¿Base de datos pública disponible para probar la propuesta de seguridad del correo electrónico? [cerrado]

-2

Me gustaría probar un modelo para evitar la fuga de información en un entorno que consta de lo siguiente:

  • un grupo de remitentes de correos electrónicos o mensajes
  • un grupo de receptores de los correos electrónicos de mensajes
  • un conjunto de conexiones establecidas entre los usuarios de los dos grupos mencionados anteriormente

Encontré que la base de datos de Enron tiene una figura como la que estoy buscando, pero el problema es que no tenía casos de fuga de información, que yo sepa. Por esa razón, me gustaría saber si hay algunos conjuntos de datos públicos disponibles que podrían ayudarme a probar mi modelo. Los conjuntos de datos que busco son aquellos que describen los casos de fugas causadas por mensajes de correo electrónico.

    
pregunta Little 14.01.2017 - 15:59
fuente

1 respuesta

1
  

Los conjuntos de datos que busco son aquellos que describen los casos de fugas causadas por mensajes de correo electrónico

Esa es una pregunta concreta, pero pedir una base de datos para hacer esto solo es relevante si sabes más sobre cómo.

Preguntas sobre prevención ; la única forma de evitar fugas accidentales es tener una interfaz de usuario clara, que requiera que agregue destinatarios manualmente y, tal vez, le avise cuando suministre listas de personas como destinatarios. El análisis de datos no tiene realmente un lugar allí.

Pero la filtración intencional puede ocurrir al descargarlo en una tarjeta de memoria y salir. Es realmente difícil detener eso.

Ahora, si está hablando de detectar casos de fuga de información después del hecho, esa es otra historia.

Afortunadamente, most correo electrónico proveedores tienen an audit registro, debido a las estrictas políticas de atención . Cualquier sospecha de fugas puede ser investigada allí.

Si está hablando de detectar realmente fugas de información a medida que ocurren, debe especificar quién puede hablar con quién o detectar comportamientos anómalos mediante el entrenamiento de modelos de análisis de datos. Facinating stuff, pero es más adecuado para Statistics SE

    
respondido por el J.A.K. 14.01.2017 - 19:36
fuente

Lea otras preguntas en las etiquetas