Katsaus Suomen kyberturvallisuuden tilaan : valtiollinen näkökulma
Notice bibliographique
Résumé
Tutkielma on kirjallisuuskatsaus Suomen kyberturvallisuuden tilasta tällä hetkellä. Aihe on rajattu valtiollisella tasolla tarkasteltavaksi. Valtiollisen kyberturvallisuuden tilaa lähdetään selvittämään ensin tutkimalla kyberturvallisuutta Suomessa, kuten siitä vastuussa olevia valtiollisia toimijoita ja niiden toimintakykyä, lainsäädäntöä, kyberturvallisuusstrategiaa, sekä kansainvälistä yhteistyötä. Tämän jälkeen käsitellään Suomeen kohdistuneita kyberhyökkäyksiä ja kyberuhilta suojautumista. Lopuksi käsitellään tulevaisuuden näkymiä. Kirjallisuuskatsauksen tulos osoitti, että Suomen valtiollinen kyberturvallisuus koostuu monista eri tekijöistä, jotka kaikki ovat erittäin tärkeitä valtion kyberturvallisuudelle. Yleisesti valtion kyberturvallisuuden tilanne on hyvällä tasolla, sillä valtiolla on käytössään kyberturvallisuuden tilaa positiivisesti tukeva lainsäädäntö, kyberturvallisuudesta vastaavat valtiolliset toimijat, kyberturvallisuusstrategia ja toimiva kansainvälinen yhteistyö. Valtiollisen kyberturvallisuuden tila ei kuitenkaan ole täydellinen, mutta ilman näitä valtion kyberturvallisuuden eri tekijöitä tilanne voisi olla paljon huonompi. Muuttuvat tilanteet kybertoimintaympäristössä ja rikollisten tahojen kyvykkyys aiheuttavat kuitenkin tilanteen, jossa valtion kyberturvallisuutta pitää jatkuvasti arvioida ja kehittää. Kehitettävää löytyi etenkin yhteistoiminta- ja viranomaisprosesseista, tilannekuvasta ja tiedonvaihdosta. Valtiota kohtaan on myös onnistuttu tekemään kyberhyökkäyksiä, mikä korostaa entisestään tarvetta parantaa valtiollista kyberturvallisuutta.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».