sensible.\n\nDe manera crucial, permitir\u00e1 a las personas continuar navegando por Internet de manera segura y ayudar\u00e1 a los bancos a proteger los datos personales e informaci\u00f3n financiera de sus clientes.", "title": "El futuro de la seguridad de los datos del cliente: criptograf\u00eda post", "source": "Santander", "author": "Santander", "timestamp": 1710748800, "score_rel": 81.8731689453125, "subthemes": [1, 1, 1, 1, 1, 1, 1, 1, 1]} 2 | {"url": "https://www.incibe.es/ciudadania/tematicas/cifrado", "text": "El cifrado es un proceso mediante el cual la informaci\u00f3n se convierte en un formato ilegible, que solo puede ser descifrado utilizando una clave de cifrado. Es una de las opciones m\u00e1s completas para proteger tu informaci\u00f3n frente a posibles riesgos cibern\u00e9ticos.\n\nEsta t\u00e9cnica ya se utilizaba antes de Internet, el ejemplo m\u00e1s destacado se dio en la antigua Roma, conocido como cifrado C\u00e9sar, el cual recibe su nombre de Julio C\u00e9sar y serv\u00eda para proteger sus comunicaciones. Consist\u00eda en desplazar cada letra del mensaje una cantidad de posiciones hacia delante en el alfabeto, siendo este n\u00famero clave para el descifrado.\n\nDentro del \u00e1mbito de la criptograf\u00eda, el acto de cifrar implica el uso de algoritmos matem\u00e1ticos, dichos algoritmos alteran el contenido de tal manera que solo ser\u00eda posible desencriptarlo conoci\u00e9ndolo. Parece una combinaci\u00f3n aparentemente sin l\u00f3gica de letras, n\u00fameros y s\u00edmbolos, no obstante, si conocieras el cifrado utilizado, podr\u00edas descifrar el contenido original.\n\nSe pueden cifrar una gran variedad de elementos en el \u00e1mbito digital para proteger la informaci\u00f3n sensible y garantizar la seguridad de los datos como, por ejemplo, los siguientes:\n\nArchivos\n\nSe pueden cifrar archivos individuales que pueden contener datos sensibles, como documentos con datos bancarios, informaci\u00f3n personal y contrase\u00f1as. Esto tambi\u00e9n nos facilitar\u00e1 que se puedan compartir de manera segura, ya que cifrar un archivo antes de enviarlo por correo electr\u00f3nico o compartirlo a trav\u00e9s de otros medios asegura que solo el destinatario autorizado pueda acceder a su contenido. Adem\u00e1s de prevenir el acceso no autorizado, ya que en caso de que alguien acceda a tu dispositivo, los archivos cifrados estar\u00e1n protegidos y no podr\u00e1n ser le\u00eddos sin la clave de cifrado.\n\nCarpetas y directorios\n\nPodemos cifrar estos para tener una mejor organizaci\u00f3n y gesti\u00f3n, esto es debido a que, al cifrar una carpeta entera, estar\u00edamos protegiendo muchos archivos al mismo tiempo, facilitando la organizaci\u00f3n de datos sensibles bajo una sola capa de cifrado.\n\nDispositivos\n\nEl cifrado en nuestros dispositivos asegura que la informaci\u00f3n almacenada est\u00e9 protegida contra accesos no autorizados, incluso si el dispositivo es perdido o robado. Esto es algo importante para la privacidad y la seguridad de los datos personales, y podemos hacerlo en los siguientes tipos de dispositivos.\n\nOrdenadores\n\nAl cifrar datos en un ordenador, se protege la informaci\u00f3n almacenada tanto en el disco duro como en otros dispositivos de almacenamiento, como unidades USB o discos externos los cuales est\u00e9n conectados a este. Esto garantiza que, en caso de p\u00e9rdida o robo del dispositivo, no se pueda acceder a los datos que contenga este.\n\nSmartphones y tablets\n\nEn los dispositivos m\u00f3viles, como smartphones y tabletas, el cifrado juega un papel crucial en la protecci\u00f3n de la informaci\u00f3n personal y confidencial. Cuando se cifra un dispositivo m\u00f3vil, se protege la informaci\u00f3n almacenada, como contactos, mensajes, fotos, v\u00eddeos y aplicaciones.\n\nUnidades de almacenamiento externas\n\nLos discos duros externos y las unidades USB pueden ser cifrados para garantizar la seguridad de los datos almacenados en ellos. Esto es especialmente \u00fatil cuando se llevan estos dispositivos fuera de casa o se comparten con otras personas.\n\nDispositivos de almacenamiento en la nube\n\nLos servicios de almacenamiento en la nube ofrecen opciones de cifrado para proteger los archivos y documentos que se guardan en ellos.\n\nEn dispositivos Android 14, el cifrado viene activado por defecto y se activa una vez bloqueado el mismo con un patr\u00f3n, clave o cualquier otro m\u00e9todo. La informaci\u00f3n se descifrar\u00e1 cuando se desbloquee el mismo.\n\nDe manera adicional, existe la opci\u00f3n de Requerir cifrado que se utiliza para cifrar todas las conexiones de tu dispositivo para que nadie pueda leer esa informaci\u00f3n que se transmite. Ten en cuenta que en caso de que actives esta opci\u00f3n, es posible que no puedas conectarte a la red en algunas ubicaciones.\n\nEsta funci\u00f3n de cifrado no influye en el caso de las redes inal\u00e1mbricas, las cuales dependen del cifrado de la propia red Wi-Fi.\n\nPara habilitar esta opci\u00f3n de cifrado en Android, sigue estos pasos:\n\nPaso 1: Accede a Ajustes en tu dispositivo Android.\n\nPaso 2: Busca la opci\u00f3n Redes e Internet.\n\nPaso 3: Selecciona SIMs y elige tu tarjeta SIM.\n\nPaso 4: Activa Requerir cifrado.\n\nEstas opciones pueden variar dependiendo del fabricante del dispositivo.\n\nM\u00e1s informaci\u00f3n | Requerir cifrado", "title": "Cifrado de la informaci\u00f3n", "source": "INCIBE", "author": "", "timestamp": 1738176890, "score_rel": 80.98602294921875, "subthemes": [1, 1, 1, 1, 1, 1, 1, 1, 1]} 3 | {"url": "https://unaaldia.hispasec.com/2024/12/django-emite-actualizacion-critica-por-vulnerabilidades-de-seguridad-en-diciembre-2024.html", "text": "El equipo de Django, uno de los frameworks de desarrollo web m\u00e1s utilizados a nivel global, lanz\u00f3 el 4 de diciembre de 2024 actualizaciones de seguridad cr\u00edticas para resolver dos vulnerabilidades detectadas en versiones recientes del framework. Estas vulnerabilidades podr\u00edan comprometer la seguridad de aplicaciones web al permitir ataques como la inyecci\u00f3n de SQL y la denegaci\u00f3n de servicio (DoS).\n\nVulnerabilidades Detectadas\n\nCVE-2024-53907: Denegaci\u00f3n de servicio en django.utils.html.strip_tags(). Esta vulnerabilidad afecta la funci\u00f3n strip_tags(), utilizada com\u00fanmente para eliminar etiquetas HTML de texto ingresado por los usuarios. Un atacante podr\u00eda explotar esta funci\u00f3n enviando datos especialmente dise\u00f1ados para desencadenar un bucle infinito o un consumo excesivo de recursos, provocando la ca\u00edda del sistema o una ralentizaci\u00f3n cr\u00edtica. Esto plantea un riesgo particular en aplicaciones que procesan grandes vol\u00famenes de datos o entradas de usuario en tiempo real.\n\nCVE-2024-53908: Inyecci\u00f3n SQL en HasKey(lhs, rhs) cuando se utiliza Oracle como base de datos. La segunda vulnerabilidad afecta el operador HasKey en consultas ORM, t\u00e9cnica que permite a los desarrolladores interactuar con bases de datos relacionales usando c\u00f3digo orientado a objetos en lugar de consultas SQL directas. Un atacante podr\u00eda explotar esta vulnerabilidad para inyectar c\u00f3digo SQL malicioso, obteniendo acceso no autorizado a datos sensibles o alterando la integridad de la base de datos. Dado que el ORM de Django abstrae las consultas SQL, esta vulnerabilidad es especialmente peligrosa porque podr\u00eda pasar desapercibida para los desarrolladores que conf\u00edan plenamente en la seguridad de esta capa.\n\nVersiones afectadas\n\nLas vulnerabilidades recientemente identificadas impactan las versiones m\u00e1s populares de Django, incluyendo tanto versiones de soporte extendido como lanzamientos recientes, est\u00e1n comprometidas:\n\nDjango 4.2\n\nDjango 5.0\n\nDjango 5.1\n\nPara mitigar estas vulnerabilidades, el equipo de Django ha desarrollado parches que solucionen los problemas. Se recomienda actualizar a las siguientes versiones inmediatamente:\n\nDjango 4.2.10\n\nDjango 5.0.3\n\nDjango 5.1.1\n\nLos desarrolladores deben tomar acci\u00f3n inmediata para proteger sus aplicaciones:\n\nActualizar Django: Instalar las versiones parcheadas (4.2.10, 5.0.3 o 5.1.1) seg\u00fan la rama utilizada.\n\nAuditar dependencias: Verificar que otras dependencias relacionadas con Django est\u00e9n actualizadas para evitar posibles conflictos.\n\nRevisar implementaciones: Analizar el uso de strip_tags() y consultas con el operador HasKey para identificar posibles exposiciones antes de la actualizaci\u00f3n.\n\nEs crucial que los desarrolladores revisen sus entornos de desarrollo y producci\u00f3n para determinar si utilizan alguna de estas versiones vulnerables. Actualizar a las versiones parcheadas no solo protege contra ataques, sino que tambi\u00e9n garantiza la estabilidad y funcionalidad de las aplicaciones que dependen de Django. Las actualizaciones pueden realizarse mediante herramientas est\u00e1ndar de administraci\u00f3n de dependencias como pip. Por ejemplo:\n\npip install --upgrade django\n\nProceso que asegura que las correcciones sean aplicadas de manera efectiva y reduce significativamente los riesgos de seguridad.\n\nEstas vulnerabilidades resaltan la importancia de mantener actualizados los entornos de desarrollo y realizar auditor\u00edas regulares del c\u00f3digo y las dependencias. Los desarrolladores que no tomen medidas podr\u00edan exponer sus aplicaciones a riesgos significativos, afectando no solo la seguridad de los datos, sino tambi\u00e9n la confianza de los usuarios.\n\nM\u00e1s informaci\u00f3n:\n\nCVE-2024-53907\n\nCVE-2024-53908\n\nDocumentaci\u00f3n: https://docs.djangoproject.com/en/dev/releases/security/\n\nDescripci\u00f3n completa de las vulnerabilidades: https://www.djangoproject.com/weblog/2024/dec/04/security-releases/", "title": "Django emite actualizaci\u00f3n cr\u00edtica por vulnerabilidades de seguridad en diciembre 2024", "source": "Una al D\u00eda", "author": "Mayela Mar\u00edn", "timestamp": 1733571411, "score_rel": 81.5212173461914, "subthemes": [1, 0, 0, 1, 1, 0, 0, 0, 0]} 4 | {"url": "https://www.incibe.es/incibe-cert/guias-y-estudios/guias/nuevas-normativas-de-2024-de-ciberseguridad-para-vehiculos", "text": "El objetivo de esta gu\u00eda es proporcionar informaci\u00f3n que ayude a entender la nueva regulaci\u00f3n emitida por el Foro mundial para la armonizaci\u00f3n de la reglamentaci\u00f3n sobr veh\u00edculos (WP.29), un cuerpo de la Comisi\u00f3n Econ\u00f3mica de las Naciones Unidas para Europa (UNECE), referida a la ciberseguridad en veh\u00edculos, as\u00ed como la presentaci\u00f3n de consejos que ayuden a su cumplimiento.\n\nEsta regulaci\u00f3n consiste en dos reglamentos, el R155 y R156, que estipulan los requisitos de ciberseguridad que los fabricantes deber\u00e1n cumplir para optar a la homologaci\u00f3n de veh\u00edculos que vayan a circular en los pa\u00edses de la Uni\u00f3n Europea, o pa\u00edses fuera de la UE que adopten dichos reglamentos. En concreto, la R155, concierne a los requisitos para la gesti\u00f3n de la ciberseguridad, mientras que la R156, estipula los requisitos para la gesti\u00f3n de actualizaciones de software.\n\nDurante la gu\u00eda, se introducen los requisitos descritos en ambos reglamentos, junto a las recomendaciones e indicaciones sobre c\u00f3mo cumplirlos correctamente y qu\u00e9 procedimientos internos de fabricantes y proveedores pueden verse afectados por las nuevas normativas.", "title": "Nuevas normativas de 2024 de ciberseguridad para veh\u00edculos", "source": "INCIBE", "author": "", "timestamp": 1738176926, "score_rel": 81.62326049804688, "subthemes": [0, 0, 0, 0, 0, 0, 0, 0, 0]} 5 | {"url": "https://www.aepd.es/prensa-y-comunicacion/notas-de-prensa/la-agencia-aprueba-un-nuevo-sistema-de-mediacion-para", "text": "(20 de noviembre de 2024). La Agencia Espa\u00f1ola de Protecci\u00f3n de Datos (AEPD), ha aprobado el \u2018C\u00f3digo de conducta para la regulaci\u00f3n de controversias de protecci\u00f3n de datos en el sector de las comunicaciones electr\u00f3nicas\u2019, promovido por las operadoras de telefon\u00eda de los grupos Orange, Telef\u00f3nica, Vodafone y M\u00e1sM\u00f3vil.\n\nEl c\u00f3digo de conducta regula un procedimiento de mediaci\u00f3n con el objetivo de que las dos partes, ciudadanos y entidades adheridas al c\u00f3digo, alcancen un acuerdo sin tener que recurrir, si as\u00ed lo decide el usuario, a un procedimiento administrativo o judicial para resolver su reclamaci\u00f3n.\n\nLos c\u00f3digos de conducta, cuya adhesi\u00f3n es voluntaria pero vinculante para las entidades adheridas, constituyen una muestra de autorregulaci\u00f3n que, en este caso, supone establecer un procedimiento gratuito para los ciudadanos para ofrecer una respuesta m\u00e1s \u00e1gil a las reclamaciones que puedan surgir frente a las entidades adheridas.\n\nEste c\u00f3digo de conducta entrar\u00e1 en vigor el pr\u00f3ximo 17 de diciembre y, a trav\u00e9s del procedimiento que regula, los ciudadanos podr\u00e1n plantear reclamaciones relacionadas con, entre otros casos, tratamientos de datos realizados sin base de legitimaci\u00f3n, ejercicios de derechos no atendidos, inserci\u00f3n indebida en sistemas de informaci\u00f3n crediticia o contrataci\u00f3n fraudulenta.\n\nEl RGPD establece que todos los c\u00f3digos de conducta deben designar un organismo de supervisi\u00f3n que act\u00fae con plena independencia tanto del promotor del c\u00f3digo como de las entidades adheridas, y que debe ser acreditado por la autoridad de control. En este caso, el organismo acreditado por la Agencia para la supervisi\u00f3n y control de este c\u00f3digo es el Jurado de la Publicidad, de la Asociaci\u00f3n para la Autorregulaci\u00f3n de la Comunicaci\u00f3n Comercial (AUTOCONTROL).\n\nAUTOCONTROL estudiar\u00e1 las reclamaciones que se reciban contra las entidades adheridas al C\u00f3digo, iniciando el procedimiento de mediaci\u00f3n. La duraci\u00f3n m\u00e1xima de este procedimiento ser\u00e1 de 30 d\u00edas.\n\nPor otro lado, cuando las reclamaciones en materia de comunicaciones electr\u00f3nicas contra las entidades adheridas se planteen directamente ante la Agencia, \u00e9sta podr\u00e1 trasladarlas al sistema de mediaci\u00f3n del c\u00f3digo. Su duraci\u00f3n m\u00e1xima en este caso ser\u00e1 de 27 d\u00edas, informando a la Agencia del acuerdo que se adopte.", "title": "La Agencia aprueba un nuevo sistema de mediaci\u00f3n para agilizar las reclamaciones de protecci\u00f3n de datos en materia de comunicaciones electr\u00f3nicas", "source": "Agencia Espa\u00f1ola de Protecci\u00f3n de Datos", "author": "", "timestamp": 1732093322, "score_rel": 80.01219177246094, "subthemes": [0, 0, 0, 0, 0, 0, 0, 0, 0]} 6 | {"url": "https://www.elladodelmal.com/2024/10/infraestructuras-criticas-y-sistemas.html", "text": "Figura 5: Perfil de 0xWord en MyPublicInbox. Opci\u00f3n de \"A\u00f1adir a la Agenda\".\n\nhttps://MyPublicInbox.com/0xWord", "title": "Un inform\u00e1tico en el lado del mal: Infraestructuras cr\u00edticas y sistemas industriales: Auditorias de seguridad y fortificaci\u00f3n (2\u00aa Edici\u00f3n)", "source": "Un inform\u00e1tico en el lado del mal", "author": "", "timestamp": 1738176961, "score_rel": 81.28843688964844, "subthemes": [0, 0, 0, 0, 1, 0, 0, 0, 0]} 7 | {"url": "https://www.avpasion.com/badbox-regresa-mas-fuerte-smart-tv-peligro/", "text": "\u00bfTienes una Smart TV con Android en casa? Entonces presta atenci\u00f3n, porque una nueva variante del malware Badbox ha vuelto para darnos dolores de cabeza. Este virus, que ya era conocido por infectar dispositivos Android, ahora ha dado un paso m\u00e1s y est\u00e1 apuntando a Smart TVs basadas en Android (AOSP). Pero, \u00bfqu\u00e9 significa esto y c\u00f3mo afecta a los usuarios? Aqu\u00ed te contamos todo lo que necesitas saber.\n\nEl malware Badbox no es nuevo. El a\u00f1o pasado, m\u00e1s de 20 millones de dispositivos Android fueron infectados con esta amenaza. Hablamos de Android TV Box, smartphones y hasta sistemas de entretenimiento para coches. Incluso, en Alemania se encontraron 30.000 dispositivos con este malware preinstalado, lo que llev\u00f3 al gobierno a intervenir para intentar contenerlo.\n\nAunque se logr\u00f3 desmantelar gran parte de su red, la situaci\u00f3n es como un juego del gato y el rat\u00f3n: una nueva variante de Badbox ha sido descubierta, y esta vez llega con m\u00e1s fuerza y versatilidad, seg\u00fan investigadores de seguridad de Bitsight.\n\nPedro Fal\u00e9, experto en amenazas en Bitsight, lo explica claramente:\n\n\u201cSe presum\u00eda que este botnet estaba muerto, pero no solo sigue activo, sino que parece ser m\u00e1s grande y m\u00e1s vers\u00e1til de lo que se anticipaba.\u201d\n\nAhora tambi\u00e9n afecta a Smart TVs\n\nLo m\u00e1s preocupante de esta nueva variante es que no se limita a dispositivos m\u00f3viles o cajas Android TV baratas, como anteriormente. Esta vez, Badbox apunta tambi\u00e9n a Smart TVs con Android basado en AOSP (Android Open Source Project).\n\nY aqu\u00ed viene lo m\u00e1s chocante: seg\u00fan Bitsight, esta es la primera vez que se detecta a una gran marca de televisores inteligentes comunic\u00e1ndose directamente con dominios de control de Badbox. Pedro Fal\u00e9 lo detalla:\n\n\u201cLos modelos afectados, que van del YNDX-00091 al YNDX-000102, son televisores 4K de una marca conocida. Esto ampl\u00eda el alcance de los dispositivos afectados m\u00e1s all\u00e1 de las cajas Android TV, tabletas y smartphones.\u201d\n\nLos pa\u00edses m\u00e1s afectados por este ataque incluyen Rusia, China, India, Brasil, Ucrania y Bielorrusia. Sin embargo, esto no significa que en Espa\u00f1a estemos libres de este tipo de amenazas. Los dispositivos con Android AOSP tambi\u00e9n est\u00e1n presentes en nuestro pa\u00eds, y aunque el impacto puede ser menor por ahora, el malware Badbox tiene el potencial de expandirse r\u00e1pidamente.\n\n\u00bfQu\u00e9 hace exactamente Badbox?\n\nLa nueva variante de Badbox es especialmente peligrosa porque aprovecha los dispositivos infectados de formas muy da\u00f1inas. Convierte los equipos en proxies residenciales, us\u00e1ndolos como puntos de salida para otros ataques. Esto significa que tu dispositivo puede ser utilizado para actividades maliciosas sin que lo notes. Adem\u00e1s, el malware permite la instalaci\u00f3n remota de c\u00f3digo malicioso. Imagina que tu televisor o dispositivo empieza a descargar y ejecutar programas sin tu permiso, lo que puede derivar en problemas mucho m\u00e1s graves.\n\nPor si fuera poco, Badbox tambi\u00e9n realiza fraudes publicitarios y abusos de cuentas, lo que podr\u00eda comprometer tus datos personales. La parte m\u00e1s alarmante es que todo esto ocurre sin que el usuario sea consciente. Es como si tu Smart TV tuviera una puerta trasera abierta para que cualquier atacante pueda usarla cuando quiera.\n\nFrente a esta amenaza, Google ha dejado claro que los dispositivos afectados no cuentan con la certificaci\u00f3n Play Protect. Esto significa que estos dispositivos no han pasado por las pruebas de seguridad y compatibilidad que Google exige para los productos oficiales con Android TV.\n\nUn portavoz de Google coment\u00f3:\n\n\u201cEstos dispositivos no certificados no tienen registro de pruebas de seguridad y calidad. Play Protect realiza pruebas exhaustivas para garantizar la seguridad de los usuarios. Para verificar si tu dispositivo est\u00e1 certificado, puedes visitar nuestro sitio web de Android TV o seguir unos pasos sencillos en tu dispositivo.\u201d\n\nC\u00f3mo protegerte frente a Badbox\n\nPara evitar ser v\u00edctima de este malware, lo primero es verificar si tu dispositivo est\u00e1 certificado por Google. Esto se puede hacer desde el men\u00fa de configuraci\u00f3n de tu Smart TV o Android TV Box. Si tu dispositivo no aparece como Play Protect certificado, es mejor considerar otras alternativas m\u00e1s seguras.\n\nAdem\u00e1s, es crucial no instalar aplicaciones de fuentes desconocidas. Aunque a veces pueda parecer tentador descargar apps fuera de la tienda oficial de Google Play, esta pr\u00e1ctica aumenta el riesgo de infectarte con malware.\n\nOtro aspecto fundamental es mantener siempre actualizado tu dispositivo. Las actualizaciones de software no solo incluyen mejoras en el rendimiento, sino tambi\u00e9n parches de seguridad que pueden protegerte de amenazas como Badbox.\n\nPor \u00faltimo, desconf\u00eda de los dispositivos demasiado baratos o de marcas poco conocidas. Estas opciones suelen ser las m\u00e1s vulnerables a venir con malware preinstalado o con menos medidas de seguridad.\n\nEl malware Badbox es un recordatorio de que, en el mundo digital, la seguridad nunca est\u00e1 garantizada. Si tienes una Smart TV o cualquier otro dispositivo Android, revisa su estado de certificaci\u00f3n y mantente alerta. Aunque los dispositivos infectados no son los oficiales con Android TV de Google, eso no significa que est\u00e9s libre de riesgo.", "title": "El malware Badbox se extiende a los televisores con Android TV y Google TV", "source": "AVPasi\u00f3n", "author": "Ruben Teruel", "timestamp": 1735809784, "score_rel": 79.73927307128906, "subthemes": [1, 0, 0, 0, 1, 0, 1, 0, 0]} 8 | {"url": "https://www.ciberseguridadpyme.es/actualidad/pruebas-de-resiliencia-cibernetica-simulacion-de-ataques-ciberneticos-del-mundo-real/", "text": "La creciente complejidad y magnitud de\u2064 las\u200d ciberamenazas en la era\u2064 digital actual exigen medidas urgentes para probar y reforzar las defensas de seguridad existentes. Una de esas medidas \u200ces la prueba de resiliencia \u2063cibern\u00e9tica, que simula ataques cibern\u00e9ticos del mundo real \u200cpara medir la eficiencia, eficacia y resiliencia de sus\u200b sistemas de\u200c seguridad.\n\n\u00bfQu\u00e9 es la ciberresiliencia?\n\nLa resiliencia cibern\u00e9tica se refiere a la capacidad de una\u2064 organizaci\u00f3n para\u200c prepararse, responder y recuperarse de los ciberataques. Abarca \u2062una combinaci\u00f3n de tecnolog\u00edas, procesos y controles dise\u00f1ados para proteger los\u200b sistemas de TI contra da\u00f1os, interrupciones o uso\u200d indebido. El objetivo principal es garantizar que las operaciones comerciales cr\u00edticas\u2062 sigan funcionando y se \u2063restablezcan r\u00e1pidamente incluso \u200bcuando est\u00e9n bajo ataque.\n\n\u00bfQu\u00e9 son las pruebas de \u200cresiliencia cibern\u00e9tica?\n\nLas \u2063pruebas\u200d de ciberresiliencia implican realizar \u2064ciberataques premeditados y controlados a sus sistemas para evaluar su robustez, \u2062identificar vulnerabilidades y probar los planes \u200dde \u2064respuesta\u2063 y recuperaci\u00f3n. Estas simulaciones pirateadas\u2062 conocidas como \u00abpruebas\u200d de penetraci\u00f3n\u00bb o \u00abpirater\u00eda \u00e9tica\u00bb reflejan amenazas cibern\u00e9ticas\u2062 de la vida real para ayudar a \u2063las empresas a prepararse para ataques genuinos.\n\n\u00bfPor qu\u00e9 son importantes las pruebas de resiliencia cibern\u00e9tica?\n\nA pesar de los rigurosos esfuerzos para implementar firewalls y\u200d antimalware, ning\u00fan sistema es\u200b completamente inmune a los ataques. Frente a amenazas cibern\u00e9ticas sofisticadas, las organizaciones deben\u200d cultivar una estrategia proactiva.\u2063 Las pruebas de resiliencia\u2064 cibern\u00e9tica ayudan a lograrlo al\u2062 identificar las debilidades antes de que se produzcan ataques reales.\n\nLa identificaci\u00f3n preventiva de\u2062 vulnerabilidades brinda a las organizaciones la ventaja de resolverlas y\u2063 reforzar las medidas de seguridad \u2063antes de \u2062que ocurra un \u200dataque real. Al comprender la\u2063 respuesta \u2063de sus sistemas a un ataque simulado, pueden optimizar sus medidas de detecci\u00f3n,\u2063 manejo y recuperaci\u00f3n para reducir el tiempo de\u200c inactividad y los da\u00f1os potenciales.\n\nAdem\u00e1s, las pruebas de resiliencia cibern\u00e9tica generan confianza entre las partes interesadas, asegur\u00e1ndoles que los\u200b sistemas de\u200c TI\u2062 de \u2063la empresa pueden \u200bresistir y recuperarse de los ataques\u200c cibern\u00e9ticos.\n\nSimulaci\u00f3n de ciberataques del \u2062mundo real\n\nLos ciberataques no son te\u00f3ricos; son una amenaza\u2063 constante, real y en evoluci\u00f3n. Por lo tanto, las pruebas de resiliencia \u2062cibern\u00e9tica deben simular con precisi\u00f3n escenarios de\u2062 ataques del mundo real. Los \u200bexpertos en seguridad emplean varias estrategias para \u2064imitar\u200b estos ataques, a\u200c menudo utilizando \u2062las mismas herramientas y t\u00e9cnicas que utilizan los ciberdelincuentes.\n\nEstos escenarios son tan diversos como\u2064 las propias \u200camenazas\u200c cibern\u00e9ticas: desde \u200dataques comunes como phishing, ataques DDoS y malware hasta amenazas\u2064 persistentes\u2064 avanzadas (APT). El resultado\u2062 es una prueba de\u2064 estr\u00e9s integral de las defensas del sistema y su capacidad para\u2064 responder y recuperarse.\n\nElementos de una prueba eficaz de \u200bresiliencia cibern\u00e9tica\n\nLas pruebas eficaces de ciberresiliencia deben seguir \u2062un enfoque estrat\u00e9gico que incluya lo \u200bsiguiente:\n\n1. Analizar riesgos: El primer\u2062 paso es analizar y reconocer todas las posibles amenazas y vulnerabilidades de su sistema.\u2064\n\n2. Planificar pruebas: Planifique sus pruebas de resiliencia, incluida la definici\u00f3n del alcance, la \u2063elecci\u00f3n de los tipos de ataques a simular\u200d y la determinaci\u00f3n de los criterios de evaluaci\u00f3n.\n\n3. Simular ataques: Ejecutar los ataques planificados de forma controlada, asegurando que sus \u200boperaciones\u2063 del d\u00eda a \u200dd\u00eda no se vean afectadas.\n\n4. Registrar\u2063 y analizar: Registre los \u200bresultados, analice la respuesta del sistema e identifique \u00e1reas de mejora.\n\n5. Mejorar y actualizar: \u200c Implemente medidas para mejorar y actualizar sus sistemas en funci\u00f3n de los resultados \u2062de las \u200bpruebas.\n\nConclusi\u00f3n\n\nSobrevivir en la \u2064era digital es un desaf\u00edo y las amenazas de ciberataques lo hacen m\u00e1s exigente. Las pruebas de resiliencia cibern\u00e9tica ofrecen \u200ba las empresas una forma proactiva \u200cde proteger sus datos y operaciones contra las amenazas cibern\u00e9ticas. A trav\u00e9s de\u200b ciberataques simulados\u2063 en el \u200dmundo real, las \u2062organizaciones pueden obtener informaci\u00f3n sobre \u200dsus vulnerabilidades, reacci\u00f3n del sistema y estrategias \u200bde recuperaci\u00f3n. El objetivo es fortalecer estos sistemas, reducir \u2064el\u200b tiempo\u2063 de \u2063inactividad y hacer \u200dque su\u2064 organizaci\u00f3n est\u00e9 m\u00e1s \u2062preparada y adaptable\u2064 frente a amenazas\u2064 cibern\u00e9ticas reales. Proteger\u2063 su organizaci\u00f3n en el ciberespacio es una batalla y las pruebas\u200b de resiliencia cibern\u00e9tica son parte de su\u2062 arsenal esencial.", "title": "Pruebas de resiliencia cibern\u00e9tica: simulaci\u00f3n de ataques cibern\u00e9ticos del mundo real", "source": "Ciberseguridad PYME", "author": "Ciberpyme", "timestamp": 1710072369, "score_rel": 82.50569152832031, "subthemes": [1, 1, 1, 1, 1, 1, 1, 1, 1]} 9 | {"url": "https://www.universidadviu.com/es/actualidad/nuestros-expertos/seguridad-en-las-redes-sociales-una-necesidad-imperante-en-la-era-digital", "text": "En la era digital, la seguridad en las redes sociales se ha convertido en un tema de gran relevancia. Con la creciente dependencia de estas plataformas para comunicarnos, informarnos y entretenernos, los riesgos y peligros asociados a su uso han aumentado exponencialmente. La privacidad en ellas es un aspecto que no se debe tomar a la ligera. Y es que cada vez que compartimos informaci\u00f3n en redes, nos volvemos susceptibles a una variedad de amenazas potenciales. Desde el robo de identidad hasta el acoso en l\u00ednea, los peligros son reales y pueden tener consecuencias devastadoras. Por ello, es fundamental ser consciente de los riesgos, tomar medidas para proteger la informaci\u00f3n personal y mantener la seguridad online.\n\n\u00bfQu\u00e9 es la seguridad en las redes sociales?\n\nLa seguridad en las redes sociales es una preocupaci\u00f3n creciente y abarca la protecci\u00f3n de informaci\u00f3n personal y privada en estas plataformas digitales. Como usuarios, estamos constantemente compartiendo datos e intercambiando informaci\u00f3n en internet, lo que nos hace vulnerables a distintos riesgos. En este contexto, se entiende por seguridad en redes sociales al conjunto de medidas y pr\u00e1cticas destinadas a prevenir y mitigar los peligros asociados al uso de estas plataformas.\n\nEn un mundo cada vez m\u00e1s conectado, la l\u00ednea entre lo p\u00fablico y lo privado se difumina. Por ello, es fundamental entender el valor de nuestra privacidad. La seguridad no solo implica proteger nuestras cuentas contra amenazas externas como el robo de identidad o los ataques cibern\u00e9ticos. Tambi\u00e9n consiste en controlar qui\u00e9n tiene acceso a nuestra informaci\u00f3n y c\u00f3mo la utiliza.\n\nLos riesgos de los que hablamos son variados y pueden tener consecuencias graves si no se manejan adecuadamente. Entre ellos destacamos el acoso online, la difusi\u00f3n de noticias falsas, la violaci\u00f3n de la privacidad y el robo de datos. Por tanto, para implementar una buena seguridad en las redes sociales, es imprescindible mantenernos informados sobre sus peligros y adoptar medidas preventivas.\n\nPor otro lado, la educaci\u00f3n desempe\u00f1a un papel crucial en este campo. Las instituciones educativas deben fomentar entre sus estudiantes una cultura digital basada en el respeto a la privacidad y la seguridad en l\u00ednea. En consecuencia, los docentes juegan un papel fundamental para ense\u00f1arles c\u00f3mo proteger su informaci\u00f3n y minimizar los riesgos asociados al uso de estas herramientas digitales.\n\nPor tanto, la seguridad en las redes sociales se concibe como una responsabilidad compartida que requiere del compromiso activo tanto de los usuarios como de las propias plataformas. Mantener nuestras cuentas seguras y nuestra informaci\u00f3n privada protegida debe ser una prioridad para todos y la educaci\u00f3n digital es una herramienta poderosa para lograrlo.\n\n\u00bfCu\u00e1les son los riesgos de las redes sociales?\n\nEstas plataformas se han convertido en una herramienta esencial para la comunicaci\u00f3n y el intercambio de informaci\u00f3n en la sociedad actual. Sin embargo, aunque ofrecen numerosas oportunidades para la interacci\u00f3n y el aprendizaje, tambi\u00e9n presentan retos significativos en t\u00e9rminos de privacidad y seguridad.\n\nTe se\u00f1alamos algunos de los riesgos de las redes sociales m\u00e1s habituales:\n\nLa exposici\u00f3n de informaci\u00f3n personal. Muchas personas comparten detalles \u00edntimos de su vida diaria sin considerar las posibles consecuencias en cuanto a su seguridad en las redes sociales. Esta informaci\u00f3n puede ser utilizada por individuos malintencionados para cometer delitos como el robo de identidad o el acoso cibern\u00e9tico. Adem\u00e1s, algunas empresas recopilan estos datos para fines comerciales sin recabar un consentimiento expl\u00edcito.\n\nConstituyen un terreno f\u00e9rtil para la desinformaci\u00f3n y las noticias falsas. Su difusi\u00f3n r\u00e1pida e incontrolada puede tener graves repercusiones en la sociedad, desde la inducci\u00f3n a un p\u00e1nico innecesario hasta la manipulaci\u00f3n de elecciones.\n\nPueden ocasionar adicci\u00f3n y producir un impacto negativo en la salud mental. El constante flujo de actualizaciones genera, ocasionalmente, ansiedad y estr\u00e9s. Por otro lado, la presi\u00f3n por obtener \"me gusta\" y comentarios conduce en el peor de los casos a problemas de autoestima.\n\nLos menores pueden acceder a contenido inapropiado con facilidad. Los controles que establecen estas plataformas son excesivamente relajados, como denunci\u00f3 la Agencia Espa\u00f1ola de Protecci\u00f3n de Datos. Adem\u00e1s, establecer medidas de seguridad en las redes sociales es primordial por la vulnerabilidad que presentan.\n\nLos usuarios, frecuentemente, adoptan una visi\u00f3n sesgada del mundo. As\u00ed, toman los enfoques de una parte de la sociedad, la de las redes sociales, por premisas incontestables del todo.\n\nEs un tema complejo que requiere una comprensi\u00f3n profunda y una gesti\u00f3n cuidadosa. Para minimizar los peligros de las redes sociales, es fundamental educarse sobre sus riesgos potenciales y adoptar pr\u00e1cticas seguras. Entre ellas se\u00f1alamos la configuraci\u00f3n correcta de los ajustes de privacidad, no compartir informaci\u00f3n personal y verificar la veracidad de la informaci\u00f3n antes de reenviarla.\n\nLos sistemas democr\u00e1ticos frente a la informaci\u00f3n en redes\n\nMuchas personas creen que las fake news y el papel de trolls o haters son determinantes a la hora de que una candidatura gane o pierda una contienda electoral. No obstante, aunque dichas acciones son importantes, no son, ni mucho menos, las que marcan el triunfo de un candidato. Lo has podido ver recientemente en las elecciones mexicanas celebradas en mayo de 2024.\n\nEn marzo, surgieron varias alarmas ante diversas campa\u00f1as de desprestigio orquestadas en las redes sociales contra L\u00f3pez Obrador. De este modo, no solo se le trataba de anular a \u00e9l sino a su candidata, Claudia Sheinbaum. Fueron varios los especialistas que argumentaron que estas elecciones se estaban jugando en las redes sociales y que el relato lo ten\u00eda ganado la candidata X\u00f3chitl G\u00e1lvez. Sin embargo, el resultado final no fue ese. La candidata oficialista fue la ganadora con una amplia ventaja a pesar del ruido. Los deseos de impugnaci\u00f3n, sin entrar en detalles, obedecen m\u00e1s a esa visi\u00f3n sesgada de la realidad que ocasiona el centrarse \u00fanicamente en las redes sociales.\n\nNo es la primera vez que ocurre. Tambi\u00e9n tras las elecciones que enfrentaban a Trump y a Hillary Clinton, achacaron a las fake news y al poder de las redes sociales la victoria de Trump sobre Clinton. Posteriormente, un estudio de la Universidad de Stanford desminti\u00f3 esa creencia. Las redes sociales tienen un gran potencial, pero de momento, no han sido capaces de inclinar la balanza hacia uno u otro sentido.\n\nEn esas fechas, en nuestro pa\u00eds, asist\u00edamos al plebiscito ilegal organizado en el marco del proceso soberanista catal\u00e1n que tampoco estuvo exento de esa pol\u00e9mica.\n\nNo obstante, e independientemente de si tienen peso o no en las contiendas democr\u00e1ticas, se hace imprescindible una regulaci\u00f3n global. Este tipo de noticias puede hundir a individuos o a empresas y la seguridad en las redes sociales para todos pasa por soslayar esa impunidad.\n\nLa nueva legislaci\u00f3n europea\n\nSi tuvi\u00e9ramos que analizar las elecciones europeas de 2019 con las de 2024, nos encontrar\u00edamos grandes diferencias a nivel legal. En aquella ocasi\u00f3n, las redes sociales sirvieron para incrementar la participaci\u00f3n del electorado m\u00e1s joven impulsada por las instituciones y tambi\u00e9n por las redes sociales.\n\nEl miedo a las brechas en ciberseguridad ha servido de acicate para poner en cuesti\u00f3n a diversas plataformas, como TikTok, muy usada entre el p\u00fablico joven. De hecho, tanto esta plataforma como Meta se han apresurado en expresar su voluntad para combatir la desinformaci\u00f3n en estas elecciones e incrementar as\u00ed la seguridad en las redes sociales. Por su parte, en febrero, el Parlamento Europeo public\u00f3 una serie de normas encaminadas a impedir la injerencia extranjera en el proceso electoral.\n\nPor otro lado, la Ley de Inteligencia Artificial o la Ley de Servicios Digitales han propiciado una toma de conciencia de la ciudadan\u00eda europea sobre el papel de estos modelos de lenguaje en los procesos electorales. Especial atenci\u00f3n ha merecido la difusi\u00f3n de informaci\u00f3n falsa. Ha sido necesario arrancar un compromiso de Microsoft, Meta y Google en el seno del Consejo de Seguridad de M\u00fanich, el pasado febrero, para sentar esas bases de seguridad en las redes sociales.\n\n\u00bfQu\u00e9 importancia tiene la privacidad en las redes sociales?\n\nLa privacidad en las redes sociales es un tema de relevancia creciente. En la actualidad, vivimos en una era digital donde la mayor parte de nuestra informaci\u00f3n personal se encuentra almacenada y compartida en distintas plataformas online. Por tanto, la seguridad en las redes sociales se ha convertido en una cuesti\u00f3n primordial para proteger esos datos ante posibles riesgos y peligros asociados a su mal uso.\n\nLas social networks son herramientas poderosas que nos permiten interactuar con personas de todo el mundo, compartir experiencias y acceder a un sinf\u00edn de contenidos. Sin embargo, esta apertura tambi\u00e9n puede ser fuente de vulnerabilidades si no gestionamos adecuadamente nuestra privacidad. Datos personales tales como nuestra ubicaci\u00f3n, intereses, relaciones o, incluso, fotograf\u00edas pueden ser accesibles para terceros con malas intenciones.\n\nEn este sentido, la seguridad en las redes sociales pasa porque conozcas y entiendas los ajustes de privacidad disponibles en cada plataforma. Estos te permiten controlar qui\u00e9n puede ver esa informaci\u00f3n y c\u00f3mo puede ser utilizada. Asimismo, es importante ser conscientes de los riesgos asociados a compartir cierta informaci\u00f3n en estas plataformas y aprender a utilizarlas de manera responsable.", "title": "Seguridad en las redes sociales: una necesidad imperante en la era digital", "source": "Universidad VIU", "author": "Equipo de Expertos en Jur\u00eddico", "timestamp": 1725580800, "score_rel": 80.4996337890625, "subthemes": [1, 1, 1, 1, 1, 1, 1, 1, 1]} 10 | {"url": "https://www.uoc.edu/es/news/2024/acoso-laboral-en-el-teletrabajo-el-nuevo-mobbing", "text": "La primera encuesta mundial sobre violencia y acoso en el trabajo revel\u00f3, hace poco m\u00e1s de un a\u00f1o, que no se trata de un fen\u00f3meno excepcional. Seg\u00fan el informe elaborado por la Organizaci\u00f3n Internacional del Trabajo (OIT), la Lloyd's Register Foundation (LRF) y Gallup, casi un 23 % de las personas empleadas lo han sufrido. Y aunque hasta la pandemia esta realidad se daba casi exclusivamente en el entorno f\u00edsico de la oficina, con la llegada del teletrabajo, la violencia y el acoso en el trabajo han empezado a darse tambi\u00e9n en la distancia. Es el llamado ciberacoso laboral.\n\n\"El fondo es el mismo; se siguen desplegando conductas no deseadas que crean un entorno intimidatorio, hostil o humillante, pero cambian las formas y los medios que se emplean\", explica Raquel Blanco, abogada laboralista y profesora colaboradora de los Estudios de Derecho y Ciencia Pol\u00edtica de la Universitat Oberta de Catalunya (UOC). \"Podemos decir que la tecnolog\u00eda se pone al servicio de esa finalidad de hostigamiento\", afirma la experta.\n\nCasos de ciberacoso\n\n\"Casi todas las conductas hostiles que son t\u00edpicas del acoso presencial se trasladan de alguna forma al \u00e1mbito del teletrabajo\", contin\u00faa Carlos Gal\u00e1n, magistrado de la jurisdicci\u00f3n de lo social y tambi\u00e9n profesor colaborador de los Estudios de Derecho y Ciencia Pol\u00edtica de la UOC. Como ejemplos, cita someter al teletrabajador a falta de ocupaci\u00f3n efectiva; encomendarle tareas in\u00fatiles, repetitivas o improductivas, o darle \u00f3rdenes imposibles de cumplir con los medios o el tiempo del que dispone.\n\nLa diferencia en estos casos de violencia o acoso laboral en el teletrabajo es que el aislamiento f\u00edsico se sustituye por aislamiento digital y ambiental. Por lo tanto, tambi\u00e9n se considera ciberacoso laboral provocar la incomunicaci\u00f3n con terceras personas, no invitar al trabajador a las reuniones o videoconferencias de grupo, ignorarle durante el desarrollo de estos actos, sacarle de grupos de WhatsApp laborales o crear un grupo paralelo en el que no est\u00e9. \"Algunas conductas de ataque directo o indirecto, como los rumores maliciosos o las descalificaciones p\u00fablicas de su persona o su trabajo, incluso multiplican su audiencia y su efecto da\u00f1ino con el uso de herramientas TIC\", sostiene Gal\u00e1n.\n\nAdem\u00e1s, en un contexto digital pueden surgir comportamientos propios de esta forma de prestaci\u00f3n de servicios. \"En una sentencia interesante, el Tribunal Superior de Justicia de Madrid ha considerado como un elemento que integr\u00f3 acoso el hecho de que, entre otras conductas, la empresa no atendiese las incidencias t\u00e9cnicas que la trabajadora afectada iba manifestando. Eso provoca impotencia y desesperaci\u00f3n no solo por no poder desarrollar tus tareas, sino tambi\u00e9n porque nadie te haga el menor caso\", explica Raquel Blanco. Otra peculiaridad es que las redes sociales suelen proporcionar al acosador otra v\u00eda paralela: el acoso en el contexto laboral se puede combinar con acciones en las redes que impliquen difamaci\u00f3n o ataque a la persona, algunas veces abiertamente y otras desde el anonimato. \"Por otra parte, tambi\u00e9n es frecuente que las personas causantes de acoso utilicen las redes sociales para obtener informaci\u00f3n extralaboral sobre su v\u00edctima, que luego emplean para sus fines o para descubrir puntos de vulnerabilidad\", recuerda Gal\u00e1n.\n\nConsecuencias\n\nLas consecuencias del acoso laboral no son menores para la persona acosada en el caso del teletrabajo. \"He visto como se han activado protocolos de acoso sexual en personas que estaban teletrabajando y las consecuencias para la salud de la v\u00edctima han sido demoledoras\", indica Meritxell Beltr\u00e1n, experta en igualdad de g\u00e9nero en el mundo laboral y profesora colaboradora del grado de Relaciones Laborales y Ocupaci\u00f3n de la UOC. Beltr\u00e1n a\u00f1ade que el acoso laboral, \"que es imprescindible conceptualizar como violencia laboral, puede causar un da\u00f1o psicol\u00f3gico y moral. Son comunes los cuadros de ansiedad, miedo, apat\u00eda, trastorno del sue\u00f1o, trastornos de la conducta alimentaria, depresiones e incluso el suicidio\", afirma, y explica que el menosprecio continuo, el hostigamiento y las vejaciones provocan que la persona que es acosada acabe con baja autoestima y sienta que no puede salir de ese c\u00edrculo de violencia.\n\nLa distancia f\u00edsica con el resto de empleados tampoco ayuda, ya que puede crear una sensaci\u00f3n de soledad muy acusada. \"En un modelo de prestaci\u00f3n en el que no hay siquiera un caf\u00e9 compartido con los compa\u00f1eros en un descanso, afterwork a la salida, etc., es m\u00e1s complicado a\u00fan encontrar a alguien que lo presencie, que empatice, que preste al menos apoyo moral o incluso que despeje tus dudas y te haga tomar conciencia de la situaci\u00f3n, algo que a veces es un proceso y no es instant\u00e1neo\", se\u00f1ala Gal\u00e1n.\n\nC\u00f3mo actuar\n\nPara los expertos, la primera recomendaci\u00f3n para un trabajador que se encuentre en esta situaci\u00f3n es activar el protocolo de acoso de la empresa y poner la tecnolog\u00eda al servicio de su defensa. \"Al contrario de lo que sucede en el acoso presencial, en el que muchas conductas son verbales y no dejan ninguna prueba ni hay testigos, en los sistemas de teletrabajo el correo electr\u00f3nico, el WhatsApp, las \u00f3rdenes y comunicaciones por la intranet, las videoconferencias (que pueden ser grabadas), etc., s\u00ed que van dejando rastro\", afirma Raquel Blanco. Por eso, se aconseja a la v\u00edctima de acoso que conserve las pruebas de lo que est\u00e1 sucediendo, que ser\u00e1n esenciales en caso de denuncias ante la Inspecci\u00f3n de Trabajo o en la v\u00eda judicial. Y, igual que en el acoso presencial, \"el mejor consejo que se puede dar es consultar a un profesional del derecho y recabar apoyo psicol\u00f3gico, ambas cosas cuanto antes\".\n\nAdem\u00e1s, como recuerdan los expertos, las empresas no est\u00e1n exentas de responsabilidad. Todas las empresas, con independencia de su tama\u00f1o, est\u00e1n obligadas a evaluar los riesgos psicosociales y deben articular protocolos contra el acoso moral y sexual en el trabajo, as\u00ed como contra la discriminaci\u00f3n. \"Cuando tienen implementados sistemas de teletrabajo, evidentemente esto no constituyen una excepci\u00f3n: deben estar contemplados en esa planificaci\u00f3n y hay que evaluar sus riesgos espec\u00edficos\", indica Raquel Blanco.\n\n\"Las tecnolog\u00edas de la informaci\u00f3n y la comunicaci\u00f3n, igual que se pueden utilizar para fines negativos, tambi\u00e9n son un aliado para los fines positivos y pueden ayudar a difundir m\u00e1s y mejor los protocolos internos, a implantar canales de denuncia adecuados y, en definitiva, a dar visibilidad al compromiso con la salud y la dignidad de las personas que trabajan en la empresa\", afirma el profesor colaborador de la UOC.", "title": "ciberacoso laboral en el teletrabajo", "source": "UOC", "author": "Beatriz Gonz\u00e1lez", "timestamp": 1733184000, "score_rel": 80.4569091796875, "subthemes": [1, 1, 1, 1, 1, 1, 1, 1, 1]} 11 | {"url": "https://www.expansion.com/sociedad/2024/03/28/6605a8be468aeb41218b457d.html", "text": "Los ciberdelitos son los delitos que m\u00dfs han subido en Espa\u00b1a en 2023 hasta el punto de que representan casi un 20% de todas las infracciones penales que se cometieron el a\u00b1o pasado, seg\u00b7n el balance de criminalidad publicado por el Ministerio del Interior.\n\nLos datos de Interior revelan que la criminalidad aument\u00be en Espa\u00b1a un 5,9% en el a\u00b1o 2023 arrastrada por el alza de la ciberdelincuencia, que fue del 25,5%, aunque tambi\u0137n por el de los delitos contra la libertad sexual, con un aumento del 15%.\n\nSeg\u00b7n el balance de criminalidad de 2023, el a\u00b1o cerr\u00be con 2.459.659 infracciones penales, de las que 1.989.271 corresponden a la delincuencia convencional (un 2,1% m\u00dfs que en 2022) y 470.388 son ciberdelitos, un 19,1% de todos los delitos cometidos el a\u00b1o pasado.\n\nEstafas inform\u00dfticas\n\nDe estos ciberdelitos, el 90% son fraudes o estafasinform\u00dfticas, que crecen un 27% con respecto al a\u00b1o anterior. A mucha distancia les siguen las amenazas y coacciones cometidas a trav\u0137s de Internet, los delitos contra el honor, la propiedad industrial e intelectual y la interferencia de datos y en sistema.\n\nInterior destaca que las estafas inform\u00dfticas han aumentado un 508% en apenas ocho a\u00b1os, dado que en 2016 apenas se registraron 70.178 y representaban menos del 5% de todos los delitos.\n\nPrecisamente, la Polic\u0112a Nacional detuvo la semana pasada en Madrid a 25 personas por supuestamente defraudar m\u00dfs de cuatro millones de euros a la Seguridad Social con la capitalizaci\u00ben de prestaciones de desempleo. Entre los detenidos hab\u0112a cuatro funcionarios (uno del SEPE y tres de la Comunidad de Madrid) y cuatro empleados de entidades bancarias.\n\nDelitos sexuales\n\nTambi\u0137n es significativo el incremento del tr\u00dffico de drogas (un 9,5%) y de los delitos conocidos contra la libertad sexual, un aumento que Interior vincula con una mayor disposici\u00ben de las v\u0112ctimas a denunciar. En total, el a\u00b1o pasado se cometieron 19.981 delitos contra la libertad sexual, de los que 4.875 fueron agresiones con penetraci\u00ben, un 14,2% m\u00dfs que en 2022.\n\nEn 2023 se registraron 336 asesinatos (un 3,1% m\u00dfs), 1.349 en grado de tentativa (un 11,2% m\u00dfs) y 27.413 delitos graves y menos graves de lesiones y ri\u00b1as tumultuarias (un 3,7% m\u00dfs). Adem\u00dfs se produjeron 122 secuestros, un 45,2% m\u00dfs que en 2002, a\u00b1o en el que se contabilizaron 84.\n\nDelitos contra el patrimonio\n\nLos delitos contra el patrimonio, que representan cerca de la mitad de la delincuencia convencional, aumentaron tambi\u0137n un 3% el a\u00b1o hasta un total de 883.419. De ellos, 64.785 fueron robos con violencia o intimidaci\u00ben (un 2,2% m\u00dfs que el a\u00b1o anterior) y 122.444 robos con fuerza en domicilio, establecimientos y otras instalaciones (un 1,2% m\u00dfs).\n\nNo obstante, los producidos en domicilios disminuyeron un 2,4% (84.446 hechos en 2023 frente a los 86.515 de 2022) y son los \u00b7nicos delitos que se redujeron el pasado a\u00b1o.\n\nLos hurtos aumentaron un 3,3%, hasta 663.370 casos, y las sustracciones de veh\u0112culos un 6,7% hasta los 32.820 hechos.\n\nComunidades aut\u00benomas\n\nEntre las comunidades aut\u00benomas en las que se ha reducido la criminalidad en su territorio con respecto al a\u00b1o 2022, se encuentran Arag\u00ben (-3,6%), Baleares (-0,2%), Cantabria (-3,4%), Castilla y Le\u00ben (-3,1%), Castilla-La Mancha (-1,4%), Galicia (-1,2%), Comunidad de Madrid (-1,5%), Pa\u0112s Vasco (-1,1%), Ceuta (-10,5%) y Melilla (-7,9%).\n\nEn el lado opuesto, las comunidades en las que ha aumentado la delincuencia son Andaluc\u0112a (3,1%), Asturias (7,4%), Canarias (6%), Catalu\u00b1a (5,6%), Comunidad Valenciana (3,9%), Extremadura (7,8%), Murcia (3%), Navarra (1,4%) y La Rioja (5%).", "title": "Los ciberdelitos y las estafas inform\u00dfticas se disparan en Espa\u00b1a", "source": "Expansi\u00f3n", "author": "Expansi\u00ben", "timestamp": 1711584000, "score_rel": 82.33415985107422, "subthemes": [0, 0, 0, 0, 0, 0, 0, 0, 0]} 12 | {"url": "https://www.xataka.com/investigacion/criptografia-clasica-esta-a-punto-caer-cientificos-chinos-han-logrado-vulnerarla-ordenador-cuantico", "text": "Los expertos en computaci\u00f3n cu\u00e1ntica saben desde hace varios a\u00f1os que este momento llegar\u00eda. Uno de ellos, Juan Jos\u00e9 Garc\u00eda Ripoll, un investigador del Instituto de F\u00edsica Fundamental del Consejo Superior de Investigaciones Cient\u00edficas (CSIC) que desarrolla su actividad investigadora dentro del grupo de Informaci\u00f3n cu\u00e1ntica y fundamentos de teor\u00eda cu\u00e1ntica, nos lo advirti\u00f3 durante la conversaci\u00f3n que mantuvimos con \u00e9l en octubre de 2019. Y ese momento ya ha llegado.\n\nUn equipo de investigadores de la Universidad de Shangh\u00e1i (China) liderado por el profesor Wang Chao ha utilizado un ordenador cu\u00e1ntico D-Wave para vulnerar con \u00e9xito el cifrado SPN (Substitution-Permutation Network), que es un algoritmo criptogr\u00e1fico que se utiliza para cifrar informaci\u00f3n. Este cifrado es la piedra angular de, por ejemplo, el est\u00e1ndar AES (Advanced Encryption Standard), que se utiliza much\u00edsimo. Estos cient\u00edficos han publicado el resultado de su investigaci\u00f3n en un interesante art\u00edculo titulado \"Algoritmo de ataque criptogr\u00e1fico de clave p\u00fablica basado en procesado cu\u00e1ntico con la ventaja de D-Wave\".\n\nCuriosamente, el profesor Wang Chao y su equipo han utilizado dos estrategias para llevar a cabo su ataque a los algoritmos criptogr\u00e1ficos. La primera de ellas consiste a grandes rasgos en entregar al ordenador cu\u00e1ntico la combinaci\u00f3n de un problema de optimizaci\u00f3n y otro de b\u00fasqueda. Las m\u00e1quinas cu\u00e1nticas son muy eficaces a la hora de resolver estos desaf\u00edos. Y la segunda estrategia consiste en combinar el algoritmo de Schnorr, el redondeo de Babai y un m\u00e9todo cu\u00e1ntico de optimizaci\u00f3n. En cualquier caso, lo m\u00e1s interesante es que estos cient\u00edficos chinos han concluido que AES-256 y otros algoritmos de cifrado de grado militar est\u00e1n m\u00e1s cerca que nunca de ser vulnerados.\n\nSe est\u00e1 trabajando en la soluci\u00f3n desde hace varios a\u00f1os\n\nDurante mi conversaci\u00f3n con Juan Jos\u00e9 Garc\u00eda Ripoll no dej\u00e9 escapar la oportunidad de preguntarle qu\u00e9 suceder\u00eda cuando los ordenadores cu\u00e1nticos fuesen capaces de vulnerar las tecnolog\u00edas de cifrado m\u00e1s avanzadas que utilizamos actualmente. Como acabamos de ver, ese momento parece estar ya muy cerca, por lo que merece la pena que recuperemos la respuesta que me dio este investigador del CSIC. Lo que nos explica dibuja con claridad c\u00f3mo ser\u00e1 el futuro hacia el que nos dirigimos.\n\n\"En principio los ordenadores cu\u00e1nticos s\u00ed har\u00e1n vulnerables los algoritmos de cifrado que utilizamos. Por esta raz\u00f3n hay un \u00e1rea de investigaci\u00f3n en matem\u00e1tica y criptograf\u00eda que es la criptograf\u00eda resistente a ordenadores cu\u00e1nticos. Es un campo de trabajo muy dif\u00edcil y [hay gente que me discutir\u00e1 esto] todav\u00eda no hay resultados \u00abserios\u00bb que den una soluci\u00f3n \u00fanica. La alternativa al hecho de que muchos c\u00f3digos se puedan romper con ordenadores cu\u00e1nticos es utilizar los sistemas cu\u00e1nticos para la criptograf\u00eda. Consiste, por ejemplo, en utilizar los sistemas cu\u00e1nticos para generar claves privadas en distintos puntos del planeta enviando fotones entrelazados a distintos puntos, como ha hecho China con su sat\u00e9lite Micius\", apunta Ripoll.\n\n\"Europa tambi\u00e9n se ha puesto en marcha con una iniciativa que se llama European Union Quantum Communication Initiative, en la que participa Espa\u00f1a, para crear redes de criptograf\u00eda cu\u00e1ntica para infraestructuras, pero en el futuro pueden terminar siendo comerciales y consolid\u00e1ndose como un accesorio para hacer m\u00e1s seguras las comunicaciones. Quiz\u00e1 esta es una de las tecnolog\u00edas que tienen un grado de madurez m\u00e1s alto; de hecho, es comercial desde hace mucho tiempo. En cualquier caso, la criptograf\u00eda cu\u00e1ntica puede proporcionar una soluci\u00f3n pr\u00e1ctica a este tipo de preguntas\", concluye Juan Jos\u00e9 Garc\u00eda Ripoll. Es evidente que nos encontramos en un momento de impasse en el que los ordenadores cu\u00e1nticos van a ir adquiriendo m\u00e1s relevancia a medida que sus capacidades se vayan desarrollando. Y la criptograf\u00eda es tan solo uno de los escenarios que van a revolucionar.\n\nImagen | IBM\n\nM\u00e1s informaci\u00f3n | Chinese Journal of Computers", "title": "La criptograf\u00eda cl\u00e1sica est\u00e1 a punto de caer: cient\u00edficos chinos han logrado vulnerarla con un ordenador cu\u00e1ntico", "source": "Xataka", "author": "Juan Carlos L\u00f3pez", "timestamp": 1728984648, "score_rel": 80.21527862548828, "subthemes": [1, 0, 0, 1, 1, 1, 0, 0, 0]} 13 | -------------------------------------------------------------------------------- /corpus_samples/output/news_articles_scores.jsonl: -------------------------------------------------------------------------------- 1 | {"url": "https://www.aepd.es/prensa-y-comunicacion/notas-de-prensa/la-agencia-aprueba-un-nuevo-sistema-de-mediacion-para", "text": "(20 de noviembre de 2024). La Agencia Espa\u00f1ola de Protecci\u00f3n de Datos (AEPD), ha aprobado el \u2018C\u00f3digo de conducta para la regulaci\u00f3n de controversias de protecci\u00f3n de datos en el sector de las comunicaciones electr\u00f3nicas\u2019, promovido por las operadoras de telefon\u00eda de los grupos Orange, Telef\u00f3nica, Vodafone y M\u00e1sM\u00f3vil.\n\nEl c\u00f3digo de conducta regula un procedimiento de mediaci\u00f3n con el objetivo de que las dos partes, ciudadanos y entidades adheridas al c\u00f3digo, alcancen un acuerdo sin tener que recurrir, si as\u00ed lo decide el usuario, a un procedimiento administrativo o judicial para resolver su reclamaci\u00f3n.\n\nLos c\u00f3digos de conducta, cuya adhesi\u00f3n es voluntaria pero vinculante para las entidades adheridas, constituyen una muestra de autorregulaci\u00f3n que, en este caso, supone establecer un procedimiento gratuito para los ciudadanos para ofrecer una respuesta m\u00e1s \u00e1gil a las reclamaciones que puedan surgir frente a las entidades adheridas.\n\nEste c\u00f3digo de conducta entrar\u00e1 en vigor el pr\u00f3ximo 17 de diciembre y, a trav\u00e9s del procedimiento que regula, los ciudadanos podr\u00e1n plantear reclamaciones relacionadas con, entre otros casos, tratamientos de datos realizados sin base de legitimaci\u00f3n, ejercicios de derechos no atendidos, inserci\u00f3n indebida en sistemas de informaci\u00f3n crediticia o contrataci\u00f3n fraudulenta.\n\nEl RGPD establece que todos los c\u00f3digos de conducta deben designar un organismo de supervisi\u00f3n que act\u00fae con plena independencia tanto del promotor del c\u00f3digo como de las entidades adheridas, y que debe ser acreditado por la autoridad de control. En este caso, el organismo acreditado por la Agencia para la supervisi\u00f3n y control de este c\u00f3digo es el Jurado de la Publicidad, de la Asociaci\u00f3n para la Autorregulaci\u00f3n de la Comunicaci\u00f3n Comercial (AUTOCONTROL).\n\nAUTOCONTROL estudiar\u00e1 las reclamaciones que se reciban contra las entidades adheridas al C\u00f3digo, iniciando el procedimiento de mediaci\u00f3n. La duraci\u00f3n m\u00e1xima de este procedimiento ser\u00e1 de 30 d\u00edas.\n\nPor otro lado, cuando las reclamaciones en materia de comunicaciones electr\u00f3nicas contra las entidades adheridas se planteen directamente ante la Agencia, \u00e9sta podr\u00e1 trasladarlas al sistema de mediaci\u00f3n del c\u00f3digo. Su duraci\u00f3n m\u00e1xima en este caso ser\u00e1 de 27 d\u00edas, informando a la Agencia del acuerdo que se adopte.", "title": "La Agencia aprueba un nuevo sistema de mediaci\u00f3n para agilizar las reclamaciones de protecci\u00f3n de datos en materia de comunicaciones electr\u00f3nicas", "source": "Agencia Espa\u00f1ola de Protecci\u00f3n de Datos", "author": "", "timestamp": 1732093322, "score_rel": 82.71996307373047, "subthemes": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]} 2 | {"url": "https://espacio.fundaciontelefonica.com/evento/derechos-digitales-informacion/", "text": "\u00bfQu\u00e9 significa ser un ciudadano informado en la era de las campa\u00f1as digitales oscuras, contenido sint\u00e9tico y muros de pago? \u00bfC\u00f3mo garantizamos el acceso de todos los ciudadanos a informaci\u00f3n veraz frente al desmoronamiento del Internet abierto y la prensa gratuita?\n\nPara responder a estas y otras cuestiones, contamos, en la \u00faltima mesa del a\u00f1o, con los periodistas Mar\u00eda Exner, directora de Publix; Alan Rusbridger, editor de Prospect Magazine; y Eduardo Su\u00e1rez, director editorial del Instituto Reuters para el Estudio del Periodismo. Esta conversaci\u00f3n estuvo moderada por Marta Peirano.\n\nFundaci\u00f3n Telef\u00f3nica, en colaboraci\u00f3n con Red.es, pone en marcha un programa de encuentros, publicaciones y exposiciones, en el marco del Observatorio de Derechos Digitales, con el fin de promover los derechos digitales entre los ciudadanos. Como parte de este proyecto a lo largo de 2024, 2025 y 2026, acogeremos una serie de encuentros donde expertos internacionales debatir\u00e1n los distintos aspectos que afectan a la ciudadan\u00eda dentro del marco de los Derechos Digitales. Los tres encuentros que se realizar\u00e1n durante 2024 estar\u00e1n comisariados por Marta Peirano, periodista especializada en tecnolog\u00eda y poder.\n\nEl programa Derechos Digitales es un proyecto puesto en marcha por Red.es, entidad p\u00fablica adscrita al Ministerio para la Transformaci\u00f3n Digital y de la Funci\u00f3n P\u00fablica, a trav\u00e9s de la Secretar\u00eda de Estado de Digitalizaci\u00f3n e Inteligencia Artificial, tiene como objetivo impulsar el seguimiento, difusi\u00f3n, debate y promoci\u00f3n de los Derechos Digitales entre la ciudadan\u00eda y organizaciones p\u00fablicas y privadas, as\u00ed como la creaci\u00f3n de un espacio de observaci\u00f3n de Derechos Digitales. Las actuaciones, est\u00e1n financiadas por el Plan de Recuperaci\u00f3n, Transformaci\u00f3n y Resiliencia a trav\u00e9s de los fondos NextGenerationEU.\n\nEste evento se realiz\u00f3 en ingl\u00e9s y castellano con traducci\u00f3n simult\u00e1nea al castellano; contar\u00e1 con medidas de accesibilidad auditiva (bucle de inducci\u00f3n magn\u00e9tica, LSE y amplificaci\u00f3n del sonido por auriculares). El encuentro pudo seguirse en streaming en abierto en esta web y en redes con los hashtags #DerechosDigitales, #PlanDeRecuperaci\u00f3n y #NextGenerationEU.\n\nPuedes disfrutarlo en nuestra mediateca y tambi\u00e9n como podcast en las principales plataformas.\n\nPuedes consultar el resto de los encuentros enmarcados dentro de este programa el siguiente enlace\n\nMar\u00eda Exner (@mariaexner)\n\nPeriodista y directora de Publix. Anteriormente, Mar\u00eda fue redactora jefe de ZEITmagazin y subredactora jefe de ZEIT ONLINE, donde desarroll\u00f3 proyectos innovadores orientados a la sociedad civil, incluidos Germany Talks y el Z2X Festival of Ideas.\n\nHa recibido numerosos premios por su trabajo, incluido el Premio Jean Monnet para la Integraci\u00f3n Europea y el Grimme Online Award, adem\u00e1s de ser reconocida como una de las mejores redactoras jefe de revistas del a\u00f1o.\n\nAlan Rusbridger (@arusbridger)\n\nFue redactor jefe de The Guardian desde 1995 hasta 2015. Actualmente es editor de Prospect Magazine y presidente del Reuters Institute for the Study of Journalism. Hasta 2021, fue el director del Lady Margaret Hall en Oxford. Durante su tiempo en The Guardian, tanto \u00e9l como el peri\u00f3dico ganaron numerosos premios, incluyendo el Premio Pulitzer 2014 por Periodismo de Servicio P\u00fablico.\n\nNaci\u00f3 en Zambia, se educ\u00f3 en Cambridge y vive en Londres. Es coautor del drama de la BBC, Fields of Gold. Es un entusiasta m\u00fasico aficionado y autor de Play it Again. Su memoria sobre el periodismo y su futuro, Breaking News, se public\u00f3 en 2018. Es miembro del Consejo de Supervisi\u00f3n de Facebook. Su libro m\u00e1s reciente, News and How to Use it, se public\u00f3 en 2020.", "title": "Derechos Digitales: derecho a la informaci\u00f3n", "source": "Espacio Fundaci\u00f3n Telef\u00f3nica", "author": "tanialorenzo", "timestamp": 1732803436, "score_rel": 84.27287292480469, "subthemes": [0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0]} 3 | {"url": "https://www.coe.int/es/web/portal/-/new-guidelines-to-protect-voters-personal-data", "text": "El Consejo de Europa ha publicado directrices destinadas a la protecci\u00f3n de los datos personales de las personas a la hora de su registro como votantes y cuando se necesita autentificar su identidad para participar en las elecciones.\n\nLas directrices, preparadas por el Comit\u00e9 Consultivo del Convenio para la protecci\u00f3n de las personas con respecto al tratamiento automatizado de datos de car\u00e1cter personal (\u201cConvenio 108\u201d), contienen consejos para los controladores de datos sobre c\u00f3mo garantizar que los sistemas de registro y autenticaci\u00f3n se utilicen de modo que respeten los derechos a la privacidad de los individuos.\n\nLas directrices destacan la importancia de salvaguardar categor\u00edas especiales o datos personales sensibles, como la informaci\u00f3n biom\u00e9trica, las opiniones pol\u00edticas, y los or\u00edgenes raciales o \u00e9tnicos cuando identifiquen de manera \u00fanica a una persona, y subrayan los riesgos potenciales del uso de tecnolog\u00edas biom\u00e9tricas para la autenticaci\u00f3n e identificaci\u00f3n de los votantes.\n\nEl documento describe una serie de principios y buenas pr\u00e1cticas y aborda cuestiones como la legitimidad del procesamiento de datos, la seguridad de los datos, la transparencia, los derechos del sujeto de los datos, y las obligaciones de los organismos electorales.", "title": "Nuevas directrices para proteger los datos personales de los votantes", "source": "coe.int", "author": "Council of Europe", "timestamp": 1726655640, "score_rel": 83.02960968017578, "subthemes": [1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0]} 4 | {"url": "https://www.aepd.es/prensa-y-comunicacion/notas-de-prensa/la-aepd-publica-una-nota-tecnica-en-relacion-con-blockchain-y", "text": "(13 de noviembre) La Agencia Espa\u00f1ola de Protecci\u00f3n de Datos ha publicado una nota t\u00e9cnica en relaci\u00f3n con Blockchain y el derecho de supresi\u00f3n. La Prueba de Concepto que se presenta en este documento demuestra la viabilidad de construir infraestructuras Blockchain que permitan cumplir con el Reglamento General de Protecci\u00f3n de Datos (RGPD).\n\nLa nota t\u00e9cnica describe los fundamentos de las infraestructuras Blockchain y aclara conceptos utilizados en el marco de esta tecnolog\u00eda desde una perspectiva de protecci\u00f3n de datos. Tambi\u00e9n analiza los casos reales de aplicaci\u00f3n de cambios y gesti\u00f3n de la gobernanza habituales en dichas infraestructuras. A continuaci\u00f3n, se desarrollan pol\u00edticas, que incluyen medidas organizativas y t\u00e9cnicas, para implementar el derecho de supresi\u00f3n en una infraestructura Blockchain. Finalmente, tras analizar y documentar los componentes de una infraestructura Blockchain real de uso muy extendido, se aplican de forma pr\u00e1ctica en un caso de uso de eliminaci\u00f3n de la actividad de un usuario, incluyendo la informaci\u00f3n relativa a los Smart-Contracts.\n\nSi bien existen trabajos previos para gestionar el borrado de informaci\u00f3n en una infraestructura Blockchain, la presente Prueba de Concepto constituye un demostrador completamente funcional, documentado y espec\u00edficamente orientado al cumplimiento del RGPD, sin pretender ser una soluci\u00f3n comercial de aplicaci\u00f3n directa en el mercado. Adem\u00e1s, contempla la gesti\u00f3n de la informaci\u00f3n personal almacenada en todo el conjunto de la Blockchain, es decir, no solo la informaci\u00f3n en las transacciones de los bloques, sino otras como la registrada en los recibos de las transacciones.\n\nEste documento se complementa con informaci\u00f3n t\u00e9cnica adicional y un v\u00eddeo demostrativo.", "title": "La AEPD publica una nota t\u00e9cnica en relaci\u00f3n con Blockchain y el derecho de supresi\u00f3n", "source": "Agencia Espa\u00f1ola de Protecci\u00f3n de Datos", "author": "", "timestamp": 1731535200, "score_rel": 83.68810272216797, "subthemes": [1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0]} 5 | {"url": "https://fundacion.atresmedia.com/conoce-mas/derechos-digitales/que-son-derechos-digitales_20240422662680a4c0b95c00010dded4.html", "text": "En un mundo cada vez m\u00e1s interconectado y digitalizado, proteger los derechos de los ni\u00f1os en el entorno digital se ha convertido en una prioridad fundamental. La r\u00e1pida evoluci\u00f3n de la tecnolog\u00eda ha brindado innumerables oportunidades y beneficios, pero tambi\u00e9n ha planteado nuevos desaf\u00edos y riesgos, sobre todo para los ni\u00f1os, ni\u00f1as y adolescentes.\n\nLos derechos digitales se refieren a derechos fundamentales que deben protegerse y promoverse en el entorno digital, de manera similar a como se protegen en el mundo f\u00edsico. Estos derechos incluyen, entre otros, el derecho a la privacidad, el derecho a la libertad de expresi\u00f3n, el derecho a la educaci\u00f3n y el derecho a la participaci\u00f3n.\n\nLa Convenci\u00f3n sobre los Derechos del Ni\u00f1o, tratado internacional que se aprob\u00f3 el 20 de noviembre de 1989 por la Asamblea General de las Naciones Unidas y que establece los derechos fundamentales de todos los ni\u00f1os y ni\u00f1as, se ha adaptado a esta era digital. As\u00ed, en 2021 se public\u00f3 la Observaci\u00f3n General No. 25 del Comit\u00e9 de los Derechos del Ni\u00f1o, recogiendo la necesidad de reconocer y proteger los derechos de la infancia tambi\u00e9n en el entorno digital. Esta herramienta debe servir para que los ni\u00f1os, ni\u00f1as y adolescentes puedan conocer, promover y exigir el cumplimiento de sus derechos en este \u00e1mbito.\n\nDentro de la Observaci\u00f3n General n\u00fam. 25 se establecen cuatro principios que deben guiar las medidas dirigidas a garantizar la efectividad de los derechos de los ni\u00f1os tambi\u00e9n en el entorno digital:\n\n1. No discriminaci\u00f3n: Todos los ni\u00f1os y ni\u00f1as tienen derecho a acceder y participar en el entorno digital sin ser discriminados por su g\u00e9nero, origen \u00e9tnico, discapacidad o cualquier otra caracter\u00edstica.\n\n2. Inter\u00e9s superior del menor: Al tomar decisiones en el entorno digital, se debe priorizar el bienestar y desarrollo de los ni\u00f1os y ni\u00f1as. Esto implica considerar c\u00f3mo las acciones digitales afectan su seguridad, educaci\u00f3n y salud.\n\n3. Supervivencia y desarrollo: El entorno digital debe contribuir al crecimiento y desarrollo integral de los ni\u00f1os. Esto incluye acceso a educaci\u00f3n de calidad, oportunidades de juego y socializaci\u00f3n, y protecci\u00f3n contra riesgos digitales.\n\n4. Respetar el punto de vista de los ni\u00f1os y ni\u00f1as: Involucrar a los ni\u00f1os en las decisiones que afectan su experiencia digital. Escuchar sus opiniones y considerar sus perspectivas al dise\u00f1ar pol\u00edticas, servicios y productos digitales.\n\nEsta Observaci\u00f3n es fruto de un proceso de consultas de 3 a\u00f1os en el que han participado los Gobiernos de 40 pa\u00edses, cientos de organizaciones y empresas, 50 expertos de 28 pa\u00edses y, muy especialmente, ha contado con la participaci\u00f3n de m\u00e1s de 700 ni\u00f1as, ni\u00f1os y adolescentes de todo el mundo, que han podido expresar sus preocupaciones e ideas.\n\nAs\u00ed, los derechos digitales de la infancia son esenciales para que todos los ni\u00f1os, ni\u00f1as y adolescentes puedan beneficiarse de las oportunidades que ofrece la era digital, sin dejar de estar protegidos ante los riesgos y peligros asociados. Por ello, es responsabilidad de todos ser capaces de:\n\nOfrecerles las mejores oportunidades para desarrollar su derecho a la informaci\u00f3n, a la libertad de expresi\u00f3n y a la participaci\u00f3n c\u00edvica.\n\nAsegurarse que el entorno digital est\u00e1 libre de informaci\u00f3n falsa y de actitudes y contenidos da\u00f1inos.", "title": "\u00bfQu\u00e9 son los derechos digitales?", "source": "Fundaci\u00f3n Atresmedia", "author": "Fundaci\u00f3n Atresmedia", "timestamp": 1713799332, "score_rel": 83.72848510742188, "subthemes": [1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1]} 6 | -------------------------------------------------------------------------------- /corpus_samples/output/x_posts_ciber_scores.jsonl: -------------------------------------------------------------------------------- 1 | {"id": "1884676186992705888", "created_at": 1738176793, "full_text": "COMO UN NI\u00d1O DE 15 A\u00d1OS SABE TU LOCALIZACI\u00d3N #ciberseguridad https://t.co/DBbGoSRQ1V", "retweet_count": 0, "favorite_count": 0, "name": "CyberForged", "screen_name": "CyberForgedVkng", "url": "https://twitter.com/CyberForgedVkng/status/1884676186992705888", "score_rel": 84.36580657958984, "subthemes": [83.66790771484375, 83.4085693359375, 82.20128631591797, 83.74479675292969, 84.14501190185547, 83.49068450927734, 84.99730682373047, 83.17359924316406, 84.15452575683594]} 2 | {"id": "1884675248169378046", "created_at": 1738176569, "full_text": "Los aspectos legales de la ciberseguridad en Venezuela - https://t.co/84H3BDWjXX https://t.co/HfscQQmBeT", "retweet_count": 0, "favorite_count": 0, "name": "Noti Veraz", "screen_name": "notiveraz360", "url": "https://twitter.com/notiveraz360/status/1884675248169378046", "score_rel": 87.0624771118164, "subthemes": [86.34950256347656, 85.83160400390625, 86.86048126220703, 85.77910614013672, 85.9294662475586, 84.18252563476562, 86.29268646240234, 86.05121612548828, 86.80172729492188]} 3 | {"id": "1884675180133314574", "created_at": 1738176553, "full_text": "@AndVilla1 Adem\u00e1s, no fue el \u00fanico ataque. Otras p\u00e1ginas de ciberseguridad publicaron pruebas de los hackeos que recibi\u00f3 el CNE durante ese d\u00eda, porque como podr\u00e1s saber, existen muchos tipos de ciberataques.\n\nAhora s\u00ed me despido. Hip\u00f3crita y oportunista.", "retweet_count": 0, "favorite_count": 0, "name": "Alejandro D\u00edaz Bonnet", "screen_name": "SoyDiazBonnet", "url": "https://twitter.com/SoyDiazBonnet/status/1884675180133314574", "score_rel": 81.97366333007812, "subthemes": [84.17768859863281, 81.8317642211914, 82.0271987915039, 81.85944366455078, 84.45538330078125, 82.46754455566406, 83.88788604736328, 83.08539581298828, 82.02776336669922]} 4 | {"id": "1884675109321093281", "created_at": 1738176536, "full_text": "Los aspectos legales de la ciberseguridad en Venezuela - https://t.co/84H3BDWjXX https://t.co/XtQtslpTK8", "retweet_count": 0, "favorite_count": 0, "name": "Noti Veraz", "screen_name": "notiveraz360", "url": "https://twitter.com/notiveraz360/status/1884675109321093281", "score_rel": 87.04098510742188, "subthemes": [86.26589965820312, 85.82127380371094, 86.75020599365234, 85.76374053955078, 85.8602294921875, 84.23932647705078, 86.2591323852539, 85.97119140625, 86.75949096679688]} 5 | {"id": "1884675070930321509", "created_at": 1738176527, "full_text": "Campa\u00f1a de Concientizaci\u00f3n en Seguridad Inform\u00e1tica, \nEl consejo del d\u00eda: \"Contrase\u00f1as SIN Informaci\u00f3n Personal\" #CSIRT #ciberseguridad #tips @UADYoficial #CGTIC https://t.co/xrpM6kYQhU", "retweet_count": 0, "favorite_count": 0, "name": "CSIRT UADY", "screen_name": "CsirtUady", "url": "https://twitter.com/CsirtUady/status/1884675070930321509", "score_rel": 84.07537078857422, "subthemes": [83.92699432373047, 83.78754425048828, 82.48587799072266, 82.61051177978516, 83.37987518310547, 84.48340606689453, 85.11275482177734, 82.623291015625, 84.86811065673828]} 6 | {"id": "1884674275023434108", "created_at": 1738176337, "full_text": "Pero... \u00a1no todo es color de rosas!\n\nDesaf\u00edos clave:\n\ud83c\udf0eGlobal: inexactitudes, ciberseguridad, normativa y falta de talento.\n\ud83c\udde6\ud83c\uddf7Argentina: habilidades especializadas (53%) y seguridad de datos (40%).\n\n\u00bfEstamos listos/as para afrontarlos? \ud83e\udd14", "retweet_count": 0, "favorite_count": 0, "name": "Universidad Siglo 21", "screen_name": "LaSiglo21", "url": "https://twitter.com/LaSiglo21/status/1884674275023434108", "score_rel": 85.74767303466797, "subthemes": [85.81877899169922, 86.35504913330078, 84.57569122314453, 85.1843032836914, 85.50867462158203, 84.846923828125, 84.919921875, 84.59822845458984, 85.63323211669922]} 7 | {"id": "1884673762726945202", "created_at": 1738176215, "full_text": "El futuro de la ciberseguridad en Andaluc\u00eda se acelera en Linares con INCIBE Emprende #Linares https://t.co/IdGGpd1NxC", "retweet_count": 0, "favorite_count": 2, "name": "Linares28.es", "screen_name": "linares28", "url": "https://twitter.com/linares28/status/1884673762726945202", "score_rel": 83.15889739990234, "subthemes": [82.56100463867188, 83.00572967529297, 81.39336395263672, 84.16043853759766, 83.15904235839844, 82.15718078613281, 83.4880599975586, 82.30093383789062, 82.79940795898438]} 8 | {"id": "1884673676689248376", "created_at": 1738176194, "full_text": "Apple lanza urgente actualizaci\u00f3n para parchear vulnerabilidad cr\u00edtica en iPhone, iPad y Mac, m\u00e1s informaci\u00f3n, https://t.co/LEHD1ZWcra\n#alerta #actualidad #vulnerabilidad #apple #iPhone #Mac #ciberseguridad #tecnovan #latam https://t.co/hIkwcim2Wg", "retweet_count": 0, "favorite_count": 0, "name": "Tecnovan Latam", "screen_name": "Tecnovan", "url": "https://twitter.com/Tecnovan/status/1884673676689248376", "score_rel": 83.58000183105469, "subthemes": [84.19357299804688, 81.02044677734375, 80.20304107666016, 82.20869445800781, 81.86726379394531, 80.25825500488281, 80.74214172363281, 80.44486236572266, 81.35546112060547]} 9 | {"id": "1884673310220304738", "created_at": 1738176107, "full_text": "Introducci\u00f3n al mundo de pentesting por https://t.co/LDZtjPhgP1 para cursos con asesor\u00eda personalizada. #ciberseguridad #hacking #infosec https://t.co/N0X0bdcCgX", "retweet_count": 1, "favorite_count": 3, "name": "OIHEC hackers", "screen_name": "HackersOIHEC", "url": "https://twitter.com/HackersOIHEC/status/1884673310220304738", "score_rel": 86.26655578613281, "subthemes": [88.89915466308594, 88.42863464355469, 87.62709045410156, 88.87530517578125, 88.50714874267578, 88.16887664794922, 88.27308654785156, 87.49406433105469, 88.5419692993164]} 10 | {"id": "1884672955336040603", "created_at": 1738176022, "full_text": "Si te identificas con estos datos, probablemente tu camino sea el Tecn\u00f3logo en Telecomunicaciones. \n\nConvi\u00e9rtete en un experto en redes, ciberseguridad y tecnolog\u00edas 5G, y prep\u00e1rate para liderar la transformaci\u00f3n digital.\n\n\ud83c\udfaf \u00a1Admisiones est\u00e1n abiertas hasta el 31 de enero!. https://t.co/RyX8cBVHbM", "retweet_count": 0, "favorite_count": 1, "name": "Instituto Tecnol\u00f3gico de las Am\u00e9ricas", "screen_name": "ITLARD", "url": "https://twitter.com/ITLARD/status/1884672955336040603", "score_rel": 84.17349243164062, "subthemes": [84.64421081542969, 85.53195190429688, 83.05821228027344, 85.30775451660156, 83.95033264160156, 84.46643829345703, 83.2142562866211, 83.65447235107422, 84.34986114501953]} 11 | {"id": "1884672453651100104", "created_at": 1738175903, "full_text": "Inaugurado en La Habana evento tecnol\u00f3gico de la Tercera Jornada Nacional de Ciberseguridad https://t.co/rPYNHwffdy https://t.co/l76bOew2cb", "retweet_count": 0, "favorite_count": 1, "name": "Tribuna de La Habana", "screen_name": "TribunaHabana", "url": "https://twitter.com/TribunaHabana/status/1884672453651100104", "score_rel": 83.32850646972656, "subthemes": [82.9197998046875, 82.38540649414062, 81.96188354492188, 83.2271957397461, 82.27186584472656, 81.10707092285156, 82.55545806884766, 82.26602172851562, 82.34988403320312]} 12 | {"id": "1884672277347746238", "created_at": 1738175861, "full_text": "Page Anuncia En Torija 10 Millones Para Un Centro Regional De Ciberseguridad En La Regi\u00f3n https://t.co/R4c15QmCz7 #actualidad #castillalamancha", "retweet_count": 0, "favorite_count": 0, "name": "Diario de la Mancha", "screen_name": "diariolamancha", "url": "https://twitter.com/diariolamancha/status/1884672277347746238", "score_rel": 82.25061798095703, "subthemes": [81.99459838867188, 81.98663330078125, 80.23494720458984, 81.39383697509766, 81.72713470458984, 82.5147476196289, 82.58948516845703, 81.75257110595703, 82.03147888183594]} 13 | {"id": "1884672273233142062", "created_at": 1738175860, "full_text": "\u00a1Atenci\u00f3n S.D.N.! \n\n\ud83c\udf10 Nuevo Tecn\u00f3logo en Ciberseguridad! \ud83d\udee1\ufe0f\ud83d\udcbb\n\n\ud83d\udccd Disponible en el recinto Santo Domingo Norte y en modalidad semipresencial, esta carrera te prepara para convertirte en el escudo del mundo digital.\n\n\ud83d\uddd3\ufe0f Admisiones abiertas hasta el 31 de enero. https://t.co/EonYdbMOGt", "retweet_count": 0, "favorite_count": 2, "name": "Instituto Tecnol\u00f3gico de las Am\u00e9ricas", "screen_name": "ITLARD", "url": "https://twitter.com/ITLARD/status/1884672273233142062", "score_rel": 83.74816131591797, "subthemes": [87.44349670410156, 88.77042388916016, 86.59473419189453, 89.0493392944336, 87.82283020019531, 86.77597045898438, 87.40116882324219, 86.4383544921875, 88.50074005126953]} 14 | {"id": "1884671365560844638", "created_at": 1738175643, "full_text": "Se ha detectado un posible #ciberataque perpetuado a \ud83c\uddfa\ud83c\uddf8 \ud835\uddd7\ud835\uddee\ud835\udde9\ud835\uddf6\ud835\uddfb\ud835\uddf0\ud835\uddf6 \ud835\udde5\ud835\uddf2\ud835\ude01\ud835\uddee\ud835\uddf6\ud835\uddf9 por el grupo \ud835\udde3\ud835\uddf9\ud835\uddee\ud835\ude06. \n\nPara m\u00e1s informaci\u00f3n, reg\u00edstrate en la plataforma de \ud835\udde9\ud835\uddf2\ud835\uddfb\ud835\uddee\ud835\uddff\ud835\uddf6\ud835\uddeb. Es gratis \ud83d\udc49 https://t.co/k7aOM6bV8h\n\n#ransomware #ciberseguridad #infosec #hackeo https://t.co/OHIzjyK0Ul", "retweet_count": 0, "favorite_count": 0, "name": "VenariX en Espa\u00f1ol", "screen_name": "_venarixES_", "url": "https://twitter.com/_venarixES_/status/1884671365560844638", "score_rel": 83.75650787353516, "subthemes": [84.98471069335938, 83.90567016601562, 82.9572525024414, 84.63136291503906, 85.18731689453125, 83.12962341308594, 84.23736572265625, 83.04774475097656, 84.57029724121094]} 15 | {"id": "1884670512451797037", "created_at": 1738175440, "full_text": "\ud83c\udf1f Liderar en ciberseguridad requiere visi\u00f3n y estrategia. Aprende las competencias que marcar\u00e1n la diferencia en el nuevo episodio de Historias de un CISO. Esc\u00fachalo en Spotify:\n\nhttps://t.co/QLWAYgvMU0 https://t.co/2zZaisdwdE", "retweet_count": 0, "favorite_count": 0, "name": "TBSeK", "screen_name": "TBSeK_MX", "url": "https://twitter.com/TBSeK_MX/status/1884670512451797037", "score_rel": 84.3342056274414, "subthemes": [85.22225189208984, 86.3270263671875, 85.28114318847656, 84.9095458984375, 86.05634307861328, 85.64969635009766, 85.43602752685547, 85.701904296875, 85.9378433227539]} 16 | {"id": "1884670346139496911", "created_at": 1738175400, "full_text": "\ud83d\udce1 El presidente @garciapage, ha anunciado una inversi\u00f3n de 10 millones de euros para el desarrollo de un centro regional de ciberseguridad en CLM.\n\n\ud83d\udee1\ufe0f Con el fin de \u201cprotegernos nosotros, nuestra salud, nuestra sanidad y nuestros servicios p\u00fablicos\".\n\n\u2139\ufe0f https://t.co/B3wOTGqEAn https://t.co/8Bhiv9fxgr", "retweet_count": 1, "favorite_count": 2, "name": "Gobierno de Castilla-La Mancha", "screen_name": "gobjccm", "url": "https://twitter.com/gobjccm/status/1884670346139496911", "score_rel": 80.89959716796875, "subthemes": [84.9227523803711, 82.65312194824219, 83.12183380126953, 81.75690460205078, 83.17534637451172, 83.40312957763672, 83.50708770751953, 83.78263092041016, 85.38385009765625]} 17 | {"id": "1884670344663052330", "created_at": 1738175400, "full_text": "\ud83d\udd11 Usar un gestor de contrase\u00f1as reduce el riesgo de hackeo hasta un 80%. Protege tus cuentas y simplifica tu vida digital. \u00bfYa usas uno? \ud83d\udee1\ufe0f #Ciberseguridad #GestorDeContrase\u00f1as #SecureFlowHub", "retweet_count": 0, "favorite_count": 0, "name": "SecureFlowHub", "screen_name": "SecureFlowHub", "url": "https://twitter.com/SecureFlowHub/status/1884670344663052330", "score_rel": 83.79993438720703, "subthemes": [86.8304672241211, 87.11614990234375, 86.46558380126953, 87.42073059082031, 87.8748779296875, 87.48844909667969, 86.27781677246094, 86.7503433227539, 87.29142761230469]} 18 | {"id": "1884669841594077435", "created_at": 1738175280, "full_text": "\ud83d\udfe0Descubren dos nuevos ataques de canal lateral dirigidos al silicio de #Apple que podr\u00edan explotarse para filtrar informaci\u00f3n confidencial de navegadores web como Safari y Google Chrome.\n#QintegraNews #ciberseguridad @TheHackersNews\nhttps://t.co/eyhBNHShIl", "retweet_count": 0, "favorite_count": 0, "name": "Qintegra Consulting", "screen_name": "QintegraC", "url": "https://twitter.com/QintegraC/status/1884669841594077435", "score_rel": 81.15845489501953, "subthemes": [87.70482635498047, 86.0555648803711, 85.84110260009766, 86.97969055175781, 87.11969757080078, 86.32121276855469, 86.29266357421875, 85.76152038574219, 86.45021057128906]} 19 | {"id": "1884669734525841625", "created_at": 1738175254, "full_text": "\ud83d\udee1\ufe0f #FirewallAssessment Optimiza tu #SeguridadTI con acompa\u00f1amiento #ExpertoTI . Mejora tu infraestructura\n\n\ud83d\uddd3\ufe0f Jueves 08 de Mayo, 10:00 am (GMT -5)\n\n\ud83d\udd17 https://t.co/uVf1xoxxkk\n\n#Ciberseguridad", "retweet_count": 0, "favorite_count": 0, "name": "AltermediosMSS", "screen_name": "AltermediosMSS", "url": "https://twitter.com/AltermediosMSS/status/1884669734525841625", "score_rel": 84.34426879882812, "subthemes": [86.25151824951172, 86.47138214111328, 85.4033203125, 86.4719467163086, 85.89779663085938, 84.99773406982422, 85.54791259765625, 84.6244125366211, 86.3657455444336]} 20 | {"id": "1884669706537177262", "created_at": 1738175248, "full_text": "Por su parte, el congresista Mendoza destac\u00f3 que este anteproyecto complementa la propuesta de ley de ciberseguridad, fortaleciendo la protecci\u00f3n de la informaci\u00f3n digital en el \u00e1mbito de la salud. https://t.co/JaQUr9WIBA", "retweet_count": 0, "favorite_count": 1, "name": "Congreso Guatemala", "screen_name": "CongresoGuate", "url": "https://twitter.com/CongresoGuate/status/1884669706537177262", "score_rel": 83.03047180175781, "subthemes": [82.62468719482422, 82.24674987792969, 82.26499938964844, 82.21109771728516, 83.93792724609375, 82.46671295166016, 82.9982681274414, 82.75506591796875, 83.12882995605469]} 21 | {"id": "1884668354150969386", "created_at": 1738174925, "full_text": "\ud83d\udd10 \u00a1No te pierdas nuestra pr\u00f3xima cita del Aula de #Ciberseguridad y #Criptograf\u00eda Post-Cu\u00e1ntica!\n\n\ud83d\uddd3\ufe0f30 de enero\n\u23f016:00 a 17:30h\n\ud83d\udccdCampus UAX B&T \nContaremos con una ponencia imperdible a cargo de Lloren\u00e7 Huguet i Rotger, Catedr\u00e1tico de Universidad en Ciencia de la Computaci\u00f3n e https://t.co/9RWRBdVGFb", "retweet_count": 0, "favorite_count": 1, "name": "UAX", "screen_name": "uaxuniversidad", "url": "https://twitter.com/uaxuniversidad/status/1884668354150969386", "score_rel": 83.15654754638672, "subthemes": [83.6158447265625, 83.808349609375, 81.80845642089844, 83.89308166503906, 83.2398452758789, 82.48400115966797, 83.43533325195312, 82.38235473632812, 82.81228637695312]} 22 | {"id": "1884665201066131748", "created_at": 1738174173, "full_text": "Esto es un llamado a todos los desarrolladores humanos en LATAM \ud83d\udca5\n\n\ud83d\udc40... s\u00ed, solo humanos. Los bots quedan fuera.\n\n\u00danete a nuestro Flash Trivia sobre privacidad y descubre m\u00e1s sobre criptograf\u00eda y anonimizaci\u00f3n. \n\nFecha: 31 de enero | 10 AM ET\nLugar: Servidor de Discord https://t.co/4cODZpc4GZ", "retweet_count": 4, "favorite_count": 21, "name": "World Latam", "screen_name": "world_latam_", "url": "https://twitter.com/world_latam_/status/1884665201066131748", "score_rel": 82.40572357177734, "subthemes": [86.99597930908203, 83.45409393310547, 84.49896240234375, 83.4476318359375, 84.34712982177734, 84.66085052490234, 83.94031524658203, 85.38154602050781, 84.72254180908203]} 23 | {"id": "1884650941665726904", "created_at": 1738170774, "full_text": "\ud83d\udd2e Bitcoin vs $XRP: \u00bfQu\u00e9 criptograf\u00eda para una nueva era monetaria? \u00b7 \u00bfVoces globales?\n\u00a1Los BRICS se est\u00e1n emancipando del d\u00f3lar y obligando a los Estados Unidos a reaccionar!.\n\u00bfUn cambio hist\u00f3rico a la vista? \ud83c\udfdb\ufe0f\n\n#Cripto #Econom\u00eda $BTC\nhttps://t.co/Q7FtJ0TN5T", "retweet_count": 0, "favorite_count": 0, "name": "Cointribune ES", "screen_name": "CoinTribuneES", "url": "https://twitter.com/CoinTribuneES/status/1884650941665726904", "score_rel": 80.38407135009766, "subthemes": [85.07935333251953, 83.89936828613281, 84.2361068725586, 85.80867004394531, 84.62881469726562, 86.2911376953125, 84.54265594482422, 85.30634307861328, 83.99674987792969]} 24 | {"id": "1884628086794162384", "created_at": 1738165325, "full_text": "#HablanLasMarcas | La serie Galaxy S25 prioriza la privacidad y seguridad con el Personal Data Engine y criptograf\u00eda post-cu\u00e1ntica, garantizando experiencias personalizadas sin comprometer tus datos. Conoce m\u00e1s sobre estas caracter\u00edsticas: https://t.co/TRhWGFRPyt", "retweet_count": 0, "favorite_count": 0, "name": "El Pitazo", "screen_name": "ElPitazoTV", "url": "https://twitter.com/ElPitazoTV/status/1884628086794162384", "score_rel": 81.61131286621094, "subthemes": [85.82476806640625, 84.75541687011719, 85.54339599609375, 84.74539184570312, 84.84359741210938, 85.57182312011719, 84.88758850097656, 85.69755554199219, 84.85978698730469]} 25 | {"id": "1884627118367166963", "created_at": 1738165094, "full_text": "@manuferraritano @dieguito @walletofsatoshi @BitcoinMagazine @BitcoinNewsCom @btcenespanol @RodolfoBits @juanbiter @moon33_blue @beincrypto_es Gracias Manu por tus palabras!\nCriptograf\u00eda b\u00e1sica para los ni\u00f1os\ud83e\udd17 https://t.co/kpfAz6oGtv", "retweet_count": 1, "favorite_count": 4, "name": "Escuelita Bitcoin #FREESAMOURAI", "screen_name": "escuelitabtc", "url": "https://twitter.com/escuelitabtc/status/1884627118367166963", "score_rel": 82.02397918701172, "subthemes": [88.18489074707031, 84.48368835449219, 83.93975830078125, 85.05016326904297, 84.97518157958984, 84.6476058959961, 85.80025482177734, 83.70450592041016, 84.83406066894531]} 26 | -------------------------------------------------------------------------------- /requirements.txt: -------------------------------------------------------------------------------- 1 | torch 2 | transformers 3 | numpy 4 | pytest 5 | nltk 6 | pyyaml -------------------------------------------------------------------------------- /setup.py: -------------------------------------------------------------------------------- 1 | from setuptools import setup, find_packages 2 | 3 | setup( 4 | name="textscope", 5 | version="0.1.5", 6 | packages=find_packages(), 7 | package_data={ 8 | 'textscope': ['data/config.yaml'], 9 | }, 10 | install_requires=[ 11 | "torch", 12 | "transformers", 13 | "numpy", 14 | "pytest", 15 | "pyyaml", 16 | "nltk" 17 | ], 18 | include_package_data=True, 19 | description="A Python text analysis library for relevance and subtheme detection", 20 | long_description=open('README.md').read(), 21 | long_description_content_type='text/markdown', 22 | author="Marcos Fernández-Pichel", 23 | author_email="marcosfernandez.pichel@usc.es", 24 | ) 25 | 26 | -------------------------------------------------------------------------------- /tests/__init__.py: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/MarcosFP97/textscope/7f099633c838f815024293f6d68890630ed5bc7b/tests/__init__.py -------------------------------------------------------------------------------- /tests/test_relevance_analyzer.py: -------------------------------------------------------------------------------- 1 | import pytest 2 | from textscope.relevance_analyzer import RelevanceAnalyzer 3 | 4 | sample_text = 'La adicción al juego es una enfermedad, pero es la única enfermedad que te puede hacer rico. La artritis no te va a hacer ganar un centavo' 5 | sample_text_rel_small = 'El acceso a internet debe ser reconocido como un derecho humano básico en la era digital.' 6 | sample_text_rel_large = 'Los derechos digitales son fundamentales para garantizar que las personas puedan expresarse libremente y acceder a información en línea sin temor a censura. Además, es crucial proteger la privacidad de los datos personales frente a corporaciones y gobiernos, asegurando así la seguridad en la navegación y la comunicación digital.' 7 | 8 | @pytest.fixture 9 | def analyzer(): 10 | return RelevanceAnalyzer() 11 | 12 | def test_analyze_relevance(analyzer): 13 | score = analyzer.analyze(sample_text, "gambling") 14 | print(f"Relevance score for sample text: {score}") 15 | assert isinstance(score, float), "The result should be a float" 16 | assert 0 <= score <= 100, "The result should be between 0 and 100" 17 | 18 | def test_analyze_relevance_dr(analyzer): 19 | score = analyzer.analyze(sample_text, "digital_rights") 20 | print(f"Relevance score for sample text: {score}") 21 | assert isinstance(score, float), "The result should be a float" 22 | assert 0 <= score <= 100, "The result should be between 0 and 100" 23 | 24 | def test_empty_text(analyzer): 25 | score = analyzer.analyze("", "gambling") 26 | assert isinstance(score, float), "The result should be a float" 27 | assert score == 0, "The result should be 0 for an empty text" -------------------------------------------------------------------------------- /tests/test_subtheme_analyzer.py: -------------------------------------------------------------------------------- 1 | import pytest 2 | from textscope.subtheme_analyzer import SubthemeAnalyzer 3 | 4 | sample_text = 'Perdía el raciocinio apostando cantidades cada vez mayores para sentir estímulos más intensos. He mentido a mi familia.' 5 | sample_text_rel_small = 'El acceso a internet debe ser reconocido como un derecho humano básico en la era digital.' 6 | sample_text_rel_large = 'Los derechos digitales son fundamentales para garantizar que las personas puedan expresarse libremente y acceder a información en línea sin temor a censura. Además, es crucial proteger la privacidad de los datos personales frente a corporaciones y gobiernos, asegurando así la seguridad en la navegación y la comunicación digital.' 7 | 8 | @pytest.fixture 9 | def analyzer(): 10 | return SubthemeAnalyzer() 11 | 12 | def test_analyze_sub(analyzer): 13 | puncts = analyzer.analyze(sample_text, "gambling") 14 | print(f"Subthemes scores: {puncts}") 15 | assert isinstance(puncts, list), "Results should be a list of scores" 16 | 17 | def test_analyze_sub_dr(analyzer): 18 | puncts = analyzer.analyze(sample_text_rel_large, "digital_rights") 19 | print(f"Subthemes scores: {puncts}") 20 | assert isinstance(puncts, list), "Results should be a list of scores" 21 | 22 | def test_analyze_subpres(analyzer): 23 | puncts = analyzer.analyze_bin(sample_text_rel_large, "digital_rights") 24 | print(f"Subthemes presence: {puncts}") 25 | assert isinstance(puncts, list), "Result should be a list of binary values" 26 | 27 | def test_analyze_empty(analyzer): 28 | puncts = analyzer.analyze("", "gambling") 29 | assert puncts == [], "Result should be an empty list" -------------------------------------------------------------------------------- /textscope/__init__.py: -------------------------------------------------------------------------------- 1 | from .relevance_analyzer import RelevanceAnalyzer 2 | from .subtheme_analyzer import SubthemeAnalyzer 3 | 4 | -------------------------------------------------------------------------------- /textscope/config.py: -------------------------------------------------------------------------------- 1 | from textscope.config_loader import config, load_config 2 | 3 | load_config() 4 | 5 | PROFILES = config.profiles 6 | SUBTHEMES = config.subthemes -------------------------------------------------------------------------------- /textscope/config_loader.py: -------------------------------------------------------------------------------- 1 | import yaml 2 | import os 3 | 4 | class Config: 5 | def __init__( 6 | self 7 | ): 8 | self.profiles = {} 9 | self.subthemes = {} 10 | 11 | def load_from_file( 12 | self, 13 | filepath:str 14 | )-> None: 15 | with open(filepath, 'r') as file: 16 | data = yaml.safe_load(file) 17 | self.profiles = data.get('PROFILES', {}) 18 | self.subthemes = data.get('SUBTHEMES', {}) 19 | 20 | config = Config() 21 | 22 | def load_config( 23 | filepath:str=None 24 | )-> None: 25 | if filepath is None: 26 | filepath = os.path.join(os.path.dirname(__file__), 'data', 'config.yaml') 27 | config.load_from_file(filepath) -------------------------------------------------------------------------------- /textscope/corpus_samples/dd_test.py: -------------------------------------------------------------------------------- 1 | import json 2 | from textscope.relevance_analyzer import RelevanceAnalyzer 3 | from textscope.subtheme_analyzer import SubthemeAnalyzer 4 | 5 | rel = RelevanceAnalyzer() 6 | subtheme = SubthemeAnalyzer() 7 | 8 | with open('news_articles.jsonl', 'r') as file: 9 | data = file.readlines() 10 | print(len(data)) 11 | for line in data: 12 | dd = json.loads(line) 13 | news = dd['text'] 14 | score = rel.analyze(news, "digital_rights") 15 | dd["score_rel"] = score 16 | puncts = subtheme.analyze_bin(news, "digital_rights") 17 | dd["subthemes"] = puncts 18 | print(f'{news} - SCORE: {puncts}') 19 | with open('news_articles_scores.jsonl', 'a+') as f: 20 | f.write(json.dumps(dd)+'\n') 21 | 22 | with open('x_posts.jsonl', 'r') as file: 23 | data = file.readlines() 24 | for line in data: 25 | tweet = json.loads(line) 26 | text = tweet["full_text"] 27 | score = rel.analyze(text, "digital_rights") 28 | tweet["score_rel"] = score 29 | puncts = subtheme.analyze_bin(text, "digital_rights") 30 | tweet["subthemes"] = puncts 31 | print(f'{text} - SCORE: {puncts}') 32 | with open('x_posts_scores.jsonl', 'a+') as f: 33 | f.write(json.dumps(tweet)+'\n') -------------------------------------------------------------------------------- /textscope/corpus_samples/news_articles_scores.jsonl: -------------------------------------------------------------------------------- 1 | {"url": "https://www.aepd.es/prensa-y-comunicacion/notas-de-prensa/la-agencia-aprueba-un-nuevo-sistema-de-mediacion-para", "text": "(20 de noviembre de 2024). La Agencia Espa\u00f1ola de Protecci\u00f3n de Datos (AEPD), ha aprobado el \u2018C\u00f3digo de conducta para la regulaci\u00f3n de controversias de protecci\u00f3n de datos en el sector de las comunicaciones electr\u00f3nicas\u2019, promovido por las operadoras de telefon\u00eda de los grupos Orange, Telef\u00f3nica, Vodafone y M\u00e1sM\u00f3vil.\n\nEl c\u00f3digo de conducta regula un procedimiento de mediaci\u00f3n con el objetivo de que las dos partes, ciudadanos y entidades adheridas al c\u00f3digo, alcancen un acuerdo sin tener que recurrir, si as\u00ed lo decide el usuario, a un procedimiento administrativo o judicial para resolver su reclamaci\u00f3n.\n\nLos c\u00f3digos de conducta, cuya adhesi\u00f3n es voluntaria pero vinculante para las entidades adheridas, constituyen una muestra de autorregulaci\u00f3n que, en este caso, supone establecer un procedimiento gratuito para los ciudadanos para ofrecer una respuesta m\u00e1s \u00e1gil a las reclamaciones que puedan surgir frente a las entidades adheridas.\n\nEste c\u00f3digo de conducta entrar\u00e1 en vigor el pr\u00f3ximo 17 de diciembre y, a trav\u00e9s del procedimiento que regula, los ciudadanos podr\u00e1n plantear reclamaciones relacionadas con, entre otros casos, tratamientos de datos realizados sin base de legitimaci\u00f3n, ejercicios de derechos no atendidos, inserci\u00f3n indebida en sistemas de informaci\u00f3n crediticia o contrataci\u00f3n fraudulenta.\n\nEl RGPD establece que todos los c\u00f3digos de conducta deben designar un organismo de supervisi\u00f3n que act\u00fae con plena independencia tanto del promotor del c\u00f3digo como de las entidades adheridas, y que debe ser acreditado por la autoridad de control. En este caso, el organismo acreditado por la Agencia para la supervisi\u00f3n y control de este c\u00f3digo es el Jurado de la Publicidad, de la Asociaci\u00f3n para la Autorregulaci\u00f3n de la Comunicaci\u00f3n Comercial (AUTOCONTROL).\n\nAUTOCONTROL estudiar\u00e1 las reclamaciones que se reciban contra las entidades adheridas al C\u00f3digo, iniciando el procedimiento de mediaci\u00f3n. La duraci\u00f3n m\u00e1xima de este procedimiento ser\u00e1 de 30 d\u00edas.\n\nPor otro lado, cuando las reclamaciones en materia de comunicaciones electr\u00f3nicas contra las entidades adheridas se planteen directamente ante la Agencia, \u00e9sta podr\u00e1 trasladarlas al sistema de mediaci\u00f3n del c\u00f3digo. Su duraci\u00f3n m\u00e1xima en este caso ser\u00e1 de 27 d\u00edas, informando a la Agencia del acuerdo que se adopte.", "title": "La Agencia aprueba un nuevo sistema de mediaci\u00f3n para agilizar las reclamaciones de protecci\u00f3n de datos en materia de comunicaciones electr\u00f3nicas", "source": "Agencia Espa\u00f1ola de Protecci\u00f3n de Datos", "author": "", "timestamp": 1732093322, "score_rel": 82.71996307373047, "subthemes": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]} 2 | {"url": "https://espacio.fundaciontelefonica.com/evento/derechos-digitales-informacion/", "text": "\u00bfQu\u00e9 significa ser un ciudadano informado en la era de las campa\u00f1as digitales oscuras, contenido sint\u00e9tico y muros de pago? \u00bfC\u00f3mo garantizamos el acceso de todos los ciudadanos a informaci\u00f3n veraz frente al desmoronamiento del Internet abierto y la prensa gratuita?\n\nPara responder a estas y otras cuestiones, contamos, en la \u00faltima mesa del a\u00f1o, con los periodistas Mar\u00eda Exner, directora de Publix; Alan Rusbridger, editor de Prospect Magazine; y Eduardo Su\u00e1rez, director editorial del Instituto Reuters para el Estudio del Periodismo. Esta conversaci\u00f3n estuvo moderada por Marta Peirano.\n\nFundaci\u00f3n Telef\u00f3nica, en colaboraci\u00f3n con Red.es, pone en marcha un programa de encuentros, publicaciones y exposiciones, en el marco del Observatorio de Derechos Digitales, con el fin de promover los derechos digitales entre los ciudadanos. Como parte de este proyecto a lo largo de 2024, 2025 y 2026, acogeremos una serie de encuentros donde expertos internacionales debatir\u00e1n los distintos aspectos que afectan a la ciudadan\u00eda dentro del marco de los Derechos Digitales. Los tres encuentros que se realizar\u00e1n durante 2024 estar\u00e1n comisariados por Marta Peirano, periodista especializada en tecnolog\u00eda y poder.\n\nEl programa Derechos Digitales es un proyecto puesto en marcha por Red.es, entidad p\u00fablica adscrita al Ministerio para la Transformaci\u00f3n Digital y de la Funci\u00f3n P\u00fablica, a trav\u00e9s de la Secretar\u00eda de Estado de Digitalizaci\u00f3n e Inteligencia Artificial, tiene como objetivo impulsar el seguimiento, difusi\u00f3n, debate y promoci\u00f3n de los Derechos Digitales entre la ciudadan\u00eda y organizaciones p\u00fablicas y privadas, as\u00ed como la creaci\u00f3n de un espacio de observaci\u00f3n de Derechos Digitales. Las actuaciones, est\u00e1n financiadas por el Plan de Recuperaci\u00f3n, Transformaci\u00f3n y Resiliencia a trav\u00e9s de los fondos NextGenerationEU.\n\nEste evento se realiz\u00f3 en ingl\u00e9s y castellano con traducci\u00f3n simult\u00e1nea al castellano; contar\u00e1 con medidas de accesibilidad auditiva (bucle de inducci\u00f3n magn\u00e9tica, LSE y amplificaci\u00f3n del sonido por auriculares). El encuentro pudo seguirse en streaming en abierto en esta web y en redes con los hashtags #DerechosDigitales, #PlanDeRecuperaci\u00f3n y #NextGenerationEU.\n\nPuedes disfrutarlo en nuestra mediateca y tambi\u00e9n como podcast en las principales plataformas.\n\nPuedes consultar el resto de los encuentros enmarcados dentro de este programa el siguiente enlace\n\nMar\u00eda Exner (@mariaexner)\n\nPeriodista y directora de Publix. Anteriormente, Mar\u00eda fue redactora jefe de ZEITmagazin y subredactora jefe de ZEIT ONLINE, donde desarroll\u00f3 proyectos innovadores orientados a la sociedad civil, incluidos Germany Talks y el Z2X Festival of Ideas.\n\nHa recibido numerosos premios por su trabajo, incluido el Premio Jean Monnet para la Integraci\u00f3n Europea y el Grimme Online Award, adem\u00e1s de ser reconocida como una de las mejores redactoras jefe de revistas del a\u00f1o.\n\nAlan Rusbridger (@arusbridger)\n\nFue redactor jefe de The Guardian desde 1995 hasta 2015. Actualmente es editor de Prospect Magazine y presidente del Reuters Institute for the Study of Journalism. Hasta 2021, fue el director del Lady Margaret Hall en Oxford. Durante su tiempo en The Guardian, tanto \u00e9l como el peri\u00f3dico ganaron numerosos premios, incluyendo el Premio Pulitzer 2014 por Periodismo de Servicio P\u00fablico.\n\nNaci\u00f3 en Zambia, se educ\u00f3 en Cambridge y vive en Londres. Es coautor del drama de la BBC, Fields of Gold. Es un entusiasta m\u00fasico aficionado y autor de Play it Again. Su memoria sobre el periodismo y su futuro, Breaking News, se public\u00f3 en 2018. Es miembro del Consejo de Supervisi\u00f3n de Facebook. Su libro m\u00e1s reciente, News and How to Use it, se public\u00f3 en 2020.", "title": "Derechos Digitales: derecho a la informaci\u00f3n", "source": "Espacio Fundaci\u00f3n Telef\u00f3nica", "author": "tanialorenzo", "timestamp": 1732803436, "score_rel": 84.27287292480469, "subthemes": [0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0]} 3 | {"url": "https://www.coe.int/es/web/portal/-/new-guidelines-to-protect-voters-personal-data", "text": "El Consejo de Europa ha publicado directrices destinadas a la protecci\u00f3n de los datos personales de las personas a la hora de su registro como votantes y cuando se necesita autentificar su identidad para participar en las elecciones.\n\nLas directrices, preparadas por el Comit\u00e9 Consultivo del Convenio para la protecci\u00f3n de las personas con respecto al tratamiento automatizado de datos de car\u00e1cter personal (\u201cConvenio 108\u201d), contienen consejos para los controladores de datos sobre c\u00f3mo garantizar que los sistemas de registro y autenticaci\u00f3n se utilicen de modo que respeten los derechos a la privacidad de los individuos.\n\nLas directrices destacan la importancia de salvaguardar categor\u00edas especiales o datos personales sensibles, como la informaci\u00f3n biom\u00e9trica, las opiniones pol\u00edticas, y los or\u00edgenes raciales o \u00e9tnicos cuando identifiquen de manera \u00fanica a una persona, y subrayan los riesgos potenciales del uso de tecnolog\u00edas biom\u00e9tricas para la autenticaci\u00f3n e identificaci\u00f3n de los votantes.\n\nEl documento describe una serie de principios y buenas pr\u00e1cticas y aborda cuestiones como la legitimidad del procesamiento de datos, la seguridad de los datos, la transparencia, los derechos del sujeto de los datos, y las obligaciones de los organismos electorales.", "title": "Nuevas directrices para proteger los datos personales de los votantes", "source": "coe.int", "author": "Council of Europe", "timestamp": 1726655640, "score_rel": 83.02960968017578, "subthemes": [1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0]} 4 | {"url": "https://www.aepd.es/prensa-y-comunicacion/notas-de-prensa/la-aepd-publica-una-nota-tecnica-en-relacion-con-blockchain-y", "text": "(13 de noviembre) La Agencia Espa\u00f1ola de Protecci\u00f3n de Datos ha publicado una nota t\u00e9cnica en relaci\u00f3n con Blockchain y el derecho de supresi\u00f3n. La Prueba de Concepto que se presenta en este documento demuestra la viabilidad de construir infraestructuras Blockchain que permitan cumplir con el Reglamento General de Protecci\u00f3n de Datos (RGPD).\n\nLa nota t\u00e9cnica describe los fundamentos de las infraestructuras Blockchain y aclara conceptos utilizados en el marco de esta tecnolog\u00eda desde una perspectiva de protecci\u00f3n de datos. Tambi\u00e9n analiza los casos reales de aplicaci\u00f3n de cambios y gesti\u00f3n de la gobernanza habituales en dichas infraestructuras. A continuaci\u00f3n, se desarrollan pol\u00edticas, que incluyen medidas organizativas y t\u00e9cnicas, para implementar el derecho de supresi\u00f3n en una infraestructura Blockchain. Finalmente, tras analizar y documentar los componentes de una infraestructura Blockchain real de uso muy extendido, se aplican de forma pr\u00e1ctica en un caso de uso de eliminaci\u00f3n de la actividad de un usuario, incluyendo la informaci\u00f3n relativa a los Smart-Contracts.\n\nSi bien existen trabajos previos para gestionar el borrado de informaci\u00f3n en una infraestructura Blockchain, la presente Prueba de Concepto constituye un demostrador completamente funcional, documentado y espec\u00edficamente orientado al cumplimiento del RGPD, sin pretender ser una soluci\u00f3n comercial de aplicaci\u00f3n directa en el mercado. Adem\u00e1s, contempla la gesti\u00f3n de la informaci\u00f3n personal almacenada en todo el conjunto de la Blockchain, es decir, no solo la informaci\u00f3n en las transacciones de los bloques, sino otras como la registrada en los recibos de las transacciones.\n\nEste documento se complementa con informaci\u00f3n t\u00e9cnica adicional y un v\u00eddeo demostrativo.", "title": "La AEPD publica una nota t\u00e9cnica en relaci\u00f3n con Blockchain y el derecho de supresi\u00f3n", "source": "Agencia Espa\u00f1ola de Protecci\u00f3n de Datos", "author": "", "timestamp": 1731535200, "score_rel": 83.68810272216797, "subthemes": [1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0]} 5 | {"url": "https://fundacion.atresmedia.com/conoce-mas/derechos-digitales/que-son-derechos-digitales_20240422662680a4c0b95c00010dded4.html", "text": "En un mundo cada vez m\u00e1s interconectado y digitalizado, proteger los derechos de los ni\u00f1os en el entorno digital se ha convertido en una prioridad fundamental. La r\u00e1pida evoluci\u00f3n de la tecnolog\u00eda ha brindado innumerables oportunidades y beneficios, pero tambi\u00e9n ha planteado nuevos desaf\u00edos y riesgos, sobre todo para los ni\u00f1os, ni\u00f1as y adolescentes.\n\nLos derechos digitales se refieren a derechos fundamentales que deben protegerse y promoverse en el entorno digital, de manera similar a como se protegen en el mundo f\u00edsico. Estos derechos incluyen, entre otros, el derecho a la privacidad, el derecho a la libertad de expresi\u00f3n, el derecho a la educaci\u00f3n y el derecho a la participaci\u00f3n.\n\nLa Convenci\u00f3n sobre los Derechos del Ni\u00f1o, tratado internacional que se aprob\u00f3 el 20 de noviembre de 1989 por la Asamblea General de las Naciones Unidas y que establece los derechos fundamentales de todos los ni\u00f1os y ni\u00f1as, se ha adaptado a esta era digital. As\u00ed, en 2021 se public\u00f3 la Observaci\u00f3n General No. 25 del Comit\u00e9 de los Derechos del Ni\u00f1o, recogiendo la necesidad de reconocer y proteger los derechos de la infancia tambi\u00e9n en el entorno digital. Esta herramienta debe servir para que los ni\u00f1os, ni\u00f1as y adolescentes puedan conocer, promover y exigir el cumplimiento de sus derechos en este \u00e1mbito.\n\nDentro de la Observaci\u00f3n General n\u00fam. 25 se establecen cuatro principios que deben guiar las medidas dirigidas a garantizar la efectividad de los derechos de los ni\u00f1os tambi\u00e9n en el entorno digital:\n\n1. No discriminaci\u00f3n: Todos los ni\u00f1os y ni\u00f1as tienen derecho a acceder y participar en el entorno digital sin ser discriminados por su g\u00e9nero, origen \u00e9tnico, discapacidad o cualquier otra caracter\u00edstica.\n\n2. Inter\u00e9s superior del menor: Al tomar decisiones en el entorno digital, se debe priorizar el bienestar y desarrollo de los ni\u00f1os y ni\u00f1as. Esto implica considerar c\u00f3mo las acciones digitales afectan su seguridad, educaci\u00f3n y salud.\n\n3. Supervivencia y desarrollo: El entorno digital debe contribuir al crecimiento y desarrollo integral de los ni\u00f1os. Esto incluye acceso a educaci\u00f3n de calidad, oportunidades de juego y socializaci\u00f3n, y protecci\u00f3n contra riesgos digitales.\n\n4. Respetar el punto de vista de los ni\u00f1os y ni\u00f1as: Involucrar a los ni\u00f1os en las decisiones que afectan su experiencia digital. Escuchar sus opiniones y considerar sus perspectivas al dise\u00f1ar pol\u00edticas, servicios y productos digitales.\n\nEsta Observaci\u00f3n es fruto de un proceso de consultas de 3 a\u00f1os en el que han participado los Gobiernos de 40 pa\u00edses, cientos de organizaciones y empresas, 50 expertos de 28 pa\u00edses y, muy especialmente, ha contado con la participaci\u00f3n de m\u00e1s de 700 ni\u00f1as, ni\u00f1os y adolescentes de todo el mundo, que han podido expresar sus preocupaciones e ideas.\n\nAs\u00ed, los derechos digitales de la infancia son esenciales para que todos los ni\u00f1os, ni\u00f1as y adolescentes puedan beneficiarse de las oportunidades que ofrece la era digital, sin dejar de estar protegidos ante los riesgos y peligros asociados. Por ello, es responsabilidad de todos ser capaces de:\n\nOfrecerles las mejores oportunidades para desarrollar su derecho a la informaci\u00f3n, a la libertad de expresi\u00f3n y a la participaci\u00f3n c\u00edvica.\n\nAsegurarse que el entorno digital est\u00e1 libre de informaci\u00f3n falsa y de actitudes y contenidos da\u00f1inos.", "title": "\u00bfQu\u00e9 son los derechos digitales?", "source": "Fundaci\u00f3n Atresmedia", "author": "Fundaci\u00f3n Atresmedia", "timestamp": 1713799332, "score_rel": 83.72848510742188, "subthemes": [1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1]} 6 | -------------------------------------------------------------------------------- /textscope/data/config.yaml: -------------------------------------------------------------------------------- 1 | PROFILES: 2 | gambling: ["ludopatía", "trastorno de juego", "adicción al juego", "trastorno por juego", "trastorno de juego adictivo", "trastorno por juego adictivo", "juego compulsivo", "dependencia al juego"] 3 | digital_rights: ["protección de datos", "derechos digitales", "derecho al olvido", "datos sensibles", "supresión de datos", "derechos entorno digital", "educación digital", "ciberseguridad", "derecho anonimato", "igualdad internet", "menores internet", "brecha entorno digital", "derechos trabajadores internet", "derecho acceso a datos", "derecho inteligencia artificial", "neuroderechos"] 4 | mental_health: ["depression", "anxiety", "bipolar disorder", "schizophrenia", "PTSD", "mental health", "psychotherapy"] 5 | climat: ["changement climatique", "environnement", "réchauffement climatique", "pollution", "durabilité", "énergies renouvelables", "conservation"] 6 | cibersec: ["ciberseguridad", "criptografía", "cifrado de datos", "vulnerabilidades de seguridad", "normativas de ciberseguridad", "protección de datos", "auditorías de seguridad", "malware", "ransomware", "simulación de ciberataques", "seguridad en redes sociales", "ciberacoso", "delitos digitales", "privacidad y derechos digitales"] 7 | SUBTHEMES: 8 | gambling: ["¿Se ha encontrado a menudo pensando en el juego (por ejemplo, reviviendo experiencias de juego pasadas, planeando la próxima vez que jugar o pensando en formas de conseguir dinero para jugar)?", "¿Ha necesitado apostar cada vez más dinero para conseguir la cantidad de emoción que busca?", "¿Se ha vuelto inquieto o irritable al intentar reducir o dejar de jugar?", "¿Has jugado para escapar de los problemas o cuando te sientes se siente deprimido, ansioso o mal consigo mismo?", "Después de perder dinero apostando, ¿has vuelto otro día para para desquitarse?", "¿Ha mentido a su familia o a otras personas para ocultar el alcance de su ludopatía?", "¿Ha intentado repetidamente sin éxito controlar, reducir o dejar de jugar?", "¿Ha arriesgado o perdido una relación importante, un trabajo, una oportunidad educativa o profesional a causa del juego?", "¿Ha pedido ayuda a otras personas para que le proporcionen el dinero necesario para aliviar una situación financiera desesperada causada por el juego?"] 9 | digital_rights: [ 10 | ["Privacidad y protección de datos", "Derecho anonimato", "Identidad Digital", "Algoritmos justos", "Inclusión tecnológica"], 11 | ["Fake news", "Alfabetización digital", "Voto electrónico", "Libertad de expresión en Internet", "Educación digital" ], 12 | ["Ciberamenzas", "Soberanía digital", "Ciberseguridad"], 13 | ["Igualdad entorno digital", "Acceso a mundo digital", "Accesibilidad entorno digital", "Menores entorno digital", "Brecha digital"], 14 | ["Derechos Trabajadores entorno digital", "Libertad de empresa entorno digital", "Teletrabajo", "Desconexión digital", "Plataformas educativas", "Privacidad infantil"], 15 | ["Derecho acceso a datos", "Entorno digital sostenible", "Protección de la salud entorno digital", "Libertad de creación ciberespacio", "Derecho de acceso a la cultura digital", "Neuroderechos"], 16 | ["Garantía derecho entorno digital", "Eficacia derecho mundo digital"], 17 | ["Sesgos algorítmicos", "Decisiones automatizadas", "Uso responsable de IA", Regulación IA"], 18 | ["Publicidad personalizada", "Comercio electrónico", "Blockchain", "Criptomonedas"], 19 | ["Tecnologías verdes", "Economía Circular Digital"], 20 | ["Derechos de autor", "Licencias abertas", "Cultura y Creatividad digital"], 21 | ["Metaverso", "Realidad Virtual", "Seguridad dispositivos conectados", "Regulación interacciones digitales"] 22 | ] 23 | cibersec: [ 24 | ["Incidentes de ciberseguridad", "Protección de infraestructuras críticas", "Vulnerabilidades y fallas en sistemas, aplicaciones y dispositivos", "Criptografía y cifrado de datos"], 25 | ["Capacitación en ciberseguridad para empresas", "Formación para expertos en ciberseguridad"], 26 | ["Normativas y estándares de ciberseguridad", "Reglamento General de Protección de Datos", "Auditorías de seguridad"], 27 | ["Ciberseguridad en tecnologías emergentes: inteligencia artificial, blockchain, IoT, y 5G", "Investigación y desarrollo para anticiparse a amenazas: malware, ransomware y ataques dirigidos (APT)"], 28 | ["Simulación de ciberataques: Red team/blue team.", "Planes de continuidad de negocio y estrategias para garantizar operaciones ante incidentes", "Gestión de riesgos cibernéticos"], 29 | ["Redes y organizaciones internacionales: ENISA e INTERPOL", "Intercambio de información: Centros de Operaciones de Seguridad (SOC) y CSIRT"], 30 | ["Protección infantil en internet: Seguridad en redes sociales", "Ciberacoso y delitos digitales","Educación ciudadanía en ciberseguridad y Campañas de sensibilización"], 31 | ["Privacidad y derechos digitales", "Ética y ciberseguridad", "Responsabilidad social y entornos digitales seguros"] 32 | ] 33 | mental_health: ["Do you often feel sad or hopeless?", "Have you lost interest in activities you once enjoyed?", "Do you experience significant changes in your weight or appetite?", "Do you have trouble sleeping or sleeping too much?", "Do you feel fatigued or have a lack of energy?", "Do you have feelings of worthlessness or excessive guilt?", "Do you have difficulty concentrating or making decisions?", "Have you had thoughts of self-harm or suicide?"] 34 | climat: ["Les températures moyennes augmentent-elles dans votre région?", "Y a-t-il une augmentation des phénomènes météorologiques extrêmes?", "Observez-vous une hausse du niveau de la mer?", "Les glaciers et les calottes glaciaires fondent-ils plus rapidement?", "Y a-t-il des changements dans les cycles de précipitations?", "Les espèces animales et végétales migrent-elles ou disparaissent-elles?", "Les océans deviennent-ils plus acides?", "La fréquence des feux de forêt augmente-t-elle?"] -------------------------------------------------------------------------------- /textscope/relevance_analyzer.py: -------------------------------------------------------------------------------- 1 | import torch.nn.functional as F 2 | from torch import Tensor 3 | from transformers import AutoTokenizer, AutoModel 4 | import torch 5 | import numpy as np 6 | from .config import PROFILES 7 | 8 | class RelevanceAnalyzer: 9 | def __init__( 10 | self 11 | )-> None: 12 | self.profiles = PROFILES 13 | model_name = 'intfloat/multilingual-e5-large-instruct' 14 | self.tokenizer = AutoTokenizer.from_pretrained(model_name) 15 | self.model = AutoModel.from_pretrained(model_name) 16 | self.device = torch.device("cuda" if torch.cuda.is_available() else "cpu") 17 | self.model.to(self.device) 18 | self.task = 'Given a query, determine whether the text is relevant for the query' 19 | 20 | def __get_detailed_instruct( 21 | self, 22 | task_description: str, 23 | query: str 24 | ) -> str: 25 | return f'Instruct: {task_description}\nQuery: {query}' 26 | 27 | def __average_pool( 28 | self, 29 | last_hidden_states: Tensor, 30 | attention_mask: Tensor 31 | ) -> Tensor: 32 | last_hidden = last_hidden_states.masked_fill(~attention_mask[..., None].bool(), 0.0) 33 | return last_hidden.sum(dim=1) / attention_mask.sum(dim=1)[..., None] 34 | 35 | def analyze( 36 | self, 37 | text:str, 38 | profile:str 39 | )-> float: 40 | if not text: 41 | return 0. 42 | 43 | if profile not in PROFILES: 44 | raise ValueError(f"Profile '{profile}' not found in the configuration.") 45 | keywords = PROFILES[profile] 46 | concat_q = ' '.join(keywords) 47 | 48 | instruct = [ 49 | self.__get_detailed_instruct(self.task, concat_q), 50 | ] 51 | doc = [ 52 | text 53 | ] 54 | input = instruct + doc 55 | batch_dict = self.tokenizer(input, max_length=512, padding=True, truncation=True, return_tensors='pt') 56 | batch_dict = {k: v.to(self.device) for k, v in batch_dict.items()} 57 | outputs = self.model(**batch_dict) 58 | embeddings = self.__average_pool(outputs.last_hidden_state, batch_dict['attention_mask']) 59 | # normalize embeddings 60 | embeddings = F.normalize(embeddings, p=2, dim=1) 61 | scores = (embeddings[:1] @ embeddings[1:].T) * 100 62 | return scores.tolist()[0][0] 63 | 64 | def filter_corpus( 65 | self 66 | ): 67 | pass ## TO-DO 68 | -------------------------------------------------------------------------------- /textscope/subtheme_analyzer.py: -------------------------------------------------------------------------------- 1 | import torch 2 | from transformers import AutoTokenizer, AutoModel 3 | from torch import Tensor 4 | import torch.nn.functional as F 5 | from nltk.tokenize import sent_tokenize 6 | from .config import SUBTHEMES 7 | import nltk 8 | nltk.download('punkt_tab') 9 | 10 | class SubthemeAnalyzer: 11 | def __init__( 12 | self 13 | )-> None: 14 | self.subthemes = SUBTHEMES 15 | model_name = 'intfloat/multilingual-e5-large-instruct' 16 | self.tokenizer = AutoTokenizer.from_pretrained(model_name) 17 | self.model = AutoModel.from_pretrained(model_name) 18 | self.device = torch.device("cuda" if torch.cuda.is_available() else "cpu") 19 | self.model.to(self.device) 20 | self.task = 'Given a set of words forming a topic, determine whether the text discusses the topic' 21 | 22 | def __get_detailed_instruct( 23 | self, 24 | task_description: str, 25 | query: str 26 | ) -> str: 27 | return f'Instruct: {task_description}\Topic: {query}' 28 | 29 | def __average_pool( 30 | self, 31 | last_hidden_states: Tensor, 32 | attention_mask: Tensor 33 | ) -> Tensor: 34 | last_hidden = last_hidden_states.masked_fill(~attention_mask[..., None].bool(), 0.0) 35 | return last_hidden.sum(dim=1) / attention_mask.sum(dim=1)[..., None] 36 | 37 | def __main_analysis( 38 | self, 39 | theme:str, 40 | sent:str 41 | )-> float: 42 | instruct = [ 43 | self.__get_detailed_instruct(self.task, theme), 44 | ] 45 | doc = [ 46 | sent 47 | ] 48 | input_texts = instruct+doc 49 | batch_dict = self.tokenizer(input_texts, max_length=512, padding=True, truncation=True, return_tensors='pt') 50 | batch_dict = {k: v.to(self.device) for k, v in batch_dict.items()} 51 | outputs = self.model(**batch_dict) 52 | embeddings = self.__average_pool(outputs.last_hidden_state, batch_dict['attention_mask']) 53 | # normalize embeddings 54 | embeddings = F.normalize(embeddings, p=2, dim=1) 55 | scores = (embeddings[:1] @ embeddings[1:].T) * 100 56 | sim = scores.tolist()[0][0] 57 | return sim 58 | 59 | def is_nested_subtheme( 60 | self, 61 | lst 62 | ): 63 | return any(isinstance(item, list) for item in lst) 64 | 65 | def analyze( 66 | self, 67 | text:str, 68 | profile:str 69 | )-> list: 70 | if not text: 71 | return [] 72 | 73 | if profile not in SUBTHEMES: 74 | raise ValueError(f"Profile '{profile}' not found in the subthemes configuration.") 75 | subthemes = SUBTHEMES[profile] 76 | 77 | sentences = sent_tokenize(text) 78 | subthemes_scores = [] 79 | logs = [] 80 | if self.is_nested_subtheme(subthemes): 81 | for theme in subthemes: 82 | max_sim = 0. 83 | max_sent = "" 84 | for kw in theme: 85 | for sent in sentences: 86 | sim = self.__main_analysis(kw, sent) 87 | if sim > max_sim: 88 | max_sim = sim 89 | max_sent = sent 90 | log = f'Theme: {theme} Sentence: {max_sent} Sim: {max_sim}' 91 | logs.append(log) 92 | subthemes_scores.append(max_sim) 93 | else: 94 | for theme in subthemes: 95 | max_sim = 0. 96 | max_sent = "" 97 | for sent in sentences: 98 | sim = self.__main_analysis(theme, sent) 99 | if sim > max_sim: 100 | max_sim = sim 101 | max_sent = sent 102 | log = f'Theme: {theme} Sentence: {max_sent} Sim: {max_sim}' 103 | logs.append(log) 104 | subthemes_scores.append(max_sim) 105 | 106 | return subthemes_scores 107 | 108 | def analyze_bin( 109 | self, 110 | text:str, 111 | profile:str, 112 | thr:float=85. 113 | )-> dict: 114 | if not text: 115 | return [] 116 | 117 | if profile not in SUBTHEMES: 118 | raise ValueError(f"Profile '{profile}' not found in the subthemes configuration.") 119 | subthemes = SUBTHEMES[profile] 120 | 121 | sentences = sent_tokenize(text) 122 | subtheme_pres = [] 123 | if self.is_nested_subtheme(subthemes): 124 | for theme in subthemes: 125 | max_sim = 0. 126 | for kw in theme: 127 | for sent in sentences: 128 | sim = self.__main_analysis(kw, sent) 129 | if sim > max_sim: 130 | max_sim = sim 131 | 132 | if max_sim > thr: 133 | subtheme_pres.append(1) 134 | else: 135 | subtheme_pres.append(0) 136 | else: 137 | for theme in subthemes: 138 | max_sim = 0. 139 | for sent in sentences: 140 | sim = self.__main_analysis(theme, sent) 141 | if sim > max_sim: 142 | max_sim = sim 143 | 144 | if max_sim > thr: 145 | subtheme_pres.append(1) 146 | else: 147 | subtheme_pres.append(0) 148 | 149 | return subtheme_pres 150 | 151 | --------------------------------------------------------------------------------