{"id":131,"date":"2026-08-15T21:58:23","date_gmt":"2026-08-15T21:58:23","guid":{"rendered":"https:\/\/oidsec.es\/?p=131"},"modified":"2026-08-15T23:30:23","modified_gmt":"2026-08-15T23:30:23","slug":"osint-y-privacidad-investigar-sin-perder-el-control-de-los-datos-2","status":"publish","type":"post","link":"https:\/\/oidsec.es\/index.php\/2026\/08\/15\/osint-y-privacidad-investigar-sin-perder-el-control-de-los-datos-2\/","title":{"rendered":"OSINT y privacidad: investigar sin perder el control de los datos"},"content":{"rendered":"\n

Inteligencia de fuentes abiertas, minimizaci\u00f3n, trazabilidad y protecci\u00f3n de la informaci\u00f3n en un ecosistema digital caracterizado por la sobreexposici\u00f3n de datos<\/strong><\/p>\n\n\n\n

\n\n\n\n

FICHA DE AN\u00c1LISIS<\/h2>\n\n\n\n

\u00c1REA \/ OSINT & PRIVACIDAD<\/strong>
TIPO \/ AN\u00c1LISIS T\u00c9CNICO<\/strong>
NIVEL \/ AVANZADO<\/strong>
M\u00c9TODO \/ INTELIGENCIA DE FUENTES ABIERTAS Y AN\u00c1LISIS DOCUMENTAL<\/strong>
ENFOQUE \/ MINIMIZACI\u00d3N \u00b7 TRAZABILIDAD \u00b7 OPSEC \u00b7 PROTECCI\u00d3N DE DATOS<\/strong>
FUENTES \/ UE \u00b7 AEPD \u00b7 EDPB \u00b7 NIST<\/strong>
OIDSEC \/ OBSERVATORIO DE INVESTIGACI\u00d3N DIGITAL<\/strong><\/p>\n\n\n\n

\n\n\n\n

Resumen ejecutivo<\/h2>\n\n\n\n

La inteligencia de fuentes abiertas \u2014Open Source Intelligence, OSINT<\/strong>\u2014 suele asociarse a la capacidad de localizar informaci\u00f3n p\u00fablicamente accesible: perfiles sociales, documentos, dominios, im\u00e1genes, infraestructuras expuestas, repositorios, publicaciones, registros t\u00e9cnicos o metadatos.<\/p>\n\n\n\n

Esa definici\u00f3n resulta insuficiente.<\/p>\n\n\n\n

La dificultad contempor\u00e1nea del OSINT ya no consiste exclusivamente en encontrar informaci\u00f3n<\/strong>, sino en determinar qu\u00e9 informaci\u00f3n debe obtenerse, c\u00f3mo debe verificarse, qu\u00e9 relaciones pueden establecerse leg\u00edtimamente entre diferentes conjuntos de datos, durante cu\u00e1nto tiempo es razonable conservarlos y qu\u00e9 parte de todo lo recopilado resulta realmente necesaria para responder a una necesidad de inteligencia.<\/p>\n\n\n\n

El crecimiento exponencial de informaci\u00f3n disponible obliga a introducir una disciplina adicional: la minimizaci\u00f3n<\/strong>.<\/p>\n\n\n\n

El Reglamento General de Protecci\u00f3n de Datos europeo establece, entre sus principios fundamentales, la limitaci\u00f3n de la finalidad, minimizaci\u00f3n, exactitud, limitaci\u00f3n del plazo de conservaci\u00f3n, integridad, confidencialidad y responsabilidad proactiva. Estos principios tienen una relaci\u00f3n directa con cualquier metodolog\u00eda OSINT que implique tratamiento de datos personales.<\/p>\n\n\n\n

La cuesti\u00f3n fundamental deja entonces de ser:<\/p>\n\n\n\n

\u00bfCu\u00e1nto puedo descubrir?<\/strong><\/p>\n\n\n\n

y pasa a ser:<\/p>\n\n\n\n

\u00bfQu\u00e9 necesito realmente conocer para responder con rigor a mi pregunta de investigaci\u00f3n?<\/strong><\/p>\n\n\n\n

Esta diferencia separa la simple acumulaci\u00f3n de datos de una aut\u00e9ntica metodolog\u00eda de inteligencia.<\/p>\n\n\n\n

\n\n\n\n
\n

CLAVE DE AN\u00c1LISIS \/ 01<\/strong><\/p>\n\n\n\n

Que una informaci\u00f3n pueda encontrarse p\u00fablicamente no significa que carezca de implicaciones de privacidad ni que cualquier tratamiento posterior resulte autom\u00e1ticamente justificable. Accesibilidad, necesidad, proporcionalidad y finalidad son conceptos distintos.<\/strong><\/p>\n<\/blockquote>\n\n\n\n

\n\n\n\n

1. OSINT no es buscar: es producir inteligencia<\/h1>\n\n\n\n

Uno de los errores m\u00e1s frecuentes consiste en identificar OSINT con herramientas de b\u00fasqueda.<\/p>\n\n\n\n

Los buscadores avanzados, repositorios, APIs, servicios de an\u00e1lisis de infraestructura, motores de b\u00fasqueda de dispositivos, consultas DNS, bases documentales, redes sociales o sistemas de an\u00e1lisis gr\u00e1fico son instrumentos de adquisici\u00f3n<\/strong>.<\/p>\n\n\n\n

La inteligencia aparece posteriormente.<\/p>\n\n\n\n

Un proceso OSINT riguroso deber\u00eda comprender, al menos:<\/p>\n\n\n\n

Direcci\u00f3n \u2192 Obtenci\u00f3n \u2192 Procesamiento \u2192 Verificaci\u00f3n \u2192 An\u00e1lisis \u2192 Correlaci\u00f3n \u2192 Evaluaci\u00f3n \u2192 Difusi\u00f3n \u2192 Retenci\u00f3n o eliminaci\u00f3n.<\/strong><\/p>\n\n\n\n

Esta distinci\u00f3n resulta esencial.<\/p>\n\n\n\n

Una direcci\u00f3n IP constituye un dato.<\/p>\n\n\n\n

Un nombre de dominio constituye un dato.<\/p>\n\n\n\n

Una fotograf\u00eda constituye un dato.<\/p>\n\n\n\n

Un nombre de usuario constituye un dato.<\/p>\n\n\n\n

Una localizaci\u00f3n constituye un dato.<\/p>\n\n\n\n

Un certificado TLS constituye un dato.<\/p>\n\n\n\n

Una publicaci\u00f3n en una red social constituye un dato.<\/p>\n\n\n\n

La inteligencia comienza cuando esos elementos son evaluados dentro de un contexto, contrastados con fuentes independientes y utilizados para responder a una pregunta previamente formulada.<\/p>\n\n\n\n

Por tanto:<\/p>\n\n\n\n

dato \u2260 informaci\u00f3n contextualizada \u2260 inteligencia.<\/strong><\/p>\n\n\n\n

Una investigaci\u00f3n puede reunir cientos de miles de registros y producir muy poca inteligencia.<\/p>\n\n\n\n

Otra puede trabajar con veinte evidencias correctamente seleccionadas, verificadas y contextualizadas y alcanzar conclusiones mucho m\u00e1s s\u00f3lidas.<\/p>\n\n\n\n

La calidad de una investigaci\u00f3n OSINT no deber\u00eda medirse por el tama\u00f1o de su base de datos.<\/p>\n\n\n\n

Debe medirse por la calidad de su razonamiento<\/strong>.<\/p>\n\n\n\n

\n\n\n\n

2. La paradoja del dato p\u00fablico<\/h1>\n\n\n\n

Internet ha generado una falsa equivalencia:<\/p>\n\n\n\n

p\u00fablico = libre de consecuencias.<\/strong><\/p>\n\n\n\n

No es as\u00ed.<\/p>\n\n\n\n

Una persona puede publicar voluntariamente una fotograf\u00eda, una ubicaci\u00f3n, una trayectoria profesional o determinada informaci\u00f3n biogr\u00e1fica. Pero la posibilidad t\u00e9cnica de consultar esa informaci\u00f3n no determina por s\u00ed sola todos los usos posteriores que puedan realizarse sobre ella.<\/p>\n\n\n\n

El RGPD regula tambi\u00e9n situaciones en las que los datos personales no se obtienen directamente de la persona afectada, incluyendo informaci\u00f3n procedente de fuentes accesibles p\u00fablicamente.<\/p>\n\n\n\n

Esto introduce una distinci\u00f3n especialmente importante para OSINT:<\/p>\n\n\n\n

visibilidad no equivale a ausencia de protecci\u00f3n.<\/strong><\/p>\n\n\n\n

Una informaci\u00f3n puede ser:<\/p>\n\n\n\n

    \n
  • p\u00fablicamente visible;<\/li>\n\n\n\n
  • indexada por un buscador;<\/li>\n\n\n\n
  • accesible sin autenticaci\u00f3n;<\/li>\n\n\n\n
  • t\u00e9cnicamente extra\u00edble;<\/li>\n\n\n\n
  • susceptible de automatizaci\u00f3n;<\/li>\n<\/ul>\n\n\n\n

    y seguir requiriendo una evaluaci\u00f3n de finalidad, necesidad y proporcionalidad cuando se convierte en objeto de tratamiento sistem\u00e1tico.<\/p>\n\n\n\n

    Esta cuesti\u00f3n adquiere especial relevancia cuando se produce agregaci\u00f3n<\/strong>.<\/p>\n\n\n\n

    \n\n\n\n

    3. El efecto mosaico: cuando datos insignificantes dejan de serlo<\/h1>\n\n\n\n

    Uno de los mayores poderes del OSINT reside precisamente en combinar informaci\u00f3n.<\/p>\n\n\n\n

    Consideremos un ejemplo hipot\u00e9tico.<\/p>\n\n\n\n

    Una publicaci\u00f3n profesional permite conocer d\u00f3nde trabaja una persona.<\/p>\n\n\n\n

    Una fotograf\u00eda revela parcialmente un edificio.<\/p>\n\n\n\n

    Los metadatos hist\u00f3ricos de otra imagen permiten identificar una ciudad.<\/p>\n\n\n\n

    Un documento indexado contiene un correo electr\u00f3nico.<\/p>\n\n\n\n

    Un registro de dominio relaciona ese correo con determinada infraestructura.<\/p>\n\n\n\n

    Una publicaci\u00f3n social revela un horario habitual.<\/p>\n\n\n\n

    Una segunda plataforma utiliza el mismo alias.<\/p>\n\n\n\n

    Ninguno de estos elementos puede resultar especialmente sensible analizado aisladamente.<\/p>\n\n\n\n

    La correlaci\u00f3n de todos ellos puede producir un perfil extraordinariamente preciso.<\/p>\n\n\n\n

    Este fen\u00f3meno puede describirse como efecto mosaico<\/strong>: fragmentos aparentemente inconexos adquieren un significado completamente distinto cuando son combinados.<\/p>\n\n\n\n

    Desde una perspectiva de privacidad, esto significa que el riesgo no depende exclusivamente de la sensibilidad individual de cada dato.<\/p>\n\n\n\n

    Depende tambi\u00e9n de lo que pueda inferirse mediante su agregaci\u00f3n<\/strong>.<\/p>\n\n\n\n

    \n\n\n\n
    \n

    CLAVE DE AN\u00c1LISIS \/ 02<\/strong><\/p>\n\n\n\n

    En OSINT, el dato m\u00e1s sensible no siempre es el que se obtiene directamente. Con frecuencia es el dato nuevo que aparece despu\u00e9s de correlacionar varios datos aparentemente inocuos<\/strong>.<\/p>\n<\/blockquote>\n\n\n\n

    \n\n\n\n

    4. La regla fundamental: necesidad antes que capacidad<\/h1>\n\n\n\n

    Las herramientas actuales permiten recopilar una cantidad de informaci\u00f3n muy superior a la que normalmente necesita una investigaci\u00f3n.<\/p>\n\n\n\n

    Por ello, la pregunta:<\/p>\n\n\n\n

    \u00bfPuedo obtener este dato?<\/strong><\/p>\n\n\n\n

    resulta metodol\u00f3gicamente secundaria.<\/p>\n\n\n\n

    La pregunta correcta es:<\/p>\n\n\n\n

    \u00bfNecesito este dato?<\/strong><\/p>\n\n\n\n

    El principio de minimizaci\u00f3n contenido en el art\u00edculo 5 del RGPD exige que los datos personales sean adecuados, pertinentes y limitados a lo necesario para la finalidad perseguida.<\/p>\n\n\n\n

    La AEPD desarrolla adem\u00e1s la protecci\u00f3n de datos por defecto precisamente desde esta perspectiva: configurar los tratamientos para que \u00fanicamente se procesen los datos necesarios para los fines previamente definidos.<\/p>\n\n\n\n

    Trasladado a inteligencia:<\/p>\n\n\n\n

    no debe recopilarse informaci\u00f3n simplemente porque existe la capacidad t\u00e9cnica para hacerlo.<\/strong><\/p>\n\n\n\n

    Debe existir una relaci\u00f3n clara entre el dato obtenido y el requerimiento de inteligencia.<\/p>\n\n\n\n

    \n\n\n\n

    5. El requerimiento de inteligencia<\/h1>\n\n\n\n

    Una investigaci\u00f3n OSINT profesional no deber\u00eda comenzar escribiendo un nombre en un buscador.<\/p>\n\n\n\n

    Deber\u00eda comenzar redactando una pregunta.<\/p>\n\n\n\n

    Una formulaci\u00f3n deficiente ser\u00eda:<\/p>\n\n\n\n

    \n

    Averiguar todo lo posible sobre la organizaci\u00f3n X.<\/p>\n<\/blockquote>\n\n\n\n

    Una formulaci\u00f3n mucho m\u00e1s \u00fatil ser\u00eda:<\/p>\n\n\n\n

    \n

    Identificar y documentar la infraestructura digital p\u00fablicamente atribuible a la organizaci\u00f3n X durante el periodo comprendido entre determinadas fechas, utilizando exclusivamente fuentes abiertas verificables.<\/p>\n<\/blockquote>\n\n\n\n

    La diferencia es enorme.<\/p>\n\n\n\n

    La segunda formulaci\u00f3n establece:<\/p>\n\n\n\n

      \n
    • objeto;<\/li>\n\n\n\n
    • finalidad;<\/li>\n\n\n\n
    • l\u00edmite temporal;<\/li>\n\n\n\n
    • naturaleza de las fuentes;<\/li>\n\n\n\n
    • criterio de atribuci\u00f3n;<\/li>\n\n\n\n
    • alcance.<\/li>\n<\/ul>\n\n\n\n

      Todo aquello que no contribuya a responder esa pregunta puede considerarse inicialmente irrelevante.<\/p>\n\n\n\n

      La privacidad comienza, por tanto, antes de abrir el navegador<\/strong>.<\/p>\n\n\n\n

      \n\n\n\n

      6. Data mapping previo a la investigaci\u00f3n<\/h1>\n\n\n\n

      Antes de comenzar una operaci\u00f3n compleja resulta conveniente elaborar un peque\u00f1o mapa de datos<\/strong>.<\/p>\n\n\n\n

      Puede incluir:<\/p>\n\n\n\n

      Fuentes previstas<\/h3>\n\n\n\n
        \n
      • motores de b\u00fasqueda;<\/li>\n\n\n\n
      • registros p\u00fablicos;<\/li>\n\n\n\n
      • repositorios documentales;<\/li>\n\n\n\n
      • redes sociales;<\/li>\n\n\n\n
      • servicios DNS;<\/li>\n\n\n\n
      • certificados;<\/li>\n\n\n\n
      • sistemas de archivo web;<\/li>\n\n\n\n
      • repositorios de c\u00f3digo;<\/li>\n\n\n\n
      • plataformas de an\u00e1lisis de infraestructura;<\/li>\n\n\n\n
      • im\u00e1genes;<\/li>\n\n\n\n
      • bases acad\u00e9micas;<\/li>\n\n\n\n
      • documentaci\u00f3n institucional.<\/li>\n<\/ul>\n\n\n\n

        Categor\u00edas de datos previsibles<\/h3>\n\n\n\n
          \n
        • nombres;<\/li>\n\n\n\n
        • organizaciones;<\/li>\n\n\n\n
        • identificadores;<\/li>\n\n\n\n
        • direcciones de correo;<\/li>\n\n\n\n
        • dominios;<\/li>\n\n\n\n
        • IP;<\/li>\n\n\n\n
        • ubicaciones;<\/li>\n\n\n\n
        • fechas;<\/li>\n\n\n\n
        • im\u00e1genes;<\/li>\n\n\n\n
        • relaciones;<\/li>\n\n\n\n
        • dispositivos;<\/li>\n\n\n\n
        • infraestructura.<\/li>\n<\/ul>\n\n\n\n

          Datos necesarios<\/h3>\n\n\n\n

          Deben definirse en funci\u00f3n del requerimiento.<\/p>\n\n\n\n

          Datos excluidos<\/h3>\n\n\n\n

          Tambi\u00e9n deben definirse.<\/p>\n\n\n\n

          Esta \u00faltima categor\u00eda es especialmente importante.<\/p>\n\n\n\n

          Una metodolog\u00eda madura no establece \u00fanicamente qu\u00e9 quiere obtener<\/strong>.<\/p>\n\n\n\n

          Establece tambi\u00e9n qu\u00e9 no quiere obtener<\/strong>.<\/p>\n\n\n\n

          \n\n\n\n

          7. Separar colecci\u00f3n e inteligencia<\/h1>\n\n\n\n

          Una arquitectura OSINT profesional deber\u00eda diferenciar claramente tres capas.<\/p>\n\n\n\n

          CAPA 01 \/ RAW DATA<\/h2>\n\n\n\n

          Material original obtenido desde las fuentes.<\/p>\n\n\n\n

          Puede incluir:<\/p>\n\n\n\n

            \n
          • documentos;<\/li>\n\n\n\n
          • capturas;<\/li>\n\n\n\n
          • JSON;<\/li>\n\n\n\n
          • HTML;<\/li>\n\n\n\n
          • im\u00e1genes;<\/li>\n\n\n\n
          • registros;<\/li>\n\n\n\n
          • resultados de API;<\/li>\n\n\n\n
          • cabeceras;<\/li>\n\n\n\n
          • metadatos.<\/li>\n<\/ul>\n\n\n\n

            Esta capa deber\u00eda modificarse lo m\u00ednimo posible.<\/p>\n\n\n\n

            Su finalidad es preservar la procedencia.<\/p>\n\n\n\n

            CAPA 02 \/ ANALYTICAL DATA<\/h2>\n\n\n\n

            Informaci\u00f3n normalizada y seleccionada.<\/p>\n\n\n\n

            Aqu\u00ed pueden encontrarse:<\/p>\n\n\n\n

              \n
            • entidades;<\/li>\n\n\n\n
            • relaciones;<\/li>\n\n\n\n
            • identificadores normalizados;<\/li>\n\n\n\n
            • fechas;<\/li>\n\n\n\n
            • indicadores;<\/li>\n\n\n\n
            • hip\u00f3tesis;<\/li>\n\n\n\n
            • niveles de confianza.<\/li>\n<\/ul>\n\n\n\n

              CAPA 03 \/ INTELLIGENCE PRODUCT<\/h2>\n\n\n\n

              Es el informe.<\/p>\n\n\n\n

              No deber\u00eda contener autom\u00e1ticamente todo lo recopilado.<\/p>\n\n\n\n

              Debe contener exclusivamente la informaci\u00f3n necesaria para comprender y justificar las conclusiones.<\/p>\n\n\n\n

              Esta separaci\u00f3n reduce el riesgo de transformar un informe p\u00fablico en un vertedero de informaci\u00f3n personal innecesaria.<\/p>\n\n\n\n

              \n\n\n\n

              8. Procedencia: saber de d\u00f3nde sali\u00f3 cada dato<\/h1>\n\n\n\n

              Uno de los pilares de una investigaci\u00f3n reproducible es la provenance<\/strong> o procedencia.<\/p>\n\n\n\n

              Cada evidencia relevante deber\u00eda poder responder a preguntas como:<\/p>\n\n\n\n

              \u00bfD\u00f3nde fue obtenida?<\/strong><\/p>\n\n\n\n

              \u00bfCu\u00e1ndo?<\/strong><\/p>\n\n\n\n

              \u00bfMediante qu\u00e9 procedimiento?<\/strong><\/p>\n\n\n\n

              \u00bfEra una fuente primaria o secundaria?<\/strong><\/p>\n\n\n\n

              \u00bfHa sido modificada?<\/strong><\/p>\n\n\n\n

              \u00bfQui\u00e9n realiz\u00f3 la adquisici\u00f3n?<\/strong><\/p>\n\n\n\n

              \u00bfQu\u00e9 nivel de confianza posee?<\/strong><\/p>\n\n\n\n

              Un esquema elemental podr\u00eda ser:<\/p>\n\n\n\n

              SOURCE_ID<\/code><\/p>\n\n\n\n

              SOURCE_URL<\/code><\/p>\n\n\n\n

              ACQUISITION_DATE<\/code><\/p>\n\n\n\n

              COLLECTOR<\/code><\/p>\n\n\n\n

              SOURCE_TYPE<\/code><\/p>\n\n\n\n

              HASH<\/code><\/p>\n\n\n\n

              RELIABILITY<\/code><\/p>\n\n\n\n

              CONFIDENCE<\/code><\/p>\n\n\n\n

              NOTES<\/code><\/p>\n\n\n\n

              No todos los campos ser\u00e1n necesarios en todas las investigaciones, pero el principio es esencial:<\/p>\n\n\n\n

              un dato sin procedencia pierde gran parte de su valor probatorio y anal\u00edtico.<\/strong><\/p>\n\n\n\n

              \n\n\n\n

              9. Hash e integridad<\/h1>\n\n\n\n

              Cuando una investigaci\u00f3n necesita preservar determinados archivos como evidencia, puede resultar \u00fatil generar una huella criptogr\u00e1fica.<\/p>\n\n\n\n

              Por ejemplo:<\/p>\n\n\n\n

              SHA-256(documento.pdf)<\/code><\/p>\n\n\n\n

              El hash no demuestra que el contenido sea verdadero.<\/p>\n\n\n\n

              Demuestra otra cosa:<\/p>\n\n\n\n

              que el fichero del que se calcul\u00f3 aquella huella puede compararse posteriormente para determinar si ha sufrido modificaciones.<\/p>\n\n\n\n

              Esta distinci\u00f3n es importante.<\/p>\n\n\n\n

              Integridad no equivale a autenticidad.<\/strong><\/p>\n\n\n\n

              Un documento falso puede conservar perfectamente su integridad.<\/p>\n\n\n\n

              La autenticidad debe evaluarse mediante otros elementos.<\/p>\n\n\n\n

              \n\n\n\n

              10. Exactitud: Internet recuerda incluso lo que dej\u00f3 de ser verdad<\/h1>\n\n\n\n

              Internet contiene informaci\u00f3n:<\/p>\n\n\n\n

                \n
              • antigua;<\/li>\n\n\n\n
              • duplicada;<\/li>\n\n\n\n
              • descontextualizada;<\/li>\n\n\n\n
              • incorrecta;<\/li>\n\n\n\n
              • deliberadamente falsa;<\/li>\n\n\n\n
              • abandonada;<\/li>\n\n\n\n
              • reutilizada;<\/li>\n\n\n\n
              • atribuida a hom\u00f3nimos.<\/li>\n<\/ul>\n\n\n\n

                El RGPD incluye la exactitud entre sus principios generales.<\/p>\n\n\n\n

                En OSINT esto coincide plenamente con una exigencia anal\u00edtica.<\/p>\n\n\n\n

                Una evidencia puede haber sido correctamente recogida y continuar siendo incorrecta.<\/p>\n\n\n\n

                Por ello conviene diferenciar siempre:<\/p>\n\n\n\n

                FECHA DEL HECHO<\/code><\/p>\n\n\n\n

                FECHA DE PUBLICACI\u00d3N<\/code><\/p>\n\n\n\n

                FECHA DE ADQUISICI\u00d3N<\/code><\/p>\n\n\n\n

                FECHA DE \u00daLTIMA VERIFICACI\u00d3N<\/code><\/p>\n\n\n\n

                Una publicaci\u00f3n de 2017 encontrada en 2026 no describe necesariamente una realidad de 2026.<\/p>\n\n\n\n

                \n\n\n\n

                11. Identity resolution: identificar no es encontrar coincidencias<\/h1>\n\n\n\n

                Uno de los mayores peligros del OSINT automatizado reside en la resoluci\u00f3n de identidades.<\/p>\n\n\n\n

                Encontrar el mismo alias en dos plataformas no demuestra que pertenezcan a la misma persona.<\/p>\n\n\n\n

                Encontrar dos personas con id\u00e9ntico nombre tampoco.<\/p>\n\n\n\n

                Del mismo modo:<\/p>\n\n\n\n

                una IP puede estar compartida;<\/p>\n\n\n\n

                un n\u00famero telef\u00f3nico puede cambiar de titular;<\/p>\n\n\n\n

                un dominio puede cambiar de propietario;<\/p>\n\n\n\n

                una cuenta puede ser transferida;<\/p>\n\n\n\n

                una imagen puede reutilizarse;<\/p>\n\n\n\n

                un correo puede quedar abandonado.<\/p>\n\n\n\n

                La atribuci\u00f3n requiere corroboraci\u00f3n<\/strong>.<\/p>\n\n\n\n

                Podemos expresar diferentes grados de confianza:<\/p>\n\n\n\n

                CONFIRMADO<\/strong><\/p>\n\n\n\n

                Existe evidencia directa o m\u00faltiples evidencias independientes consistentes.<\/p>\n\n\n\n

                ALTA CONFIANZA<\/strong><\/p>\n\n\n\n

                Las evidencias convergen fuertemente, aunque no existe confirmaci\u00f3n absoluta.<\/p>\n\n\n\n

                CONFIANZA MEDIA<\/strong><\/p>\n\n\n\n

                Existen indicadores consistentes pero permanecen explicaciones alternativas.<\/p>\n\n\n\n

                BAJA CONFIANZA<\/strong><\/p>\n\n\n\n

                La relaci\u00f3n constituye principalmente una hip\u00f3tesis.<\/p>\n\n\n\n

                Este lenguaje es m\u00e1s profesional que presentar todas las conexiones como certezas.<\/p>\n\n\n\n

                \n\n\n\n
                \n

                CLAVE DE AN\u00c1LISIS \/ 03<\/strong><\/p>\n\n\n\n

                Correlaci\u00f3n no significa causalidad y coincidencia no significa identidad.<\/strong><\/p>\n\n\n\n

                Una herramienta puede encontrar relaciones. Corresponde al analista determinar qu\u00e9 significan realmente.<\/p>\n<\/blockquote>\n\n\n\n

                \n\n\n\n

                12. Los grafos y la ilusi\u00f3n de certeza<\/h1>\n\n\n\n

                Las herramientas de an\u00e1lisis de relaciones permiten representar:<\/p>\n\n\n\n

                personas \u2192 dominios \u2192 correos \u2192 organizaciones \u2192 IP \u2192 ubicaciones \u2192 perfiles.<\/p>\n\n\n\n

                El resultado puede ser visualmente extraordinario.<\/p>\n\n\n\n

                Precisamente por eso puede resultar peligroso.<\/p>\n\n\n\n

                Una l\u00ednea dibujada entre dos nodos produce psicol\u00f3gicamente una sensaci\u00f3n de relaci\u00f3n demostrada.<\/p>\n\n\n\n

                Sin embargo, cada arista deber\u00eda responder a una definici\u00f3n concreta:<\/p>\n\n\n\n

                OWNS<\/code><\/p>\n\n\n\n

                RESOLVES_TO<\/code><\/p>\n\n\n\n

                REGISTERED_BY<\/code><\/p>\n\n\n\n

                MENTIONED_IN<\/code><\/p>\n\n\n\n

                USES<\/code><\/p>\n\n\n\n

                CLAIMS<\/code><\/p>\n\n\n\n

                OBSERVED_WITH<\/code><\/p>\n\n\n\n

                POSSIBLY_ASSOCIATED<\/code><\/p>\n\n\n\n

                La ontolog\u00eda importa.<\/p>\n\n\n\n

                Si todas las conexiones significan simplemente \u00abrelacionado con\u00bb<\/strong>, el grafo pierde precisi\u00f3n anal\u00edtica.<\/p>\n\n\n\n

                Y desde la perspectiva de privacidad aparece otro problema:<\/p>\n\n\n\n

                la expansi\u00f3n infinita.<\/strong><\/p>\n\n\n\n

                Que un individuo est\u00e9 relacionado con una organizaci\u00f3n investigada no significa que resulte necesario investigar tambi\u00e9n a:<\/p>\n\n\n\n

                su pareja,<\/p>\n\n\n\n

                sus hijos,<\/p>\n\n\n\n

                sus compa\u00f1eros,<\/p>\n\n\n\n

                sus amigos,<\/p>\n\n\n\n

                sus contactos profesionales,<\/p>\n\n\n\n

                los contactos de esos contactos.<\/p>\n\n\n\n

                Debe existir un punto de detenci\u00f3n.<\/p>\n\n\n\n

                \n\n\n\n

                13. Web scraping: cuando cambia la escala cambia el riesgo<\/h1>\n\n\n\n

                La consulta manual y la recolecci\u00f3n automatizada no presentan la misma escala.<\/p>\n\n\n\n

                El scraping introduce:<\/p>\n\n\n\n

                  \n
                • velocidad;<\/li>\n\n\n\n
                • repetibilidad;<\/li>\n\n\n\n
                • volumen;<\/li>\n\n\n\n
                • persistencia;<\/li>\n\n\n\n
                • correlaci\u00f3n automatizada.<\/li>\n<\/ul>\n\n\n\n

                  Ese cambio cuantitativo puede convertirse en un cambio cualitativo.<\/p>\n\n\n\n

                  Consultar veinte perfiles manualmente y construir autom\u00e1ticamente un dataset con cientos de miles de individuos no son operaciones equivalentes desde la perspectiva del riesgo.<\/p>\n\n\n\n

                  La protecci\u00f3n de datos desde el dise\u00f1o exige considerar medidas t\u00e9cnicas y organizativas desde la propia concepci\u00f3n del tratamiento, no incorporarlas \u00fanicamente una vez construido el sistema.<\/p>\n\n\n\n

                  Un recolector profesional deber\u00eda poder implementar conceptualmente funciones como:<\/p>\n\n\n\n

                  COLLECT<\/code><\/p>\n\n\n\n

                  FILTER<\/code><\/p>\n\n\n\n

                  NORMALIZE<\/code><\/p>\n\n\n\n

                  DEDUPLICATE<\/code><\/p>\n\n\n\n

                  REDACT<\/code><\/p>\n\n\n\n

                  EXPIRE<\/code><\/p>\n\n\n\n

                  DELETE<\/code><\/p>\n\n\n\n

                  La existencia de COLLECT()<\/code> sin mecanismos equivalentes para minimizar o eliminar constituye un dise\u00f1o incompleto.<\/p>\n\n\n\n

                  \n\n\n\n

                  14. Data minimization aplicada t\u00e9cnicamente<\/h1>\n\n\n\n

                  La minimizaci\u00f3n no debe limitarse a una declaraci\u00f3n \u00e9tica.<\/p>\n\n\n\n

                  Puede implementarse t\u00e9cnicamente.<\/p>\n\n\n\n

                  Ejemplos:<\/p>\n\n\n\n

                  Field filtering<\/h3>\n\n\n\n

                  Si \u00fanicamente necesitamos:<\/p>\n\n\n\n

                  username<\/code><\/p>\n\n\n\n

                  date<\/code><\/p>\n\n\n\n

                  domain<\/code><\/p>\n\n\n\n

                  no deber\u00edamos almacenar autom\u00e1ticamente otros treinta campos proporcionados por una API.<\/p>\n\n\n\n

                  Time bounding<\/h3>\n\n\n\n

                  Limitar consultas al periodo anal\u00edticamente relevante.<\/p>\n\n\n\n

                  Domain filtering<\/h3>\n\n\n\n

                  Excluir dominios irrelevantes.<\/p>\n\n\n\n

                  Deduplicaci\u00f3n<\/h3>\n\n\n\n

                  Eliminar copias del mismo registro.<\/p>\n\n\n\n

                  Identificadores internos<\/h3>\n\n\n\n

                  Sustituir temporalmente nombres directos:<\/p>\n\n\n\n

                  SUBJECT-001<\/code><\/p>\n\n\n\n

                  ACCOUNT-014<\/code><\/p>\n\n\n\n

                  ORG-006<\/code><\/p>\n\n\n\n

                  Retention TTL<\/h3>\n\n\n\n

                  Asignar determinados datos a una pol\u00edtica de expiraci\u00f3n.<\/p>\n\n\n\n

                  Access control<\/h3>\n\n\n\n

                  No todos los analistas necesitan acceso a todos los campos.<\/p>\n\n\n\n

                  Esta es la diferencia entre:<\/p>\n\n\n\n

                  tener una pol\u00edtica de privacidad<\/strong><\/p>\n\n\n\n

                  y<\/p>\n\n\n\n

                  dise\u00f1ar un sistema que aplique privacidad<\/strong>.<\/p>\n\n\n\n

                  \n\n\n\n

                  15. Seudonimizaci\u00f3n<\/h1>\n\n\n\n

                  En muchos procesos internos no es necesario trabajar constantemente con nombres reales.<\/p>\n\n\n\n

                  Una persona puede ser representada como:<\/p>\n\n\n\n

                  ENTITY-P-0017<\/code><\/p>\n\n\n\n

                  La tabla que relaciona dicho identificador con la identidad real puede almacenarse separadamente y con controles adicionales.<\/p>\n\n\n\n

                  Esto reduce exposici\u00f3n accidental.<\/p>\n\n\n\n

                  Sin embargo, es importante no confundir:<\/p>\n\n\n\n

                  seudonimizaci\u00f3n<\/strong><\/p>\n\n\n\n

                  con<\/p>\n\n\n\n

                  anonimizaci\u00f3n<\/strong>.<\/p>\n\n\n\n

                  Si existe una informaci\u00f3n auxiliar capaz de recuperar la identidad, seguimos trabajando con datos potencialmente reidentificables.<\/p>\n\n\n\n

                  \n\n\n\n

                  16. Datos especialmente sensibles<\/h1>\n\n\n\n

                  Determinadas categor\u00edas requieren una cautela especialmente elevada.<\/p>\n\n\n\n

                  El RGPD contempla una protecci\u00f3n reforzada para categor\u00edas como informaci\u00f3n relativa a salud, convicciones religiosas o filos\u00f3ficas, opiniones pol\u00edticas, afiliaci\u00f3n sindical, determinados datos biom\u00e9tricos, origen racial o \u00e9tnico y aspectos relativos a la vida u orientaci\u00f3n sexual.<\/p>\n\n\n\n

                  OSINT puede revelar esos datos incluso cuando el investigador no los busca deliberadamente.<\/p>\n\n\n\n

                  Una fotograf\u00eda puede descubrir una enfermedad.<\/p>\n\n\n\n

                  Una publicaci\u00f3n puede revelar una determinada creencia.<\/p>\n\n\n\n

                  La asistencia a un evento puede permitir inferir una posici\u00f3n pol\u00edtica.<\/p>\n\n\n\n

                  Una imagen puede proporcionar material susceptible de procesamiento biom\u00e9trico.<\/p>\n\n\n\n

                  La regla deber\u00eda ser:<\/p>\n\n\n\n

                  descubrimiento incidental \u2260 incorporaci\u00f3n autom\u00e1tica al expediente.<\/strong><\/p>\n\n\n\n

                  Antes de conservar esa informaci\u00f3n debe preguntarse:<\/p>\n\n\n\n

                  \u00bfEs realmente necesaria para responder al requerimiento?<\/strong><\/p>\n\n\n\n

                  \n\n\n\n

                  17. Inter\u00e9s leg\u00edtimo: no es una autorizaci\u00f3n universal<\/h1>\n\n\n\n

                  En determinados tratamientos puede plantearse el inter\u00e9s leg\u00edtimo como fundamento jur\u00eddico, pero no constituye una f\u00f3rmula autom\u00e1tica.<\/p>\n\n\n\n

                  Las directrices del Comit\u00e9 Europeo de Protecci\u00f3n de Datos sobre el art\u00edculo 6.1.f se\u00f1alan que deben cumplirse condiciones acumulativas: existencia de un inter\u00e9s leg\u00edtimo, necesidad del tratamiento y ponderaci\u00f3n frente a los intereses, derechos y libertades de las personas afectadas.<\/p>\n\n\n\n

                  Por tanto, afirmar:<\/p>\n\n\n\n

                  \n

                  \u00abRealizo una investigaci\u00f3n y tengo inter\u00e9s leg\u00edtimo\u00bb<\/p>\n<\/blockquote>\n\n\n\n

                  no cierra el an\u00e1lisis.<\/p>\n\n\n\n

                  Deben poder responderse preguntas como:<\/p>\n\n\n\n

                  \u00bfCu\u00e1l es exactamente el inter\u00e9s?<\/strong><\/p>\n\n\n\n

                  \u00bfEs real y actual?<\/strong><\/p>\n\n\n\n

                  \u00bfPor qu\u00e9 ese tratamiento concreto resulta necesario?<\/strong><\/p>\n\n\n\n

                  \u00bfPodr\u00eda alcanzarse el mismo objetivo utilizando menos datos?<\/strong><\/p>\n\n\n\n

                  \u00bfQu\u00e9 expectativas razonables tiene la persona afectada?<\/strong><\/p>\n\n\n\n

                  \u00bfCu\u00e1l ser\u00eda el impacto potencial?<\/strong><\/p>\n\n\n\n

                  La proporcionalidad forma parte del razonamiento.<\/p>\n\n\n\n

                  \n\n\n\n

                  18. Protecci\u00f3n de datos desde el dise\u00f1o<\/h1>\n\n\n\n

                  Una estrategia profesional no recopila primero y piensa en privacidad despu\u00e9s.<\/p>\n\n\n\n

                  El art\u00edculo 25 del RGPD y las orientaciones de la AEPD sit\u00faan la protecci\u00f3n desde el dise\u00f1o al comienzo del ciclo de vida del tratamiento.<\/p>\n\n\n\n

                  Aplicado a un laboratorio OSINT:<\/p>\n\n\n\n

                  antes de seleccionar herramientas deben definirse:<\/p>\n\n\n\n

                    \n
                  • finalidad;<\/li>\n\n\n\n
                  • arquitectura;<\/li>\n\n\n\n
                  • categor\u00edas de informaci\u00f3n;<\/li>\n\n\n\n
                  • almacenamiento;<\/li>\n\n\n\n
                  • controles de acceso;<\/li>\n\n\n\n
                  • retenci\u00f3n;<\/li>\n\n\n\n
                  • eliminaci\u00f3n;<\/li>\n\n\n\n
                  • exposici\u00f3n;<\/li>\n\n\n\n
                  • logging.<\/li>\n<\/ul>\n\n\n\n

                    Por tanto:<\/p>\n\n\n\n

                    Privacy by Design deber\u00eda preceder a Tool Selection.<\/strong><\/p>\n\n\n\n

                    \n\n\n\n

                    19. Seguridad del repositorio OSINT<\/h1>\n\n\n\n

                    Ser\u00eda contradictorio defender la privacidad de los datos investigados mientras el repositorio utilizado para almacenarlos permanece desprotegido.<\/p>\n\n\n\n

                    El RGPD contempla medidas t\u00e9cnicas y organizativas apropiadas al riesgo, incluyendo aspectos como confidencialidad, integridad, disponibilidad y resiliencia.<\/p>\n\n\n\n

                    NIST aborda igualmente la privacidad como un problema de gesti\u00f3n del riesgo organizativo, no \u00fanicamente como una cuesti\u00f3n jur\u00eddica. Su Privacy Framework est\u00e1 concebido como una herramienta para identificar y gestionar riesgos de privacidad.<\/p>\n\n\n\n

                    Un entorno OSINT deber\u00eda considerar:<\/p>\n\n\n\n

                    Cifrado en reposo<\/h3>\n\n\n\n

                    Equipos y unidades cifrados.<\/p>\n\n\n\n

                    Cifrado de backups<\/h3>\n\n\n\n

                    Una copia sin cifrar puede neutralizar la seguridad del sistema principal.<\/p>\n\n\n\n

                    Least privilege<\/h3>\n\n\n\n

                    Cada usuario accede exclusivamente a lo que necesita.<\/p>\n\n\n\n

                    Need to know<\/h3>\n\n\n\n

                    Incluso dentro del proyecto, no toda informaci\u00f3n tiene por qu\u00e9 estar disponible para todos.<\/p>\n\n\n\n

                    Logging<\/h3>\n\n\n\n

                    Registrar determinados accesos y modificaciones.<\/p>\n\n\n\n

                    Separaci\u00f3n de entornos<\/h3>\n\n\n\n

                    No mezclar investigaci\u00f3n sensible con entorno personal.<\/p>\n\n\n\n

                    Eliminaci\u00f3n segura<\/h3>\n\n\n\n

                    La finalizaci\u00f3n del proyecto debe contemplar qu\u00e9 informaci\u00f3n contin\u00faa siendo necesaria.<\/p>\n\n\n\n

                    \n\n\n\n

                    20. OPSEC: el investigador tambi\u00e9n deja huella<\/h1>\n\n\n\n

                    OSINT suele analizar qu\u00e9 informaci\u00f3n dejan expuesta otras personas.<\/p>\n\n\n\n

                    Pero existe una cuesti\u00f3n sim\u00e9trica:<\/p>\n\n\n\n

                    \u00bfqu\u00e9 informaci\u00f3n deja expuesta el propio investigador mientras investiga?<\/strong><\/p>\n\n\n\n

                    Una visita web puede proporcionar al servidor diversos indicadores t\u00e9cnicos.<\/p>\n\n\n\n

                    Una cuenta utilizada repetidamente puede establecer patrones.<\/p>\n\n\n\n

                    Una identidad de investigaci\u00f3n mal compartimentada puede correlacionarse con una identidad personal.<\/p>\n\n\n\n

                    Una fotograf\u00eda utilizada como avatar puede relacionarse con otras plataformas.<\/p>\n\n\n\n

                    Una direcci\u00f3n de correo puede convertirse en pivote.<\/p>\n\n\n\n

                    Por eso resulta \u00fatil separar:<\/p>\n\n\n\n

                    PERSONAL IDENTITY<\/strong><\/p>\n\n\n\n

                    PROFESSIONAL PUBLIC IDENTITY<\/strong><\/p>\n\n\n\n

                    RESEARCH ENVIRONMENT<\/strong><\/p>\n\n\n\n

                    RESEARCH ACCOUNTS<\/strong><\/p>\n\n\n\n

                    TECHNICAL INFRASTRUCTURE<\/strong><\/p>\n\n\n\n

                    STORAGE<\/strong><\/p>\n\n\n\n

                    PUBLICATION ENVIRONMENT<\/strong><\/p>\n\n\n\n

                    Compartimentar no significa necesariamente ocultaci\u00f3n.<\/p>\n\n\n\n

                    Significa reducir correlaciones innecesarias.<\/p>\n\n\n\n

                    \n\n\n\n

                    21. Navegador y compartimentaci\u00f3n<\/h1>\n\n\n\n

                    Desde el punto de vista metodol\u00f3gico resulta aconsejable separar contextos de navegaci\u00f3n.<\/p>\n\n\n\n

                    Por ejemplo:<\/p>\n\n\n\n

                    PROFILE 01 \/ PERSONAL<\/strong><\/p>\n\n\n\n

                    PROFILE 02 \/ RESEARCH<\/strong><\/p>\n\n\n\n

                    PROFILE 03 \/ TESTING<\/strong><\/p>\n\n\n\n

                    Cookies, sesiones, historial y extensiones pueden entonces mantenerse separados.<\/p>\n\n\n\n

                    En investigaciones avanzadas pueden emplearse entornos virtualizados o sistemas espec\u00edficamente destinados al an\u00e1lisis.<\/p>\n\n\n\n

                    El objetivo no consiste \u00fanicamente en anonimizar al investigador.<\/p>\n\n\n\n

                    Tambi\u00e9n evita contaminar la investigaci\u00f3n<\/strong>.<\/p>\n\n\n\n

                    Un buscador personalizado por a\u00f1os de navegaci\u00f3n personal puede ofrecer resultados distintos de un contexto limpio.<\/p>\n\n\n\n

                    \n\n\n\n

                    22. OPSEC no sustituye al marco jur\u00eddico<\/h1>\n\n\n\n

                    Existe un punto que merece destacarse.<\/p>\n\n\n\n

                    VPN, Tor, m\u00e1quinas virtuales, proxies, perfiles separados o sistemas operativos especializados pueden reducir exposici\u00f3n t\u00e9cnica.<\/p>\n\n\n\n

                    Pero ninguna herramienta convierte una actividad no justificada en una actividad leg\u00edtima.<\/p>\n\n\n\n

                    Anonimato t\u00e9cnico y legitimidad son variables diferentes.<\/strong><\/p>\n\n\n\n

                    La OPSEC protege una investigaci\u00f3n.<\/p>\n\n\n\n

                    No la justifica.<\/p>\n\n\n\n

                    \n\n\n\n

                    23. Metadatos<\/h1>\n\n\n\n

                    Los metadatos ilustran perfectamente la diferencia entre informaci\u00f3n visible e informaci\u00f3n disponible.<\/p>\n\n\n\n

                    Un documento puede incluir:<\/p>\n\n\n\n

                      \n
                    • autor;<\/li>\n\n\n\n
                    • aplicaci\u00f3n;<\/li>\n\n\n\n
                    • versi\u00f3n;<\/li>\n\n\n\n
                    • fecha;<\/li>\n\n\n\n
                    • nombre de usuario;<\/li>\n\n\n\n
                    • ruta;<\/li>\n\n\n\n
                    • comentarios;<\/li>\n\n\n\n
                    • organizaci\u00f3n.<\/li>\n<\/ul>\n\n\n\n

                      Una imagen puede incluir:<\/p>\n\n\n\n

                        \n
                      • fecha;<\/li>\n\n\n\n
                      • dispositivo;<\/li>\n\n\n\n
                      • lente;<\/li>\n\n\n\n
                      • software;<\/li>\n\n\n\n
                      • orientaci\u00f3n;<\/li>\n\n\n\n
                      • localizaci\u00f3n.<\/li>\n<\/ul>\n\n\n\n

                        Sin embargo, la capacidad de extraer todos esos campos no significa que sea necesario conservarlos todos.<\/p>\n\n\n\n

                        La regla vuelve a ser la misma:<\/p>\n\n\n\n

                        extracci\u00f3n selectiva basada en finalidad.<\/strong><\/p>\n\n\n\n

                        \n\n\n\n

                        24. Capturas de pantalla: \u00fatiles, pero insuficientes<\/h1>\n\n\n\n

                        La captura de pantalla es probablemente una de las evidencias m\u00e1s utilizadas en investigaci\u00f3n digital.<\/p>\n\n\n\n

                        Tambi\u00e9n es una de las m\u00e1s sobrevaloradas.<\/p>\n\n\n\n

                        Una captura puede demostrar qu\u00e9 se observ\u00f3 visualmente.<\/p>\n\n\n\n

                        Pero aislada puede carecer de:<\/p>\n\n\n\n

                          \n
                        • URL;<\/li>\n\n\n\n
                        • timestamp fiable;<\/li>\n\n\n\n
                        • contexto;<\/li>\n\n\n\n
                        • contenido completo;<\/li>\n\n\n\n
                        • metadata;<\/li>\n\n\n\n
                        • relaci\u00f3n con la fuente original.<\/li>\n<\/ul>\n\n\n\n

                          Cuando una evidencia sea relevante conviene conservar informaci\u00f3n adicional sobre su procedencia.<\/p>\n\n\n\n

                          La captura es una representaci\u00f3n.<\/p>\n\n\n\n

                          No necesariamente la fuente.<\/p>\n\n\n\n

                          \n\n\n\n

                          25. Verificaci\u00f3n mediante m\u00faltiples fuentes<\/h1>\n\n\n\n

                          Una regla \u00fatil podr\u00eda formularse as\u00ed:<\/p>\n\n\n\n

                          una fuente descubre; otra fuente confirma.<\/strong><\/p>\n\n\n\n

                          No siempre ser\u00e1 posible.<\/p>\n\n\n\n

                          Pero las conclusiones importantes deber\u00edan intentar apoyarse en fuentes independientes.<\/p>\n\n\n\n

                          Una clasificaci\u00f3n orientativa:<\/p>\n\n\n\n

                          FUENTE PRIMARIA<\/strong><\/p>\n\n\n\n

                          Documento o sistema directamente relacionado con el hecho.<\/p>\n\n\n\n

                          FUENTE SECUNDARIA<\/strong><\/p>\n\n\n\n

                          Informaci\u00f3n elaborada a partir de fuentes originales.<\/p>\n\n\n\n

                          FUENTE DERIVADA<\/strong><\/p>\n\n\n\n

                          Agregadores, \u00edndices, cach\u00e9s o reproducciones.<\/p>\n\n\n\n

                          La distancia respecto de la fuente primaria deber\u00eda formar parte del nivel de confianza.<\/p>\n\n\n\n

                          \n\n\n\n

                          26. Sesgo de confirmaci\u00f3n<\/h1>\n\n\n\n

                          La herramienta m\u00e1s peligrosa en OSINT puede no ser un software.<\/p>\n\n\n\n

                          Puede ser el propio analista.<\/p>\n\n\n\n

                          Cuando una hip\u00f3tesis inicial parece correcta, existe el riesgo de buscar \u00fanicamente informaci\u00f3n que la confirme.<\/p>\n\n\n\n

                          Una metodolog\u00eda rigurosa deber\u00eda formular tambi\u00e9n:<\/p>\n\n\n\n

                          HIP\u00d3TESIS ALTERNATIVAS<\/strong><\/p>\n\n\n\n

                          y buscar evidencia capaz de refutar la explicaci\u00f3n principal.<\/p>\n\n\n\n

                          En lugar de:<\/p>\n\n\n\n

                          \n

                          \u00bfQu\u00e9 datos demuestran que A controla B?<\/p>\n<\/blockquote>\n\n\n\n

                          podemos preguntar:<\/p>\n\n\n\n

                          \n

                          \u00bfQu\u00e9 otras explicaciones pueden justificar la relaci\u00f3n observada entre A y B?<\/p>\n<\/blockquote>\n\n\n\n

                          Este peque\u00f1o cambio mejora considerablemente la calidad anal\u00edtica.<\/p>\n\n\n\n

                          \n\n\n\n

                          27. Privacy Risk y Cybersecurity Risk no son exactamente lo mismo<\/h1>\n\n\n\n

                          Una brecha de seguridad puede generar un problema de privacidad.<\/p>\n\n\n\n

                          Pero tambi\u00e9n puede existir riesgo de privacidad sin que exista vulneraci\u00f3n de seguridad.<\/p>\n\n\n\n

                          Un sistema perfectamente protegido puede realizar correlaciones excesivas, inferencias intrusivas o conservar informaci\u00f3n durante demasiado tiempo.<\/p>\n\n\n\n

                          NIST trata precisamente la privacidad como un \u00e1mbito de gesti\u00f3n de riesgos con identidad propia, aunque relacionado con ciberseguridad.<\/p>\n\n\n\n

                          Esto es especialmente importante en OSINT.<\/p>\n\n\n\n

                          La seguridad pregunta:<\/p>\n\n\n\n

                          \u00bfPuede alguien acceder indebidamente a mis datos?<\/strong><\/p>\n\n\n\n

                          La privacidad a\u00f1ade:<\/p>\n\n\n\n

                          \u00bfDeber\u00eda haber recopilado esos datos en primer lugar?<\/strong><\/p>\n\n\n\n

                          \n\n\n\n
                          \n

                          CLAVE DE AN\u00c1LISIS \/ 04<\/strong><\/p>\n\n\n\n

                          Un repositorio puede estar perfectamente cifrado y continuar siendo excesivamente intrusivo.<\/strong><\/p>\n\n\n\n

                          La ciberseguridad protege los datos. La privacidad obliga adem\u00e1s a justificar por qu\u00e9 existen.<\/p>\n<\/blockquote>\n\n\n\n

                          \n\n\n\n

                          28. Retenci\u00f3n: cu\u00e1ndo terminar una investigaci\u00f3n<\/h1>\n\n\n\n

                          Acumular datos resulta sencillo.<\/p>\n\n\n\n

                          Eliminar datos requiere m\u00e9todo.<\/p>\n\n\n\n

                          Toda investigaci\u00f3n deber\u00eda disponer de un criterio de cierre.<\/p>\n\n\n\n

                          Podemos clasificar los materiales:<\/p>\n\n\n\n

                          ACTIVE<\/code><\/p>\n\n\n\n

                          Necesarios para una investigaci\u00f3n en curso.<\/p>\n\n\n\n

                          EVIDENTIAL<\/code><\/p>\n\n\n\n

                          Necesarios para justificar determinadas conclusiones.<\/p>\n\n\n\n

                          REFERENCE<\/code><\/p>\n\n\n\n

                          Informaci\u00f3n leg\u00edtimamente conservada como referencia metodol\u00f3gica.<\/p>\n\n\n\n

                          DISCARD<\/code><\/p>\n\n\n\n

                          Sin relevancia.<\/p>\n\n\n\n

                          EXPIRED<\/code><\/p>\n\n\n\n

                          Ha dejado de existir una finalidad suficiente para su conservaci\u00f3n.<\/p>\n\n\n\n

                          La limitaci\u00f3n del periodo de conservaci\u00f3n constituye uno de los principios del RGPD.<\/p>\n\n\n\n

                          Por tanto, una pol\u00edtica OSINT madura deber\u00eda incluir tanto un procedimiento de acquisition<\/strong> como uno de deletion<\/strong>.<\/p>\n\n\n\n

                          \n\n\n\n

                          29. Publicar no es lo mismo que analizar<\/h1>\n\n\n\n

                          Un dato puede resultar necesario para que el investigador confirme una hip\u00f3tesis y, simult\u00e1neamente, ser innecesario para el lector final.<\/p>\n\n\n\n

                          Antes de publicar un an\u00e1lisis deber\u00eda existir una segunda fase de minimizaci\u00f3n.<\/p>\n\n\n\n

                          Preguntas \u00fatiles:<\/p>\n\n\n\n

                          \u00bfNecesita aparecer el nombre completo?<\/strong><\/p>\n\n\n\n

                          \u00bfEs necesaria la direcci\u00f3n de correo?<\/strong><\/p>\n\n\n\n

                          \u00bfNecesito publicar la IP completa?<\/strong><\/p>\n\n\n\n

                          \u00bfDebe aparecer la ubicaci\u00f3n exacta?<\/strong><\/p>\n\n\n\n

                          \u00bfPuede anonimizarse un tercero?<\/strong><\/p>\n\n\n\n

                          \u00bfLa captura revela informaci\u00f3n incidental?<\/strong><\/p>\n\n\n\n

                          \u00bfLa conclusi\u00f3n puede demostrarse publicando menos datos?<\/strong><\/p>\n\n\n\n

                          El informe p\u00fablico deber\u00eda proporcionar evidencia suficiente para justificar su razonamiento sin transformarse innecesariamente en un repositorio de datos personales.<\/p>\n\n\n\n

                          \n\n\n\n

                          30. Metodolog\u00eda MNI: Minimum Necessary Intelligence<\/h1>\n\n\n\n

                          Como s\u00edntesis de este an\u00e1lisis puede proponerse un principio operativo:<\/p>\n\n\n\n

                          MINIMUM NECESSARY INTELLIGENCE \u2014 MNI<\/h2>\n\n\n\n
                          \n

                          Una investigaci\u00f3n OSINT debe adquirir, conservar, correlacionar y difundir \u00fanicamente la cantidad de informaci\u00f3n necesaria para responder de manera verificable al requerimiento de inteligencia establecido.<\/strong><\/p>\n<\/blockquote>\n\n\n\n

                          El modelo puede aplicarse mediante cuatro preguntas:<\/p>\n\n\n\n

                          01 \/ ACQUISITION<\/h3>\n\n\n\n

                          \u00bfNecesito obtener este dato?<\/strong><\/p>\n\n\n\n

                          02 \/ RETENTION<\/h3>\n\n\n\n

                          \u00bfNecesito conservar este dato?<\/strong><\/p>\n\n\n\n

                          03 \/ CORRELATION<\/h3>\n\n\n\n

                          \u00bfNecesito relacionarlo con esta otra entidad?<\/strong><\/p>\n\n\n\n

                          04 \/ DISSEMINATION<\/h3>\n\n\n\n

                          \u00bfNecesita conocerlo quien recibir\u00e1 el an\u00e1lisis?<\/strong><\/p>\n\n\n\n

                          Si cualquiera de estas respuestas es negativa, debe reconsiderarse el tratamiento.<\/p>\n\n\n\n

                          MNI no pretende limitar OSINT.<\/p>\n\n\n\n

                          Pretende eliminar aquello que no genera inteligencia.<\/p>\n\n\n\n

                          \n\n\n\n

                          31. Modelo operativo OIDSEC<\/h1>\n\n\n\n

                          Una metodolog\u00eda orientada simult\u00e1neamente a inteligencia, privacidad y reproducibilidad podr\u00eda estructurarse as\u00ed:<\/p>\n\n\n\n

                          01 \/ REQUIREMENT<\/strong><\/p>\n\n\n\n

                          Definir la pregunta.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          02 \/ SCOPE<\/strong><\/p>\n\n\n\n

                          Delimitar personas, organizaciones, infraestructura, periodo y jurisdicci\u00f3n.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          03 \/ SOURCE MAP<\/strong><\/p>\n\n\n\n

                          Determinar fuentes necesarias.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          04 \/ RISK ASSESSMENT<\/strong><\/p>\n\n\n\n

                          Evaluar privacidad, sensibilidad y exposici\u00f3n.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          05 \/ COLLECTION<\/strong><\/p>\n\n\n\n

                          Obtener \u00fanicamente los datos necesarios.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          06 \/ PROVENANCE<\/strong><\/p>\n\n\n\n

                          Registrar origen y contexto.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          07 \/ NORMALIZATION<\/strong><\/p>\n\n\n\n

                          Estandarizar formatos.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          08 \/ MINIMIZATION<\/strong><\/p>\n\n\n\n

                          Eliminar informaci\u00f3n innecesaria.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          09 \/ VERIFICATION<\/strong><\/p>\n\n\n\n

                          Contrastar fuentes.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          10 \/ CORRELATION<\/strong><\/p>\n\n\n\n

                          Relacionar entidades justificadamente.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          11 \/ ANALYSIS<\/strong><\/p>\n\n\n\n

                          Construir y refutar hip\u00f3tesis.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          12 \/ CONFIDENCE<\/strong><\/p>\n\n\n\n

                          Asignar nivel de confianza.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          13 \/ REPORTING<\/strong><\/p>\n\n\n\n

                          Producir inteligencia.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          14 \/ PUBLICATION REVIEW<\/strong><\/p>\n\n\n\n

                          Aplicar segunda minimizaci\u00f3n.<\/p>\n\n\n\n

                          \u2193<\/p>\n\n\n\n

                          15 \/ RETENTION \/ DELETION<\/strong><\/p>\n\n\n\n

                          Conservar \u00fanicamente aquello que contin\u00fae siendo necesario.<\/p>\n\n\n\n

                          Este modelo convierte la privacidad en parte integral de la metodolog\u00eda de inteligencia.<\/p>\n\n\n\n

                          No en una comprobaci\u00f3n administrativa realizada al final.<\/p>\n\n\n\n

                          \n\n\n\n

                          32. Lista de comprobaci\u00f3n antes de iniciar una investigaci\u00f3n OSINT<\/h1>\n\n\n\n

                          Antes de comenzar:<\/p>\n\n\n\n

                          \u25a1 \u00bfExiste una pregunta claramente definida?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfEst\u00e1 delimitado el alcance?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfHe definido el periodo temporal?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfS\u00e9 qu\u00e9 categor\u00edas de datos necesito?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfHe definido qu\u00e9 informaci\u00f3n no necesito?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfExiste una finalidad leg\u00edtima y proporcionada?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfPuedo utilizar fuentes menos intrusivas?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfHe establecido c\u00f3mo registrar\u00e9 la procedencia?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfDispongo de almacenamiento protegido?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfExiste una pol\u00edtica de retenci\u00f3n?<\/strong><\/p>\n\n\n\n

                          \n\n\n\n

                          33. Lista de comprobaci\u00f3n antes de publicar<\/h1>\n\n\n\n

                          Antes de difundir:<\/p>\n\n\n\n

                          \u25a1 \u00bfTodas las afirmaciones relevantes est\u00e1n respaldadas por evidencia?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfHe separado hechos de inferencias?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfHe indicado incertidumbres?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfExisten explicaciones alternativas?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfHay informaci\u00f3n personal innecesaria?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfLas capturas revelan datos incidentales?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfPuedo anonimizar terceros?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfHe revisado fechas y vigencia?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfPuedo justificar el m\u00e9todo empleado?<\/strong><\/p>\n\n\n\n

                          \u25a1 \u00bfUn investigador independiente podr\u00eda reproducir razonablemente mi conclusi\u00f3n?<\/strong><\/p>\n\n\n\n

                          \n\n\n\n

                          34. El objetivo no es saberlo todo<\/h1>\n\n\n\n

                          La cultura digital contempor\u00e1nea favorece una mentalidad de acumulaci\u00f3n.<\/p>\n\n\n\n

                          M\u00e1s resultados.<\/p>\n\n\n\n

                          M\u00e1s fuentes.<\/p>\n\n\n\n

                          M\u00e1s datasets.<\/p>\n\n\n\n

                          M\u00e1s conexiones.<\/p>\n\n\n\n

                          M\u00e1s perfiles.<\/p>\n\n\n\n

                          M\u00e1s herramientas.<\/p>\n\n\n\n

                          Pero una investigaci\u00f3n profesional no tiene como finalidad demostrar cu\u00e1nto puede descubrir el investigador.<\/p>\n\n\n\n

                          Su finalidad consiste en responder correctamente a una pregunta<\/strong>.<\/p>\n\n\n\n

                          Esto implica desarrollar una capacidad que las herramientas no proporcionan:<\/p>\n\n\n\n

                          saber detenerse.<\/strong><\/p>\n\n\n\n

                          Existe un momento en el que una nueva b\u00fasqueda deja de aumentar significativamente la confianza de la conclusi\u00f3n.<\/p>\n\n\n\n

                          A partir de ese punto puede comenzar simplemente a aumentar:<\/p>\n\n\n\n

                          el ruido,<\/p>\n\n\n\n

                          la exposici\u00f3n,<\/p>\n\n\n\n

                          el coste,<\/p>\n\n\n\n

                          el riesgo,<\/p>\n\n\n\n

                          la cantidad de informaci\u00f3n irrelevante.<\/p>\n\n\n\n

                          El buen analista debe reconocer ese momento.<\/p>\n\n\n\n

                          \n\n\n\n

                          Conclusi\u00f3n<\/h1>\n\n\n\n

                          La expansi\u00f3n de Internet, las redes sociales, los registros p\u00fablicos digitalizados, las APIs, los motores especializados, los repositorios documentales y las t\u00e9cnicas de correlaci\u00f3n han proporcionado a OSINT una capacidad extraordinaria.<\/p>\n\n\n\n

                          Pero la verdadera sofisticaci\u00f3n de la disciplina no reside en disponer de una colecci\u00f3n interminable de herramientas.<\/p>\n\n\n\n

                          Reside en el m\u00e9todo.<\/p>\n\n\n\n

                          El investigador debe ser capaz de determinar:<\/p>\n\n\n\n

                          qu\u00e9 busca;<\/p>\n\n\n\n

                          por qu\u00e9 lo busca;<\/p>\n\n\n\n

                          qu\u00e9 fuentes resultan adecuadas;<\/p>\n\n\n\n

                          qu\u00e9 puede considerar evidencia;<\/p>\n\n\n\n

                          qu\u00e9 debe verificar;<\/p>\n\n\n\n

                          qu\u00e9 relaciones son significativas;<\/p>\n\n\n\n

                          qu\u00e9 informaci\u00f3n debe descartar;<\/p>\n\n\n\n

                          qu\u00e9 nivel de confianza merece cada conclusi\u00f3n;<\/p>\n\n\n\n

                          qu\u00e9 puede conservar;<\/p>\n\n\n\n

                          qu\u00e9 deber\u00eda eliminar;<\/p>\n\n\n\n

                          y qu\u00e9 resulta necesario publicar.<\/p>\n\n\n\n

                          El RGPD sit\u00faa la minimizaci\u00f3n, finalidad, exactitud, limitaci\u00f3n de conservaci\u00f3n, seguridad y responsabilidad entre los principios esenciales del tratamiento de datos personales. La AEPD insiste adem\u00e1s en integrar la protecci\u00f3n desde el dise\u00f1o y por defecto, mientras NIST aborda la privacidad como un proceso de gesti\u00f3n sistem\u00e1tica del riesgo.<\/p>\n\n\n\n

                          Estos principios no deben entenderse \u00fanicamente como restricciones externas impuestas al investigador.<\/p>\n\n\n\n

                          Pueden convertirse en principios de calidad anal\u00edtica<\/strong>.<\/p>\n\n\n\n

                          Recopilar menos obliga a definir mejor la pregunta.<\/p>\n\n\n\n

                          Verificar la procedencia mejora la evidencia.<\/p>\n\n\n\n

                          Limitar la correlaci\u00f3n reduce falsos positivos.<\/p>\n\n\n\n

                          Establecer niveles de confianza obliga a reconocer incertidumbres.<\/p>\n\n\n\n

                          Eliminar informaci\u00f3n innecesaria reduce ruido.<\/p>\n\n\n\n

                          Separar hechos de inferencias mejora el razonamiento.<\/p>\n\n\n\n

                          Proteger el repositorio mejora la integridad del proyecto.<\/p>\n\n\n\n

                          Y revisar qu\u00e9 informaci\u00f3n debe publicarse diferencia la inteligencia responsable de la simple exposici\u00f3n de datos.<\/p>\n\n\n\n

                          En \u00faltima instancia, OSINT no consiste en descubrir todo aquello que Internet permite descubrir<\/strong>.<\/p>\n\n\n\n

                          Consiste en localizar, verificar y contextualizar la informaci\u00f3n necesaria para comprender una realidad determinada.<\/p>\n\n\n\n

                          Investigar sin perder el control de los datos significa saber qu\u00e9 buscar.<\/p>\n\n\n\n

                          Pero, sobre todo, significa saber qu\u00e9 no necesitamos buscar, qu\u00e9 no necesitamos conservar y qu\u00e9 no necesitamos revelar<\/strong>.<\/p>\n\n\n\n

                          Ah\u00ed comienza una inteligencia de fuentes abiertas verdaderamente profesional.<\/p>\n\n\n\n

                          \n\n\n\n

                          FUENTES Y REFERENCIAS<\/h1>\n\n\n\n

                          Uni\u00f3n Europea<\/h3>\n\n\n\n

                          Reglamento (UE) 2016\/679 \u2014 Reglamento General de Protecci\u00f3n de Datos (RGPD).<\/strong>
                          Especialmente relevantes para este an\u00e1lisis: principios del tratamiento, bases jur\u00eddicas, categor\u00edas especiales de datos, protecci\u00f3n desde el dise\u00f1o y por defecto, seguridad del tratamiento y evaluaci\u00f3n de impacto. Fuente oficial: EUR-Lex.<\/p>\n\n\n\n

                          Agencia Espa\u00f1ola de Protecci\u00f3n de Datos \u2014 AEPD<\/h3>\n\n\n\n

                          Protecci\u00f3n de datos desde el dise\u00f1o.<\/strong>
                          La AEPD desarrolla la incorporaci\u00f3n de medidas de protecci\u00f3n desde la definici\u00f3n inicial y durante todo el ciclo de vida del tratamiento.<\/p>\n\n\n\n

                          Protecci\u00f3n de datos por defecto.<\/strong>
                          Desarrolla espec\u00edficamente la aplicaci\u00f3n pr\u00e1ctica del principio de minimizaci\u00f3n mediante medidas destinadas a que \u00fanicamente sean tratados los datos necesarios para la finalidad definida.<\/p>\n\n\n\n

                          Comit\u00e9 Europeo de Protecci\u00f3n de Datos \u2014 EDPB<\/h3>\n\n\n\n

                          Guidelines 1\/2024 on processing of personal data based on Article 6(1)(f) GDPR.<\/strong>
                          Referencia para la evaluaci\u00f3n del inter\u00e9s leg\u00edtimo, necesidad del tratamiento y ponderaci\u00f3n de derechos e intereses.<\/p>\n\n\n\n

                          National Institute of Standards and Technology \u2014 NIST<\/h3>\n\n\n\n

                          NIST Privacy Framework.<\/strong>
                          Marco voluntario destinado a ayudar a organizaciones a identificar y gestionar riesgos asociados a la privacidad.<\/p>\n\n\n\n

                          NIST Privacy Framework 1.1.<\/strong>
                          Evoluci\u00f3n del marco orientada a integrar la gesti\u00f3n de riesgos de privacidad con otros modelos organizativos y de ciberseguridad.<\/p>\n\n\n\n

                          \n\n\n\n

                          NOTA METODOL\u00d3GICA<\/h2>\n\n\n\n

                          Este an\u00e1lisis tiene finalidad acad\u00e9mica, t\u00e9cnica y divulgativa. Las operaciones OSINT pueden estar sometidas a diferentes obligaciones dependiendo de la naturaleza de la investigaci\u00f3n, categor\u00edas de informaci\u00f3n tratadas, jurisdicci\u00f3n, finalidad, escala, responsable y contexto concreto.<\/p>\n\n\n\n

                          La accesibilidad p\u00fablica de una fuente no debe interpretarse autom\u00e1ticamente como autorizaci\u00f3n universal para cualquier forma posterior de tratamiento.<\/p>\n\n\n\n

                          Cuando una investigaci\u00f3n pueda afectar significativamente a derechos de terceros o implique tratamiento sistem\u00e1tico de datos personales, deber\u00e1 evaluarse el marco jur\u00eddico aplicable al caso concreto.<\/p>\n\n\n\n

                          \n\n\n\n

                          OIDSEC \/ OBSERVATORIO DE INVESTIGACI\u00d3N DIGITAL<\/strong><\/p>\n\n\n\n

                          OSINT \u00b7 PRIVACIDAD \u00b7 CIBERINTELIGENCIA \u00b7 SEGURIDAD \u00b7 M\u00c9TODO<\/strong><\/p>\n\n\n\n

                          Investigaci\u00f3n independiente basada en fuentes abiertas, documentaci\u00f3n t\u00e9cnica y an\u00e1lisis verificable.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

                          La inteligencia de fuentes abiertas permite reconstruir identidades, relaciones, h\u00e1bitos y contextos a partir de informaci\u00f3n aparentemente dispersa. Este an\u00e1lisis examina las posibilidades del OSINT desde una perspectiva centrada en la privacidad, la minimizaci\u00f3n de datos y el control de la huella digital, abordando c\u00f3mo investigar con rigor sin convertir la obtenci\u00f3n de informaci\u00f3n en una p\u00e9rdida de seguridad, criterio o responsabilidad.<\/p>\n","protected":false},"author":1,"featured_media":130,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","footnotes":""},"categories":[14],"tags":[],"class_list":["post-131","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analisis"],"_links":{"self":[{"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/posts\/131","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/comments?post=131"}],"version-history":[{"count":2,"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/posts\/131\/revisions"}],"predecessor-version":[{"id":134,"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/posts\/131\/revisions\/134"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/media\/130"}],"wp:attachment":[{"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/media?parent=131"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/categories?post=131"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/oidsec.es\/index.php\/wp-json\/wp\/v2\/tags?post=131"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}