К вопросу о совершенствовании системы статистических показателей безопасности применения цифровых технологий

В статье изложены некоторые результаты исследования проблем совершенствования безопасности применения цифровых технологий на новом этапе развития информационно-коммуникационных технологий (ИКТ). Актуальность объясняется тем, что использование ИКТ в современных условиях развития информационного общества и цифровой трансформации экономики, с одной стороны, ведет к получению известных положительных социально-экономических эффектов, но с другой– предполагает неизбежное возникновение негативных последствий. С вопросами защиты интересов личности, общества и государства от внутренних ивнешних информационных угроз связано понятие информационной безопасности. Расширение его границ– от низкоуровневых технических мероприятий по защите информационных систем (компьютерной безопасности и кибербезопасности) до стратегического управления экономическим производством в данном контексте– привело к появлению новой релевантной категории: цифровой безопасности– и диктует целесообразность объединения перечисленных терминов в обобщающее понятие «безопасность применения цифровых технологий».

Автором проанализированы существующие методологические подходы к статистическому исследованию рассматриваемых проблем и выработан ряд предложений по совершенствованию соответствующей системы статистических показателей. Для достижения поставленной цели в процессе анализа были использованы методы дескриптивной статистики, корреляционно-регрессионный анализ, а также методы машинного обучения (в частности, различные варианты алгоритмов классификации на основе деревьев решений).

Изучая информационные и методические источники, имеющие опосредованное отношение к статистическим ресурсам (инспектировалась широко известная веб-платформа Kaggle, объединяющая исследователей в области науки о данных и машинного обучения), автор проанализировал результаты тематического опроса компаний. В итоге моделирования влияния фактора «безопасность применения цифровых технологий» на эффективность экономической деятельности было установлено, что его вариация примерно на треть определяет уровень экономической эффективности компании в рамках представленной совокупности. Использование методов машинного обучения позволило получить приемлемые по качеству предсказательные модели классификации компаний по видам экономической деятельности в том же факторном контексте.

С практической точки зрения, по мнению автора, применение предложенного в работе подхода к формированию системы статистических показателей будет полезно для управления процессами, обеспечивающими безопасность применения цифровых технологий в масштабе предприятия, региона и страны в целом.

1. Хочуева Ф.А. и др. Информационная безопасность сквозь призму цифровой экономики // Современные наукоемкие технологии. 2018. № 11–1. С. 65–71. URL: https://top-technologies.ru/ru/article/view?id=37239.

2. Schatz D., Bashroush R. Economic Valuation for Information Security Investment: A Systematic Literature Review // Information Systems Frontiers. 2017. Vol. 19. Iss. 5. P. 1205–1228. doi: https://doi.org/10.1007/s10796-016-9648-8.

3. Yerina A.M., Honchar I.A., Zaiets S.V. Statistical Indicators of Cybersecurity Development in the Context of Digital Transformation of Economy and Society // Science and Innovation. 2021. Vol. 17. No. 3. P. 3–13. doi: https://doi.org/10.15407/scine17.03.003.

4. Листопад М.Е., Коротченко С.Е. Совершенствование методики оценки системы информационной безопасности в России // Национальные интересы: приоритеты и безопасность. 2017. Т. 13. Вып. 6. С. 1162–1175. doi: https://doi.org/10.24891/ni.13.6.1162.

5. Прокопьев А.В., Прокопьева Т.В. Теоретические аспекты разработки критериев эффективности национальной политики Российской Федерации в сфере информационной безопасности // Теория и практика общественного развития. 2021. № 12(166). С. 110–120. doi: https://doi.org/10.24158/tipor.2021.12.14.

6. Bernik I., Prislan K. Measuring Information Security Performance with 10 by 10 Model for Holistic State Evaluation // PLoS ONE. 2016. 11(9):e0163050. doi: https://doi.org/10.1371/journal.pone.0163050.

7. OECD. OECD Policy Framework on Digital Security: Cybersecurity for Prosperity. Paris: OECD Publ., 2022. 38 p. doi: https://doi.org/10.1787/a69df866-en.

8. OECD. Measuring Digital Security Risk Management Practices in Business // OECD Digital Economy Papers, No. 283. Paris: OECD Publ., 2019. 63 p. doi: https://doi.org/10.1787/7b93c1f1-en.

9. ITU. Global Cybersecurity Index 2015. Geneva: ITU Publ., 2015. URL: https://www.itu.int/pub/D-STRSECU-2015.

10. ITU. Global Cybersecurity Index 2020. Geneva: ITU Publ., 2023. URL: https://www.itu.int/epublications/publication/D-STR-GCI.01-2021-HTM-E.

11. Зарова Е.В., Проскурина Н.В. Теоретические основы региональной статистики. Самара: Изд-во СГЭА, 2004. 62 с.

12. Алетдинова А.А. Формирование системы статистических показателей инновационного потенциала организации // Экономика, статистика и информатика. Вестник УМО. 2011. № 6(2). C. 78–81.

13. Брюс П., Брюс Э., Гедек П. Практическая статистика для специалистов Data Science. СПб.: БВХ-Петербург, 2021. 352 с.