ZETAR:战略性与自适应合规策略的建模与计算设计
计算机科学与博弈论
2023-10-17 v2 人工智能
摘要
合规管理在缓解内部威胁方面发挥着重要作用。激励设计是一种主动且非侵入式的合规实现方法,通过将内部人员的激励与防御方的安全目标对齐,从而激励(而非命令)内部人员为组织利益行事。对群体层面合规而言,控制内部人员的激励具有挑战性,因为这些激励既无法被精确知晓,也不可被直接控制。为此,我们开发了 ZETAR,一个零信任审计与推荐框架,以提供量化方法来建模内部人员激励并设计定制化推荐策略以提升其合规性。我们构建了原始与对偶凸规划来计算最优定制推荐策略。我们创建了理解信任、合规与满意度的理论基础,并由此得出衡量内部人员合规性与可说服性的评分机制。在依据其与防御方的激励错位程度将内部人员分类为恶意型、自利型或顺从型之后,我们针对这些不同激励类别的内部人员建立了定制化的信息披露原则。我们识别出策略可分离性原则与集合凸性,使得在内部人员激励未知时,有限步算法能高效学习完全可信(CT)策略集。最后,我们给出一个案例研究以佐证该设计。结果表明,ZETAR 能良好适应具有不同风险与合规态度的内部人员,并显著提升合规性。此外,可信推荐可证明能促进网络卫生与内部人员满意度。
引用
@article{arxiv.2204.02294,
title = {ZETAR: Modeling and Computational Design of Strategic and Adaptive Compliance Policies},
author = {Linan Huang and Quanyan Zhu},
journal= {arXiv preprint arXiv:2204.02294},
year = {2023}
}