Nouvelles technologies et crime désorganisé : incursion au cœur d’un réseau de pirates informatiques
Bibliographic record
Abstract
Les « exploits » de pirates informatiques ayant réussi à s’introduire dans les systèmes d’information, soi-disant sécurisés, de services gouvernementaux ou d’entreprises font presque quotidiennement la une des journaux et des sites Web spécialisés, sans que l’on n’en sache sur les auteurs de ces intrusions. En rupture avec les discours catastrophistes, Benoit Dupont, titulaire de la chaire Sécurité et technologie de l’Université de Montréal, propose de comprendre de l’intérieur les relations nouées dans un réseau de hackers arrêtés en 2007, et notamment deux variables influant sur la performance de ce réseau criminel : les compétences et la confiance. L’auteur parvient à la conclusion que le manque de confiance entre les membres d’un réseau et la nature des compétences sociétales et de monétisation sont pour beaucoup dans le caractère éphémère des réseaux de piratage et leur vulnérabilité aux activités perturbatrices menées par les services de police. Une avancée majeure pour comprendre le fonctionnement des réseaux cybercriminels, leurs failles et donc mieux engager la lutte contre eux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.016 | 0.012 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".