論文の概要: On the evolution of data breach reporting patterns and frequency in the United States: a cross-state analysis
- arxiv url: http://arxiv.org/abs/2310.04786v2
- Date: Sun, 30 Jun 2024 08:06:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-02 17:50:16.400792
- Title: On the evolution of data breach reporting patterns and frequency in the United States: a cross-state analysis
- Title（参考訳）: 米国におけるデータ漏洩報告パターンと周波数の進化について--クロスステート分析
- Authors: Benjamin Avanzi, Xingyun Tan, Greg Taylor, Bernard Wong,
- Abstract要約: 我々は、米国8州にわたるデータ漏洩について、州検事総長の出版物を共同で分析する。
通知法の明示的な認識のおかげで、時間とともに一貫性と同等の方法で、違反の頻度をモデル化することができます。
私たちの分析は、米国8州におけるデータ漏洩頻度の包括的比較も提供しています。
- 参考スコア（独自算出の注目度）: 0.8142555609235358
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the emergence of data breaches is crucial for cyber insurance. However, analyses of data breach frequency trends in the current literature lead to contradictory conclusions. We put forward that those discrepancies may be (at least partially) due to inconsistent data collection standards, as well as reporting patterns, over time and space. We set out to carefully control both. In this paper, we conduct a joint analysis of state Attorneys General's publications on data breaches across eight states (namely, California, Delaware, Indiana, Maine, Montana, North Dakota, Oregon, and Washington), all of which are subject to established data collection standards-namely, state data breach (mandatory) notification laws. Thanks to our explicit recognition of these notification laws, we are capable of modelling frequency of breaches in a consistent and comparable way over time. Hence, we are able to isolate and capture the complexities of reporting patterns, adequately estimate IBNRs, and yield a highly reliable assessment of historical frequency trends in data breaches. Our analysis also provides a comprehensive comparison of data breach frequency across the eight U.S. states, extending knowledge on state-specific differences in cyber risk, which has not been extensively discussed in the current literature. Furthermore, we uncover novel features not previously discussed in the literature, such as differences in cyber risk frequency trends between large and small data breaches. Overall, we find that the reporting delays are lengthening. We also elicit commonalities and heterogeneities in reporting patterns across states, severity levels, and time periods. After adequately estimating IBNRs, we find that frequency is relatively stable before 2020 and increasing after 2020. This is consistent across states. Implications of our findings for cyber insurance are discussed.
- Abstract（参考訳）: データ漏洩の発生を理解することは、サイバー保険にとって不可欠である。
しかし、現在の文献におけるデータ漏洩頻度の傾向の分析は矛盾する結論を導いた。
私たちは、これらの不一致は(少なくとも部分的には)一貫性のないデータ収集標準とレポートパターン、時間と空間によって起こりうることを主張した。
私たちは両方を慎重に制御することにした。
本稿では,カリフォルニア州,デラウェア州,インディアナ州,メイン州,モンタナ州,ノースダコタ州,オレゴン州,ワシントン州にまたがる8つの州(カリフォルニア州,デラウェア州,インディアナ州,メイン州,モンタナ州,ノースダコタ州,オレゴン州,ワシントン州)におけるデータ漏洩に関する州司法長官の公告を共同で分析する。
これらの通知法を明示的に認識することで、時間とともに一貫性のある同等の方法で、違反の頻度をモデル化することが可能になります。
これにより、報告パターンの複雑さを分離・把握し、IBNRを適切に推定し、データ漏洩の履歴周波数トレンドを高い信頼性で評価することができる。
我々の分析は、米国8州におけるデータ漏洩頻度の包括的比較も提供しており、現在の文献では広く議論されていない、国家固有のサイバーリスクの違いに関する知識を拡大している。
さらに,大規模データ漏洩と小規模データ漏洩のサイバーリスク頻度の傾向の相違など,これまでに議論されたことのない新たな特徴を明らかにした。
全体として、レポートの遅延が長くなっていることが分かります。
また、各州、重度レベル、および期間にわたる報告パターンにおける共通性や異質性も引き起こす。
IBNRを適切に見積もった結果、周波数は2020年より前に比較的安定しており、2020年以降に増加することが判明した。
これは州間で一貫している。
本研究がサイバー保険にもたらす影響について考察した。
関連論文リスト
- PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning [49.916365792036636]
フェデレートラーニング(FL)は、大規模分散ユーザデータを活用する可能性から、最近大きな勢いを増している。
送信されたモデル更新は、センシティブなユーザ情報をリークする可能性があり、ローカルなトレーニングプロセスの集中的な制御の欠如は、モデル更新に対する悪意のある操作の影響を受けやすいグローバルモデルを残します。
我々は、Lagrange符号化計算と分散ゼロ知識証明を利用した汎用フレームワークPriRoAggを開発し、集約されたプライバシを満たすとともに、幅広いロバストな集約アルゴリズムを実行する。
論文 参考訳（メタデータ） (2024-07-12T03:18:08Z) - Towards a Novel Perspective on Adversarial Examples Driven by Frequency [7.846634028066389]
異なる周波数帯域を組み合わせたブラックボックス逆攻撃アルゴリズムを提案する。
複数のデータセットとモデルで実施された実験により、低周波帯域と低周波帯域の高周波成分を組み合わせることで、攻撃効率が著しく向上することが示された。
論文 参考訳（メタデータ） (2024-04-16T00:58:46Z) - Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。
本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。
シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
論文 参考訳（メタデータ） (2023-05-17T09:37:07Z) - Temporal Robustness against Data Poisoning [69.01705108817785]
データ中毒は、悪意のあるトレーニングデータを通じて、敵対者が機械学習アルゴリズムの振る舞いを操作する場合を考慮している。
本研究では,攻撃開始時間と攻撃持続時間を測定する2つの新しい指標である耳線と持続時間を用いたデータ中毒の時間的脅威モデルを提案する。
論文 参考訳（メタデータ） (2023-02-07T18:59:19Z) - Enabling Trade-offs in Privacy and Utility in Genomic Data Beacons and
Summary Statistics [26.99521354120141]
要約データやBeaconの応答とプライバシを明示的にトレードオフするための最適化ベースのアプローチを導入します。
第一に、攻撃者はメンバーシップ推論のクレームを行うために確率比テストを適用する。
第2に、攻撃者は、個人間のスコアの分離に対するデータリリースの影響を考慮に入れたしきい値を使用する。
論文 参考訳（メタデータ） (2023-01-11T19:16:13Z) - Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。
本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。
HypADは自己指導で入力信号を再構築する。
論文 参考訳（メタデータ） (2022-11-16T21:31:39Z) - A Frequency Perspective of Adversarial Robustness [72.48178241090149]
理論的および経験的知見を参考に,周波数に基づく対向例の理解について述べる。
分析の結果,逆転例は高周波でも低周波成分でもないが,単にデータセット依存であることがわかった。
本稿では、一般に観測される精度対ロバスト性トレードオフの周波数に基づく説明法を提案する。
論文 参考訳（メタデータ） (2021-10-26T19:12:34Z) - A New Bandit Setting Balancing Information from State Evolution and
Corrupted Context [52.67844649650687]
本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。
任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。
本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-16T14:35:37Z) - Data-driven Identification of Number of Unreported Cases for COVID-19:
Bounds and Limitations [10.796851110372593]
正確な長期予測を妨げる重要な要因は、報告されていない/症状のないケースの数である。
報告された症例の要因として, 実例のこの比率の下位境界, 上限を同定できることが示唆された。
報告されていないケースの数を一定期間のみ確実に推定できることを実証する。
論文 参考訳（メタデータ） (2020-06-03T09:39:50Z)
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。