Regulation of Cyber Risk in the Banking System: A Canadian Case Study
Notice bibliographique
Résumé
Abstract Cyber risk is one of the greatest threats facing any modern financial system; a result of increasing dependence on technology and the appeal of troves of personal data to well-equipped hackers. This article examines the governance of cyber risk in the Canadian banking system in the context of the Covid-19 crisis, which has led to a surge in cyber-attacks. It argues that the existing Canadian regime, which draws heavily on the Basel operational risk framework, is unfit to handle the unique challenges posed by cyber risk. Cyber incidents are unlike traditional operational disruptions in both their dynamism and impact, and are not adequately captured by backward-looking proxies, such as historical losses. There is also a mismatch between the traditional risk-based supervision, which relies on annual risk rating of banks, and the quickly changing cyber profile of regulated entities. Furthermore, the bilateral and institution-specific nature of such supervision leaves out the crucial systemic perspective on cyber risk. This article calls for the current quantitative paradigm, which underlies capital adequacy regulation, to be complemented with a resilience-centric approach aimed at better accommodating and learning from unpredictable cyber incidents. This shift requires revisiting traditional supervisory practices, such as extensive reliance on centralized decision-making and planning—which may prove ineffective in the face of a firm-wide cyber incident—and a dynamic approach that keeps regulation in line with emergent knowledge. The article outlines a number of strategies which can help banks and regulators navigate and adapt to the ever-changing cyber landscape.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».