用于建模多变量网络数据泄露风险的集合双变量Copula

【讲座题目】用于建模多变量网络数据泄露风险的集合双变量Copula 【时 间】2024年6月19日    上午：9:00-10:30 【地 点】保定校区 自动化系315 【主讲人】徐茂超，博士/教授，伊利诺伊州州立大学 【主讲人简介】 徐茂超博士于2010年在美国波特兰州立大学获得统计学博士学位，现为伊利诺伊州立大学数学系终身教授，研究生项目Director，网络安全保险专家。他同时担任英国网络风险评估公司Rankiteo人工智能部门 Head，还曾多次担任其他公司的网络安全保险顾问，例如美国网络安全公司CouldCover顾问，美国网络风险评估公司Safe Security的顾问等。徐教授的研究领域为网络风险评估，统计建模以及网络安全保险。他的研究曾获伊利诺伊州立大学杰出研究奖，北美精算师协会最佳论文奖，以及应用统计杂志最佳论文推荐奖等。近年来相关研究的成果均发表于Annals of Applied Statistics, Technometrics，IEEE Transactions on Information Forensics and Security，IISE Transactions 等国际顶级期刊。 【讲座内容简介】 对网络数据泄露风险进行建模是一个巨大的挑战，主要是由于在有限数据背景下错综复杂的多元依赖关系。在这次演讲中，我们讨论了一种新的集成学习方法，该方法有效地捕捉了网络风险固有的时间和截面依赖性。所提出的方法与传统的直接建模风险的多变量依赖性方法有显著不同。相反，我们的方法利用双变量Copula来生成预测成员，以捕捉多变量相关性，并通过最小化分布得分来校准由此产生的预测分布。此外，将所提出的模型应用于保险定价，结果表明，它可以产生更有利的合同。通过广泛的仿真和真实数据分析，研究结果表明，所提出的模型具有令人满意的拟合和预测性能，并优于文献中的模型。 返回