文献

J-GLOBAL ID：202202255153323115   整理番号：22A1157889

競合分位自己回帰による動的サイバーリスク推定【JST・京大機械翻訳】

Dynamic cyber risk estimation with competitive quantile autoregression

著者 (4件)： Dzhamtyrova Raisa (The Alan Turing Institute, London, United Kingdom) ,  Dzhamtyrova Raisa (Department of Computer Science, Royal Holloway, University of London, London, United Kingdom) ,  Maple Carsten (The Alan Turing Institute, London, United Kingdom) ,  Maple Carsten (WMG Cyber Security Centre, University of Warwick, London, United Kingdom)
資料名： Data Mining and Knowledge Discovery  (Data Mining and Knowledge Discovery)
巻： 36  号： 2  ページ： 513-536  発行年： 2022年 
JST資料番号： W1105A  ISSN： 1384-5810  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 企業で開催されたデータの増加する価値は,それを攻撃者に魅力的なターゲットにする。サイバー攻撃の尤度と影響の増加は,効果的なサイバーリスク推定の重要性を強調した。任意の時系列データに対して使用できる,Risk-at-Risk(VaR)をモデル化するための二つの方法を提案した。第1の手法は,異なる分位数,即ち,信頼レベルに対してVaRを推定できる,Quantile自己回帰(QAR)に基づいている。第2の方法,著者らは,新しいデータが利用可能になるとすぐにサイバーリスクを動的に再推定する,競争的量子化自己回帰(CQAR)と呼ぶ。この方法は,将来の任意の時点で任意のQARと同様に漸近的に実行する理論的保証を提供する。これらの方法は,カバレージ試験によるサイバーハッキングの規模と到着時間を予測できることを示した。提案アプローチは,各有意性レベルに対する別々の確率プロセスをモデル化し,従って,以前に提案された手法と比較して,より柔軟性を提供する。実験を行うのに用いる完全再現可能なコードを提供した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 確率過程 ,  量子化 ,  *回帰分析 ,  予測 ,  *リスク ,  時系列 ,  モデリング ,  柔軟性 ,  行為 ,  リスク評価 ,  サイバー攻撃
準シソーラス用語： 時系列データ ,  尤度 ,  到着時間 ,  *自己回帰 ,  ハッキング ,  攻撃者 , 【Automatic Indexing@JST】

著者キーワード (6件)： サイバーリスク ,  動的リスク評価 ,  時系列 ,  分位自己回帰 ,  競争予測 ,  サイバーブレークモデリング

分類 (2件)： 利益管理  (KA05030A) ,  データ保護  (JD01020V)

タイトルに関連する用語 (3件)： 競合 ,  自己回帰 ,  推定