1,721,228 research outputs found
REVISIÓN BIBLIOGRÁFICA SOBRE EL ALGORITMO DE FIRMA CRYSTALS –DILITHIUM Y SU RENDIMIENTO
Get PDFLa criptografía no solo es una herramienta exclusiva de los especialistas en seguridad informática, sino que se ha convertido en un elemento esencial en actividades cotidianas, las transacciones de comercio electrónico, la conectividad, la protección de datos en redes sociales, el almacenamiento seguro de datos personales y el cifrado de correos electrónicos son apenas algunos de los ejemplos en donde la criptografía juega un papel crucial para la protección de esta información. Actualmente la mayoría de aplicaciones y sistemas utilizan en su firma digital el algoritmo RSA, este se basa en la dificultad que presenta la computación convencional para factorizar enteros de gran tamaño. La criptografía clásica está bajo amenaza debido a la computación cuántica y al algoritmo Shor, que resuelve este problema de factorización. Por tal motivo, el Instituto Nacional de Estándares y Tecnología (NIST) inició un proceso para solicitar, evaluar y estandarizar algoritmos criptográficos resistentes a la tecnología cuántica, tras varias rondas realizadas, surgió “CRYSTALS-Dilithium, que es uno de los tres esquemas de firma digital incluidos en la tercera ronda de elección de estándar post-cuántico. Este algoritmo se basa en la dificultad del problema de encontrar vectores más cortos en retículos, que sigue las pautas del conocido esquema de Fiat-Shamir”. En el presente artículo se consultaron diferentes fuentes documentales con el fin de presentar a modo de compendio una introducción de los conceptos básicos que sustentan el protocolo y una revisión descriptiva de su rendimiento.Universidad Libre - Seccional Bogotá - Facultad Ingeniería - Ingeniería de SistemasCryptography is not only a tool exclusively for computer security specialists but has become an essential element in everyday activities. E-commerce transactions, connectivity, data protection on social networks, secure storage of personal data, and email encryption are just a few examples where cryptography plays a crucial role in protecting this information. Currently, most applications and systems use the RSA algorithm for their digital signatures. This algorithm is based on the difficulty that conventional computing presents in factoring large integers. Classical cryptography is under threat due to quantum computing and the Shor algorithm, which solves this factoring problem. For this reason, the National Institute of Standards and Technology (NIST) initiated a process to request, evaluate, and standardize quantum-resistant cryptographic algorithms. After several rounds, CRYSTALS-Dilithium emerged as one of the three digital signature schemes included in the third round of post-quantum standard selection. This algorithm is based on the difficulty of finding the shortest vectors in lattices, which follows the guidelines of the well-known Fiat-Shamir scheme. In this article, various documentary sources were consulted to present a summary of the basic concepts underlying the protocol and a descriptive review of its performance
Openai API, LLM (Large Language Models)
Get PDFLa API de OpenAI es una interfaz de programación que proporciona acceso a
modelos avanzados de inteligencia artificial (IA) desarrollados por OpenAI, específicamente
Modelos de Lenguaje Grande (LLM), como GPT-3 y GPT-4. Estos modelos son entrenados con
grandes volúmenes de texto y son capaces de comprender, generar y manipular lenguaje humano
de manera extremadamente precisa.The OpenAI API is a programming interface that provides access to advanced artificial intelligence (AI) models developed by OpenAI, specifically Large Language Models (LLMs), such as GPT-3 and GPT-4. These models are trained on large volumes of text and are capable of understanding, generating, and manipulating human language extremely accurately
Openai API presentation, LLM (Large Language Models) Conference On Innovation 2025-1
No full textLa API de OpenAI es una interfaz de programación que proporciona acceso a
modelos avanzados de inteligencia artificial (IA) desarrollados por OpenAI, específicamente
Modelos de Lenguaje Grande (LLM), como GPT-3 y GPT-4. Estos modelos son entrenados con
grandes volúmenes de texto y son capaces de comprender, generar y manipular lenguaje humano
de manera extremadamente precisa.The OpenAI API is a programming interface that provides access to advanced artificial intelligence (AI) models developed by OpenAI, specifically Large Language Models (LLMs), such as GPT-3 and GPT-4. These models are trained on large volumes of text and are capable of understanding, generating, and manipulating human language extremely accurately
ARTICLE: AUTOMATING THE DOWNLOADING AND ORGANIZATION OF AIR QUALITY DATA IN BOGOTÁ USING GOOGLE APPS SCRIPT OR GOOGLE COLAB
No full textEste artículo presenta una solución tecnológica orientada a la automatización de la descarga y
organización de datos de calidad del aire provenientes del sistema de monitoreo de Bogotá.
Utilizando herramientas como Google Apps Script y Google Colab, se desarrolló un script capaz
de extraer semanalmente los datos de diversas estaciones, procesarlos y almacenarlos en hojas
de cálculo de manera estructurada y sin intervención manual. La automatización incluye la
limpieza de datos previos y la actualización dinámica de fechas, lo que permite mantener
información precisa y actualizada. Esta propuesta busca optimizar procesos repetitivos, reducir
errores humanos y facilitar el acceso oportuno a datos ambientales para su análisis o reporte.This article presents a technological solution aimed at automating the download and
organization of air quality data from the Bogotá air quality monitoring system. Using tools such
as Google Apps Script and Google Colab, a script was developed that extracts data from various
stations weekly, processes it, and stores it in spreadsheets in a structured manner without manual
intervention. The automation includes cleaning previous data and dynamically updating dates,
allowing for accurate and up-to-date information. This proposal seeks to optimize repetitive
processes, reduce human error, and facilitate timely access to environmental data for analysis or
reporting
Automate the download and organization of air quality data in Bogota using Google Apps Scripture.
No full textEn ciudades como Bogotá, la calidad del aire es un tema crítico debido a factores como el tráfico y la actividad industrial. Sin embargo, obtener y organizar estos datos de forma manual resulta ineficiente y propenso a errores. Este proyecto propone una solución automatizada que facilita la descarga, procesamiento y almacenamiento de datos ambientales usando herramientas de Google, optimizando así el acceso y análisis de la información.In cities like Bogotá, air quality is a critical issue due to factors such as traffic and industrial activity. However, manually collecting and organizing this data is inefficient and error-prone. This project proposes an automated solution that facilitates the download, processing, and storage of environmental data using Google tools, thus optimizing access and analysis of information
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
JurisLibreAI Smart Legal Assistant: Facilitating access to justice
No full textLa ponencia presentó Jurislibre IA, una plataforma de asesoría legal basada en IA que integra dos enfoques clave RAG (Retrieval-Augmented Generation) y fine-tuning de modelos de lenguaje junto a bases de datos vectoriales y de grafos. Se detalló en profundidad el funcionamiento de cada tecnología, los beneficios de combinar recuperación de información con generación, y por qué las estructuras de datos avanzadas resultaron cruciales. También se expusieron las pruebas iniciales en servidores locales, así como la transición hacia entornos en línea usando GPT Playground y librerías LLM de Python, con el objetivo de reforzar la seguridad y la confiabilidad para el usuario final.Universidad Libre -- Ingenieria -- Ingenieria de sistemasThe presentation featured Jurislibre AI, an AI-based legal advisory platform that integrates two key approaches—RAG (Retrieval-Augmented Generation) and language model fine-tuning—along with vector and graph databases. The presentation detailed the operation of each technology, the benefits of combining information retrieval with generation, and why advanced data structures were crucial. Initial testing on local servers was also presented, as well as the transition to online environments using GPT Playground and Python LLM libraries, with the goal of strengthening security and reliability for the end user
Presentation JurisLibreAI Smart Legal Assistant: Facilitating access to justice
No full textLa presentación se centro en Jurislibre IA, una plataforma de asesoría legal basada en IA que integra dos enfoques clave RAG (Retrieval-Augmented Generation) y fine-tuning de modelos de lenguaje junto a bases de datos vectoriales y de grafos. Se detalló en profundidad el funcionamiento de cada tecnología, los beneficios de combinar recuperación de información con generación, y por qué las estructuras de datos avanzadas resultaron cruciales. También se expusieron las pruebas iniciales en servidores locales, así como la transición hacia entornos en línea usando GPT Playground y librerías LLM de Python, con el objetivo de reforzar la seguridad y la confiabilidad para el usuario final.Universidad Libre -- Ingenieria -- Ingenieria de sistemasThe presentation focused on Jurislibre AI, an AI-based legal advisory platform that integrates two key approaches: Retrieval-Augmented Generation (RAG) and fine-tuning of language models with vector and graph databases. The presentation detailed in depth how each technology works, the benefits of combining information retrieval with generation, and why advanced data structures were crucial. Initial testing on local servers was also discussed, as well as the transition to online environments using GPT Playground and Python LLM libraries, with the goal of strengthening security and reliability for the end user
Written Work: METHODOLOGY DESIGN FOR AN ARTIFICIAL INTELLIGENCE BASED LEGAL ASSISTANT IN ACADEMIC CONTEXTS
No full textEste artículo presenta la metodología colaborativa aplicada en el desarrollo de un asistente jurídico basado en inteligencia artificial, diseñado para responder a consultas legales complejas en un contexto universitario. Este proyecto busca resolver el problema de acceso restringido y complicado a información legal organizada y confiable. Utilizando técnicas como la Recuperación Asistida Generativa (RAG) y el ajuste fino (fine-tuning), y herramientas de despliegue como Docker y ngrok, el equipo del semillero Sensorama desarrolló un asistente de IA que implementa el modelo LLaMA 3.2. Durante el proceso, el equipo enfrentó varios desafíos técnicos al depender de servicios gratuitos y equipos de baja capacidad. A lo largo de las pruebas de campo y ajustes técnicos, se fortaleció el conocimiento sobre el uso y limitaciones de tecnologías IA aplicadas al ámbito jurídico.Universidad Libre -- Ingenieria -- Ingenieria de sistemasThis article presents the collaborative methodology applied in the development of an AI-based legal assistant, designed to answer complex legal queries in an academic context. This project seeks to solve the issue of restricted and complex access to organized and reliable legal information. Using techniques such as Retrieval-Augmented Generation (RAG) and fine-tuning, and deployment tools like Docker and ngrok, the Sensorama team developed an AI assistant implementing the LLaMA 3.2 model. Throughout the process, the team faced technical challenges relying on free services and low-capacity equipment. Through field tests and technical adjustments, knowledge was strengthened on the use and limitations of AI technologies applied to the legal field
- …
