基于竞争分位数自回归的动态网络风险估计
密码学与安全
2021-04-23 v2 机器学习
摘要
企业中持有数据的价值日益增长,使其成为攻击者的诱人目标。网络攻击可能性和影响的增加凸显了有效网络风险估计的重要性。我们提出两种可用于任意时间序列数据的在险价值(VaR)建模方法。第一种基于分位数自回归(QAR),可估计不同分位数即置信水平下的VaR。第二种方法我们称为竞争分位数自回归(CQAR),在新数据可用时动态重新估计网络风险。该方法提供理论保证:其在渐近意义上未来任意时刻的表现不劣于任意QAR。我们通过覆盖检验表明这些方法可预测网络黑客入侵的规模与到达间隔时间。所提方法允许为每个显著性水平建模独立的随机过程,因此相比先前提出的技术更具灵活性。我们提供了用于实验的完全可复现代码。
引用
@article{arxiv.2101.10893,
title = {Dynamic cyber risk estimation with Competitive Quantile Autoregression},
author = {Raisa Dzhamtyrova and Carsten Maple},
journal= {arXiv preprint arXiv:2101.10893},
year = {2021}
}