SLOW BURN: Subversion and Escalation in Cyber Conflict and Covert Action
Notice bibliographique
Résumé
This thesis argues that the low intensity of cyber conflict reflects the fact that cyber operations have been primarily useful as means of subversion rather than warfare. Established wisdom that conceives of cyber conflict as a novel form of warfare defined by its speed the escalatory properties of cyber weapons. In practice, it has been marked by persistently low intensity and escalation has not occurred. This mismatch between theory and practice presents a puzzle. Subversion, in contrast, is a slow-burning and low intensity alternative to the use of force that is strategically attractive but operationally limited in effectiveness. It is strategically attractive because it promises to exert influence over competitors at lower costs and risks compared to force projection. These advantages are the result of its indirect and covert mechanism of action, which secretly undermines and manipulates an adversary’s own capabilities to produce detrimental effects against the former and erode its capacity to resist. However, this mechanism comes with three inherent constraints that limits effectiveness: subversion is slow, the intensity of effects is limited and it is unreliable. The strategic role and operational constraints of subversion explain the low intensity of cyber conflict. Cyber operations target new technologies but rely on the same operational mechanism of exploiting vulnerabilities in secret—hence they are expected to face analogous constraints. The thesis develops a grounded theory based on a structured focused comparison of a historical and contemporary case of subversion. The cases chosen are the Soviet campaign to suppress the Prague Spring and the Russian campaign to suppress the Euromaidan movement in Ukraine 2013-2018. These cases are most-similar except for the technology used. This comparison confirms expectations, showing that technological change has not altered the quality of subversion. Counterintuitively, however, the analysis reveals the operational constraints of cyber operations reinforce rather than reform its slow-burning and low intensity character. Contrary to prevailing threat perception of critical infrastructure strikes, cyber operations prove slower, more expensive and less effective than traditional sabotage operations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».