NERC Cyber Security Standards: Risk Based Methodology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
NERC CIP-002 R1.2 requires Responsible Entities to identify their critical assets using a risk-based methodology. Risk-based methodologies usually consider the threat (likelihood) of an event and its consequences. The IESO 1 recognizes that cyber attacks will happen; therefore our risk-based methodology focuses on the mitigation of consequences. Critical assets are those which, if destroyed, degraded or otherwise made unavailable, would affect the reliability or operability of the Bulk Electric System. In the context of cyber security, a denial of service attack makes the asset unavailable. A loss of control and/or monitoring of critical assets would have a significant impact on reliability, including our ability to restore after a partial or total blackout. However, we must also protect these assets from unauthorized operation. Multiple element contingencies without accompanying faults are very probable for a scenario where a malicious party takes control of a critical asset such as a transmission substation. In Ontario, the criteria used in determining critical assets address the traditional ‘impact on the interconnection ’ for asset loss, but also consider our ability to restore after a blackout as essential in maintaining an adequate level of reliability and mitigating the impact on public health and safety. The criteria were developed in consultation with Ontario’s Emergency Preparedness Task Force, which includes key market participants and government representatives. It includes a cross-reference to the requirements of NERC CIP-002, which describe the types of assets that must be considered. In developing the criteria, we considered: The list of bulk power system elements derived using NPCC A-10 Criteria for Classification of Bulk Power System Elements, An additional assessment using the non-fault based extreme contingencies as listed
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,003 | 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 découle