Los problemas de seguridad relacionados con cómputo en la nube, así como las soluciones propuestas en la literatura son uno de los temas importantes para la investigación en cómputo en la nube. Sin embargo, hay muchos problemas sin resolver relacionados con el almacenamiento en la nube. En esta tesis, implementamos un modelo adaptativo de almacenamiento de datos basado en Esquemas de Compartición de Secretos (SSS) y el Sistema Numérico de Residuo Redundante (RRNS). Propusimos seis estrategias para minimizar la pérdida de información y el tiempo de carga y descarga de datos en la nube. Evaluamos estas estrategias en siete proveedores de almacenamiento en la nube (CSP). Estudiamos la correlación de la configuración del sistema con la probabilidad de pérdida de información, velocidad de acceso a CSP y velocidades de codificación, decodificación. Presentamos evidencia experimental de que la estrategia AdaptiveSecurity que considera los CSP con las mejores velocidades de carga y luego, después del almacenamiento, migra los datos a los CSP con la menor probabilidad de pérdida de información muestra un mejor comportamiento de rendimiento en el análisis bi-objetivo y multi-objetivo.Security issues related to Cloud Computing as well as all solutions proposed in the literature are some of the high topics for research. However, there are unsolved problems regarded to cloud storage. In this thesis, we implement an adaptive model of data storage based on Secret Sharing Schemes (SSS) and Redundant Residue Number System (RRNS). We proposed six strategies to minimize information loss, time to data upload and download into the cloud. We evaluate these strategies on seven Cloud Storage Providers (CSPs). We study a correlation of system settings with the probability of information loss, speed of access to CSPs, and encoding/decoding speeds. We demonstrate that the AdaptiveSpeed strategy, which considers the CSPs with the best upload access speeds and then, after storing, migrates the data to the CSPs with the least probability of information loss shows better performance in our bi-objective and multi-objective analysis