量化网络攻击对数字金融服务的多维影响:一个系统的文献综述

科学领域:

• 网络安全和风险管理
• 金融技术 (金融科技)
• 信息系统安全 信息系统安全

背景情况:

• 网络攻击越来越多地挑战数字金融组织,阻碍了准确的影响量化.
• 缺乏标准化的网络影响分类,数据稀缺以及不断变化的威胁阻碍了有效的安全.
• 组织在优先考虑安全投资和实施强有力的控制方面遇到困难.

研究的目的:

• 系统地审查和分析量化多维网络攻击影响的最新情况.
• 确定网络影响评估中使用的当前术语,量化技术和数据源.
• 探索机器学习 (ML) 和深度学习 (DL) 在网络风险量化中的作用.

主要方法:

• 进行了系统的文献审查,根据结构化搜索策略,从637篇中选择了44篇文章.
• 分析了术语,分类了攻击前和攻击后的量化技术,并确定了数据来源.
• 研究了ML和DL在网络安全风险量化中的应用.

主要成果:

• 发现,对于多维网络影响评估 (物理,数字,经济,心理,声誉,社会) 的标准化分类学显著缺乏.
• 目前的量化技术和数据来源显示,在应对网络威胁的复杂性方面存在局限性.
• 该审查巩固了现有知识,并确定了网络安全风险量化方法的差距.

结论:

• 对于一个标准化的网络影响分类学来实现一致和全面的量化,这是非常必要的.
• 需要进一步的研究来开发先进的量化技术,可能利用ML/DL,以解决发现的差距.
• 这项研究为研究人员和专业人士提供了有价值的见解,以加强数字金融领域的网络风险管理.