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
- 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) - Towards a Transportable Causal Network Model Based on Observational
Healthcare Data [1.333879175460266]
本稿では,選択図,不足グラフ,因果発見,事前知識を1つのグラフィカルモデルに組み合わせた新しい手法を提案する。
このモデルは、患者の2つの異なるコホートからなるデータから学習する。
結果として得られた因果ネットワークモデルは、リスク評価、正確性、説明可能性の観点から専門家臨床医によって検証される。
論文 参考訳(メタデータ) (2023-11-13T13:23:31Z) - 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 [1.6317061277457001]
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) - Two steps to risk sensitivity [4.974890682815778]
条件付きバリュー・アット・リスク(CVaR)は、人間と動物の計画のモデル化のためのリスク尺度である。
CVaRに対する従来の分布的アプローチを逐次的に導入し、人間の意思決定者の選択を再分析する。
次に,リスク感度,すなわち時間的整合性,さらに重要な特性について考察し,CVaRの代替案を示す。
論文 参考訳(メタデータ) (2021-11-12T16:27:47Z) - 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) - Dynamic cyber risk estimation with Competitive Quantile Autoregression [0.0]
効果的なリスクフレームワークは、潜在的な有害事象を予測、評価、緩和する可能性がある。
時系列データに利用可能なVaR(Value-at-Risk)のモデリング手法を提案する。
これらの手法は,カバレッジテストを実行することで,サイバーハッキング攻撃の規模と発生時間を予測することができることを示す。
論文 参考訳(メタデータ) (2021-01-25T16:52:27Z) - Hide-and-Seek Privacy Challenge [88.49671206936259]
NeurIPS 2020 Hide-and-Seek Privacy Challengeは、両方の問題を解決するための新しい2トラックの競争だ。
我々の頭から頭までのフォーマットでは、新しい高品質な集中ケア時系列データセットを用いて、合成データ生成トラック(「ヒッシャー」)と患者再識別トラック(「シーカー」)の参加者が直接対決する。
論文 参考訳(メタデータ) (2020-07-23T15:50:59Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。