ОЦІНКА КРЕДИТОСПРОМОЖНОСТІ ПОЗИЧАЛЬНИКА КОМЕРЦІЙНОГО БАНКУ
Яровенко Г.М.
м. Суми, Україна
a.yarovenko@uabs.sumdu.edu.ua
За останнє десятиліття спостерігається зростання обсягів кіберзлочинності у різних сферах життєдіяльності на рівні держави, економічних агентів, окремих індивідів. Тому набувають актуальності питання дослідження процесів формування інформаційної безпеки та виявлення впливів на її ефективність. Метою дослідження є доведення гіпотези про те, що настрої населення, пов’язані із використанням персональних заходів безпеки та формуванням відповідних наслідків інцидентів, відбуваються під впливом рівня економічного розвитку країни. Це здійснювалося за допомогою кластерного аналізу методом k-середніх із використанням аналітичної платформи Deductor Academic на основі даних дослідження, проведеного серед респондентів країн ЄС. Аналіз відповідей показав, що спостерігається тенденція зростання використання онлайн-банкінгу та сервісів електронної комерції; відбувається зростання кількості респондентів, які ставали жертвами кіберзлочинів, особливо соціальної інженерії; знижується тенденція у використанні надійних персональних засобів безпеки. Результати кластерного аналізу, для якого використано дані щодо кількості респондентів-жертв кіберзлочинів та кількості респондентів, які використовують різні засоби персональної безпеки, дозволили сформувати 7 кластерів країн. Аналіз ВВП на душу населення для отриманих кластерів та візуалізація карти країн дозволили підтвердити гіпотезу, але також було визначено, що на залежності використання персональних заходів безпеки та наслідків кіберзлочинів впливають й ментальні особливості країн, сформованих завдяки близькому територіальному розташуванню країн-сусідок, що мають спільні кордони, історичні події, близькі культурні особливості. Отримані результати матимуть практичну значущість для розробки концепції інформаційної безпеки та економічного розвитку держави. Їх можна використати для визначення тих наборів захисту, які відповідають рівню економічного розвитку та доходів населення. Пріоритетними напрямами подальших досліджень є визначення впливів інших факторів на формування інформаційної безпеки країни та формування барицентричної моделі їх вимірів для забезпечення сталого економічного розвитку держави.
Посилання:
1. Dennis J.B. A position paper on computing and communications. In Proceedings of the 1st ACM Symposium on Operating Systems Principles, SOSP. 1967. P. 6.1-6.10. URL: https://www.scopus.com/record/display.uri?eid=2-s2.0-85060827474&origin=resultslist&zone=contextBox.
2. Analize search results. Scopus : website. URL: https://www.scopus.com/term/analyzer.uri?sid=9b8206970e6c1cdd8a0c8783549547da&origin=resultslist&src=s&s=TITLE-ABS-KEY%28%22information+security%22%29&sort=plf-f&sdt=cl&sot=b&sl=37&count=15125&analyzeResults=Analyze+results&cluster=scopubyr%2c%222019%22%2ct%2c%222018%22%2ct%2c%222017%22%2ct%2c%222016%22%2ct%2c%222015%22%2ct%2c%222014%22%2ct%2c%222013%22%2ct%2c%222012%22%2ct%2c%222011%22%2ct%2c%222010%22%2ct&txGid=44b289111640cc0861e0aecc3de12ba6.
3. Лужецький В.А., Кожухівський А.Д., Войтович О.П. Основи інформаційної безпеки : навчальний посібник. Вінниця : ВНТУ, 2013. 221 с.
4. Степко О.М. Аналіз головних складових інформаційної безпеки держави. Науковий вісник Інституту міжнародних відносин НАУ. Серія: економіка, право, політологія, туризм. 2011. №3. С. 90-99.
5. Смачило Т.В., Кахній М.І. Теоретичні засади управління системою інформаційної безпеки підприємства. Молодий вчений. 2016. № 12.1(40). С. 969-972.
6. Дрейс Ю.О. Заходи захисту персональних даних в інформаційних (автоматизованих) системах. Перша всеукраїнська науково-практична конференція : збірник тез. Одеса: ОНАЗ, 2015. С. 29-32.
7. Філоненко С., Мужик І., Німченко Т. Система попередження витоку персональних даних мережевими каналами. Безпека інформації. 2014. Т. 20, № 3. С. 279-285.
8. Special Eurobarometer 404: Cyber security. EU Open Data Portal : website. URL: https://data.europa.eu/euodp/en/data/dataset/S1073_79_4_404.
9. Special Eurobarometer 499: Europeans’ attitudes towards cyber security. EU Open Data Portal : website. URL: https://data.europa.eu/euodp/en/data/dataset/S2249_92_2_499_ENG.
10. MacQueen J.B. Some methods for classification and analysis of multivariate observations. In 5-th Berkeley Symposium on Mathematical Statistics and Probability. USA, Berkeley, The University of California, 1967. Р. 281-297. URL: http://www.cs.cmu.edu/~bhiksha/courses/mlsp.fall2010/class14/macqueen.pdf.
11. Data Science K-means Clustering – In-depth Tutorial with Example. DataFlair : website. URL: https://data-flair.training/blogs/k-means-clustering-tutorial/.
12. Dabbura I. K-means Clustering: Algorithm, Applications, Evaluation Methods, and Drawbacks. Towards Data Science : website. URL: https://towardsdatascience.com/k-means-clustering-algorithm-applications-evaluation-methods-and-drawbacks-aa03e644b48a.
13. Fu I., Ravichandran D. K Means Clustering of Sports Images. Medium : website. URL: https://medium.com/gumgum-tech/k-means-clustering-of-sports-images-4d2e1d8c4572.
14. Платформа Loginom. BaseGroup Labs : веб-сайт. URL: https://basegroup.ru/deductor/download.
15. GDP per capita (current US$). The World Bank : website. URL: https://data.worldbank.org/indicator/NY.GDP.PCAP.CD.