Come i nostri comportamenti online possono prevedere gli attacchi informatici?

Un gruppo di ricercatori ha creato un modello capace di anticipare gli incidenti di sicurezza informatica usando solo le risposte di un questionario. Sono stati intervistati 453 professionisti di diversi paesi e settori, chiedendo loro di descrivere abitudini digitali, competenze informatiche, tratti della personalità, motivazioni di rischio e quanto il lavoro si mescola alla vita privata. Da queste risposte sono nate 72 regressioni logistiche, ognuna focalizzata su un tipo di evento (da un semplice blocco dell'account a una compromissione totale del dispositivo). I modelli sono stati costruiti su sei gruppi distinti – per livello di istruzione, ruolo IT, e per paese (Ungheria, Regno Unito, USA) – per catturare le differenze culturali e professionali. I risultati mostrano che, quando i dati sono suddivisi in gruppi più piccoli, le previsioni spesso migliorano, perché il modello coglie sfumature specifiche. Gli incidenti più comuni, come login sospetti, sono stati i più facili da prevedere con alta accuratezza (AUC elevato). Per gli eventi rari, il modello a volte si “sovradatta”, ma gli autori hanno introdotto tecniche di calibrazione e controlli di equità per evitare bias demografici. In pratica, questo approccio offre alle aziende uno strumento trasparente e pronto all'uso per individuare comportamenti a rischio e intervenire prima che si trasformino in minacce reali, con un occhio attento alla privacy e all’equità.

Il cuore metodologico dello studio è la regressione logistica stratificata, una tecnica statistica che permette di modellare la probabilità di un evento binario (es. incidente di sicurezza sì/no) in presenza di variabili predittive. A differenza di un modello globale, la stratificazione suddivide il campione in sottogruppi (es. per livello di istruzione o per paese), riducendo l'eterogeneità interna e migliorando la capacità del modello di catturare interazioni specifiche. Ogni modello è stato addestrato su 72 variabili item‑level, cioè le singole risposte del questionario, evitando la perdita di informazione tipica dei punteggi aggregati. Per valutare le performance è stato usato l'AUC (Area Under the ROC Curve), che misura la capacità del modello di distinguere correttamente i casi positivi da quelli negativi. Un AUC vicino a 1 indica eccellente discriminazione, mentre valori intorno a 0,5 corrispondono a una previsione casuale. Per gli eventi rari, l'AUC può risultare ingannevolmente alto a causa dell'overfitting; per mitigarlo, gli autori hanno impiegato la cross‑validation e la calibrazione delle soglie decisionali, assicurando che le probabilità predette corrispondano a frequenze osservate. Inoltre, è stata introdotta una componente di fairness: variabili demografiche (età, genere, nazionalità) sono state monitorate per evitare che il modello favorisca o penalizzi gruppi specifici. Questo è cruciale per l'adozione etica in contesti aziendali, dove decisioni automatizzate possono avere impatti su carriera e privacy. Infine, la trasparenza del modello logistico consente di interpretare i coefficienti: un valore positivo indica che l'indicatore aumenta la probabilità di incidente, mentre un valore negativo la riduce. Tale interpretabilità è rara nei modelli di machine learning più complessi, ma fondamentale per guadagnare la fiducia degli stakeholder e per progettare interventi mirati di formazione o policy aziendali.