EventTime: новая модель оценивает последствия кибератак для фондового рынка

Кибератаки и утечки данных всё чаще вызывают резкие колебания на фондовых рынках. Однако предсказать масштаб потерь после публикации информации об инциденте сложно из-за редкости таких событий и фонового шума торгов. Новая модель EventTime, описанная в статье на arXiv, предлагает решение этой задачи.

Авторы разработали мультимасштабный фреймворк, который учитывает долгосрочный рыночный контекст, динамику за короткий период до события и метаданные самого инцидента. Специальный модуль слияния связывает временные ряды с атрибутами события, выявляя значимые рыночные паттерны.

Из-за ограниченности данных об аномалиях используется динамическая контрастивная цель: модель обучается на парах примеров, учитывающих как временные ряды, так и характеристики событий. Это позволяет повысить обобщающую способность даже при редких положительных примерах.

Для проверки создан датасет SECURE, объединяющий записи о кибератаках с биржевыми данными и семантическими признаками, полученными из описаний инцидентов с помощью языковых моделей.

Эксперименты показали, что EventTime стабильно превосходит современные базовые модели в оценке краткосрочных потерь после раскрытия кибератак. Анализ также демонстрирует более высокую чувствительность к событиям, устойчивость к неполным метаданным и интерпретируемость результатов.

Разработка может помочь аналитикам и инвесторам быстрее оценивать влияние инцидентов кибербезопасности на отдельные акции и рынок в целом, смягчая последствия неожиданных шоков.