Bottoms Up: A Comparison of Voluntary Cybersecurity Frameworks
Notice bibliographique
Résumé
"Although there is a spectrum of cybersecurity regulatory frameworks emerging around the world ranging from more state-centric approaches to voluntary initiatives, more and more nations — including the United States — seem to be settling on a bottom-up approach to enhancing private-sector cybersecurity. Emblematic of this movement in the U.S. context is the 2014 National Institute for Standards and Technology (NIST) Cybersecurity Framework. This Framework, which is comprised partly of regularly updated cybersecurity best practices, has already been influential in shaping the field of cybersecurity due diligence not only in the United States, but also in nations ranging from Canada to India. However, there has not yet been a thorough examination of the similarities and differences between these various bottom-up approaches and the extent to which they are promoting the harmonization of cybersecurity best practices. This Article addresses this omission by investigating a subset of national approaches to cybersecurity policymaking highlighting the extent to which they are converging and diverging using the NIST Framework as a baseline for comparison. Such an understanding is vital not only to businesses operating across these jurisdictions, but also to policymakers seeking to leverage the expertise of the private sector in promoting cyber peace."
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,051 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,013 | 0,019 |
| Communication savante | 0,026 | 0,016 |
| Science ouverte | 0,004 | 0,019 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».