MétaCan
Menu
Retour à la cohorte
Enregistrement W6930910577 · doi:10.5281/zenodo.15527271

D2.2 Common Certfication Model and Language Definiton

2025· other· en· W6930910577 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typeother
Langueen
DomaineMathematics
ThématiqueIterative Methods for Nonlinear Equations
Établissements canadiensSKiN Health
Organismes subventionnairesnon disponible
Mots-clésDeliverableCertificationCertificateInterimInteroperabilityScalability

Résumé

récupéré en direct d'OpenAlex

This deliverable presents the finalized specification for the Common Certification Model (CCM) and the Com-mon Certification Language (CCL) developed within the COBALT project, which aims to establish a unifiedcybersecurity certification approach for diverse industrial and technological domains. As part of Task T2.2 un-der Work Package 2, the document builds upon the interim version by refining the CCM and CCL definitions,enhancing their integration into the COBALT framework.The core objective is to create a standardized, interoperable, and scalable cybersecurity certification methodol-ogy that transcends sectoral boundaries, addressing challenges in Industry 4.0 (I4.0), Quantum Computing,Cloud environments, and other emerging ICT infrastructures. To this end, the deliverable consolidates: A review of current certification models and standards such as ISO/IEC 27001, NIST RMF, andEUCS. The COBALT certification strategy, based on dynamic, digital-twin-supported assessment. A shared cybersecurity information schema derived from open standards like OSCAL, BOMs(SBOMs, HBOMs), and MUD profiles. Key developments in this deliverable include: A detailed design of the CCM Manager, covering its architecture, API endpoints, user interfaces, andits role in automating certification workflows. A description of COBALT ontologies, such as the Target of Evaluation (ToE) and Certification De-scriptors, which provide machine-readable, semantically enriched representations of cybersecurity re-quirements and assessment results. Integration pathways for real-time conformity assessment and evidence handling, including dynamicupdates via Digital Twins and decentralized data sharing models. Mapping of CCM Manager API and flows with COBALT enablers like the Security Digital Twin Man-ager, Certificate Manager, and Clouditor, forming an operational toolkit to enforce certification pro-cesses. This deliverable positions CCM and CCL as foundational to achieving cross-sector interoperability, continuouscertification, and trusted automation in cybersecurity compliance processes. It provides the technical and con-ceptual groundwork to support future integration across COBALT’s full stack, offering a sustainable, extensiblemodel for EU-wide cybersecurity certification

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,004
Communication savante0,0130,007
Science ouverte0,0040,009
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0260,021

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,356
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetIterative Methods for Nonlinear EquationsTravaux en français237 207