Cybersecurity in Digital Accounting Systems: Challenges and Solutions in the Arab Gulf Region
Notice bibliographique
Résumé
The region of the Arab Gulf is marching ahead very fast toward digitalization in ways prompted by initiatives, such as Saudi Vision 2030 and the UAE’s strategy for Smart Government. Thus, both underscore the boundless movement toward the inclusion of advanced technologies into accounting practices, such as Business Intelligence and Enterprise Resource Planning systems. While these technologies enhance efficiency and facilitate informed decision-making, they also render financial data vulnerable to cybersecurity threats, such as phishing, ransomware, and insider attacks. This paper investigates the impact of cybersecurity practices, ethical accountability, regulatory frameworks, and emerging technologies on the adoption of and trust in digital accounting systems in the GCC region. A quantitative research approach was followed, wherein the responses from a randomly selected sample of 324 professionals representing the GCC nations were collected. The empirical analysis was completed using Partial Least Squares Structural Equation Modeling. Strong cybersecurity measures, AI-driven threat detection mechanisms, and custom-fit employee training programs facilitate the adoption of and faith in digital accounting information systems considerably. Ethical accountability acts as the partial mediator of those effects, and supportive regulatory frameworks enhance cybersecurity strategy effectiveness. This study examines the development of integrated cybersecurity strategies with respect to technology, ethics, and regulations. It makes several major recommendations, calling for bringing the GCC countries’ regulatory frameworks into line with international standards; encouraging workforce training programs; and utilizing AI-powered technologies for proactive threat detection and management. These findings can arm stakeholders with a holistic pathway toward developing secure, resilient, and future-oriented digital accounting infrastructures across the region.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».