An Adaptive Wideband Delphi Method to Study State Cyber-Defence Requirements
Notice bibliographique
Résumé
Background—Edward Snowden’s revelations of the extensive global communications surveillance activities of foreign intelligence services have led countries such as Indonesia to take concrete steps to enhance protective information security for classified data and communications. Objective — This paper develops the Wideband Delphi Method to study the Indonesian Government’s requirements for cyber-defence in response to reported secret intelligence collection by the Australian Signals Directorate (ASD). It provides a clearer understanding of the issues that influence Indonesian policymakers’ views on the mitigation of foreign surveillance. Method — We developed and conducted an Adaptive Wideband Delphi Study with senior Indonesian officials, with group discussions and individual sessions to explore how to mitigate the surveillance activities of the ”Five Eyes” (the US-UK-Canada-Australia-New Zealand) intelligence alliance. We used the US National Security Agency (NSA) framework of the three elements of Defence in Depth (people, operations, and technology), in combination with governance and legal remedies, as an analytical framework. Results — We identified twenty-five mitigation controls to deal with the priority concerns of policymakers, which were divided into the five defences in depth elements. Conclusion — We discuss the key requirements for protection against foreign surveillance to be taken into account in state cyber-defence frameworks, and suggest effective mitigation controls for safeguarding and protecting states’ national interests.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».