Cybersécurité et gestion des risques liés à la protection des renseignements personnels : cas des banques canadiennes
Bibliographic record
Abstract
Cette recherche vise à illustrer l’importance de la cybersécurité et gestion des risques liés à la protection des renseignements personnels. De plus ce mémoire utilise des stratégies qui facilitent la compréhension des différents risques de protection des renseignements personnels, leur évaluation et la mise en oeuvre de procédures appropriées pour y faire face. Ainsi, les institutions financières canadiennes pourraient améliorer leurs missions d’audit interne en matière de protection des renseignements personnels en utilisant les résultats de la recherche pour contrôler les risques plus efficacement. Dans notre recherche, nous avons appliqué le cadre conceptuel des risques, qui est un processus qui vise à identifier, évaluer et gérer les risques qui pourraient affecter la réalisation des objectifs d’une organisation, et la théorie de la signalisation, qui souligne la divulgation proactive de données pertinentes ou la communication proactive d’informations. Nous nous sommes référés aux recherches scientifiques, de la législation de loi sur la protection des renseignements personnels, aux études réalisées par les grands cabinets de protection des renseignements personnels au Canada et à l’international et aux études de recherches menées par le Commissariat à la protection de vie privée du Canada. Dans nos travaux pratiques, nous avons examiné les procédures liées à la gestion des risques de protection des données personnelles par l’analyse des rapports annuels sur trois années de trente-quatre banques canadiennes sélectionnées des plus de soixante banques exerçant leurs activités au Canada. Cela nous a permis d’identifier les risques de protection des renseignements personnels, ainsi que les mesures de gestion des risques mises en place à cet égard. Les résultats de cette étude révèlent que, si certaines institutions, telles que les banques canadiennes, mettent en place des stratégies claires pour gérer les risques liés à la protection des renseignements personnels et aux cybermenaces, le manque de processus adéquats peut engendrer des difficultés qui affectent l’ensemble des activités de l’entreprise. Également, cette recherche contribue au développement d’un modèle de gestion des risques de protection des renseignements personnels et encourage le conseil d’administration et la haute direction des institutions financières canadiennes à inclure la protection des renseignements personnels dans leur charte d’audit interne. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Cybersécurité, gestion de risques, protection des renseignements personnels
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 | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".