procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»10.34822/1999-7604-2021-1-71-75procyber-351Research ArticleФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИPhysics and MathematicsКОМПРОМИССНАЯ ПАРЕТОВСКАЯ ОЦЕНКА ПАРАМЕТРОВ РЕГРЕССИОННОЙ МОДЕЛИ УЩЕРБА ОТ КИБЕРПРЕСТУПЛЕНИЙCOMPROMISE PARETO’S EVALUATION OF PARAMETERS FOR REGRESSION MODEL OF DAMAGE BY CYBERCRIMESНосковС. И.NoskovS. I.

утечки данных; вскрытые записи; ущерб от киберпреступлений; регрессионная модель; множественное оценивание параметров.

Е-mail: sergey.noskov.57@mail.ru

Иркутский государственный университет путей сообщения, ИркутскРоссияIrkutsk State Transport University, IrkutskRussian Federation20212204202101 (41)7175Copyright © Носков С.И., 20212021Носков С.И.Noskov S.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/351

В работе построена регрессионная модель влияния валового внутреннего продукта США, а также количества утечек данных и вскрытых записей на ущерб от киберпреступлений. Параметры этой модели представляют собой компромиссную паретовскую оценку в задаче минимизации векторной функции потерь. При идентификации параметров модели использованы методы наименьших квадратов и минимизации векторной функции потерь. С целью повышения адекватности модели задействована комбинированная переменная, обобщающая показатели, характеризующие похищенную информацию. В качестве инфор-мационной базы использованы статистические данные США за 2005–2019 гг.

The paper builds a regression model of the influence of the US gross domestic product, as well as the number of data breaches and exposed records, on the damage from cybercrimes. The parameters of this model represent a compromise Pareto estimate in the problem of minimizing the vector loss function. In identifying the parameters of the model, the method of least squares and minimization of the vector loss function are used. To improve the adequacy of the model, a compo-site variable is used that summarizes indicators characterizing the stolen information. The US statis-tical data for 2005–2019 is used as an information base for the model.

утечки данныхвскрытые записиущерб от киберпреступленийрегрессионная модельмножественное оценивание параметров.data breachesexposed recordscybercrime damageregression modelmultiple parameter estimation.ReferencesДементьева М. А., Лихачева В. В., Козырев Т. Г. Киберпреступления в банковской сфере Российской Федерации: способы выявления и противодействия // Экономич. отношения. 2019. Т. 9, № 2. С. 1009–1020.Дементьева М. А., Лихачева В. В., Козырев Т. Г. Киберпреступления в банковской сфере Российской Федерации: способы выявления и противодействия // Экономич. отношения. 2019. Т. 9, № 2. С. 1009–1020.Анискин С. С., Селедцов В. Ю. Кибербезопасность как один из трендов цифровой экономики России // Образование и наука без границ: социал.-гуманитар. науки. 2019. № 12. С. 28–31.Анискин С. С., Селедцов В. Ю. Кибербезопасность как один из трендов цифровой экономики России // Образование и наука без границ: социал.-гуманитар. науки. 2019. № 12. С. 28–31.Рогоза А. А., Сабиров В. Д., Лаптева А. В. Меры по борьбе с киберпреступностью в России // Экономич. исследования и разработки. 2020. № 12. С. 68–72.Рогоза А. А., Сабиров В. Д., Лаптева А. В. Меры по борьбе с киберпреступностью в России // Экономич. исследования и разработки. 2020. № 12. С. 68–72.Saini D. A Mathematical Model for the Effect of Malicious Object on Computer Network Immune System // Applied Mathematical Modelling. 2011. № 8. Р. 3777–3787.Saini D. A Mathematical Model for the Effect of Malicious Object on Computer Network Immune System // Applied Mathematical Modelling. 2011. № 8. Р. 3777–3787.Давыдов И. В., Шелупанов А. А. Формализация модели совершения киберпреступлений, совершаемых с использованием вредоносных кодов // Известия Томск. политех. ун-та. 2006. Т. 309, № 8. С. 126–129.Давыдов И. В., Шелупанов А. А. Формализация модели совершения киберпреступлений, совершаемых с использованием вредоносных кодов // Известия Томск. политех. ун-та. 2006. Т. 309, № 8. С. 126–129.Швырев Б. А. Модель величины потерь пользователя от киберпреступлений // Финанс. экономика. 2018. № 3. С. 103–104.Швырев Б. А. Модель величины потерь пользователя от киберпреступлений // Финанс. экономика. 2018. № 3. С. 103–104.Носков С. И., Вергасов А. С. Регрессионная модель структурных факторов киберугроз // Программная инженерия. 2020. № 4 (11). С. 251–256.Носков С. И., Вергасов А. С. Регрессионная модель структурных факторов киберугроз // Программная инженерия. 2020. № 4 (11). С. 251–256.Глухов Н. И., Носков С. И., Попов П. Ю. Математическая модель динамики компьютерных преступлений // Информ. технологии и матем. моделирование в управленииГлухов Н. И., Носков С. И., Попов П. Ю. Математическая модель динамики компьютерных преступлений // Информ. технологии и матем. моделирование в управлениисложными системами. 2020. № 1. С. 1–8.сложными системами. 2020. № 1. С. 1–8.Айвазян С. А., Бродский Б. Е. Макроэконометрическое моделирование: подходы, проблемы, пример эконометрической модели российской экономики // Прикладная эконометрика. 2006. № 2. С. 85–111.Айвазян С. А., Бродский Б. Е. Макроэконометрическое моделирование: подходы, проблемы, пример эконометрической модели российской экономики // Прикладная эконометрика. 2006. № 2. С. 85–111.Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М. : Диалектика, 2007. 911 с.Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М. : Диалектика, 2007. 911 с.Носко В. П. Эконометрика. Элементарные методы и введение в регрессионный анализ временных рядов. М. : Фонд «Ин-т эконом. политики им. Е. Т. Гайдара», 2004. 501 с.Носко В. П. Эконометрика. Элементарные методы и введение в регрессионный анализ временных рядов. М. : Фонд «Ин-т эконом. политики им. Е. Т. Гайдара», 2004. 501 с.Annual number of data breaches and exposed records in the United States from 2005 to 1st half 2020. URL: https://www.statista.com/statistics/273550/data-breaches-recorded-in-the-united-states-by-number-of-breaches-and-records-exposed/ (дата обращения: 18.02.2021).Annual number of data breaches and exposed records in the United States from 2005 to 1st half 2020. URL: https://www.statista.com/statistics/273550/data-breaches-recorded-in-the-united-states-by-number-of-breaches-and-records-exposed/ (дата обращения: 18.02.2021).ВВП (в текущих долларах США) – Russian Federation. Данные по национальным счетам Всемирного банка и файлы данных по национальным счетам ОЭСР. URL: https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locale=ru&locations=RU (дата обраще-ния: 18.02.2021).ВВП (в текущих долларах США) – Russian Federation. Данные по национальным счетам Всемирного банка и файлы данных по национальным счетам ОЭСР. URL: https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locale=ru&locations=RU (дата обраще-ния: 18.02.2021).Носков С. И. Компромиссные паретовские оценки параметров линейной регрессии // Матем. моделирование. 2020. Т. 32, № 11. С. 70–78.Носков С. И. Компромиссные паретовские оценки параметров линейной регрессии // Матем. моделирование. 2020. Т. 32, № 11. С. 70–78.Носков С. И., Базилевский М. П. Построение регрессионных моделей с использо-ванием аппарата линейно-булевого программирования. Иркутск : ИрГУПС, 2018. 176 с.Носков С. И., Базилевский М. П. Построение регрессионных моделей с использо-ванием аппарата линейно-булевого программирования. Иркутск : ИрГУПС, 2018. 176 с.

The authors declare that there are no conflicts of interest present.