Fugu-MT 論文翻訳(概要): Statistical Modeling of Data Breach Risks: Time to Identification and Notification

論文の概要: Statistical Modeling of Data Breach Risks: Time to Identification and Notification

arxiv url: http://arxiv.org/abs/2209.07306v2
Date: Sat, 24 Sep 2022 15:19:04 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 11:10:14.519879
Title: Statistical Modeling of Data Breach Risks: Time to Identification and Notification
Title（参考訳）: データ漏洩リスクの統計的モデル化:識別と通知の時間
Authors: Maochao Xu and Quynh Nhu Nguyen
Abstract要約: そこで本研究では,欠落したデータを計算するための新しい手法を提案するとともに,これらの2つの指標によって示される複雑なパターンをキャプチャーするための依存モデルをさらに発展させる。実験により,提案手法の予測性能は良好であり,他の一般的なモデルよりも優れていることが示された。
参考スコア（独自算出の注目度）: 2.132096006921048
License: http://creativecommons.org/licenses/by/4.0/
Abstract: It is very challenging to predict the cost of a cyber incident owing to the complex nature of cyber risk. However, it is inevitable for insurance companies who offer cyber insurance policies. The time to identifying an incident and the time to noticing the affected individuals are two important components in determining the cost of a cyber incident. In this work, we initialize the study on those two metrics via statistical modeling approaches. Particularly, we propose a novel approach to imputing the missing data, and further develop a dependence model to capture the complex pattern exhibited by those two metrics. The empirical study shows that the proposed approach has a satisfactory predictive performance and is superior to other commonly used models.
Abstract（参考訳）: サイバーリスクの複雑な性質から、サイバーインシデントのコストを予測することは非常に困難である。しかし、サイバー保険政策を提供する保険会社には避けられない。インシデントを特定する時間と、影響を受けた個人に通知する時間は、サイバーインシデントのコストを決定する上で重要な2つの要素である。本研究では,統計的モデリング手法を用いて,これらの2つの指標の研究を初期化する。特に,データの欠落を暗示する新しい手法を提案し,これら2つの指標で示される複雑なパターンを捉えるための依存モデルをさらに開発する。実験により,提案手法の予測性能は良好であり,他の一般的なモデルよりも優れていることが示された。

関連論文リスト

Cyber Risk Taxonomies: Statistical Analysis of Cybersecurity Risk Classifications [0.0]
本論では,適応度とサンプル内性能に注目を移すことを優先して,サンプルのアウトオブサンプル予測性能に注目する。以上の結果から,サイバーリスクイベントの不均一性を捉えるには,ビジネスモチベーションによるサイバーリスク分類があまりに制限的であり,柔軟性に乏しいことが示唆された。
論文参考訳（メタデータ） (2024-10-04T04:12:34Z)
Privacy Backdoors: Enhancing Membership Inference through Poisoning Pre-trained Models [112.48136829374741]
本稿では、プライバシーバックドア攻撃という新たな脆弱性を明らかにします。被害者がバックドアモデルに微調整を行った場合、トレーニングデータは通常のモデルに微調整された場合よりも大幅に高い速度でリークされる。我々の発見は、機械学習コミュニティにおける重要なプライバシー上の懸念を浮き彫りにし、オープンソースの事前訓練モデルの使用における安全性プロトコルの再評価を求めている。
論文参考訳（メタデータ） (2024-04-01T16:50:54Z)
A Data-Driven Predictive Analysis on Cyber Security Threats with Key Risk Factors [1.715270928578365]
本稿では、社会経済的要因を分析して、サイバー攻撃の犠牲者となる可能性のある個人を予測するための機械学習(ML)に基づくモデルを示す。我々は,20個の特徴量(95.95%)で最大精度を達成した新しい特徴量ランダムフォレスト(RF)モデルを提案する。我々は10の重要な関連ルールを生成し、実世界のデータセットで厳格に評価されたフレームワークを提示した。
論文参考訳（メタデータ） (2024-03-28T09:41:24Z)
Reconciling AI Performance and Data Reconstruction Resilience for Medical Imaging [52.578054703818125]
人工知能(AI)モデルは、トレーニングデータの情報漏洩に対して脆弱であり、非常に敏感である。差別化プライバシ(DP)は、定量的なプライバシー予算を設定することで、これらの感受性を回避することを目的としている。非常に大きなプライバシ予算を使用することで、リコンストラクション攻撃は不可能であり、パフォーマンスの低下は無視可能であることを示す。
論文参考訳（メタデータ） (2023-12-05T12:21:30Z)
MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文参考訳（メタデータ） (2023-10-04T01:36:30Z)
Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
論文参考訳（メタデータ） (2023-08-22T12:53:09Z)
An engine to simulate insurance fraud network data [1.3812010983144802]
ネットワーク構造を持つ合成データを生成するシミュレーションマシンを開発した。不正発生モデルにおいて、政策立案者及び当事者の総数、所望の不均衡レベル、および特徴(効果の大きさ)を特定できる。シミュレーションエンジンは、研究者や実践者がいくつかの方法論的課題を検証し、保険詐欺検出モデルの(開発戦略)検証を可能にする。
論文参考訳（メタデータ） (2023-08-21T13:14:00Z)
Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文参考訳（メタデータ） (2023-03-02T17:27:45Z)
SurvivalGAN: Generating Time-to-Event Data for Survival Analysis [121.84429525403694]
検閲と時間的地平線の不均衡は、生成モデルに生存分析に特有の3つの新しい障害モードを経験させる。本稿では,検閲やイベントの地平線における不均衡に対処し,生存データを扱う生成モデルであるSurvivalGANを提案する。医療データセットに関する広範な実験により,本手法の評価を行った。
論文参考訳（メタデータ） (2023-02-24T17:03:51Z)
A robust statistical framework for cyber-vulnerability prioritisation under partial information in threat intelligence [0.0]
この研究は、サイバー脆弱性に関する不確実性の下で、定量的および質的な推論のための頑健な統計的枠組みを導入する。我々は,既存の脆弱性の集合全体の部分的知識の下で,ばらつきのランクに適合する新しい精度尺度を同定する。本稿では,サイバー脆弱性に関する部分的知識が,運用シナリオにおける脅威インテリジェンスと意思決定に与える影響について論じる。
論文参考訳（メタデータ） (2023-02-16T15:05:43Z)
Modeling Multivariate Cyber Risks: Deep Learning Dating Extreme Value Theory [6.451038884092264]
提案モデルは,深層学習による高精度な点予測と極値理論による高量子化予測を享受する。実際のハニーポット攻撃データに基づく実証的な証拠は、提案モデルが極めて良好な予測性能を有することを示している。
論文参考訳（メタデータ） (2021-03-15T15:18:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。