信息安全领域内的风险损失价值估算

最近一直在跟很多IT的兄弟谈信息安全的问题,讨论的内容有很多,技术的、管理的、发展方向的,但有一件事大家都很明确:针对国内的企业现状,信息安全在各个企业中得到的重视程度都不够。

要加强信息安全,无论是管理手段,技术手段或者物理手段,仅靠IT人去推动都会显的十分困难,连CISSP指南里都说过,信息安全一定要执行层面的领导亲自关注并带头推动,才能有较好的效果。

那么如何劝说领导对信息安全加大投入并关注,有两种方法是最有效的,一种是合规性,如果信息安全不合规,会引申出一系列的问题,在中国通常是主管部门的安全审计不合格,企业管理层会负上领导责任,这种情况下,推动安全系统的投入比较好办一点。还有就是经历过痛苦的,由于信息安全管理不善,造成了数据资产的损失,直接带来经济上的损失或者无形资产上的损失,领导终于下了狠话要把安全抓上来,这个属于亡羊补牢的。

在国际上有很多比较成熟的法规要求企业在经营活动当中,对信息安全和个人隐私提供必要的保护,如著名的HIPA法案,PCI DSS等。中国也有这方面的一些规范,但目前执行力度不是很严也没有强制的要求,除了军工、政府、机要等行政上有要求的,商业企业的信息安全管理普遍较弱,在这些企业里,要提高管理层对信息安全的认识还有一种方法可以使用,就是把风险量化了,用金钱价值来衡量数据资产损坏或丢失带来损失。当领导对抽象的数据风险,IT风险不太容易理解的时候,这也不失为一个较好的方法。

将IT风险量化并不是一件很难的事,目前有较好的价值估算模型可以使用,难就难在量化的过程当中,对事件发生概率的估计和事件造成损失的比率的定量性估算,这些关键点需要有实际工作经验的老手进行合理的评估并给出。

以下举例说明风险损失的价值估算

以某CRM系统为例,某公司的客户信息,价格信息产品信息等,全部存于公司的CRM系统当中,公司这些资讯的价值为100万元。

如果系统受到攻击,数据造成泄漏或损坏,那么信息损失为80万元,重建并恢复需10万元,那么单一可预见损失(Single Loss Expectancy)

SLE=80万+10万=90万元,也就是说,一旦信息安全问题发生在CRM上,可预见的损失额为90万元,针对总价值100万元,那么这一事件的风险因子就是90/100=0.9(Exposure Factor)

然而对系统的攻击并不是每时每刻都在发生,即便CRM系统目前处于弱保护状态中,有经验的IT管理人员评估大约每三年才会有一次较强攻击并造成上述的损失。那么该风险的年度发生率ARO(Annualized Rate of Occurrence)就是1/3,约为33.33%。

针对该风险,年度可预见损失ALE (Annual Loss Expectancy)=SLE*ARO=90万*33.33%,约为30万元。

好了,有了上述的基本概念,那么我们如果要上一套安全防护系统,比如说是应用级的防火墙,设备设计寿命5年,共花费采购费用20万和5年的维护费用5万共计25万元,每年的花费为25/5=5万元,每年花费5万元,预期减少风险30万元,该防火墙对公司的价值贡献为25万元。

以上仅是一简单的计算举例,将风险概念量化并评估的计算过程,虽然简单但可以提供将抽象概念价值化的手段。在其它的风险评估模型中,也有定性的分析方法,比如将风险评估为红色、黑色等级别,或者标示为高危、一般等等分析的方法,比如著名的Delphi技术法。

参考资料《CISSP All in one exam guide》

时间: 2024-10-26 13:37:59

信息安全领域内的风险损失价值估算的相关文章

大数据可视化设计在信息安全领域的案例分析

大数据可视化是个热门话题,在信息安全领域,也由于很多企业希望将大数据转化为信息可视化呈现的各种形式,以便获得更深的洞察力.更好的决策力以及更强的自动化处理能力,数据可视化已经成为网络安全技术的一个重要趋势. 一.什么是网络安全可视化 攻击从哪里开始?目的是哪里?哪些地方遭受的攻击最频繁--通过大数据网络安全可视化图,我们可以在几秒钟内回答这些问题,这就是可视化带给我们的效率.大数据网络安全的可视化不仅能让我们更容易地感知网络数据信息,快速识别风险,还能对事件进行分类,甚至对攻击趋势做出预测.可是

知物由学 | 机器学习在信息安全领域的五大典型应用

机器学习(Mashine Learning)顾名思义就是"让计算机具备自主学习的能力".机器学习的过程:首先需要在大规模数据集上使用数学方法进行模型训练,然后利用获得的模型进行预测分类工作.例如Netflix可以根据观看历史,投其所好的给用户推送新剧集:无人驾驶汽车会自己学习如何根据道路情况规避行人. 机器学习在信息安全领域的应用发展迅速.据ABI研究院统计,到2021年,机器学习在网络安全中的应用能够给大数据和人工智能(AI)等相关行业带来960亿美元的市场规模.世界上嗅觉灵敏的科技

为什么用卷积滤波,而不是非常easy的在频率领域内进行数据的频率处理

卷积.为了更好的"动态"滤波. 问题来了.为什么用卷积滤波.而不是非常easy的在频率领域内进行数据的频率处理? 为了强调我觉得的答案,已经用blog标题给出了.卷积.为了更好的"动态"滤波! 有心人可能会思考这种问题,对于带有噪声的输入信号,要滤去高频噪声(例如以下图中的信号,我特意假定输入为y = sin(10x)+sin(1000x)的输入信号,能够明显的观察到强烈的高频噪声) 假设想搞定这个滤去高频噪声本身不是难事.直接fft 转换到频率领域.然后把高频部分

为什么用卷积滤波,而不是很简单的在频率领域内进行数据的频率处理

卷积,为了更好的"动态"滤波! 问题来了,为什么用卷积滤波,而不是很简单的在频率领域内进行数据的频率处理? 为了强调我认为的答案,已经用blog标题给出了.卷积,为了更好的"动态"滤波! 有心人可能会思考这样的问题,对于带有噪声的输入信号,要滤去高频噪声(如下图中的信号,我特意假定输入为y = sin(10x)+sin(1000x)的输入信号,可以明显的观察到强烈的高频噪声) 如果想搞定这个滤去高频噪声本身不是难事,直接fft 转换到频率领域,然后把高频部分直接置0

业余时间,决定一个人的成就(在一个领域内高深的技艺,并非瞬时灵感的迸发,而是业务时间持之以恒的学习,钻研,思考。差距,不知不觉,在一点一点的拉开)

世界很大,两次搭上同一辆出租车的几率很小.两次搭上同一辆出租车,且司机乘客彼此能记住对方的几率,就更小了. 但我不可能忘了这位兰代立,兰师傅,一位写诗与摄影爱好者,一位上车就给乘客分享他的生活态度的司机师傅,一位“人,活出自己就行”的正能量师傅. 画外音:去年<不管月薪五千还是五万,只要活出自己>一文,第一次提到过这位积极乐观的兰才人. 这一次,兰才人又分享了他最近的得意之作,根据乘客的人名作诗,大伙来感受感受: 栩栩如仙袅袅来, 如梦如幻花自开. 倾国倾城为我醉, 快乐如清笑花台. <

信息安全领域有哪些非常棒的资源?

干货大放送!Github最全渗透测试资源! 在线资源: 渗透测试资源:Metasploit Unleashed 链接地址 - 免费攻防安全metasploita课程PTES 链接地址 - 渗透测试执行标准OWASP 链接地址 - 开源Web应用安全项目 Shellcode开发:Shellcode Tutorials 链接地址 - 如何写shellcode的指导Shellcode Examples 链接地址 - Shellcode数据库 社会工程学资源:社工库框架 链接地址 - 社工所需信息资源

信息安全领域大数据应用实战一

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ 希望对您软件项目开发,运维管理,信息按期,系统架构与研

web of science使用之如何迅速找到植物科学相关领域内的SCI期刊及排名

1.打开web of science,选择上方的"Journal Citation Reports". 2.选择左侧的栏目"Select Categories" 3.选择下面的submit后,即可,还可以选择影响因子的区间. 然后可以看到植物科学领域相关的排名期刊了,可以看到前几名的主要是一些综述,所以当想看具体地一些实验时可以选择plant cell,new phytologist等 PS: 1.点进具体的期刊后,可以看到其历年的影响因子了. 2.虽然非常不推崇唯

订单通知短信接口在各领域内的应用

我们在通过一些大型的电子商务网站或者团购网站订购商品时,经常会收到网站自动发送的下单成功.支付成功.配送信息等的订单通知短信.有了这些贴心的订单通知短信,用户能够第一时间知晓自己订单的状态,提升了网站的用户体验,减轻了网站客服的压力. 订单通知短信接口主要应用在: 1.B2C电子商务网站--用户订单短信确认.用户订单信息变更短信确认.用户订单物流信息短信通知. 2.团购网站--用户团购订单短信确认.用户团购订单密码短信发送. 3.手机APP应用--手机APP订单短信确认. 4.线下支付系统--连