Este documento presenta un marco de regularización que tiene como objetivo mejorar la fidelidad de las soluciones inversas de Tikhonov. En el centro del marco se encuentra la idea de regularización informada por datos, que sostiene que solo los parámetros no informados por datos deben ser regularizados, mientras que los parámetros informados por datos, en los cuales se integran los datos y el modelo directo, deben permanecer intactos. Proponemos emplear el método del subespacio activo para determinar la informatividad de los datos de un parámetro. Por lo tanto, el marco resultante se llama regularización de subespacio activo informado por datos (DIAS, por sus siglas en inglés). Cuatro variantes de DIAS propuestas son analizadas rigurosamente, demostrando ser robustas con respecto al parámetro de regularización y capaces de evitar características de la solución contaminadas por los datos. Por lo tanto, son adecuadas para problemas con corrupciones de ruido pequeñas o razonablemente pequeñas en los datos. Además, los enfoques DIAS pueden reutilizar eficazmente cualquier código/biblioteca de regularización de Tikhonov. Aunque son fácilmente aplicables a problemas inversos no lineales, nos enfocamos en problemas lineales en este documento para obtener información sobre el marco. Se presentan varios resultados numéricos para problemas inversos lineales para verificar hallazgos teóricos y demostrar las ventajas del marco DIAS sobre los enfoques de Tikhonov, SVD truncada y los enfoques DI basados en TSVD.