Data-driven risk quantification for proactive security - Archive ouverte HAL Access content directly
Theses Year : 2021

Data-driven risk quantification for proactive security

Quantification du risque basée sur l'analyse des données pour une sécurité proactive

(1)
1

Abstract

The feasibility and efficacy of proactive measures depend upon a cascading of challenges: how can one quantify the cyber risks of a given entity, what reliable indicators can be used to predict them, and from which data sources can they be extracted? In this thesis, we enumerate active challenges that practitioners and researchers face when attempting to quantify cyber-risks and contextualise them in the emerging domain of cyber insurance, and propose several research directions. We then explore some of these areas, evaluate the incidence that different security measures and security postures have on malware-infection risks and assess the goodness of nine host- extracted indicators when investigating the systematic nature of those risks. We finally provide evidence about the importance that data-source selection together with a holistic approach have on risk measurements. We look at web-tracking and demonstrate how underestimated privacy risks are when excluding the users' perspective.
La faisabilité et l'efficacité des mesures proactives dépendent d'une cascade de défis: comment quantifier les cyber-risques d'une entité, quels indicateurs peuvent être utilisés pour les prédire, et de quelles sources de données peuvent-ils être extraits? Dans cette thèse, nous énumérons les défis auxquels les praticiens et les chercheurs sont confrontés lorsqu'ils tentent de quantifier les cyber-risques et nous les examinons dans le domaine émergent de la cyber-assurance. Nous évaluons ensuite l'incidence de différentes mesures et postures de sécurité sur les risques d'infection par des logiciels malveillants et évaluons la pertinence de neuf indicateurs pour étudier la nature systématique de ces risques. Enfin, nous démontrons l'importance de la sélection des sources de données dans la mesure des risques. Nous nous penchons sur le 'web tracking' et démontrons à quel point les risques liés à la vie privée sont sous-estimés lorsque l'on exclut la perspective des utilisateurs.
Fichier principal
Vignette du fichier
DAMBRA_Savino_these_2021.pdf (2.08 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03576863 , version 1 (16-02-2022)

Identifiers

  • HAL Id : tel-03576863 , version 1

Cite

Savino Dambra. Data-driven risk quantification for proactive security. Cryptography and Security [cs.CR]. Sorbonne Université, 2021. English. ⟨NNT : 2021SORUS356⟩. ⟨tel-03576863⟩
125 View
115 Download

Share

Gmail Facebook Twitter LinkedIn More