論文の概要: Sound and Fury, Signifying Nothing? Impact of Data Breach Disclosure Laws

• arxiv url: http://arxiv.org/abs/2406.15215v1
• Date: Fri, 21 Jun 2024 14:57:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-24 13:13:07.005641
• Title: Sound and Fury, Signifying Nothing? Impact of Data Breach Disclosure Laws
• Title（参考訳）: 音と怒りと無意味感 : データ漏洩開示法の影響
• Authors: Muhammad Zia Hydari, Yangfan Liang, Rahul Telang,
• Abstract要約: データ漏洩開示(DBD)は、その後の収益損失を恐れて企業のサイバーセキュリティプラクティスを改善すると推定されている。 この収入の損失は、顧客が不正な会社から購入を拒んで罰せられる場合であると考えられている。 しかし、米国小売店での大規模データ流出の分析では、売上減少の証拠は示されていない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data breach disclosure (DBD) is presumed to improve firms' cybersecurity practices by inducing fear of subsequent revenue loss. This revenue loss, the theory goes, will occur if customers punish an offending firm by refusing to buy from them and is assumed to be the primary mechanism through which DBD laws will change firm behavior ex ante. However, our analysis of a large-scale data breach at a US retailer reveals no evidence of a decline in revenue. Using a difference-in-difference design on revenue data from 302 stores over a 20-week period around the breach disclosure, we found no evidence of a decline either across all stores or when sub-sampling by prior revenue size (to account for any heterogeneity in prior revenue size). Therefore, we posit that the presumed primary mechanism of DBD laws, and thus these laws may be ineffective and merely a lot of "sound and fury, signifying nothing."
• Abstract（参考訳）: データ漏洩開示(DBD)は、その後の収益損失を恐れて企業のサイバーセキュリティプラクティスを改善すると推定されている。 この収益損失は、顧客が不当な会社から購入を拒否することで罰せられ、DBD法が強硬な行為を除外する主要なメカニズムであると考えられている場合に発生する。 しかし、米国小売店での大規模データ流出の分析では、売上減少の証拠は示されていない。 流出開示前後の20週間にわたって302店舗の収益データに差分設計を適用した結果、全店舗にまたがる減少の証拠や、前回の収益規模によるサブサンプリング(前回の収益規模の不均一性を考慮すると)の証拠は見つからなかった。 したがって、我々は、DBD法の前提となる主要なメカニズムを仮定し、これらの法則は非効率であり、単に「音と怒り」を多く含み、何の意味も持たない」と仮定する。

関連論文リスト

• Distinguish Confusion in Legal Judgment Prediction via Revised Relation Knowledge [38.58529647679356]
  法的判断予測は,その事実のテキスト記述に基づいて,訴訟の判断結果を自動的に予測することを目的としている。 紛らわしい法律記事(または告訴)の問題は頻繁に発生し、類似記事(または告訴)に該当する法ケースが誤認される傾向があることを反映している。 本稿では、上記の課題を解決するために、textitD-LADAN というエンドツーエンドモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-18T09:44:59Z)
• Visual Privacy Auditing with Diffusion Models [52.866433097406656]
  本稿では,拡散モデル(DM)に基づくリコンストラクション攻撃を提案する。 本研究では,(1)実世界のデータ漏洩が再建の成功に大きく影響すること,(2)現在のリビルド境界がデータ先行によるリスクをうまくモデル化していないこと,(3)DMは,プライバシー漏洩を可視化するための効果的な監査ツールとして機能すること,を示す。
  論文  参考訳（メタデータ） (2024-03-12T12:18:55Z)
• Privacy Amplification for the Gaussian Mechanism via Bounded Support [64.86780616066575]
  インスタンスごとの差分プライバシー(pDP)やフィッシャー情報損失(FIL)といったデータ依存のプライバシ会計フレームワークは、固定されたトレーニングデータセット内の個人に対してきめ細かいプライバシー保証を提供する。 本稿では,データ依存会計下でのプライバシ保証を向上することを示すとともに,バウンドサポートによるガウス機構の簡単な修正を提案する。
  論文  参考訳（メタデータ） (2024-03-07T21:22:07Z)
• G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks through Attributed Client Graph Clustering [116.4277292854053]
  Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。 FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。 本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:15:04Z)
• Priorities for more effective tech regulation [3.8073142980733]
  報告書は、規制当局、アカデミア、および関心のある人々に対して、現状を超えるための様々な優先順位を提案している。 現在の法的な慣行は、厳格なデータ慣行を意味的にテームするのに十分ではない。
  論文  参考訳（メタデータ） (2023-02-27T16:53:05Z)
• On the Robustness of Dataset Inference [21.321310557323383]
  機械学習(ML)モデルは、大量のデータ、計算リソース、技術的専門知識を必要とするため、トレーニングにコストがかかる。 オーナーシップ検証技術により、モデル盗難事件の被害者は、容疑者モデルが実際に彼らから盗まれたことを実証することができる。 フィンガープリント技術であるデータセット推論(DI)は,従来の手法よりも堅牢性や効率性が向上することが示されている。
  論文  参考訳（メタデータ） (2022-10-24T22:17:55Z)
• Fact-Saboteurs: A Taxonomy of Evidence Manipulation Attacks against Fact-Verification Systems [80.3811072650087]
  証拠のクレームサレントスニペットを微調整し,多様かつクレームアラインな証拠を生成することが可能であることを示す。 この攻撃は、主張のポストホックな修正に対しても堅牢である。 これらの攻撃は、インスペクタブルとヒューマン・イン・ザ・ループの使用シナリオに有害な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2022-09-07T13:39:24Z)
• "It may be a pain in the backside but..." Insights into the impact of GDPR on business after three years [2.5567566997688043]
  一般データ保護規則(アイルランド)は5月に施行された。 研究の目的は、すべての苦痛とビジネスの利益の有無を調べることです。 脅しの罰金は企業精神に焦点を合わせ、ビジネスをよりプライバシーに気付きました。 多くの実装課題が残っている。 新たなビジネス開発と企業内コミュニケーションがより制約される。
  論文  参考訳（メタデータ） (2021-10-22T16:44:21Z)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)
• Rethinking recidivism through a causal lens [0.0]
  ノースカロライナの有名なデータセットを用いて、投獄(プライソンタイム)が再犯に与える影響を考察する。 我々は、投獄が再犯に有害な影響があること、すなわち、長期の懲役刑により、解放後に個人が再犯する可能性がより高くなることを発見した。
  論文  参考訳（メタデータ） (2020-11-19T04:15:41Z)
• Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
  悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。 悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。 また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
  論文  参考訳（メタデータ） (2020-02-10T15:04:09Z)

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。