Suomen energia-alan kyberturvallisuuden tila vuonna 2021
Bibliographic record
Abstract
Energiasektori on perustavanlaatuisessa muutoksessa ja siten alttiina kyberturvallisuushyökkäyksille. Tässä selvityksessä luodaan tilannekuvaa Suomen energia-alan kyberturvallisuuden tilasta. Selvityksessä lähetettiin Suomen energia-alan toimijoille kyberturvallisuuskysely, jossa tiedusteltiin vastaajien käsityksiä muun muassa kyberturvallisuusjohtamisesta, riskienhallinnasta, toimitilaturvallisuudesta, kyberturvallisuusosaamisesta ja kyberturvallisuuspoikkeamista. Kyselyssä oli väittämäkysymyksiä ja avoimia kysymyksiä. Suomen energia-alan toimijat kokevat hoitaneensa kyberturvallisuuden organisaatioissa, vaikka myös kokevat puutteita oman organisaationsa kyberturvallisuudessa. Vastaajista pieni osa koki puutteita sidosryhmien välisessä yhteistyössä, viranomaisyhteistyössä, organisaation tavoitteiden saavuttamisessa ja riskienhallinnan toteuttamisessa. Kyberturvallisuuden osaamistasoja ei osata arvioida. Myös kyberturvallisuusosaamisessa koetaan puutteita ja kyberturvallisuusharjoituksia on vähäisesti järjestetty. Vastaajista puolet koki havaitsevansa kyberturvallisuuspoikkeamat, ja myös puolet vastaajista raportoi kyberturvallisuuspoikkeamat organisaationsa johdolle, mutta viranomaisille enemmistö vastaajista jätti raportoimatta kyberturvallisuuspoikkeamat. Vastaajista enemmistö koki huolta erilaisista realisoituvista kyberhyökkäyksistä ja kyberturvallisuusloukkauksista.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.078 | 0.004 |
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; both teacher heads agree on what is shown here.
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".