31、信息安全经济学:市场、垄断与公共产品的交织

信息安全经济学:市场、垄断与公共产品的交织

1. 信息安全经济学简介

信息安全经济学近年来发展迅速,成为一门充满活力且发展快速的学科。大约在2000年左右,人们开始意识到,许多安全系统的失败并非主要源于技术错误,而是错误的激励机制。例如,守护系统的人往往并非系统失败时的受损者,而且安全机制常常被故意设计用于转移责任,这往往会引发问题。

经济学在工程领域一直很重要,从最基本的成本核算层面来看,优秀的工程师能用一千吨混凝土安全地建造一座桥,而其他人可能需要两千吨。然而,在具有多个所有者的复杂系统中产生的扭曲激励,使得经济问题对于安全工程师来说既更加重要又更加微妙。像互联网这样真正的全球规模系统,是由数百万具有不同利益的独立主体的行动产生的,我们期望自私的局部行动能带来合理的全球结果。

一般来说,人们只有在有激励的情况下才会采取行动。市场通常是我们了解哪些机制有效或失效的最佳指南,但市场也会失灵。计算机行业从早期就一直受到垄断的困扰,现在我们已经理解了其中的原因,并且开始了解它们与安全的相互作用。当有人问“为什么微软软件不安全”时,我们现在可以给出一个有原则的答案,而不仅仅是像抱怨恶劣天气一样咒骂微软总部。

新的安全经济学领域不仅为隐私、漏洞、垃圾邮件和网络钓鱼等“安全”主题提供了有价值的见解,还为系统可靠性等更广泛的领域提供了见解。例如,程序员和测试人员的最佳努力平衡是什么?它还使我们能够分析安全技术日益引发的政策问题,如数字版权管理。当系统设计者使用保护机制来控制机器所有者,而不是保护她免受外部敌人的侵害时,就会出现竞争政策和消费者权利的问题,而经济学为讨论这些问题提供了语言。此外,还有公共行动和私人行动之间的平衡问题。网络不安全有点像空气污染或交通拥堵,连接不

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值