供应链特征作为网络风险预测因子：一种机器学习评估
风险管理
2023-11-14 v5 密码学与安全
摘要
本文提供了首个大规模数据驱动分析，以评估不同属性在评估网络攻击数据泄露风险方面的预测能力。此外，受第三方引发的网络攻击快速增加的推动，本文提供了首个定量实证证据，表明数字供应链属性是企业网络风险的显著预测因子。本文利用由外而内的网络风险评分（旨在刻画企业内部网络安全管理的质量），并辅以受观测到的第三方网络攻击场景以及网络科学研究概念启发的供应链特征。本文的主要定量结果是表明，相对于仅使用企业自身属性，供应链网络特征为预测企业网络风险增添了显著的检测能力。特别是，与仅依赖企业内部特征的基准模型相比，供应链网络特征将样本外 AUC 提高了 2.3%。鉴于每次网络数据泄露均为低概率高影响的风险事件，这些预测能力的提升具有重要价值。此外，该模型凸显了若干与第三方网络攻击和泄露机制相关的网络安全风险驱动因素，并就哪些干预措施可能有效缓解这些风险提供了重要见解。
引用
@article{arxiv.2210.15785,
title = {Supply Chain Characteristics as Predictors of Cyber Risk: A Machine-Learning Assessment},
author = {Kevin Hu and Retsef Levi and Raphael Yahalom and El Ghali Zerhouni},
journal= {arXiv preprint arXiv:2210.15785},
year = {2023}
}