Ders 1.10: Monte Carlo: bir sayı değil, bir dağılım olarak risk

Tek bir beklenen kayıp (ALE), yönetim kurullarının gerçekte sorduğu soruyu gizler: kötü bir yıl ne kadar kötü olabilir? Monte Carlo benzetimi, FAIR modelinde olduğu gibi nokta tahminler yerine aralıklardan binlerce olası yılı oynatarak bunu yanıtlar: bir olay ne sıklıkla olabilir ve her biri neye mal olabilir. Sonuç bir dağılımdır: çoğu yıl hiçbir şey olmaz, bazı yıllar biraz, birkaç yıl çok pahalıya patlar. Laboratuvarda Northwind'in fidye yazılımı senaryosu için benzetilmiş 1.000 yılı okuyor, ortalamayı, 90. ve 99. yüzdelikleri ve bir milyondan fazla kaybetme olasılığını hesaplıyor ve bunları geçen yılın tek sayısıyla karşılaştırıyorsun.

20 dk

Bu derste öğreneceklerin

Tek bir ALE'nin kuyruk riskini neden gizlediğini açıklamak
Bir Monte Carlo risk benzetimini anlatmak (FAIR tarzı sıklık ve büyüklük)
Benzetilmiş yıllardan ortalama ve yüzdelikler hesaplamak
Bir aşım olasılığı hesaplamak
Riski kuyruğuyla birlikte bir aralık olarak raporlamak

Temel terimler

FAIR: Bilgi Riskinin Faktör Analizi: riski kayıp olayı sıklığı ve kayıp büyüklüğüne ayıran açık bir model.
Monte Carlo benzetimi: Bir sonuç dağılımı elde etmek için bir modeli girdi aralıklarından rastgele çekimlerle binlerce kez çalıştırmak.
Yüzdelik (P90, P99): Benzetilmiş sonuçların %90'ının (%99'unun) altında kaldığı değer.
Aşım olasılığı: Yıllık kaybın belirli bir tutardan büyük olma olasılığı.
Lognormal dağılım: Kayıplar için yaygın, çarpık bir dağılım: çoğu küçük, birkaçı çok büyük.

← Pratikte sıfır güven · Tüm dersler · İşi izleyen bir güvenlik stratejisi →