미국 사례를 통한 사이버 위험의 이질성 연구: Lee-Carter 모델을 기반으로
Heterogeneity in cyber risks with the U.S. cases: An application of the Lee and Carter model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 사망률 추정에 널리 활용되는 Lee and Carter(1992)의 모형을 기반으로 사이버 손실 발생확률을 설명하는 모형을 제안하였다. 제안된 모형을 통해 업종 및 기업규모로 대표되는 기업 특성효과와 시간효과를 동시에 고려한 사이버 위험의 이질성을 분석하였다. 미국에서 발생한 사이버 손실사건 데이터를 분석한 결과 기업규모가 클수록 손실을 경험할 확률이 더 높으며, 미디어 등의 정보 전달과 관련된 산업, 교육업, 금융업에 속한 기업일수록 손실을 경험할 확률이 높아지는 것을 확인하였다. 다만, 사이버 위험에의 취약성 측면에서는 전기 또는 수도와 같은 공공기반 산업이 가장 높으며, 정보 또는 금융산업의 취약성은 상대적으로 낮음을 확인하였다. 또한, 본 연구는 시간의 흐름에 따라 사이버 손실사건이 점차 증가하는 양상을 보이고 있음을 확인하였는데, 이는 사이버 손실사건 빈도 추세에 관하여 상반된 결과를 주장해 온 기존 연구를 보완하는 근거를 제공할 수 있다. 본 연구에서 도출한 결과는 사이버 보험 인수 과정에 있어서 기업규모 및 산업 특성이 중요함을 강조하며, 시간의 흐름에 따라 증가하는 손실 추세에 대응하기 위한 시장 및 공공의 역할을 논의하는 데 도움이 될 것으로 기대한다.
Abstract
We investigate firm-specific and time effects on cyber risk frequency using a widely-used mortality model proposed by Lee and Carter(1992), which helps analyze heterogeneity in cyber risks by firm size and industry. Using a large dataset of cyber risk, we find that large organizations and those in the financial, information, and public sectors are likely to be more exposed to cyber risks. However, we find that utility industries are relatively more vulnerable to cyber risks than information or financial industries. In addition, we determine that cyber risk frequency tends to increase over time, which can provide supporting evidence for the literature of increasing frequency of cyber loss events. Our results can help cyber insurers or policymakers to be better aware of the importance of firm size and industry in cyber risk underwriting and further discuss how the market and public sector can manage such risks amid their increasing threats.
참고문헌 (35)
- 김세중, "Lee-Carter 모형을 이용한 사망률 예측에 관한 연구", 계리학연구, 4(2), pp.47~66 (2012)
- 마승렬, "공무원 일실이익의 합리적 산정방법 연구", 보험금융연구, 26(4), pp.77~111 (2015), 보험연구원
- 마승렬, "주택시장 분석에 있어서 Lee-Carter 모형의 유용성 연구", 주택도시금융연구, 4(1), pp.85~109 (2019)
- 박유성, "사망률 추계를 위한 오차수정 LC 모형", 조사연구, 14(2), pp.19~47 (2013), 한국조사연구학회
- 이항석, "왜도 예측을 이용한 Lee-Carter모형의 사망률 예측", 응용통계연구, 29(1), pp.41~59 (2016), 한국통계학회
- 정광민, "미국 사례를 통한 사이버 위험 발생 양상 및 개인정보 유출위험의 재정적 영향 분석과 국내 보험산업에의 시사점", 보험학회지, (127), pp.1~42 (2021), 한국보험학회[DOI]
- 한성화, "제로 트러스트 기술 동향 및 구축 전략", 융합보안 논문지, 21(5), pp.43~50 (2021), 한국융합보안학회
- 황지연, "Lee-Carter 모형의 베이지안 추정을 이용한 국가별 사망률 개선추이에 관한 비교연구", 리스크관리연구, 29(1), pp.89~112 (2018), 한국리스크관리학회[DOI]
- Aldasoro, I., "The drivers of cyber risk", Journal of Financial Stability, 60 (2022)
- Alho, J. M, "Discussion of Lee(2000)", North American Actuarial Journal, 4, pp.91~93 (2000)
- Basellini, U., "Thirty years on: A review of the Lee–Carter method for forecasting mortality", International Journal of Forecasting Forthcoming (2022)
- Biener, C., "Insurability of cyber risk : An empirical analysis", The Geneva Papers on Risk and Insurance-Issues and Practice, 40, pp.131~158 (2015)
- Cairns, A. J., "Modelling and management of mortality risk: a review", Scandinavian Actuarial Journal, 2(3), pp.79~113 (2008)[DOI]
- A taxonomy of operational cyber security risks : Technical note CMU, "SEI-2010-TN-028", Cebula, J. L., 2010
- Cyber Security Breaches Survey 2022, "Department for Digital, Culture, Media & Sport (DCIM)", Department for Digital, Culture, Media & Sport, ~ (2022)
- De Smidt, G., "Perceptions of corporate cyber risks and insurance decision-making", The Geneva Papers on Risk and Insurance-Issues and Practice, 43(2), pp.239~274 (2018)
- Edwards, B., "Hype and heavy tails : A closer look at data breaches", Journal of Cybersecurity, 2(1), pp.3~14 (2016)
- Eisenbach, T. M., "Cyber risk and the U. S. financial system : A pre-mortem analysis", Journal of Financial Economics, 145(3), pp.802~826 (2022)
- Eling, M., "Copula approaches for modeling cross-sectional dependence of data breach losses", Insurance : Mathematics and Economics, 82, pp.167~180 (2018)
- Eling, M., "Heterogeneity in cyber loss severity and its impact on cyber risk measurement", Risk Management, 24(4), pp.273~297 (2022)
- Eling, M., "Unraveling heterogeneity in cyber risks using quantile regressions", Insurance : Mathematics and Economics, 104, pp.222~242 (2022)
- Eling, M., "Data breaches : Goodness of fit, pricing, and risk measurement", Insurance : mathematics and economics, 75, pp.126~136 (2017)
- Jalali, M., "Decision-making and biases in cybersecurity capability development : Evidence from a simulation game experiment", Journal of Strategic Information Systems, 28(1), pp.66~82 (2019)
- Jung, K, "Extreme data breach losses : An alternative approach to estimating probable maximum loss for data breach risk", North American Actuarial Journal, 25(4), pp.580~603 (2021)
- Lee, R. D., "Modeling and forecasting US mortality", Journal of the American Statistical Association, 87(419), pp.659~671 (1992)
- Ma, B., "Frequency and severity estimation of cyber attacks using spatial clustering analysis", Insurance : Mathematics and Economics, 106, pp.33~45 (2022)
- Pate-Cornell, M. E., "Cyber risk management for critical infrastructure : A risk analysis model and three case studies", Risk Analysis, 38(2), pp.226~241 (2018)
- Cost of a data breach report, "Ponemon Institute", Ponemon Institute, ~ (2021)
- Cost of a data breach report, "Ponemon Institute", Ponemon Institute, ~ (2022)
- Suwanvijit, W., "Long-term sales forecasting using Lee-Carter and Holt-Winters methods", Journal of Applied Business Research, 27(1), pp.87~102 (2011)
- Wheatley, S., "The extreme risk of personal data breaches and the erosion of privacy", The European Physical Journal B, 89(7) (2016)
- The Global Risks Report 2023, "World Economic Forum", ~ (2023)
- Xu, M., "Modeling and predicting cyber hacking breaches", IEEE Transactions on Information Forensics and Security, 13(11), pp.2856~2871 (2018)
- "Wannacry’ ransomware attack losses could reach $4 billion" (2017)[URL]
- "How to prioritize resilience in the face of cyber-attacks" (2023)[URL]