Introduccin
o clasificado, transacciones bancarias
La Deep Web es aquella parte
de la red que contiene material,
informacin y pginas web que no
estn indexadas en ninguno de los
buscadores existentes como pueden
ser Bing, Google, Yahoo, etc; en la
actualidad, estudios de la Universidad
de Berkeley estiman que la Internet
profunda tiene un tamao de
aproximadamente 91,000 TeraBytes:
se estima que la mayora de la
poblacin conoce slo el 4% de todo
el contenido de internet.
La finalidad de la Deep Web es
mantener el anonimato, una de las
formas ms famosas y fciles de
navegar es a travs de es The Onion
Router (TOR), esta es una plataforma
creada por el Laboratorio Naval de
EE.UU., que posibilita ocultar la
direccin IP y otros datos
relacionados con la identidad del
usuario, y que funciona utilizando
distintos niveles de codificacin.
Ciertas partes de Deep Web son
tcnicamente inaccesibles a travs de
los medios tradicionales, por lo que
se convierte en un lugar protegido y
seguro para que cibercriminales o
sujetos de toda ndole realicen
actividades ilegales.
A diferencia de lo que se cree,
la Deep Web no es usada
nicamente para realizar o efectuar
actividades ilcitas, a esta pequea
parte se le conoce como Dark Web,
en cambio existen otros usos que se
le da a este recurso s el de
transferencia de conocimiento cifrado
que requieren un alto grado de
seguridad, investigacin, seguridad
nacional, etc.
Al ser demasiada la
informacin contenida en la red
profunda y mnima la poblacin que
conoce y tiene acceso dicha
informacin, es natural preguntarse
qu uso le estn dando a este
enorme recurso. Por eso el motivo de
este artculo es descubrir de qu
manera hablan acerca de la deep
web autoridades cientficas y qu uso
le dan a la misma. Conocimiento
elaborado por revistas cientficas con
altos estndares de calidad ya que
esta informacin puede ser
indispensable para innumerables
hallazgos en beneficio de la sociedad.
Materiales y mtodos
Para la presente investigacin
utilizamos el siguiente mtodo de
bsqueda y lectura de artculos
cientficos indexados en Scopus y
Red SciELO. En la bsqueda inicial,
se pretenda encontrar informacin
sobre la Deep Web en artculos
cientficos indexados en Scopus
publicados en los ltimos 5 aos. Una
vez que se accedi a la base de
datos Scopus, con ayuda de los
operados boleados () se busc el
trmino Deep Web limitando la
bsqueda a los ltimos 5 aos, del
2012 al 2016, limitado a artculos
como tipo de documento. Dicha
bsqueda arroj un total de 85
resultados de 40 diferentes revistas
de 24 distintos territorios y pases que
han publicado artculos cientficos
sobre la Deep web en los ltimos 5
aos. Despus de dar lectura a los
artculos encontrados a pesar de su
innegable relevancia, decidimos
refinar an ms la bsqueda al ao method based on Apriori
resultando ahora un total de 27
artculos, y al territorio en el que ms
se public sobre la Deep Web
quedando un total final de 17
artculos siendo stos los ms
relevantes y representativos para
nuestra investigacin.
Por otro lado la bsqueda en la
biblioteca virtual Red SciELO la
bsqueda se realiz de la siguiente
manera: En el buscador de artculos
se ingres las palabras Deep Web
usando el mtodo integrada filtrando on domain ontology. Journal
la bsqueda a regional en todos los
ndices arrojando como resultado 34
documentos. Hecho siguiente se
aplic el filtro de idioma a espaol
obteniendo un resultado de 14
documentos de los cuales
seleccionamos los que realmente
hablaban de la Deep Web quedando
as 3 artculos en idioma espaol. (Japan), 16(6), pp.3635-
Tabla 1.
Materiales LIU, L. and PENG, T. (2013).
Scopus Post-processing of Deep Web
Information Extraction Based
on Domain Ontology.
Advances in Electrical and
Computer Engineering, 13(4),
pp.25-32.
Shi, H., Guo, J., Chen, Y. and
Ni, D. (2013). Deep web
database classification based
on tuple-matching. Journal of
Computational Information
Systems, [online] 9(17),
pp.6775-6783.
Wang, T., Li, G., Duan, Q.,
Liu, Y. and Chen, X. (2013).
Deep Web integrated query
interface construction
Algorithm. Journal of
Information and
Computational Science,
10(15), pp.5063-5075.
Li, X., Cui, Z., Zhao, P. and
Mao, J. (2013). Retrieving
deep web data based on
heuristic hierarchy tree
model. Journal of
Computational Information
Systems, 9(16), pp.6685-
6692.
Qiang, B., Shi, L., He, Q.,
Wang, Y. and Li, W. (2013).
Integrating Deep Web based
of Computational
Information Systems, 9(15),
pp.6259-6267.
Feng, Y. and Wang, H.
(2013). Deep web query
result pages content
extraction based on
combination of vision and
tag information. Information
3641.
Feng, Y. and Lu, W. (2013).
Heuristics-based semantic
annotation for deep web
query results. Journal of
Computational Information
Systems, 9(14), pp.5685-
5692.
Li, Y., Wang, Y., Jiang, P. and
Zhang, Z. (2013). Multi-
objective optimization
integration of query
interfaces for the Deep Web
based on attribute
constraints. Data &
Knowledge Engineering, 86,
pp.38-60.
Duan, Q., Yang, R. and Chen,
Y. (2013). Automatic
Identifying Query Interfaces
of Deep Web Based on
PreClassification-SVM.
Sensor Letters, 11(6),
pp.1389-1395.
Liu, Z. and Wang, J. (2013).
Principles and Model for
Web Dataspace. JCP, 8(4).
Zheng, Q., Wu, Z., Cheng, X.,
Jiang, L. and Liu, J. (2013).
Learning to crawl deep web.
Information Systems, 38(6),
pp.801-819.
Zhang, Z., Du, J. and Wang, L.
(2013). Formal concept
analysis approach for data
extraction from a limited
deep web database. J Intell
Inf Syst, 41(2), pp.211-234.
Wang, H., Xu, Q., Chen, Y.
and Lan, J. (2013). A feature-
weighted instance-based
learner for deep web search
interface identification.
Research Journal of Applied
Sciences, Engineering and
Technology, 5(4), pp.1278-
1283.
Zhu, G., Wang, N. and Wang,
H. (2013). An improved
method for Deep Web
sources classification based
on the theme and form
attributes. Tien Tzu Hsueh
Pao/Acta Electronica Sinica,
41(2), pp.260-266.
Li, Y., Wang, Y. and Du, J.
(2012). E-FFC: an enhanced
form-focused crawler for
domain-specific deep web
databases. J Intell Inf Syst,
40(1), pp.159-184.
Yong, F., Xiao, D. and Hong,
X. (2013). A calculation
method of Deep Web
entities recognition. Journal
of Theoretical and Applied
Information Technology,
47(3), pp.1255-1259.
Zhang, Y., Li, Q., Zhang, R.
and Lin, P. (2013). Novel
Method of Web Database
Redundancy Computing for
Web Data Sources Selection.
Information Technology J.,
12(19), pp.5216-5220.
Red SciELO Martnez Larrarte, J. (2015).
Nuestra vlida Web
profunda. Revista Cubana de
Reumatologa, 17(3), pp.169-
170.
Bautista Luzardo, D. (2014).
Deep web: aproximaciones a
la ciber irresponsabilidad.
Revista Latinoamericana de
Biotica, 15(28-1), p.26.
Rodrguez Perojo, K. and
Ronda Len, R. (200
6). El web como sistema de
informacin. ACIMED, 14(1).
Resultados
Los documentos encontrados
en Scopus resultaron ser de diversas
temticas abarcando ms de 11
reas de estudio entre las cuales las
ciencias exactas predominan con dos
terceras partes de los 85 artculos
publicados en los ltimos 5 aos,
ciencias de la computacin,
ingenieras, matemticas, medicina,
entre otras fueron las reas de
estudio que ms publicaron sobre la

web profunda, el tercio restante son
publicaciones del rea de las
Ciencias Sociales entre otros.
Tras dar lectura a los
documentos encontrados se puede
observar que China es por mucho el
pas que ms investigaciones ha
realizado sobre la Deep Web del
2012 a 2016, aportando un total de
47 artculos cientficos mientras que
el segundo pas que ms public en
este periodo de tiempo fue Estados
Unidos con un total de 11 artculos.
La importancia de China en la
investigacin sobre la Deep Web se
hizo ms evidente al descubrir que
los 3 autores que ms han publicado
sobre la Deep Web con un total de
14 artculos entre los tres en los
ltimos 5 aos, Yong Feng, Huijuan
Wang y Qingzhong Li, son de origen
chino quienes publican en las revistas
ms prestigiosas de la regin
afiliadas a instituciones lderes en la
investigacin cientfica sobre la red
profunda tales como la Chongqing
University que aporto 7 publicaciones
durante en el periodo de tiempo antes
mencionado. Lo anterior, sumado a
un hallazgo representado en la
siguiente grfica:
Documentos por ao
30
20
El ao 2013 fue el ao de mayor
10 Document
actividad
0
cientfica en cuantoosapor ao
artculos sobre la Deep Web, y fue
tambin el ao en que el pas, los
Grfica 1. Scopus https://www-scopus-
com.pbidi.unam.mx:2443/term/analyzer.uri?sid=820E17AEF
13157EFC82E00AAFFEFBB95.y7ESLndDIsN8cE7qwvy6w
%3a10&origin=resultslist&src=s&s=TITLE-ABS-
KEY%28%22Deep+Web%22%29+AND+DOCTYPE%28ar
%29+AND+PUBYEAR+%3E+2011+AND+PUBYEAR+%3C
+2017&sort=plf-
f&sdt=b&sot=b&sl=25&count=85&analyzeResults=Analyze+
results&txGid=0
autores y las instituciones ms
importantes en esta materia
publicaron la mayor parte de los El El
El ao 2013 fue el ao de mayor
actividad cientfica en cuanto a
artculos sobre la Deep Web, y fue
tambin el ao en que el pas, los
autores y las instituciones ms
importantes en esta materia
publicaron la mayor parte de los
documentos publicados durante el
periodo de 5 aos de nuestra
investigacin inicial con un total de 27
artculos cientficos en 2013 y 17
artculos slo en china, el pas lder
en investigacin cientfica sobre la
Deep Web.
Por consiguiente pareci
pertinente basar la investigacin en
estos 17 artculos representativos de
la base de datos Scopus.
De los artculos consultados
para esta investigacin, nos dimos
cuenta que ms de la mitad de estos,
proponan mtodos para numerosos
objetivos.
Dos de los mtodos principales
que se usan son los de pre-
clasificacin y clasificacin, ya sea
para el ordenamiento de las bases de
datos y las interfaces de consulta de
la Deep Web, esto con el objetivo de
hacer ms sencillo el estudio de las
mismas.
Otro mtodo que se utiliz fue
el de anotacin semntica, con el
cual se pretenda utilizar informacin
heurstica, mtodo para aumentar el
conocimiento, para poder analizar los
datos de los resultados de consulta
de la Deep Web.
El mtodo de cascada, que
ordena rigurosamente las etapas del
proceso para el desarrollo de
software, que se utiliz para
identificar automticamente interfaces
de consulta de la Deep Web.
De igual manera se proponan
mltiples mtodos que no tenan un
nombre en especfico, pero que
algunos iban dirigidos a, detectar
automticamente el filtrado de datos
anmalos en las interfaces de
consulta, la respuesta de consulta en
lnea para la superposicin de las
fuentes, dar un marco de rastreo de
la Deep web basado en el
reforzamiento del aprendizaje, para
extraer la estructura o la informacin
de las pginas de la Deep web y el
mtodo de construccin de la interfaz
basado en el algoritmo apriori.
Los algoritmos tambin juegan
un papel importante en estos
mtodos, ya que algunos estn
basados en algoritmos ya existentes
o bien desarrollan uno propio de
acuerdo a las necesidades de cada
investigacin.
Por ltimo, es importante
mencionar que algunos de los
artculos estn basados o toman
como referencia el mtodo de
ontologa, que cataloga las variables
necesarias para algn conjunto de
datos y establece la relacin entre
ellos.
Por otro lado, la bsqueda en
Red SciELO demostr que el estudio,
en Latinoamrica (habla hispana),
sobre este tema es realmente
escaso; sin embargo, el pas donde
se publica ms del tema es en cuba
con dos artculos y como segundo
lugar a Colombia con una
publicacin.
En los artculos encontrados
en se ve web profunda como una
herramienta importante de bsqueda
de informacin: ya que segn los
mayores buscadores de datos slo
almacenan entre un tercio y la mitad
de los documentos disponibles para
el pblico en la red, dejando en claro
las carencias de la organizacin de
documentos por el difcil acceso a
este y habla de los principales
buscadores de la Deep web as como
sus caractersticas.
Abordan tambin el hecho de
lo amplia y vasta que es la Deep Web
en comparacin a la web visible, pero
de ms complejos mecanismos de
recuperacin documental ya que est
poco, o nulamente indexada en los
motores comunes de bsqueda.
Enfatizando que es necesario que los
cientficos tengan en cuenta realizar
bsquedas y utilizar sitios web y
documentos con valides cientfica de
origen en la web profunda. Tabin
profundiza y trata de advertir la
existencia de nuevos mundos
comerciales donde todo es
negociable, sin que las autoridades
puedan intervenir, comentando que la
Deep Web es el contenido secreto de
internet que no est visible para los
usuarios y que requiere vas distintas
a los servicios tradicionales.
Discusin
Este estudio implic una
bsqueda y lectura de contenido de
los artculos cientficos sobre la Deep
Web indexados en una de las ms
grandes bases de datos de literatura
cientfica revisada por pares, as
como de una de las bibliotecas
virtuales ms importantes de lectura
cientfica en Amrica Latina y el
Caribe.
El amplio contraste entre los
materiales encontrados en cada uno
de los recursos antes planteados
implica una panormica amplia sobre
la visin, problemticas o intereses
polticos, econmicos y sociales que
cada regin vive. Es considerable el
contraste, en primer lugar, de
cantidad de contenido ya que
mientras la investigacin y
publicacin sobre la Deep Web en 15
pases de Amrica Latina y el Caribe
no rebasan las 5 publicaciones que
apenas abordan en qu es la Deep
web, los usos que se lo podran dar y
la relevancia que tendra tener
acceso a esta gran cantidad de
informacin, as como los usos
ilegales para los que se utiliza; la
investigacin y publicacin de un solo
pas de Asia Oriental como lo es
China en un ao roza los 20 artculos
cientficos acerca de la Deep Web.
Lo anterior infiere que el
contexto en el que est situada cada
regin influye a que China que con
una mayor industrializacin, una
mejor economa y sus constantes
esfuerzos por ser una nacin
destacada en innovacin y en
desarrollo cientfico y tecnolgico,
este ocupado por cmo extraer,
documentar y analizar de manera
ms eficiente el contenido de una
herramienta sumamente vasta como
lo es la Deep Web para utilizar esa
informacin con el fin de seguir
desarrollndose en el mbito
cientfico y tecnolgico; y a que los
pases Latinoamericanos y del
Caribe, con otro tipo de problemticas
e intereses que tal vez no son, por el
momento, el desarrollo cientfico y
tecnolgico, no estn interesado o
bien, no cuenten con los recursos
fsicos, econmicos y humanos para
hacer ms investigacin acerca de
este enorme repositorio de
informacin de diferentes naturalezas
y que por tanto an no profundicen en
mtodos para la extraccin de
informacin contenida en la Deep
Web de manera eficiente y eficaz
para su desarrollo en la ciencia y
tecnologa.
Reconocimientos

Gracias al profesor Jorge

Alberto Lizama Mendoza por su
valiosa ayuda para poder entender
mejor el contexto que rodea a la
Deep Web; al profesor Jorge Prez
Gmez por la constante revisin,
consejos y ayuda incondicional que
recibimos de su parte.