Аналіз та моделювання соціально-економічного розвитку країн з урахуванням рівня їх кібербезпеки

Abstract

Статтю присвячено актуальній темі аналізу й моделювання соціально-економічного розвитку країн з урахуванням рівня їх кібербезпеки. Дана проблематика обумовлена зростанням рівня кіберзлочинів, які набувають глобальних масштабів та їх наслідки призводять до дестабілізації економічних, соціальних та політичних процесів у суспільстві. Дослідження проводилося на основі статистичних даних 141 країни світу за 2019 рік за допомогою мови програмування Python. Національний індекс кібербезпеки було обрано як індикатор, що характеризує рівень країн протидіяти різного роду кіберзагрозам. У якості показників соціально-економічного розвитку було обрано 11 макроекономічних індексів, які характеризують ВВП на душу населення, рівень інфляції, легкість ведення бізнесу, рівень безробіття, тощо. Методика дослідження проводилася у шість етапів. За результатами першого кроку було виявлено, що масив даних не містить пропущених значень, але за рядом показників, таких як рівень інфляції, рівень безробіття, витрати уряду на освіту, дохід за винятком грантів, експорт високих технологій, витрати на кінцеве споживання державного бюджету, ВВП, спостерігаються викиди. Головною причиною цього факту є існування значного розриву між рівнями соціально-економічного розвитку найменш розвинених та розвинених країн. Проведений кореляційний аналіз виявив існування помітної та високої кореляції між факторами: національний індекс кібербезпеки, загальна очікувана тривалість життя при народженні, легкість ведення бізнесу, ВВП на душу населення, наймані працівники та вразлива зайнятість. Їх було обрано для подальших розрахунків, оскільки інші соціально-економічні показники не мають кореляції із національним індексом кібербезпеки. На третьому етапі було використано метод головних компонент для усунення мультиколінеарності, що дозволило сформувати три статистично значущі компоненти. На четвертому етапі було проведено кластеризацію країн за методом k-means, в результаті чого було отримано 5 кластерів країн в залежності від рівня їх кібербезпеки та соціально-економічного розвитку. В результаті сешменти було сформовано країнами, які мають близькі значення, як національного індексу кібербезпеки, так й показників соціально-економічного розвитку. Проведення передискретизації даних на п’ятому етапі дозволило збалансувати спостереження в залежності від обраних класифікаційних груп-кластерів. На шостому етапі було побудовано класифікаційну модель дерева рішень, яка має високі показники загальної точності та для кожної класифікаційної групи, а також яку можна застосовувати для прогнозування ймовірних сегментів соціально-економічного розвитку країн з урахуванням рівня їх кібербезпеки.

The article is devoted to the topical issue of analysis and modelling of countries socio-economic development with considering the level of their cybersecurity. This issue is due to the growing level of cybercrime, which is gaining global scale, and its consequences lead to destabilization of economic, social and political processes in society. The study was conducted based on statistics from 141 countries in 2019 using Python as the programming language. The National Cyber Security Index was chosen as an indicator of the countries level to respond to various types of cyber threats. Eleven macroeconomic indices were selected as indicators of socio-economic development, which characterize GDP per capita, inflation rate, ease of doing business, unemployment rate, etc. The research methodology was conducted in six stages. The first step revealed that the data set did not contain missing values. Still, some indicators, such as inflation, unemployment, government spending on education, income excluding grants, exports of high technology, final consumption expenditures, GDP, are observed like anomalies. The main reason for this fact is the existence of a significant gap between the levels of socio-economic development of the least developed and developed countries. The correlation analysis revealed a substantial and high correlation between factors: the national cybersecurity index, overall life expectancy at birth, ease of doing business, GDP per capita, employees and vulnerable employment. They were selected for further calculations because other socioeconomic indicators do not correlate with the national cybersecurity index. In the third stage, the authors used the principal components method to eliminate multicollinearity, forming three statistically significant components. In the fourth stage, countries were clustered using the k-means method, resulting in 5 sectors depending on the level of countries cybersecurity and socio-economic development. As a result, the segments were formed by countries with similar values, both the national cybersecurity index and indicators of socio-economic development. The data were resampled in the fifth stage to balance the observations depending on the selected classification groupsclusters. In the sixth stage, a decision tree classification model was built, which has high indicators of overall accuracy for each classification group. The model can be used to predict probable segments of socio-economic development of countries based on their cybersecurity.