Kuntien kyberturvallisuushaasteet ja niihin varautuminen
Notice bibliographique
Résumé
Opinnäytetyön tavoitteena on selvittää, millaisia kyberuhkakuvia Suomen kuntakenttään kohdistuu, millä tasolla kunnissa on mahdollisiin kyberhyökkäyksiin varauduttu sekä millaisia ratkaisumahdollisuuksia tilanteen parantamiseen olisi. Lisäksi tarkastellaan millaisia lisätarpeita kaupunkien yhä digitalisoituvat älykkäät verkottuneet järjestelmät sekä kriittiset palvelut asettavat kyberturvalle. \nTeoreettisena viitekehyksenä työssä tarkastellaan aluksi ”kyber”-käsitettä, valtiohallinnon kyberturvallisuuden kehittämisohjelmia ja lainsäädäntöä, sekä kyberturvallisuuden uhkia ja tilannetta Suomessa ja globaalisti. Työssä analysoidaan kunnille jo tehtyjä tutkimuksia sekä toteutettiin teemahaastattelututkimus kuntien edustajille, kyberturvapalveluiden toimittajille sekä kyberturvan parissa vaikuttavalle taholle. \nTutkimus tuo esille, että Suomessa on valtionhallinnon toimesta, niin lainsäädännöllisesti kuin kehittämisohjelmien muodossa, systemaattisesti kehitetty tietoturvaa. Kyberhyökkäysten riski Suomessa ja globaalisti on kasvanut. Kyberuhkiin varautumisen taso kunnissa on parantunut, mutta kuntien välillä on eroja. Pääsääntöisesti teknisiä suojaustoimenpiteitä kuntiin on toteutettu hyvin, mutta tietoturvan johtamisessa ylemmällä tasolla on vielä kehitettävää. Kyberturva näkyy vielä heikosti kunnan strategioissa.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,136 | 0,048 |
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 ».