Integridad de los datos

La integridad de los datos es el mantenimiento y la garantía de la precisión y consistencia de los datos a lo largo de todo su ciclo de vida ^{[ 1 ]} y es un aspecto crítico para el diseño, la implementación y el uso de cualquier sistema que almacene, procese o recupere datos. El término es amplio y puede tener significados muy diferentes según el contexto específico , incluso dentro del mismo ámbito general de la informática . A veces se utiliza como término indirecto para la calidad de los datos ^[²^] , mientras que la validación de datos es un requisito previo para la integridad de los datos ^[³^] . La integridad de los datos es lo opuesto a la corrupción de datos ^[⁴^] . El objetivo general de cualquier técnica de integridad de datos es el mismo: asegurar que los datos se registren exactamente como se pretendía (como una base de datos que rechaza correctamente las posibilidades mutuamente excluyentes). Además, al recuperarlos posteriormente , asegurar que los datos sean los mismos que cuando se registraron originalmente. En resumen, la integridad de los datos tiene como objetivo prevenir cambios involuntarios en la información. La integridad de los datos no debe confundirse con la seguridad de los datos , la disciplina de proteger los datos de terceros no autorizados.

Cualquier cambio no intencionado en los datos como resultado de una operación de almacenamiento, recuperación o procesamiento, incluyendo intenciones maliciosas, fallas inesperadas de hardware y errores humanos , constituye una falla en la integridad de los datos. Si los cambios son resultado de un acceso no autorizado, también puede constituir una falla en la seguridad de los datos. Dependiendo de los datos involucrados, esto podría manifestarse desde algo tan inofensivo como un solo píxel en una imagen que aparece con un color diferente al registrado originalmente, hasta la pérdida de fotos de vacaciones o una base de datos crítica para el negocio, o incluso la pérdida catastrófica de vidas humanas en un sistema crítico para la vida .

Tipos de integridad

Integridad física

La integridad física aborda los desafíos relacionados con el correcto almacenamiento y recuperación de los datos. Estos desafíos pueden incluir fallas electromecánicas , defectos de diseño, fatiga de materiales , corrosión , cortes de energía , desastres naturales y otros riesgos ambientales especiales, como radiación ionizante , temperaturas extremas, presiones y fuerzas G. Para garantizar la integridad física se utilizan métodos como hardware redundante , un sistema de alimentación ininterrumpida ( UPS) , ciertos tipos de matrices RAID , chips resistentes a la radiación , memoria con corrección de errores , un sistema de archivos en clúster , sistemas de archivos que emplean sumas de verificación a nivel de bloque como ZFS , matrices de almacenamiento que realizan cálculos de paridad como OR exclusivo o utilizan una función hash criptográfica , e incluso un temporizador de vigilancia (watchdog) en subsistemas críticos.

La integridad física suele hacer un uso extensivo de algoritmos de detección de errores conocidos como códigos de corrección de errores . Los errores de integridad de datos provocados por humanos se detectan a menudo mediante comprobaciones y algoritmos más sencillos, como el algoritmo de Damm o el algoritmo de Luhn . Estos se utilizan para mantener la integridad de los datos tras la transcripción manual de un sistema informático a otro por un intermediario humano (por ejemplo, números de tarjeta de crédito o de ruta bancaria). Los errores de transcripción provocados por el ordenador pueden detectarse mediante funciones hash .

En los sistemas de producción, estas técnicas se utilizan conjuntamente para garantizar distintos grados de integridad de los datos. Por ejemplo, un sistema de archivos informático puede estar configurado en una matriz RAID tolerante a fallos, pero podría no proporcionar sumas de comprobación a nivel de bloque para detectar y prevenir la corrupción silenciosa de datos . Otro ejemplo: un sistema de gestión de bases de datos podría cumplir con las propiedades ACID , pero el controlador RAID o la caché de escritura interna del disco duro podrían no hacerlo.

Integridad lógica

Este tipo de integridad se centra en la corrección o racionalidad de un dato, dado un contexto específico. Esto incluye temas como la integridad referencial y la integridad de entidades en una base de datos relacional , o la correcta omisión de datos de sensores imposibles en sistemas robóticos. Estas preocupaciones implican asegurar que los datos tengan sentido en su entorno. Entre los desafíos se encuentran los errores de software , los fallos de diseño y los errores humanos. Los métodos comunes para garantizar la integridad lógica incluyen restricciones de verificación , restricciones de clave externa , aserciones de programa y otras comprobaciones de coherencia en tiempo de ejecución.

Tanto la integridad física como la lógica suelen compartir muchos desafíos comunes, como errores humanos y fallos de diseño, y ambas deben gestionar adecuadamente las solicitudes simultáneas para registrar y recuperar datos, siendo este último tema un asunto aparte.

Si un sector de datos solo presenta un error lógico, puede reutilizarse sobrescribiéndolo con datos nuevos. En caso de un error físico, el sector de datos afectado queda inutilizable de forma permanente.

Bases de datos

La integridad de los datos incluye directrices para la retención de datos , especificando o garantizando el tiempo máximo que los datos pueden conservarse en una base de datos determinada. Para lograr la integridad de los datos, estas reglas se aplican de forma consistente y rutinaria a todos los datos que ingresan al sistema, y cualquier relajación en su cumplimiento podría provocar errores. Implementar verificaciones de los datos lo más cerca posible de su origen (como la entrada manual de datos) reduce la cantidad de datos erróneos que ingresan al sistema. El cumplimiento estricto de las reglas de integridad de los datos se traduce en menores tasas de error y un ahorro de tiempo en la resolución de problemas y el seguimiento de datos erróneos y los errores que estos provocan en los algoritmos.

La integridad de los datos también incluye reglas que definen las relaciones que un dato puede tener con otros datos, como por ejemplo, que un registro de cliente pueda vincularse a productos comprados , pero no a datos no relacionados, como activos corporativos . La integridad de los datos suele incluir comprobaciones y correcciones de datos no válidos, basadas en un esquema fijo o un conjunto de reglas predefinidas. Un ejemplo son los datos textuales introducidos donde se requiere un valor de fecha y hora. También se aplican reglas para la derivación de datos, que especifican cómo se deriva un valor de datos en función de un algoritmo, los contribuyentes y las condiciones. Asimismo, especifica las condiciones sobre cómo se podría volver a derivar el valor de datos.

Tipos de restricciones de integridad

La integridad de los datos en un sistema de base de datos se garantiza normalmente mediante una serie de restricciones o reglas de integridad. Tres tipos de restricciones de integridad son inherentes al modelo de datos relacional: integridad de entidad, integridad referencial e integridad de dominio.

La integridad de la entidad se refiere al concepto de clave primaria . La integridad de la entidad es una regla de integridad que establece que cada tabla debe tener una clave primaria y que la columna o columnas elegidas para ser la clave primaria deben ser únicas y no nulas.
La integridad referencial se refiere al concepto de clave externa . La regla de integridad referencial establece que cualquier valor de clave externa solo puede estar en uno de dos estados. Lo habitual es que el valor de la clave externa haga referencia a un valor de clave primaria de alguna tabla en la base de datos. Ocasionalmente, y esto dependerá de las reglas del propietario de los datos, un valor de clave externa puede ser nulo . En este caso, estamos indicando explícitamente que no existe ninguna relación entre los objetos representados en la base de datos o que esta relación es desconocida.
La integridad de dominio especifica que todas las columnas de una base de datos relacional deben declararse dentro de un dominio definido. La unidad básica de datos en el modelo relacional es el elemento de datos. Dichos elementos de datos se denominan atómicos o no descomponibles. Un dominio es un conjunto de valores del mismo tipo. Por lo tanto, los dominios son conjuntos de valores a partir de los cuales se extraen los valores que aparecen en las columnas de una tabla.
La integridad definida por el usuario se refiere a un conjunto de reglas especificadas por un usuario, que no pertenecen a las categorías de integridad de entidad, dominio y referencial.

Si una base de datos admite estas características, es responsabilidad de la base de datos garantizar la integridad de los datos, así como el modelo de consistencia para el almacenamiento y la recuperación de los mismos. Si una base de datos no admite estas características, es responsabilidad de las aplicaciones garantizar la integridad de los datos, mientras que la base de datos admite el modelo de consistencia para el almacenamiento y la recuperación de los mismos.

Tener un sistema de integridad de datos único, bien controlado y bien definido aumenta

estabilidad (un sistema centralizado realiza todas las operaciones de integridad de datos)
rendimiento (todas las operaciones de integridad de datos se realizan en el mismo nivel que el modelo de consistencia)
Reutilización (todas las aplicaciones se benefician de un único sistema centralizado de integridad de datos).
mantenibilidad (un sistema centralizado para la administración de la integridad de todos los datos).

Las bases de datos modernas admiten estas características (véase Comparación de sistemas de gestión de bases de datos relacionales ), y garantizar la integridad de los datos se ha convertido en responsabilidad inherente de la base de datos. Las empresas, y de hecho muchos sistemas de bases de datos, ofrecen productos y servicios para migrar sistemas heredados a bases de datos modernas.

Ejemplos

Un ejemplo de mecanismo de integridad de datos es la relación padre-hijo entre registros relacionados. Si un registro padre posee uno o más registros hijos relacionados, la base de datos se encarga de todos los procesos de integridad referencial, lo que garantiza automáticamente la exactitud e integridad de los datos. De esta forma, ningún registro hijo puede existir sin un registro padre (lo que se conoce como registro huérfano) y ningún registro padre pierde sus registros hijos. Asimismo, garantiza que ningún registro padre pueda eliminarse mientras posea registros hijos. Todo esto se gestiona a nivel de base de datos y no requiere la implementación de comprobaciones de integridad en cada aplicación.

Sistemas de archivos

Diversos resultados de investigación muestran que ni los sistemas de archivos más extendidos (incluidos UFS , Ext , XFS , JFS y NTFS ) ni las soluciones RAID de hardware proporcionan suficiente protección contra problemas de integridad de datos. ^{[ 5 ]}^{[ 6 ]}^{[ 7 ]}^{[ 8 ]}^{[ 9 ]}

Algunos sistemas de archivos (incluidos Btrfs y ZFS ) proporcionan una verificación interna de datos y metadatos que se utiliza para detectar la corrupción silenciosa de datos y mejorar la integridad de los mismos. Si se detecta una corrupción de esta manera y también se utilizan los mecanismos RAID internos que proporcionan dichos sistemas de archivos, estos pueden reconstruir los datos corruptos de forma transparente. ^{[ 10 ]} Este enfoque permite una mejor protección de la integridad de los datos que abarca todas las rutas de datos, lo que se conoce como protección de datos de extremo a extremo . ^{[ 11 ]}