【講座題目】用于建模多變量網(wǎng)絡(luò)數(shù)據(jù)泄露風險的集合雙變量Copula

【時 間】2024年6月19日    上午：9:00-10:30

【地 點】保定校區(qū) 自動化系315

【主講人】徐茂超，博士/教授，伊利諾伊州州立大學

【主講人簡介】

徐茂超博士于2010年在美國波特蘭州立大學獲得統(tǒng)計學博士學位，現(xiàn)為伊利諾伊州立大學數(shù)學系終身教授，研究生項目Director，網(wǎng)絡(luò)安全保險專家。他同時擔任英國網(wǎng)絡(luò)風險評估公司Rankiteo人工智能部門 Head，還曾多次擔任其他公司的網(wǎng)絡(luò)安全保險顧問，例如美國網(wǎng)絡(luò)安全公司CouldCover顧問，美國網(wǎng)絡(luò)風險評估公司Safe Security的顧問等。徐教授的研究領(lǐng)域為網(wǎng)絡(luò)風險評估，統(tǒng)計建模以及網(wǎng)絡(luò)安全保險。他的研究曾獲伊利諾伊州立大學杰出研究獎，北美精算師協(xié)會最佳論文獎，以及應(yīng)用統(tǒng)計雜志最佳論文推薦獎等。近年來相關(guān)研究的成果均發(fā)表于Annals of Applied Statistics, Technometrics，IEEE Transactions on Information Forensics and Security，IISE Transactions 等國際頂級期刊。

【講座內(nèi)容簡介】

對網(wǎng)絡(luò)數(shù)據(jù)泄露風險進行建模是一個巨大的挑戰(zhàn)，主要是由于在有限數(shù)據(jù)背景下錯綜復雜的多元依賴關(guān)系。在這次演講中，我們討論了一種新的集成學習方法，該方法有效地捕捉了網(wǎng)絡(luò)風險固有的時間和截面依賴性。所提出的方法與傳統(tǒng)的直接建模風險的多變量依賴性方法有顯著不同。相反，我們的方法利用雙變量Copula來生成預測成員，以捕捉多變量相關(guān)性，并通過最小化分布得分來校準由此產(chǎn)生的預測分布。此外，將所提出的模型應(yīng)用于保險定價，結(jié)果表明，它可以產(chǎn)生更有利的合同。通過廣泛的仿真和真實數(shù)據(jù)分析，研究結(jié)果表明，所提出的模型具有令人滿意的擬合和預測性能，并優(yōu)于文獻中的模型。