What Drives Cyber Losses at U.S. Banks? Potential Statistical Markers
通过使用新的银行级个体数据，本研究揭示了美国银行的网络损失率与银行规模呈U型关系，且主要受特有因素驱动，但在控制规模因素后，盈利能力更高且效率更高的银行往往经历较低的损失率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
每家银行都拥有一座数字金库，它不仅存放着资金，还存放着维持现代经济运转的海量数据流。保护这些金库是一场针对网络攻击的持久战，这些攻击的程度从微小的故障到威胁金融稳定的巨额盗窃不等。多年来，监管机构和银行领导层一直担心谁最脆弱：是拥有复杂且庞大网络的巨型机构，还是资源较少、难以建立强大防御体系的小型社区银行？为了回答这个问题，研究人员需要一种衡量方法，来计算一家银行在典型年份中因这些数字威胁可能损失的平均金额。这个被称为“平均年度损失”的数字，是理解风险的基准，有助于官员决定购买多少保险或在安全领域投入多少资金。然而，直到最近，关于这些潜在损失如何随银行规模变大或变小而变化，仍缺乏清晰的图景，这导致人们无法理解最大的危险究竟在哪里。
来自达拉斯联邦储备银行的一个研究小组致力于填补这一空白，他们将新的、详细的网络风险估算与来自数千家美国银行的标准财务数据相结合。他们使用了一个复杂的建模平台，该平台可以模拟数万次潜在的网络事件，范围涵盖数据窃取、勒索软件要求以及服务中断。通过将这些模拟损失数据与现实世界的银行表现数据一起输入统计模型，他们试图找出驱动这些损失上升或下降的具体因素。他们的目标是超越猜测，找到能够预示网络事件引发财务损失高低的实际统计指标。
研究人员发现了一种挑战普遍假设的模式，即并非大银行就一定面临更高的风险。数据并未呈现出风险随规模稳步增加或减少的直线关系，而是揭示了一个明显的“U型”曲线。对于最小规模和最大规模的银行来说，遭受网络攻击导致资金损失的风险最高，而在中型机构中，这一风险降至最低点。这一发现挑战了“网络风险会随着银行规模增大而简单下降”的观点。小型银行往往缺乏投入建设强大安全系统的雄厚财力，使其成为容易攻击的目标。相反，大型银行尽管拥有巨额的安全预算，但由于其结构极其复杂且持有如此珍贵的数据，它们仍然是极具吸引力且高回报的攻击目标。中型银行似乎处于一个“甜点区”，它们既拥有足够的资源进行有效防御，又没有让巨型机构变得脆弱的那种压倒性的复杂性。
除了曲线的形状之外，研究还发现，银行规模是预测其网络损失率最强大的单一因素。一旦考虑了银行规模，其他标准的财务指标在解释为什么一家银行的损失比另一家多时，其效力却出人意料地微弱。这表明，网络风险包含了一个巨大的、针对每个机构特有的独特元素，仅通过查看其资产负债表是无法轻易预测的。然而，在确实起作用的因素中，研究人员发现，盈利能力更强、效率更高的银行往往具有较低的损失率。这意味着财务状况良好且管理高效的银行，可能更有能力投资于防止损失的安全措施，或者或许其运营纪律也延伸到了数字防御领域。
该研究利用了2023年的数据，并侧重于“损耗性”损失，即那些定期发生的频繁、小规模事件，而非可能动摇整个系统的罕见灾难性事件。虽然这些数字很小——平均仅为银行收入的略高于一个基点——但它们揭示的模式对监管机构而言意义重大。研究结果表明，一种“一刀切”的网络风险应对方法是不够的。相反，监管者必须认识到，小型社区银行面临的威胁与全球性巨头面临的威胁有着本质的区别，而中间地带则提供了一种令人惊讶的安全感。随着人工智能和新攻击手段的演进，这些基准测量对于理解金融系统在面对无处不在的数字威胁时如何保持稳健，将依然至关重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。