通过一种新的重尾数据建模算法更好地把握网络风险来建立网络弹性——ESSEC商学院
Pré-出版,Travail文件 安妮:2022

通过一种新的重尾数据建模算法更好地把握网络风险,建立网络弹性

米歇尔·达科罗尼亚
  • 功能:奥特尔
  • 人员ID:1163148
内赫拉·德巴比
  • 功能:奥特尔
  • 人员ID:1163149
玛丽·克拉茨
  • 功能:奥特尔
  • 人员ID:1163150

Résumé

网络安全和弹性是我们现代经济面临的主要挑战;这就是为什么它们是政府、安全和国防部队、公司和组织管理层议程上的头等大事。因此,需要深入了解网络风险,以提高应变能力。在此,我们建议对国民宪兵局提交的网络投诉数据库进行分析。我们使用一种针对非负非对称重尾数据开发的新算法进行此分析,该算法可能成为应用领域中的一种便捷工具。该方法可以很好地估计包括尾部在内的全部分布。我们的研究证实了损失预期的有限性,即可保性的必要条件。最后,我们得出了该模型用于风险管理的结果,并将其结果与其他标准EVT模型进行了比较,为基于尾部肥胖度的攻击分类奠定了基础。
菲奇尔校长
小品小品
WP 2210.pdf(2.02个月) Télé充电器
原籍 菲奇尔斯(Fichiers)出品的par l’(les)auteur(s)

日期和版本

哈尔-03774108, 版本1 (09-09-2022)

身份证明人

  • HAL Id: hal-03774108,版本1

Citer公司

米歇尔·达科罗尼亚(Michel Dacorogna)、内赫拉·德巴比(Nehla Debbabi)、玛丽·克拉茨(Marie Kratz)。通过一种新的重尾数据建模算法更好地把握网络风险,建立网络弹性。2022⟨哈尔-03774108⟩
49 磋商
64 交易费用

合作伙伴

更多