論文の概要: A global analysis of data breaches from 2004 to 2024

• arxiv url: http://arxiv.org/abs/2502.05205v1
• Date: Sat, 01 Feb 2025 13:30:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-16 04:36:13.705395
• Title: A global analysis of data breaches from 2004 to 2024
• Title（参考訳）: 2004年から2024年におけるデータ漏洩のグローバル分析
• Authors: Shanitamol Sojan Gracy,
• Abstract要約: 本研究は,産業,地域,攻撃方法,およびMicrosoft Power BIを用いた2004年から2024年までのデータ漏洩傾向の包括的分析を行う。 この研究は、政策立案者や組織リーダーがデータ洞察に基づいて情報的な決定を下すのを助けるために、データの可視化技術から利益を得ようとしている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This research provides a comprehensive analysis of data breach trends across industries, regions, attack methods and data sensitivity from 2004 to 2024 using Microsoft Power BI. The research seeks to benefit from data visualisation techniques to help policymakers and organisational leaders make informed decisions based on data insights. Understanding the correlation between different data breach categories will enable them to prioritise security based on severity and protect their data. In this regard, this research aims to provide insights into dominant, emerging and declining data breach trends and further explore their implications. Finally, the study concludes by contributing to recommendation strategies and future directions for further research.
• Abstract（参考訳）: 本研究は,産業,地域,攻撃方法,およびMicrosoft Power BIを用いた2004年から2024年までのデータ漏洩傾向の包括的分析を行う。 この研究は、政策立案者や組織リーダーがデータ洞察に基づいて情報的な決定を下すのを助けるために、データの可視化技術から利益を得ようとしている。 異なるデータ侵害カテゴリ間の相関を理解することで、深刻度に基づいてセキュリティを優先し、データを保護することが可能になる。 本研究は,データ漏洩傾向の優越的,出現的,減少する傾向に関する洞察を提供し,その影響をさらに探求することを目的としている。 最後に、この研究は、さらなる研究のための推奨戦略と今後の方向性に貢献することで締めくくられる。

関連論文リスト

• A Comprehensive Survey on Imbalanced Data Learning [45.3186824501823]
  不均衡なデータは、さまざまな種類の生データに広まっており、機械学習のパフォーマンスを妨げる。 本調査は,様々な実世界のデータ形式を体系的に分析する。 さまざまなデータフォーマットに関する既存の研究は、データ再バランス、特徴表現、トレーニング戦略、アンサンブル学習の4つのカテゴリにまとめられている。
  論文  参考訳（メタデータ） (2025-02-13T04:53:17Z)
• Network Intrusion Datasets: A Survey, Limitations, and Recommendations [0.0]
  データ駆動型サイバー脅威検出は、現代のサイバーセキュリティにおいて重要な防御技術となっている。 その重要性にもかかわらず、データ不足はNIDS研究の大きな障害として長年認識されてきた。
  論文  参考訳（メタデータ） (2025-02-10T17:14:37Z)
• Year-over-Year Developments in Financial Fraud Detection via Deep Learning: A Systematic Literature Review [3.57129631984007]
  本稿では,金融不正検出のためのディープラーニング(DL)技術の進歩を体系的にレビューする。 このレビューでは、クレジットカード取引、保険請求、財務諸表監査など、さまざまな分野にわたるディープラーニングモデルの有効性を強調している。 この研究は、不均衡データセット、モデル解釈可能性、倫理的考察などの課題を強調している。
  論文  参考訳（メタデータ） (2025-01-31T22:31:50Z)
• The Age of DDoScovery: An Empirical Comparison of Industry and Academic DDoS Assessments [24.591000410278298]
  我々はまず、2022年の商業利害関係者の観測からトレンドや一貫性を抽出する24の業界レポートを分析した。 そして、業界と学術ソースにまたがる10のデータセットを4年(2019-2023)にわたって分析し、不一致を発見し説明します。 2021-2022年のスプーフ型リフレクション増幅攻撃で、業界が報告した相対的な減少を調査するために、学術データソースを使用します。
  論文  参考訳（メタデータ） (2024-10-15T15:45:58Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• Lazy Data Practices Harm Fairness Research [49.02318458244464]
  本稿では,公正な機械学習データセットを包括的に分析し,不反射的手法がアルゴリズム的公正度発見の到達度と信頼性をいかに妨げているかを示す。 本分析では,(1)データと評価における特定の保護属性の表現のテクスブフラック,(2)データ前処理におけるマイノリティの広汎なテキストbf,(3)フェアネス研究の一般化を脅かすテキストbfopaqueデータ処理の3つの分野について検討した。 この研究は、公正なMLにおけるデータプラクティスの批判的な再評価の必要性を強調し、データセットのソーシングと使用の両方を改善するための指針を提供する。
  論文  参考訳（メタデータ） (2024-04-26T09:51:24Z)
• Insights from the Field: A Comprehensive Analysis of Industrial Accidents in Plants and Strategies for Enhanced Workplace Safety [0.0]
  この研究は、カグル[1]に記録された425件の産業事故に発展し、これらは全て南アメリカの12の工場で発生した。 事故発生に関する貴重な知見を明らかにし、再発傾向を特定し、根本原因を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2024-02-02T22:30:18Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Insights into Data through Model Behaviour: An Explainability-driven Strategy for Data Auditing for Responsible Computer Vision Applications [70.92379567261304]
  本研究では,データ監査に対する説明可能性駆動型戦略について検討する。 2つの人気のある医療ベンチマークデータセットを監査することで、この戦略を実証する。 私たちは、ディープラーニングモデルに誤った理由を予測させる隠れたデータ品質の問題を発見します。
  論文  参考訳（メタデータ） (2021-06-16T23:46:39Z)

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。