⚠️ Service en cours de conception.
L'intégralité du corpus des publications scientifiques est en cours d'intégration —
les contenus affichés peuvent être incomplets ou erronés et
ne doivent pas encore être considérés comme fiables.
Cybercriminalité et études sur les forces de l'ordre
This cluster of papers explores various aspects of cybercrime, including identity theft, online fraud, drug trafficking on the dark web, hacker communities, and the application of routine activity theory to understand victimization. It delves into the complexities of cryptomarkets, law enforcement challenges, and the psychological and financial impact of cyber-fraud victimization.
La cybercriminalité désigne l'ensemble des infractions pénales perpétrées au moyen de systèmes informatiques, de réseaux de télécommunications ou de dispositifs numériques. Ce phénomène transcende les frontières nationales, exploitant la nature décentralisée et interconnectée de l'Internet pour porter atteinte à la sécurité des systèmes d'information [2]. Elle englobe une variété de comportements, allant du vol de données sensibles à la fraude en ligne, en passant par le trafic de drogues sur le dark web, jusqu'à la vandalisation numérique. Le domaine ne se limite pas aux agresseurs ; il inclut également les études sur les réactions et les stratégies des forces de l'ordre, cherchant à comprendre comment les institutions judiciaires et policières font face à ces nouvelles menaces. L'analyse de la cybercriminalité repose sur des cadres théoriques comme la routine activity theory, qui explique la victimation par l'intersection de trois éléments : un délinquant motivé, une cible vulnérable et l'absence d'un gardien [8]. Ce champ d'étude est multidimensionnel, impliquant la criminologie, le droit pénal, l'informatique et la psychologie, et soulève des questions cruciales sur la souveraineté, la preuve numérique et l'impact psychologique des victimes.
Objet et périmètre d'étude
Le périmètre de la cybercriminalité est vaste et ne se limite pas à la simple utilisation d'ordinateurs. Il englobe les actes illicites commis à l'aide de technologies de l'information et de la communication (TIC), qu'il s'agisse de supports physiques ou de réseaux virtuels. Dans le contexte juridique, la définition varie selon les juridictions, mais le principe général vise à criminaliser les comportements qui portent atteinte à la sécurité des systèmes d'information ou aux droits des personnes [3]. Par exemple, au Brésil, la criminalité cibernetique a été précisée par la loi n° 12.737/2012, qui vise à adapter le droit pénal aux réalités du cyberespace, tout en soulignant les défis liés à la construction d'une dogmatique pénale adaptée [3]. Cette adaptation législative est essentielle pour définir avec précision les infractions, notamment le vol de données de clients bancaires, qui constitue une forme de cybercriminalité majeure [1].
Le périmètre d'étude s'étend également aux victimes. Les recherches montrent que les personnes âgées sont particulièrement vulnérables aux cyberattaques, souvent en raison de préjugés liés à l'âgeisme et de facteurs socio-économiques [4]. Ces études mettent en lumière la notion de « victime idéale », c'est-à-dire celle qui est socialement perçue comme responsable de sa propre victimisation, ce qui peut entraver la justice. De plus, le vandalisme dans l'espace cyberspace, défini comme la dégradation ou la destruction de biens numériques, reste un problème persistant, notamment dans les contextes académiques ou institutionnels [7]. Enfin, le périmètre inclut les menaces étatiques, où les États peuvent eux-mêmes commettre des cyberattaques, créant un « nexus politique-criminel » complexe à analyser [11].
Histoire et grandes étapes
L'histoire de la cybercriminalité est liée à l'évolution des technologies. Les premiers actes de piratage informatique remontent aux années 1970 et 1980, avec l'émergence des premiers hackers et des réseaux militaires et universitaires. Au fil du temps, la sophistication des outils et des méthodes s'est accrue, passant des simples intrusions à des opérations transnationales complexes. Au Brésil, l'évolution du cadre juridique a suivi cette dynamique, avec l'adoption de lois spécifiques pour lutter contre les crimes cibernétiques, marquant une reconnaissance officielle du problème [12]. L'année 2012 a été un tournant avec la loi brésilienne susmentionnée, qui a tenté de fournir un cadre juridique clair pour lutter contre ces infractions [3].
L'explosion d'Internet et la généralisation des transactions en ligne ont accéléré l'essor de la cybercriminalité, notamment avec l'apparition des marchés cryptographiques (cryptomarkets) sur le dark web. Ces plateformes, souvent utilisées pour le trafic de drogues et d'armes, ont créé de nouveaux défis pour les forces de l'ordre, qui doivent naviguer entre la protection de la vie privée et la nécessité d'investigations efficaces. L'histoire de la réponse institutionnelle est marquée par des tentatives de coopération internationale, bien que des obstacles subsistent, notamment en matière de juridiction territoriale. L'étude des limites de la juridiction subjective territoriale dans le contexte cybernétique montre que les lois nationales peinent à s'appliquer de manière uniforme aux actes commis sur des réseaux mondiaux [9]. Cette complexité historique et juridique constitue le fondement des études contemporaines sur la cybercriminalité et la sécurité.
Concepts et théories fondamentales
La compréhension de la cybercriminalité repose sur plusieurs concepts clés. La routine activity theory, développée par Cohen et Felson, postule que la criminalité est le résultat de l'intersection opportuniste d'un délinquant motivé, d'une cible attractive et d'un gardien absent [8]. Dans le cyberespace, les « gardiens » sont souvent des mécanismes de sécurité (antivirus, pare-feu) ou des institutions de régulation, dont l'efficacité est variable. Cette théorie permet d'expliquer pourquoi certaines personnes ou organisations sont plus vulnérables que d'autres.
Un autre concept central est celui de la communauté de hackers. Ces groupes, souvent organisés en réseaux, partagent des compétences, des motivations et des codes éthiques. Les études sur ces communautés montrent qu'elles peuvent être à la fois des sources d'innovation technique et des vecteurs de menaces. La psychologie des délinquants numériques est également un domaine d'étude important, cherchant à comprendre les motivations (gain, revendication politique, plaisir) [réf. nécessaire]. Enfin, la notion de « idéal victimhood » est cruciale pour analyser les réponses sociales et juridiques. Les victimes âgées, par exemple, sont parfois perçues comme moins compétentes techniquement, ce qui peut influencer l'attention des médias et des enquêteurs [4].
Formalismes et lois clés
Le formalisme juridique de la cybercriminalité varie considérablement selon les pays, mais repose sur des principes communs. Au Brésil, la loi n° 12.737/2012 a établi des infractions spécifiques pour les crimes cibernétiques, incluant l'accès non autorisé à des systèmes, l'interception de communications et l'atteinte à la integrité de données [3]. Cette loi vise à criminaliser les comportements qui portent atteinte à la sécurité des systèmes d'information et aux droits des utilisateurs. Dans le contexte pénal, la tipicidade (la typicité) des crimes cibernétiques est un sujet de débat, car la nature numérique des infractions pose des défis pour l'application des classifications traditionnelles [3].
D'un point de vue technique, les formalismes incluent les protocoles de preuve numérique et les méthodes d'analyse des systèmes compromis. La forensique informatique (computer forensics) est un domaine crucial qui utilise des techniques pour recueillir, conserver et analyser des données numériques de manière admissible en justice. Les outils et techniques de forensique informatique doivent être fiables et reproductibles pour garantir l'intégrité des preuves [10]. Les formalismes techniques incluent également les méthodes de cryptographie, utilisées pour sécuriser les communications et les transactions, et les algorithmes de détection d'anomalies pour identifier les comportements suspects. Ces formalismes sont essentiels pour la lutte contre la cybercriminalité, car ils fournissent les cadres juridiques et techniques nécessaires pour poursuivre les délinquants et protéger les systèmes d'information.
Méthodes et instruments
La lutte contre la cybercriminalité repose sur une combinaison de méthodes juridiques, techniques et opérationnelles. Sur le plan juridique, les procédures administratives et pénales doivent être adaptées pour traiter les infractions numériques. Une étude sur l'efficacité des procédures administratives en Slovaquie a montré que la clarté des lois et la rapidité des procédures sont cruciales pour l'application de la justice [6]. Les enquêteurs doivent être formés pour recueillir des preuves numériques conformément aux standards de la forensique informatique, afin d'éviter leur contamination ou leur altération.
Sur le plan technique, les instruments utilisés incluent les outils de forensique informatique, les systèmes de surveillance et les plateformes d'analyse de données. Les outils de forensique informatique permettent de récupérer des données sur des appareils compromis, de reconstruire les activités des attaquants et de localiser les sources des attaques [10]. Les systèmes de surveillance, tels que les systèmes de détection d'intrusion (IDS), aident à identifier les activités malveillantes en temps réel. Les plateformes d'analyse de données, comme les systèmes d'information, permettent de traiter de grandes quantités d'appels d'offres et de menaces pour identifier les tendances et les motifs. Les méthodes de cryptomarkets, utilisées pour le trafic de drogues et d'armes, posent des défis particuliers, car elles nécessitent des techniques d'investigation avancées pour pénétrer ces marchés et identifier les participants.
Principales sous-disciplines
Le domaine de la cybercriminalité englobe plusieurs sous-disciplines. La criminologie numérique étudie les comportements illicites dans le cyberespace, en se concentrant sur les motivations, les profils et les impacts des délinquants et des victimes. La forensique informatique est une sous-discipline technique qui s'occupe de l'analyse des preuves numériques pour les fins judiciaires. Le droit pénal de l'informatique traite de la définition et de la sanction des infractions liées aux technologies. La sécurité des systèmes d'information est une sous-discipline qui vise à protéger les actifs numériques contre les menaces. Enfin, la psychologie de la victime numérique étudie les impacts psychologiques et financiers de la victimisation, en particulier chez les personnes âgées [4]. Ces sous-disciplines interagissent de manière complexe, car la cybercriminalité est un phénomène transversal qui nécessite une approche multidisciplinaire pour être compris et combattu.
Résultats et découvertes majeurs
Les recherches ont permis de mettre en évidence plusieurs résultats majeurs. Premièrement, la vulnérabilité des personnes âgées aux cyberattaques est un phénomène bien documenté, avec des impacts psychologiques et financiers significatifs [4]. Deuxièmement, la criminalité sur le dark web, notamment le trafic de drogues, est une réalité persistante, malgré les efforts des forces de l'ordre [8] [réf. nécessaire]. Troisièmement, la coopération internationale est essentielle pour lutter contre la cybercriminalité, mais des obstacles juridiques et techniques restent à surmonter [9]. Quatrièmement, la forensique informatique a évolué pour devenir un outil indispensable pour la justice, avec des techniques de pointe permettant de récupérer des données sur des appareils compromis [10]. Enfin, l'analyse des données montre que la routine activity theory reste un cadre pertinent pour comprendre la victimisation dans le cyberespace [8] [réf. nécessaire].
Débats, limites et questions ouvertes
Le domaine de la cybercriminalité est marqué par de nombreux débats et limites. L'un des principaux débats concerne la définition des crimes cibernétiques et l'adaptation du droit pénal aux réalités numériques. Au Brésil, la loi n° 12.737/2012 a été critiquée pour sa complexité et son manque de clarté, ce qui peut entraver son application [3]. De plus, la question de la juridiction est complexe, car les actes commis sur des réseaux mondiaux peuvent échapper à la souveraineté des États [9]. D'autre part, la forensique informatique fait face à des défis techniques, notamment la difficulté de traiter des données massives et la nécessité de garantir l'admissibilité des preuves en justice [10] [réf. nécessaire].
Les limites méthodologiques sont également présentes. Les études sur la cybercriminalité sont souvent basées sur des données de cas ou des enquêtes, ce qui peut limiter leur généralisabilité. De plus, la nature évolutive des technologies rend difficile la prédiction des futures menaces. Les questions ouvertes incluent le développement de nouvelles méthodes de détection et de prévention, l'amélioration de la coopération internationale et la compréhension des motivations des délinquants numériques. Enfin, l'impact des cyberattaques sur la santé mentale des victimes, en particulier les personnes âgées, reste un domaine de recherche peu exploré [réf. nécessaire].
Liens avec les domaines voisins
La cybercriminalité est un domaine transversal qui s'articule autour de plusieurs domaines scientifiques. Elle est intimement liée aux systèmes d'information, car les infractions ciblent souvent les vulnérabilités de ces systèmes [2]. Elle s'inscrit également dans le cadre de l'économie numérique, où les transactions en ligne sont devenues des cibles privilégiées pour les délinquants [12]. Les technologies de l'information et de la communication jouent un rôle central dans la propagation des menaces, et leur compréhension est essentielle pour lutter contre la cybercriminalité. De plus, la cybercriminalité est liée à la psychologie, car elle implique des comportements humains et des motivations complexes. Enfin, la cybercriminalité est un défi pour les forces de l'ordre, qui doivent adapter leurs méthodes d'investigation et de prévention aux réalités numériques. Ces liens montrent que la cybercriminalité est un domaine multidisciplinaire qui nécessite une approche globale pour être compris et combattu.
Chercheurs essentiels
Jason R. C. Nurse — premier·e auteur·e de 2 publications du corpus (376 citations cumulées) — contribution majeure à la compréhension des communautés de hackers et des dynamiques de victimisation numérique.
Thomas J. Holt — premier·e auteur·e de 5 publications du corpus (110 citations cumulées) — contribution majeure à l'étude des motivations des délinquants numériques et des liens entre criminalité et technologies.
Julia Davidson — premier·e auteur·e de 2 publications du corpus (136 citations cumulées) — contribution majeure à l'analyse des impacts psychologiques et financiers de la victimisation, particulièrement chez les personnes âgées.
Waqas Ahmed — premier·e auteur·e de 1 publication du corpus (148 citations cumulées) — contribution majeure à l'étude des menaces dans le cyberespace et des stratégies de réponse.
Bruce Caulkins — premier·e auteur·e de 1 publication du corpus (152 citations cumulées) — contribution majeure à l'analyse des comportements criminels et des dynamiques de victimisation.
Eric R. Louderback — premier·e auteur·e de 1 publication du corpus (153 citations cumulées) — contribution majeure à l'étude des cybercrimes et des impacts sur les victimes.
Somaya Al-Máadeed — premier·e auteur·e de1 publication du corpus (132 citations cumulées) — contribution majeure à l'étude des cybercrimes et des défis juridiques dans les juridictions spécifiques.
Syed Qamar Abbas — premier·e auteur·e de 1 publication du corpus (135 citations cumulées) — contribution majeure à l'étude des cybercrimes et des impacts sur les victimes.
Hüseyin Cakır — premier·e auteur·e de 1 publication du corpus (108 citations cumulées) — contribution du premier auteur d'une publication sur la forensique informatique et les défis techniques de l'analyse de preuves numériques.
Abdalmuttaleb Al-Sartawi — premier·e auteur·e de 2 publications du corpus (107 citations cumulés) — contribution majeure à l'étude des cybercrimes et des défis juridiques dans les juridictions spécifiques.
Applications essentielles
Développement de plateformes de forensique informatique pour l'analyse de preuves numériques et la reconstruction d'activités malveillantes.
Mise en place de systèmes de détection d'intrusion et de surveillance en temps réel pour identifier et neutraliser les menaces cybernétiques.
Application de la routine activity theory dans les politiques de sécurité pour identifier les cibles vulnérables et renforcer les mécanismes de protection.
Analyse des données et utilisation de l'exploration de données pour détecter les motifs de cybercriminalité et prédire les attaques futures.
Utilisation de technologies de cryptographie et de blockchain pour sécuriser les communications et les transactions dans les systèmes d'information.
Création de cadres juridiques adaptés, comme la loi n° 12.737/2012 au Brésil, pour criminaliser les infractions numériques et faciliter les poursuites.
Formation des forces de l'ordre et des enquêteurs dans les techniques de forensique informatique et les procédures juridiques spécifiques aux cybercrimes.
Études sur les impacts psychologiques et financiers des victimes pour adapter les services d'aide et les mécanismes de réparation.
La cybercriminalité désigne l'ensemble des activités illicites perpétrées à l'aide de technologies de l'information et de la communication, principalement l'internet. Ce domaine englobe le vol de données [réf. nécessaire], la fraude en ligne, le trafic de drogues sur le dark web [réf. nécessaire], l'attaque des infrastructures critiques [réf. nécessaire] et la manipulation d'algorithmes [réf. nécessaire]. Elle constitue une menace transnationale qui complexifie la lutte judiciaire et policière, nécessitant une approche multidimensionnelle alliant expertise technique, analyse criminologique et coopération internationale. Les études sur les forces de l'ordre se concentrent sur les défis opérationnels, juridiques et psychologiques rencontrés par les institutions chargées de l'investigation et de la répression de ces délits numériques. Le périmètre d'étude couvre ici les méthodes d'investigation forensique [réf. nécessaire], l'adaptation des procédures pénales aux infrastructures décentralisées, et l'impact psychologique des victimes et des enquêteurs face à des attaques sophistiquées.
Objet et périmètre d'étude
Le périmètre de la cybercriminalité est défini par l'utilisation de systèmes d'information comme vecteur d'infraction. Contrairement aux délits physiques, elle bénéficie de l'absence de frontières géographiques, rendant la coopération entre juridictions cruciale. Les infractions varient du vol de données bancaires à la destruction de systèmes, en passant par l'hébergement de contenus illicites. Les sources indiquent que le vol de données de nomenclature bancaire constitue une forme de cybercriminalité spécifique, souvent liée à des opérations de phishing ou d'ingénierie sociale visant à contourner les protocoles de sécurité des banques [1]. Cette catégorie d'actes nécessite une analyse technique approfondie pour établir la preuve matérielle.
La vulnérabilité des populations âgées représente un sous-domaine important de l'étude. La littérature récente sur la cybercriminalité contre les citoyens âgés explore les intersections entre l'âgeisme, la notion de « victime idéale » et les facteurs socio-économiques. Les études suggèrent que les personnes âgées sont souvent ciblées en raison de leur moindre familiarité avec les technologies [réf. nécessaire] et de leurs réserves financières potentielles, ce qui alimente des stratégies d'exploitation spécifiques [4]. Le contexte socio-économique joue un rôle déterminant dans la propension à être victime ou auteur d'actes délinquants dans ces échanges.
Histoire et grandes étapes
L'évolution de la cybercriminalité suit l'essor des technologies numériques. Les premiers actes notoires datent des années 1970-1980, avec l'apparition des virus informatiques et des premiers hackers. L'explosion d'Internet dans les années 1990 a permis la généralisation des délits en ligne, passant de la simple manipulation de données à la criminalité organisée transnationale. Au Brésil, l'adoption de la Loi n° 12.737/2012 a marqué une étape décisive en tentant de définir la tipicidade (la typicité) des crimes cibernétiques dans le droit pénal, bien que la dogmatique pénale ait parfois du mal à intégrer la spécificité des infractions numériques [3]. Cette législation a cherché à construire un cadre juridique adapté à la réalité du cyberespace.
L'analyse du vandalisme dans l'espace cyberspace révèle une continuité historique : les actes de dégradation volontaire de systèmes informatiques existent depuis l'ère pré-Internet, mais ont trouvé un nouveau terrain d'expression numérique [7]. L'émergence du dark web a par la suite modifié la nature des trafics, en offrant un anonymat accru pour les échanges illicites, notamment les drogues et les services frauduleux. L'histoire de la cybercriminalité est donc marquée par une course entre les innovations technologiques défensives et offensives, avec des étapes clés correspondant à l'adoption de nouvelles lois et à la sophistication des outils d'investigation.
Concepts et théories fondamentales
La compréhension de la cybercriminalité repose sur plusieurs concepts clés. La routine activity theory, issue de la criminologie classique, est fréquemment appliquée pour expliquer la victimisation numérique. Selon cette théorie, un délit numérique ne survient que lorsque trois conditions se rencontrent simultanément : un potentiel larron, une cible vulnérable et l'absence d'un gardien (capacité d'intervention). Dans le contexte numérique, le « gardien » peut être un pare-feu, un algorithme de détection ou un opérateur humain [8]. L'application de cette théorie permet d'identifier les failles dans les systèmes d'information et les comportements utilisateurs propices aux attaques.
La notion de « dogmática penal » (dogmatique pénale) est centrale dans les études juridiques, notamment au Brésil, pour déterminer si un acte relève de la cybercriminalité ou d'une infraction traditionnelle. La construction de cette dogmatique est influencée par la législation, mais aussi par la jurisprudence qui tente de concilier les infractions physiques et numériques [3]. Par ailleurs, la notion de « ideal victimhood » (victime idéale) est débattue dans les études sociologiques, particulièrement pour les populations âgées, où les stéréotypes peuvent influencer l'attention des forces de l'ordre et l'attribution de responsabilité [4].
Formalismes et lois clés
Le formalisme juridique de la cybercriminalité varie considérablement selon les juridictions. Au Brésil, le cadre civil de l'Internet, défini par la loi, sert de base pour l'analyse des responsabilités civiles et pénales, notamment dans les cas de violation de données personnelles et de atteinte à la propriété intangible [12]. L'analyse comparative montre que la définition des crimes cibernétiques est souvent liée à la localisation des infrastructures ou à la nationalité des acteurs, posant des problèmes de compétence territoriale subjective [9].
Les lois pénales visent à sanctionner le vol de données de nomenclature bancaire et les fraudes en ligne. La typicité des infractions exige souvent de prouver l'existence d'un dommage matériel ou moral, ce qui est complexe dans le cyberespace en raison de la nature éphémère des traces numériques. Les textes juridiques tentent de définir précisément les actes constitutifs de délit, allant de l'usurpation d'identité à la destruction de systèmes, en passant par le trafic de données sensibles [1][3]. La précision de ces formalismes est essentielle pour garantir la répression des délits tout en protégeant les droits fondamentaux.
Méthodes et instruments d'investigation
La lutte contre la cybercriminalité repose sur des méthodes d'investigation spécialisées, notamment la forensique informatique. L'inventaire des outils et techniques disponibles montre une évolution vers des méthodes plus automatisées et scalables. Les enquêteurs utilisent des logiciels d'analyse de disques durs, de capture de paquets réseau et de récupération de données pour établir la chaîne de custody des preuves numériques [10]. Les défis majeurs incluent la protection de l'intégrité des preuves et la nécessité de formations continues pour les enquêteurs.
L'efficacité des procédures administratives et judiciaires est un sujet d'étude important. Dans le contexte slovaque, l'efficacité des procédures administratives dans le domaine des infractions a été évaluée, mettant en lumière les délais et les obstacles bureaucratiques dans la répression des délits [6]. L'analyse des procédures permet d'identifier les points de blocage, tels que la lourdeur des formalités ou le manque de ressources, qui peuvent empêcher une répression efficace. L'amélioration de ces procédures est cruciale pour garantir une réponse rapide et adaptée aux cybermenaces.
Sous-disciplines et typologies
La cybercriminalité englobe plusieurs sous-disciplines. Les ciberdelitos (cyberdélits) couvrent un large éventail d'infractions, des atteintes à la propriété intellectuelle aux crimes contre l'ordre public [5]. Les études sur les communautés de hackers révèlent des structures hiérarchiques et des codes d'éthique internes, parfois en conflit avec les lois nationales. Le vandalisme dans l'espace cyberspace, qu'il soit motivé par la destruction ou le protestation, reste une pratique récurrente [7].
Une typologie particulière concerne les menaces politiques et criminelles de l'État. L'étude du nexus politique-criminel dans les crimes d'État explore comment les gouvernements peuvent utiliser des techniques cybernétiques pour surveiller, persécuter ou manipuler les populations, ou comment les acteurs non étatiques s'approprient ces techniques [11]. Cette dimension ajoute une complexité supplémentaire à la lutte contre la cybercriminalité, car elle implique souvent des acteurs souverains et des enjeux de sécurité nationale.
Résultats et découvertes majeures
Les recherches ont permis de mettre en évidence plusieurs résultats majeurs. L'analyse des données de nomenclature bancaire a révélé des méthodes d'ingénierie sociale sophistiquées utilisées par les auteurs pour contourner les systèmes de sécurité [réf. nécessaire]. Les études sur les citoyens âgés ont montré que les stéréotypes liés à l'âge influencent la perception des forces de l'ordre et la qualité du soutien apporté aux victimes [4]. La forensique informatique a démontré la nécessité de standards internationaux pour l'analyse des preuves numériques afin d'assurer leur admissibilité en justice [réf. nécessaire].
Les enquêtes sur les ciberdelitos ont également révélé que la criminalité dans le cyberespace est souvent liée à des réseaux transnationaux, rendant la coopération internationale indispensable [réf. nécessaire]. L'analyse des lois brésiliennes a montré que l'adaptation du droit pénal aux réalités numériques est un processus en cours, avec des défis dogmatiques et pratiques [3]. Ces découvertes alimentent les débats sur la réforme des systèmes judiciaires et la modernisation des services de police.
Débats, limites et questions ouvertes
Les débats actuels portent sur la définition même de la cybercriminalité et la portée de la loi. La question de la compétence territoriale subjective est débattue, car les infractions numériques peuvent être commises depuis un territoire différent de celui de la victime ou de l'auteur [9]. Les limites de la législation nationale face à la nature transnationale du cyberespace posent des problèmes de répression.
Les limites méthodologiques des études sont également soulignées. La forensique informatique fait face à des défis techniques majeurs, notamment la protection des données sensibles et l'analyse de preuves complexes [10]. Les études sur les victimes soulignent la nécessité de mieux comprendre les facteurs psychologiques et socio-économiques pour prévenir la victimisation [4]. Les questions ouvertes incluent l'impact de l'intelligence artificielle sur l'évolution des cybermenaces et la nécessité de développer de nouvelles compétences pour les forces de l'ordre.
Liens avec les domaines voisins
La cybercriminalité est intrinsèquement liée à d'autres domaines scientifiques et technologiques. L'analyse des données (data mining) est utilisée pour détecter les modèles d'activité frauduleuse et prévenir les attaques [8]. Les applications de l'IA et du Big Data permettent de traiter de vastes volumes de données pour identifier les menaces et les auteurs potentiels [réf. nécessaire]. Les technologies blockchain et de la cryptomonnaie posent des défis particuliers en termes de traçabilité et de conformité réglementaire [5].
Les liens avec les systèmes d'information sont évidents, car la sécurité de ces systèmes est directement liée à la réduction des risques de cybercriminalité. L'architecture de l'information et l'utilabilité des interfaces jouent un rôle dans la prévention des erreurs humaines, qui sont souvent la cause des violations de sécurité [réf. nécessaire]. Les applications web et de gestion des données sont des cibles privilégiées pour les attaquants, nécessitant des mesures de protection spécifiques [réf. nécessaire]. La coopération entre les domaines de la sécurité informatique et de la criminologie est essentielle pour développer des stratégies de prévention et de répression efficaces.
Thomas J. Holt — Contributeur majeur à l'étude des communautés de hackers et des dynamiques de victimisation numérique, avec une production importante sur les liens entre criminalité et technologies [8][11].
Jason R. C. Nurse — Expert en cybersécurité et forensique, auteur de travaux sur les défis de la cybersécurité dans les pays en développement et sur les impacts de la cybercriminalité [8][10].
Julia Davidson — Spécialiste de la victimisation numérique et des impacts psychologiques des fraudes en ligne, notamment sur les populations vulnérables [4][8].
Eric R. Louderback — Auteur de recherches sur les comportements des cybercriminels et les dynamiques des attaques informatiques [8].
Bruce Caulkins — Chercheur dans le domaine de la criminologie analytique et des méthodes quantitatives appliquées à la cybercriminalité [8].
Waqas Ahmed — Auteur d'études sur les communautés de hackers et les dynamiques de victimisation numérique [8].
Syed Qamar Abbas — Chercheur dans le domaine de la criminalité financière et des fraudes en ligne [8].
Somaya Al-Máadeed — Spécialiste de la cybersécurité et des défis de la sécurité dans les environnements numériques [8].
Mohammad Aljanabi — Auteur de recherches sur les impacts de la cybercriminalité et les défis de la répression [8].
Hüseyin Cakır — Chercheur dans le domaine de la forensique informatique et des méthodes d'investigation numérique [10].
Applications essentielles
Forensique informatique : Utilisation de techniques spécialisées pour la collecte, l'analyse et la préservation des preuves numériques dans les enquêtes judiciaires [10].
Analyse de données et Data Mining : Application d'algorithmes pour détecter les modèles d'activité frauduleuse et prévenir les attaques cybernétiques [réf. nécessaire]
Applications de l'IA et du Big Data : Utilisation de l'intelligence artificielle pour traiter de vastes volumes de données et identifier les menaces en temps réel [réf. nécessaire]
Systèmes de détection d'intrusion : Technologies de sécurité pour identifier et bloquer les activités malveillantes sur les réseaux informatiques [réf. nécessaire]
Applications web et gestion des données : Développement de protocoles de sécurité pour protéger les données sensibles stockées et transmises sur les réseaux [8].
Applications mobiles et web : Sécurisation des applications mobiles et web pour prévenir les fraudes et les vols de données [8].
Applications des technologies avancées : Intégration de technologies de pointe pour renforcer la résilience des systèmes d'information contre les cybermenaces [8].
[3] A TIPICIDADE DOS CRIMES CIBERNÉTICOS NO DIREITO PENAL BRASILEIRO: Um estudo sobre o impacto da Lei nº 12.737/2012 e a (des)construção de uma dogmática penal dos crimes cibernéticos. (2022). https://doi.org/10.29327/555260.1-2
La cybercriminalité désigne l'ensemble des activités illicites perpétrées par des acteurs privés ou publics, directement ou indirectement, au moyen de technologies de l'information et de la communication (TIC). Ce domaine, situé à l'intersection de la criminologie, du droit et de la sécurité informatique, englobe les infractions aux systèmes d'information, le vol de données, la fraude en ligne et l'exploitation des failles numériques. Les études sur les forces de l'ordre s'intéressent quant à elles aux défis opérationnels, juridiques et stratégiques rencontrés par les institutions chargées de la prévention, de l'investigation et de la répression de ces menaces. Le périmètre d'étude est transnational, car les infractions numériques traversent les frontières nationales, nécessitant une coopération internationale et une adaptation des cadres réglementaires [1][2][3].
L'évolution de la cybercriminalité est corrélée à l'explosion de l'interconnexion mondiale. Si les premiers actes de piratage informatique datent des années 1970, [réf. nécessaire] l'ère moderne de la criminalité numérique s'est accélérée avec la généralisation d'Internet, facilitant l'anonymat et la portée des attaques. Le développement des marchés cryptés, des réseaux de vente de données et des plateformes de paiement frauduleux a complexifié le paysage menaçant. Les forces de l'ordre font face à une asymétrie informationnelle : les attaquants possèdent souvent une avance technologique et des ressources plus importantes que les services de police traditionnels, rendant l'investigation difficile et la répression souvent tardive [4][5][6].
Les concepts fondamentaux de la cybercriminalité reposent sur la compréhension des dynamiques de victimation et des comportements délinquants. La théorie de l'activité routinière (Routine Activity Theory) est fréquemment mobilisée pour expliquer comment la convergence d'un larron motivé, d'une cible vulnérable et de l'absence d'un gardien potentiel dans l'espace numérique conduit à la commission d'un crime [7]. Cette théorie permet d'analyser la vulnérabilité des individus, notamment les personnes âgées, en examinant les facteurs socio-économiques et l'âgeisme qui peuvent exacerber leur exposition aux arnaques en ligne [4]. Parallèlement, l'étude des communautés de hackers et des marchés de la dark web révèle des structures organisationnelles sophistiquées, allant de simples réseaux d'amis à des structures hiérarchiques commerciales [réf. nécessaire]
Les formalismes juridiques et les cadres réglementaires constituent un pilier essentiel de la lutte contre la cybercriminalité. Le droit pénal doit s'adapter à la nature transfrontalière des infractions. Au Brésil, par exemple, la loi n° 12.737/2012 a tenté de construire une dogmatique pénale spécifique pour les crimes cibernétiques, définissant la tipicité (la typicité) des infractions pour mieux appréhender les atteintes aux sistemas d'information [3]. Cependant, la définition même du crime cibernétique reste sujette à débat, certains auteurs soulignant les limites de ces classifications face à la rapidité d'évolution des technologies [3][12]. Le concept de juridiction subjective territoriale, c'est-à-dire la capacité d'un État à juger des infractions commises hors de son territoire, est particulièrement problématique en droit pénal international, nécessitant des accords bilatéraux et multilatéraux pour l'extradition et la coopération judiciaire [9].
Les méthodes d'investigation et la forensique informatique sont cruciales pour la répression. La forensique numérique (Computer Forensics) vise à préserver, extraire et analyser les preuves numériques de manière admissible en justice. Les études récentes sur l'état de l'art des outils et techniques de forensique mettent en lumière les défis liés à la protection des données et à la chaîne de custody [10]. L'efficacité des procédures administratives et judiciaires est également examinée, notamment en Slovaquie, où l'analyse des délais et des processus administratifs peut révéler des goulets d'étranglement dans la répression des infractions mineures [6]. L'analyse des données (Data Mining) et l'utilisation de l'intelligence artificielle (IA) sont de plus en plus employées par les forces de l'ordre pour détecter les patterns d'attaques et identifier les auteurs potentiels [réf. nécessaire]
Les sous-disciplines de la cybercriminalité couvrent un large spectre d'activités illicites. Le vol de données bancaires (identity theft) représente une part significative des recettes des cybercriminels, impactant directement la confiance dans les systèmes financiers [1]. La traite de drogues sur le dark web est un autre domaine majeur, où la blockchain et les cryptomonnaies sont utilisées pour faciliter les transactions, bien que la régulation de ces technologies reste un défi [réf. nécessaire]. Le vandalisme numérique, défini comme la destruction ou la modification non autorisée de données ou de services, illustre la dimension politique ou vengeresse de certains actes cybercriminels [7]. Enfin, l'analyse du nexus entre criminalité et politique, ou « state-cybercrimes », explore les implications des activités des États dans l'espace numérique, allant de l'espionnage industriel à l'attaque de infrastructures critiques [11].
Les résultats des recherches mettent en évidence une augmentation constante de la sophistication des attaques et une adaptation rapide des méthodes des délinquants. Les études sur les victimes soulignent que les facteurs de vulnérabilité ne sont pas uniquement techniques, mais également sociaux et psychologiques. Par exemple, les personnes âgées sont particulièrement ciblées en raison de leur moindre familiarité avec les technologies et de leur propension à la confiance [4]. Les enquêtes sur les marchés cryptés indiquent que la décentralisation des plateformes rend la traque des opérateurs extrêmement difficile, obligeant les forces de l'ordre à développer de nouvelles stratégies d'infiltration et d'analyse de la chaîne d'approvisionnement des services malveillants [8].
Les débats actuels portent sur l'équilibre entre sécurité et liberté, ainsi que sur la nécessité d'une harmonisation internationale des lois. La diversité des cadres juridiques nationaux crée des zones grises où les cybercriminels peuvent opérer avec une impunité relative [réf. nécessaire]. La forensique numérique doit également faire face à l'évolution rapide des méthodes de chiffrement et des moyens de stéganographie, rendant l'extraction de preuves de plus en plus complexe [réf. nécessaire]. Une question ouverte majeure concerne l'impact de la cybercriminalité sur la santé mentale des victimes et des enquêteurs, ainsi que la nécessité de formations spécialisées pour les forces de l'ordre face à des menaces qui évoluent quotidiennement [réf. nécessaire].
Le domaine interagit étroitement avec les technologies émergentes. L'application de la blockchain et de la cryptographie est centrale pour la protection des données mais aussi pour la perpétration des crimes [réf. nécessaire]. Les applications mobiles et web sont les vecteurs principaux des arnaques, nécessitant une vigilance accrue dans la conception des interfaces et la gestion des données [réf. nécessaire]. L'intégration de l'IA et du Big Data dans les systèmes de sécurité permet de traiter des volumes massifs d'informations pour identifier des menaces, mais soulève également des questions éthiques concernant la surveillance et la protection de la vie privée [réf. nécessaire]. L'architecture des systèmes d'information doit être conçue avec une approche « defense in depth » pour résister aux intrusions.
Chercheurs essentiels
Thomas J. Holt — Premier auteur de 5 publications du corpus (110 citations cumulées) — Reconnu pour ses travaux approfondis sur les dynamiques des cybercriminels et les impacts de la victimisation numérique. [réf. nécessaire]
Jason R. C. Nurse — Premier auteur de 2 publications du corpus (376 citations cumulées) — Expert en cybersécurité et criminalité, auteur de contributions majeures sur la vulnérabilité des systèmes et les stratégies de défense. [réf. nécessaire]
Julia Davidson — Premier auteur de 2 publications du corpus (136 citations cumulées) — Spécialiste des études sur les victimes et les comportements délinquants, s'intéressant particulièrement aux aspects psychologiques de la cybercriminalité. [réf. nécessaire]
Abdalmuttaleb Al-Sartawi — Premier auteur de 2 publications du corpus (107 citations cumulées) — Chercheur impliqué dans l'analyse des cadres juridiques et réglementaires de la cybercriminalité. [réf. nécessaire]
Syed Qamar Abbas — Premier auteur de 1 publication du corpus (135 citations cumulées) — Auteur d'une étude sur les menaces criminelles du ciberespacio. [réf. nécessaire]
Somaya Al-Máadeed — Premier auteur de 1 publication du corpus (132 citations cumulées) — Chercheuse dans le domaine de la criminalité et des technologies de l'information. [réf. nécessaire]
Waqas Ahmed — Premier auteur de 1 publication du corpus (148 citations cumulées) — Auteur d'une étude globale sur les cybercriminels et leurs activités. [réf. nécessaire]
Mohammad Aljanabi — Premier auteur de 1 publication du corpus (111 citations cumulées) — Chercheur dans le domaine de la forensique informatique et des preuves numériques. [réf. nécessaire]
Hüseyin Cakır — Premier auteur de 1 publication du corpus (108 citations cumulées) — Auteur d'une étude sur l'efficacité des procédures administratives dans la répression des infractions. [réf. nécessaire]
Bruce Caulkins — Premier auteur de 1 publication du corpus (152 citations cumulées) — Chercheur dans le domaine de la criminalité et des technologies de l'information. [réf. nécessaire]
Applications essentielles
Systèmes de détection d'intrusions et analyse de menaces : Utilisation d'algorithmes d'exploration de données pour identifier les comportements suspects et prévenir les attaques.
Forensique numérique et enquêtes judiciaires : Outils et techniques pour la collecte, l'analyse et la préservation des preuves numériques dans les affaires de cybercriminalité. [réf. nécessaire]
Analyse des réseaux sociaux et intelligence criminelle : Surveillance et analyse des communications en ligne pour déceler des réseaux de délinquants et des cellules terroristes. [réf. nécessaire]
Sécurisation des transactions financières et lutte contre la fraude : Implémentation de protocoles de sécurité et de technologies blockchain pour protéger les données bancaires et prévenir le vol d'identité.
Formation et sensibilisation des citoyens et des forces de l'ordre : Programmes éducatifs pour réduire la vulnérabilité des populations ciblées et améliorer les compétences des enquêteurs.
Analyse des données massives (Big Data) pour la prévention : Traitement de vastes volumes d'informations pour prédire et anticiper les cyberattaques et les tendances criminelles. [réf. nécessaire]
Cadres juridiques et coopération internationale : Développement de lois et d'accords pour harmoniser la répression des infractions transfrontalières et faciliter l'extradition.
Cliquez sur une question pour afficher sa réponse (une seule ouverte à la fois).
Comment les forces de l'ordre parviennent-elles à traquer les activités illicites sur le dark web et les cryptomarchés ?
✍️ IA — SciencesWiki⚠️ non relu
Méthodes de traque
La traque des activités illicites sur le dark web et les cryptomarchés se fait par des méthodes techniques avancées. Les forces de l'ordre utilisent des logiciels de "ciblage" pour pénétrer directement dans les appareils des criminels, contournant l'anonymat 1. Pour analyser les vastes zones de données, elles déploient des programmes robots appelés "crawlers" pour récolter automatiquement du contenu et des informations sur les sites 26. Elles installent aussi des pièges numériques appelés "honeypots" pour piéger les délinquants et collecter des preuves 3. Enfin, pour les transactions financières, des outils d'analyse sont utilisés pour suivre l'utilisation des cryptomonnaies 5.
Analyse scientifique
Les forces de l'ordre utilisent des techniques de hacking pour accéder directement aux appareils des suspects 1. L'analyse de données et les méthodes de "crawling" permettent de collecter automatiquement du contenu depuis les serveurs 6. Les systèmes de "honeypots" servent à piéger les criminels 3. Le suivi des transactions sur les cryptomarchés nécessite des outils spécifiques comme MFScope 5. Ces méthodes s'appliquent au contexte du dark web et aux systèmes de cryptomonnaies.
<a name="source-1">[1] Searching Places Unknown: Law Enforcement Jurisdiction on the Dark Web — Ahmed Ghappour (2017). DOI:n/a</a>
<a name="source-2">[2] Crawling and Mining the Dark Web: A Survey on Existing and New Approaches — Mohammed Khalafallah Alshammery, Abbas Fadhil Aljuboori (2022). DOI:10.24996/ijs.2022.63.3.36</a>
<a name="source-3">[3] Investigating The Darknet — Rachid Bou Zeid, Joanna Moubarak, Carole Bassil (2020). DOI:10.1109/iwcmc48107.2020.9148422</a>
<a name="source-4">[4] Shining a Light on Policing of the Dark Web: An Analysis of UK Investigatory Powers — Gemma Davies (2020). DOI:10.1177/0022018320952557</a>
<a name="source-5">[5] Cybercriminal Minds: An investigative study of cryptocurrency abuses in the Dark Web — Seunghyeon Lee, Changhoon Yoon, Heedo Kang, Yeonkeun Kim, Yongdae Kim, Dongsu Han, Sooel Son, Seungwon Shin (2019). DOI:10.14722/ndss.2019.23055</a>
<a name="source-6">[6] Exploring Dark Web Crawlers: A Systematic Literature Review of Dark Web Crawlers and Their Implementation — Jesper Bergman, Oliver Popov (2023). DOI:10.1109/access.2023.3255165</a>
<a name="source-7">[7] Crawling the Dark Web: A Conceptual Perspective, Challenges and Implementation — Bassel Alkhatib, Randa Basheer (2019). DOI:10.6025/jdim/2019/17/2/51-60</a>
<a name="source-8">[8] Perceptual Operating Systems for the Trade Associations of Cyber Criminals to Scrutinize Hazardous Content — Romil Rawat, Anand Rajavat (2024). DOI:10.4018/ijcwt.343314</a>
<a name="source-9">[9] Evolution of Dark Web Threat Analysis and Detection: A Systematic Approach — Saiba Nazah, Shamsul Huda, Jemal Abawajy, Mohammad Mehedi Hassan (2020). DOI:10.1109/access.2020.3024198</a>
<a name="source-10">[10] Mining the Dark Web: A Novel Approach for Placing a Dark Website under Investigation — Bassel Alkhatib, Randa Basheer (2019). DOI:10.5815/ijmecs.2019.10.01</a>
📚 Sources citées
Searching Places Unknown: Law Enforcement Jurisdiction on the Dark Web— eYLS (Yale Law School), 2017 · 🔓 Accès libre
Crawling and Mining the Dark Web: A Survey on Existing and New Approaches— Iraqi Journal of Science, 2022 · 🔓 Accès libre
Shining a Light on Policing of the Dark Web: An Analysis of UK Investigatory Powers— The Journal of Criminal Law, 2020 · 🔓 Accès libre
Cybercriminal Minds: An investigative study of cryptocurrency abuses in the Dark Web— 2019 · 🔓 Accès libre
Exploring Dark Web Crawlers: A Systematic Literature Review of Dark Web Crawlers and Their Implementation— IEEE Access, 2023 · 🔓 Accès libre
Crawling the Dark Web: A Conceptual Perspective, Challenges and Implementation— Journal of Digital Information Management, 2019 · 🔓 Accès libre
Perceptual Operating Systems for the Trade Associations of Cyber Criminals to Scrutinize Hazardous Content— International Journal of Cyber Warfare and Terrorism, 2024 · 🔓 Accès libre
Evolution of Dark Web Threat Analysis and Detection: A Systematic Approach— IEEE Access, 2020 · 🔓 Accès libre
Mining the Dark Web: A Novel Approach for Placing a Dark Website under Investigation— International Journal of Modern Education and Computer Science, 2019 · 🔓 Accès libre
⚠️ Réponse générée par IA (glm-4.7-flash, 116 s) à partir des sources citées, non encore relue par le comité scientifique — elle peut comporter des imprécisions.
Poser une question sur « Cybercriminalité et études sur les forces de l'ordre »
Une réponse vulgarisée et sourcée sera rédigée par l'IA, publiée avec la mention « non relu » en attendant la validation du comité.
68 relation(s) au résultat disputé. Les plus contestées d'abord. Chaque affirmation est ancrée à une publication ; ce panneau n'est pas garanti par le comité.
cyber insurance vs insurance premium calculation
Consensus 50% · axe : method · 2 étude(s)
Désaccord de nature artefact. La différence de signe s'explique par une divergence de méthodologie [1][2] et de contexte (marché suédois vs population non précisée) [1][2].
✅ En faveur (1)
« Typical annual premiums are found to be in the span of some 5–10 kSEK per MSEK indemnity limit, i.e. 0.5–1% of the indemnity limit. »
situational deterring cues vs probability of entering activity commands
Consensus 50% · axe : genuine · 2 étude(s)
Le désaccord est un artefact de population [1][2].
❌ En défaveur (1)
« a situational deterring cue reduced the probability of system trespassers with fewer privileges on the attacked computer system (nonadministrative users) to enter activity commands. »
« the presence of these cues in the attacked system did not affect the probability of system trespassers with the highest level of privileges (administrative users) to enter these commands. »
Le désaccord est un artefact de population [1][2] car les deux sources citent la même étude et les mêmes populations.
✅ En faveur (1)
« simple statistical relationships lead to spurious results in which more security spending or applying updates are associated with greater rates of compromise »
prior cyberattack vs efficacy of voluntary cybersecurity risk management reporting
Consensus 50% · axe : genuine · 2 étude(s)
Désaccord de nature artefact [1][2] : les deux études proviennent de la même source [1][2] et portent sur la même population (n.p.) et la même dose, ce qui suggère une erreur de citation ou de compilation plutôt qu'une divergence réelle.
✅ En faveur (1)
« obtaining third party assurance of management's report provides a greater benefit for companies that have (versus have not) disclosed a prior cyberattack »
« issuing the management component of the AICPA's cybersecurity reporting framework absent assurance is more effective when a company has not (versus has) disclosed a prior cyberattack »
Le désaccord est un artefact de population [1] [2]. La relation entre justice et intrusivité est positive, contrairement à l'assertion [2] qui indique une relation négative.
✅ En faveur (1)
« perceived anthropomorphism and perceived autonomy are the positive determinants of perceived justice »
Il s'agit d'un **vrai désaccord** [1][2][3][4] car les résultats contradictoires opposent des approches spécifiques (auto-encoder, deep learning) à des approches plus générales (AI/ML, machine learning) sans que la nature de ces approches ne soit explicitement définie.
✅ En faveur (2)
« countering the fraud activities through data mining and machine learning is one of the prominent approaches introduced by scholars »
— Credit Card Fraud Detection Using Machine Learning As Data Mining Technique (2018) other
« With the broad adoption of ever-improving internet technology, cyber security is of great importance in the banking industry due to the rising number of cyber attacks and crimes. »
Le désaccord est un artefact de population [1] vs [2]. La première assertion est issue d'une modélisation théorique, tandis que la seconde repose sur une étude empirique.
✅ En faveur (1)
« the attack gain is the damage on systems caused by the cyber attack »
Le désaccord est un artefact de méthode [1][2] : les deux assertions proviennent du même modèle et de la même population, mais elles portent sur des définitions opératoires opposées de la « détection ».
✅ En faveur (1)
« We identify types of improvements in attribution that strengthen deterrence—namely, improving attack detection independently of any effect on the identifiability of the attacker, »
« However, we show that other improvements in attribution can backfire, weakening deterrence—these include detecting more attacks where the attacker is difficult to identify »
number of criminal organisations vs levels of violence
Consensus 50% · axe : genuine · 2 étude(s)
Le désaccord est un artefact de population : [1] et [2] portent sur des cohortes d'organisations criminelles distinctes, ce qui explique l'inversion de la relation.
✅ En faveur (1)
« and such greater fragmentation in turn raises the incidence of violence among criminal organisations as the relative power of the organisations changes. »
misperceptions of police legitimacy vs declinations to report
Consensus 50% · axe : genuine · 2 étude(s)
Le désaccord est un artefact de population [1][2]. L'assertion [1] porte sur la perception de la légitimité par les citoyens, tandis que l'assertion [2] porte sur la perception de la légitimité par les victimes, ce qui implique des populations distinctes.
✅ En faveur (1)
« misperceptions of police legitimacy by groups with strained relations with police who are also at risk for hate victimization explain declinations to report »
Le désaccord est un artefact de population [1][2] car les deux assertions ne précisent pas la population étudiée.
✅ En faveur (1)
« we detected 9,523 malicious extensions »
— Trends and lessons from three years fighting malicious extensions (2015) other
❌ En défaveur (1)
« a handful of under 100 extensions escaped immediate detection »
— Trends and lessons from three years fighting malicious extensions (2015) other
auditor compliance vs money laundering reporting obligations
Consensus 50% · axe : genuine · 2 étude(s)
Le désaccord est un artefact de méthode [1] [2]. L'assertion [2] indique un échec de l'engagement sceptique, ce qui est logiquement incompatible avec le résultat positif de la conformité rapporté dans l'assertion [1].
✅ En faveur (1)
« Recent legislative changes in the United Kingdom mean that auditors risk becoming state law enforcement agents in the private sector. »
« Auditors are statutorily obliged to file Suspicious Activity Reports (SARs) into an online database, ELMER, but without much guidance regarding how suspicion is determined. »
availability of source code vs identification of csrf vulnerabilities
Consensus 50% · axe : genuine · 2 étude(s)
Désaccord de nature artefact (population) [1] [2]. La première assertion porte sur du code source, tandis que la seconde concerne du logiciel de production, ce qui invalide la comparaison.
✅ En faveur (1)
« and 3 previously undetected CSRF vulnerabilities on production software already analyzed using a state-of-the-art tool »
government initiative vs spreading of awareness of cybercrimes aoc
Consensus 50% · axe : population · 4 étude(s)
Désaccord de population : [1] et [2] rapportent une corrélation positive entre cybercriminalité et sensibilisation, tandis que [3] et [4] indiquent un impact négatif de la sensibilisation sur la perception de la cybercriminalité, ce qui suggère que les résultats varient selon les contextes (citoyens de villes intelligentes vs étudiants universitaires) [1][2][3][4].
✅ En faveur (2)
« To prevent from a victim of cybercrime everyone must know about their own security and safety measures to protect by themselves. »
« The study reveals that the “awareness of cybercrimes” significantly influences the actual usage of technology to prevent cybercrimes in Smart Cities of India. »
« The study reveals that government initiative (GI) and legal awareness are less influential in spreading of the awareness of cybercrimes (AOC) to the citizens of the proposed smart cities. »
« The study reveals that government initiative (GI) and legal awareness are less influential in spreading of the awareness of cybercrimes (AOC) to the citizens of the proposed smart cities. »
logistic regression vs transaction fraud detection accuracy
Consensus 50% · axe : genuine · 2 étude(s)
Le désaccord est un artefact de méthode [1] vs [2]. La première assertion indique une précision négative pour la régression logistique, tandis que la seconde signale une précision positive pour la détection manuelle, ce qui suggère une différence dans les protocoles d'évaluation plutôt qu'un désaccord réel entre les deux approches.
✅ En faveur (1)
« The experimental results of IEEE CIS fraud dataset show that the method of this model is better than the benchmark model, such as logistic regression, support vector machine. »
Désaccord de population [1][2] : l'efficacité de l'IA dépend du type de boîte (noire vs vitrée).
✅ En faveur (1)
« We describe a mature body of computer science research showing how “glass box” AI—designed to be interpretable—can be more accurate than black box alternatives. »
blacklisting technique vs phishing website detection
Consensus 50% · axe : method · 4 étude(s)
Le désaccord est un artefact de population [1][2][3][4] : les études [1] et [3] démontrent que les blacklists échouent à détecter les sites de phishing, tandis que [2] conclut favorablement à l'approche, et [4] confirme la capacité des pages de phishing à contourner ces listes.
✅ En faveur (2)
« More than 90% of them successfully evaded popular blacklists for at least a month. »
Le désaccord est un artefact de population [1] vs [2] : les études observent des populations distinctes (legacy gTLDs vs new gTLDs) plutôt que la même population au fil du temps.
✅ En faveur (1)
« new gTLDs experienced a rate of 526.6 in the same period-which is almost one order of magnitude higher. »
Le désaccord est un artefact de population [1] [2]. La première étude porte sur les utilisateurs [1], tandis que la seconde analyse les politiques institutionnelles [2].
✅ En faveur (1)
« This study investigates cybersecurity regulations and attributes used in seven nations... »
Le désaccord est un artefact de population [1][2]. Les deux assertions portent sur la même relation causale, mais l'assertion [2] ne précise pas la population étudiée, contrairement à l'assertion [1].
❌ En défaveur (1)
« paying bribes deters firm investments in fixed assets »
bystander intervention vs perceived justification of online harassment
Consensus 50% · axe : genuine · 2 étude(s)
Désaccord de nature artefactuel [1][2] : la différence de signe résulte d'une confusion méthodologique entre la variable dépendante (intervention des témoins) et la variable indépendante (harcèlement en ligne) dans l'étude citée.
✅ En faveur (1)
« We find that people believe online harassment is more deserved and more justified—but not more appropriate—when the target has committed some offense. »
Le désaccord est un artefact de méthode [1] [2]. L'assertion [2] est une observation qualitative, tandis que l'assertion [1] est une conclusion quantitative issue d'une étude spécifique, ce qui explique l'incompatibilité des résultats.
✅ En faveur (1)
« Fileless malware does not use traditional executables to carry-out its activities. »
federated learning vs financial fraud detection accuracy
Consensus 50% · axe : method · 4 étude(s)
Le désaccord est un artefact de méthode [1][2][3][4], les études positives utilisant le protocole spécifique du *federated learning* contre les études négatives qui évaluent des modèles d'apprentissage supervisé ou traditionnels.
✅ En faveur (2)
« Experimental results, based on realistic transaction datasets, reveal that the FL-based fraud detection system consistently demonstrates high performance metrics. »
« the federated learning-based financial fraud algorithm achieves a substantial reduction in the likelihood of data privacy breaches without compromising on high detection accuracies. »
Le désaccord est un artefact de méthode [1][2]. La source [2] utilise une approche observationnelle, tandis que la source [1] établit une corrélation négative par d'autres moyens.
✅ En faveur (1)
« Incidents of ransomware have been escalating, which could be fueled in part by the diffusion of crypto-currencies. »
greater transparency information and community based efforts vs reducing corruption
Consensus 50% · axe : genuine · 2 étude(s)
Le désaccord est un artefact de population. L'assertion [2] est issue d'une étude sur la population générale [2], tandis que l'assertion [1] porte sur un groupe spécifique (autres) [1].
✅ En faveur (1)
« The results confirm the view that corruption is endemic and transparency a major factor in reducing it. »
« there is very little evidence to support the idea that greater transparency, information, and community-based efforts have a significant impact on reducing corruption on their own. »
Désaccord de nature artefactuel [1][2] : la différence de signe résulte d'une variation de la population (n.p.) et de la méthodologie (review vs. other), et non d'une divergence sur la relation causale.
encase and ftk imager vs digital evidence integrity
Consensus 50% · axe : genuine · 2 étude(s)
Le désaccord est un **artefact**. Il est dû à une **méthode** différente : l'assertion [1] évalue l'intégrité par rapport à une copie de travail, tandis que l'assertion [2] la compare à l'original [1][2].
✅ En faveur (1)
« These tools claim to protect the integrity of digital evidence. »
Le désaccord est un artefact de méthode [1][2]. Les deux études sont observationnelles, ce qui empêche de conclure sur la causalité de la relation entre le domain shadowing et les attaques infectieuses.
✅ En faveur (1)
« miscreants have recently adopted a new strategy, called domain shadowing »
Il existe un désaccord sur la relation entre cyber attacks et exfiltration des données, avec une étude cas-témoins [1] montrant un lien négatif, alors qu'une étude observationnelle [2] indique un lien positif. L'artefact provient de la différence de méthodologie (cas-témoins vs observationnelle) et de la population étudiée.
✅ En faveur (1)
« Ransomware has grown to be a dominant cybersecurity threat by exfiltrating, encrypting, or destroying valuable user data and causing numerous disruptions to victims. »
Le désaccord est un artefact de population [1][2]. La première assertion exclut explicitement la population, tandis que la seconde l'inclut, ce qui explique l'incompatibilité des résultats.
✅ En faveur (1)
« it displays the presence of the necessary elements required (i.e., threat agent, attack vector, target, impact, defense) for its appropriate classification. »
Le désaccord est un artefact de population [1] [2]. La première étude évalue la détection par des techniques autres que celles des cybercriminologues [1], tandis que la seconde se concentre spécifiquement sur les techniques de ces derniers [2].
✅ En faveur (1)
« The efficiency of the attack detection system strongly depends on the datasets used to train the machine learning models. »
cyberattacks vs physical damage to industrial facilities
Consensus 50% · axe : genuine · 2 étude(s)
Il existe un **vrai désaccord** [1][2] concernant la causalité directe entre cyberattaques et dommages physiques, les résultats contradictoires étant attribuables à des différences de méthodologie et de définition des opérations.
✅ En faveur (1)
« cyberattacks, which may cause physical damage to these industrial facilities. »
« Physical damage resulting from cyber operations continues to reinforce the “cyber doom” narrative across societies dependent on information and communication technology. »
deceptive counterfeiters vs brand name company s expected profit
Consensus 50% · axe : genuine · 4 étude(s)
Il existe un désaccord sur l'impact des contrefaçons sur le profit de la marque, tant pour les contrefaçons déceptives que non déceptives [1][2][3][4]. L'origine de ce désaccord réside dans la méthode de modélisation et la population étudiée [1][2][3][4].
✅ En faveur (2)
« by improving quality, the brand-name company can improve her expected profit against a nondeceptive counterfeiter »
Le désaccord est un artefact de population et de méthode [1][2][3][4][5][6]. Les études [1], [3] et [4] rapportent une relation négative, tandis que les études [2], [5] et [6] rapportent une relation positive.
✅ En faveur (3)
« This comprehensive survey paper offers a panoramic exploration of the dynamic realm of cybercrime policing, encompassing a wide spectrum of intricacies from cybercrime definitions to establishing a robust investigative framework. »
« UK Government reports assert that victims of cybercrime were unlikely to report crimes immediately due to the perception that police were ill-equipped to deal with these offences. »
cyber threat intelligence vs immediate defensive response to security breaches
Consensus 50% · axe : method · 5 étude(s)
Le désaccord est un artefact de méthode [2][3][4] car les études analysent des concepts distincts (plateformes, cadres, standards) et des résultats variés (positifs, négatifs, mixtes), alors que l'assertion [1] conclut à une réponse immédiate positive pour le threat intelligence en général.
✅ En faveur (2)
« A well-planned implementation of threat intelligence enables organisations to predict and (at least partially) prevent cyber crime »
manager vs employee behavior vs cybersecurity related behavior
Consensus 50% · axe : method · 3 étude(s)
Le désaccord est un artefact de population : les assertions [1] et [2] portent sur les membres de l'organisation, tandis que l'assertion [3] porte sur le niveau organisationnel [1][2][3].
✅ En faveur (1)
« A total of 56% of the analyzed studies focused on the organizational level, indicating that the individual level is still in its infancy stage. »
cyber risk management implementation vs firm value tobin s q
Consensus 50% · axe : genuine · 2 étude(s)
Désaccord de nature artefact [1][2] : la relation positive entre la gestion des risques cybernétiques et la valeur de la firme (Tobin's Q) est observée uniquement chez les firmes moins rentables, alors qu'elle est négative chez les firmes rentables.
✅ En faveur (1)
« We observe a significant positive relationship between cyber risk management and firm value measured by Tobin's Q for the entire sample and the subsamples of banks and insurers. »
Le désaccord porte sur la direction de la relation entre les divulgations de risques et les frais d'audit, avec des résultats contradictoires entre les études [2] et [3] sur la causalité, et sur la nature de l'impact entre les divulgations et l'information, avec des signes opposés entre [1] et [4].
✅ En faveur (2)
« We present evidence that the risk factor disclosures are informative. »
« The implication is that the auditor incorporates into their risk assessments, and accordingly their fee structures, the nature and content of cybersecurity risk disclosures. »
« We find that companies' audit fees are not only influenced by the content (number of words), but also by the language (readability and litigious language) disclosed in their cybersecurity risk disclosures. »
Désaccord de population : les assertions [1], [2], [3], [4], [5], [6], [9] et [10] portent sur des adolescents anglais, contrairement à l'assertion [7] qui concerne une méta-analyse et l'assertion [8] qui porte sur des adultes [7][8].
Désaccord de méthode : les assertions [1], [2], [3], [4], [5], [6], [9] et [10] sont issues d'une étude empirique, tandis que l'assertion [7] est une méta-analyse [7].
✅ En faveur (6)
« The meta-analysis conclusion demonstrated that moral disengagement positively correlated medium intensity with cyberbullying ( r =0.341). »
Désaccord de nature **artefact** (population et méthode) : les études [4], [5], [6] et [7] portent sur la population indonésienne (korupsi) via une approche observationnelle, tandis que les études [1], [2] et [3] concernent des pays à économie développée et utilisent des méthodes variées (notamment [1] et [3] pour les autres pays).
✅ En faveur (3)
« Corruption and money laundering are inextricably linked such that where one exists, the other one will be also lurking in the background. »
« Our research shows that corruption is a widespread phenomenon in Bosnia-Herzegovina, and more educated people, people living in urban areas, and individuals with higher incomes are more likely to engage in bribery in several sectors. »
« Implicitly, standard measurements treat corruption as a one-dimensional phenomenon (measured by a single score) that can vary in incidence between countries (or other geographical entities), but not in form. »
Désaccord de nature artefact [1][2] : la relation négative entre cybercrime et intentions de signalement [1] s'oppose à la relation positive entre type de cybercrime et comportement de signalement [3], ce qui suggère une divergence entre les populations (USA vs Pays-Bas) ou les méthodes d'échantillonnage.
✅ En faveur (1)
« The type of cybercrime is the most important predictor for reporting behaviors. »
Le désaccord porte sur la population (CEO vs CIO) et la méthode (cohort vs null), car les assertions [1] et [3] indiquent une relation positive, tandis que [2] indique une relation nulle pour le poste de CFO.
✅ En faveur (2)
« We find that breaches caused by system deficiency increase CIO turnover likelihood by 72 percent. »
Il existe un désaccord sur l'effet de la cybersécurité sur la survie des PME, où [1] observe un impact négatif, tandis que [2] et [3] suggèrent que les mesures de sécurité attirent les cybercriminels. Cet écart peut être un artefact lié à la méthodologie, car [2] et [3] utilisent des données observationnelles sans préciser la taille de la population.
✅ En faveur (2)
« Cyber-criminals increasingly target small and medium-size enterprises (SMEs) because these are perceived to have the weakest defences. »
Désaccord de population : les assertions [1] et [2] portent sur des effets opposés (cyberattack vs assistance) mais concernent la même population (clients bancaires saoudiens) et les mêmes sources [1][2][3], indiquant une incohérence interne plutôt qu'une divergence empirique.
✅ En faveur (1)
« customers need more satisfaction on security level aspects from the bank’s side »
« an increase in the awareness level of customers on cyberattack, phishing, and hacking activities will influence customers’ satisfaction with digital transactions. »
« an increase in the awareness level of customers on cyberattack, phishing, and hacking activities will influence customers’ satisfaction with digital transactions. »
Le désaccord est un artefact de population [1] vs [2] et [3], car les études [2] et [3] portent sur des e-commerçants asiatiques, tandis que l'étude [1] concerne des investisseurs malaisiens.
✅ En faveur (2)
« Based on the finding’s, perceived value was found to have a significant influence on cryptocurrency adoption. »
control related factors vs informativeness of risk disclosures
Consensus 67% · axe : genuine · 3 étude(s)
Le désaccord est un artefact de population [1][2][3] car les deux premières assertions portent sur des populations différentes (contrôle vs faiblesse) et la troisième sur des facteurs de vulnérabilité, alors que les trois études utilisent la même méthodologie.
✅ En faveur (1)
« Our analysis indicates that firms disclose control-related factors to mediate the negative effect of disclosing vulnerability-related factors. »
audit fees for cyber incidents vs subsequent cyber incidents
Consensus 67% · axe : method · 3 étude(s)
Le désaccord est un artefact de population [1][2][3]. Les assertions [1] et [2] portent sur la même relation mais des populations différentes (cohorte vs non-cohorte), tandis que l'assertion [3] utilise une méthodologie différente (observatoire vs cohorte).
✅ En faveur (2)
« We find that only cyber incidents are associated with increases in audit fees »
« Larger increases in audit fees for firms experiencing cyber incidents in the current period are associated with a lower likelihood of subsequent cyber incidents »
L'artefact de population est confirmé par les assertions [1] et [2] qui traitent de la même étude sur des entreprises britanniques, mais présentent des résultats opposés pour la même variable. L'artefact de méthode est confirmé par l'assertion [3] qui, issue du même corpus, indique un lien négatif pour la rémunération.
✅ En faveur (1)
« Results based on the logit regression suggest that audit member tenure and audit committee meeting frequency both have positive associations to the likelihood of corporate scandal. »
« negative but insignificant relationships amongst audit committee female chair, audit committee female members percentage, audit committee qualified accountants members, audit committee attendance, number of shares held by audit committee members, audit committee remuneration, board tenure and the likelihood of corporate scandal across the sample. »
« negative but insignificant relationships amongst audit committee female chair, audit committee female members percentage, audit committee qualified accountants members, audit committee attendance, number of shares held by audit committee members, audit committee remuneration, board tenure and the likelihood of corporate scandal across the sample. »
Il s'agit d'un artefact de population : les assertions [1] et [2] proviennent de la même étude [1] qui inclut des participants de diverses disciplines, tandis que l'assertion [3] concerne un outil différent (les arbres de fautes) par rapport aux graphes d'attaque [1][2].
✅ En faveur (2)
« The results show that the adapted attack graph method is more effective at aiding cyber-attack perception when compared with the fault tree method (p < 0.01). »
« The results show that the adapted attack graph method is more effective at aiding cyber-attack perception when compared with the fault tree method (p < 0.01). »
Désaccord sur la nature de la relation : [1] et [2] indiquent des effets opposés (positif vs négatif) pour la même variable dépendante (coûts vs taux), alors que [3] affirme un effet positif sur les crimes traditionnels. Artefact : les trois assertions proviennent de la même source [1][2][3] et utilisent la même population (n.p.), ce qui suggère une incohérence méthodologique ou une confusion des variables plutôt qu'un désaccord empirique.
✅ En faveur (2)
« the rates of online property crime (OPC) have been on the rise »
fraud detection and prevention strategies vs identification
Consensus 67% · axe : method · 3 étude(s)
Il existe un **vrai désaccord** [1][2][3] concernant l'efficacité des techniques de détection d'anomalies et des approches traditionnelles pour identifier la fraude financière. Les sources divergent sur la nature positive ou négative de ces méthodes, ce qui suggère un impact de la **méthode** et de la **dose** (approche spécifique vs techniques globales) [1][2][3].
✅ En faveur (2)
« anomaly detection techniques have been intensively studied for this purpose by researchers over the last couple of decades »
absolute deterrence vs cyber deterrence effectiveness
Consensus 67% · axe : method · 3 étude(s)
Le désaccord relève d'une **vrai divergence** [1][2] concernant la nature de la relation (négative vs positive), sans ambiguïté méthodologique. L'assertion [3] porte sur une variable différente (offense vs efficacité globale) et ne participe pas au désaccord [1][2] [3].
✅ En faveur (1)
« replacing the accepted yet inadequate paradigm of absolute deterrence with a better-fitting restrictive-cumulative-deterrence paradigm »
cyber dating abuse victimization vs general strain
Consensus 67% · axe : genuine · 3 étude(s)
Le désaccord porte sur la direction de l'association entre la cyber-dating abuse victimization et l'autocontrôle [1][2], ce qui suggère un artefact de population et de méthode [1][2][3].
✅ En faveur (2)
« Results employing OLS regression show that cyber dating abuse victimization is associated with measures of general strain and social learning, but not self-control... »
« Results employing OLS regression show that cyber dating abuse victimization is associated with measures of general strain and social learning, but not self-control... »
« Results employing OLS regression show that cyber dating abuse victimization is associated with measures of general strain and social learning, but not self-control... »
ignorance of where to report corrupt transactions vs willingness to report corruption to police deterrence
Consensus 67% · axe : genuine · 3 étude(s)
Le désaccord est un artefact de population : les assertions [1] et [2] portent sur des jeunes adultes au Ghana [1][2], tandis que l'assertion [3] concerne des perceptions de légitimité [3].
✅ En faveur (2)
« The most important and consistent predictors of willingness to report corruption to the police were deterrence-based perceptions, specifically, of the certainty of being apprehended for engaging in corrupt transactions, »
positive attitudes towards violence vs cyberhate perpetration
Consensus 72% · axe : population · 186 étude(s)
Désaccord de nature artefact (méthode) entre les assertions [1] et [175] (cohorte d'étudiants) et [164] (cohorte d'étudiants) sur la victimisation par cybercrime, ainsi qu'entre [1] et [177] (cohorte d'étudiants) et [164] (cohorte d'étudiants).
✅ En faveur (133)
« internet users possess adequate cyber threat awareness »
« unobservable state-and-topology cyber-physical attacks as studied in this paper can make the system operation more vulnerable to line outages and failures. »
« Cyber attacks have been a serious problem for industries since the early 2000s, causing significant interruptions to their ability to produce goods or offer services to their clients. »
« From our study, we noticed that the number of cybercrimes and their management and prevention costs are rapidly increasing in the USA and worldwide. »
« the findings suggest that even nonphysically destructive cyberattacks can trigger consequences that constitute a legally defined armed attack that permits using armed force in self-defense. »
« most of the research focused on understanding students’ attitudes and behaviors after infusing cybersecurity awareness topics into some courses in a program. »
« This framework comprises constituents designed to continuously improve the development, integration, delivery, and assessment of cybersecurity knowledge into the curriculum of a university across different disciplines and majors; »
« individuals with prior cybercrime victimization experiences, women, and individuals with lower social status and lower confidence in their ability to use the Internet report higher levels of fear. »
« The research highlights the development of strategies to mitigate data breaches and stresses the importance of technological progress in strengthening data security. »
« Ideally, a CSAT program should spend more of its expenses on training employees to deal with the security threats at a lower security level and to reduce more losses at a higher security level. »
« trends show that cyber criminals have recently shifted their focus towards industrial control systems to disrupt industrial processes and destroy related data. »
« The rampant increase in frequency and complexity of cyber-attacks against manufacturing firms, has motivated the development of identification and mitigation techniques for cyber-physical vulnerabilities in manufacturing. »
« The Structural Equation model shows that cyberhate perpetration is heavily related to time spent online, victimization, belonging to a deviant youth group, positive attitudes towards violence and racism. »
« The Structural Equation model shows that cyberhate perpetration is heavily related to time spent online, victimization, belonging to a deviant youth group, positive attitudes towards violence and racism. »
« The fact pattern in this announced acquisition raises a number of important corporate governance issues: whether Yahoo's conduct leading up to the data breaches and its subsequent conduct constituted a breach of the duty to shareholders to provide security, the duty to monitor, the duty to disclose, or some combination thereof »
« Using decomposition analysis, we discovered that the association between low self-control and victimization occurred both directly and indirectly through measures of RAT. »
« The analysis of the findings enabled the conceptualization of the Cybersecurity Competitive Advantage Model that explains how to build up cybersecurity dynamic capabilities to achieve long-term competitive advantage. »
« The seriousness and organisation of cyber crime justifies its inclusion within the national security agenda, thus accessing the procedural benefits of criminal intelligence assigned to national security threats. »
« The seriousness and organisation of cyber crime justifies its inclusion within the national security agenda, thus accessing the procedural benefits of criminal intelligence assigned to national security threats. »
« Although advocates promote cybersecurity competitions as beneficial for participants, little research has methodically evaluated these competitions' outcomes and implications. »
« Although advocates promote cybersecurity competitions as beneficial for participants, little research has methodically evaluated these competitions' outcomes and implications. »
« The results showed that game-based strategies were effective in increasing students’ awareness about cybersecurity and their interest in pursuing cybersecurity as a career. »
« This study identifies key levers, in particular perceived prevalence and harm of cybercrime, as critical in the use of online crime prevention strategies by potential victims. »
« This study identifies key levers, in particular perceived prevalence and harm of cybercrime, as critical in the use of online crime prevention strategies by potential victims. »
« Results for the two strongest SLT predictors, differential association and definitions favorable to crime, were in line with previous studies of both traditional and cyber offending in their conditional relationship with cyber offending. »
« Putting up deterrent measures against cybercrime is essential to national cyber security in protecting critical infrastructure of the nation as well as for individuals. »
« The costs of cyber operations are shaped primarily by the organizational skills needed to create and manage complex information technology efficiently. »
« Various malicious cyber-attacks on cyber and physical layers are then analyzed within CPPSs framework, and their features and negative impacts are discussed. »
« Different nations' cybersecurity rules make it simpler for cybercriminals to carry out damaging actions while making it tougher for governments to track them down. »
« serious barriers to their practice of cybersecurity include a lack of cybersecurity preparedness within these governments and a lack of adequate funding for it »
« The Nash equilibrium under uniform costs in both cases is computable in polynomial time, and it provides high-level deterministic conditions for the infrastructure survival. »
« With entitled access and knowledge of organisational processes, insiders who choose to attack have the potential to cause serious impact, such as financial loss... »
« The purpose of this study was to investigate the effectiveness of place management techniques on reducing cybercrime incidents in an online setting. »
« We conclude our study by analyzing lessons learned and future actions that can be undertaken to tackle cybercrime and harden cybersecurity at all levels »
« This paper aims to provide an educational standard by which the usefulness of internet security awareness and anti-phishing techniques can be compared in the future. »
« Self-control had no direct effect on cyber offending but displayed a significant interaction effect with both differential reinforcement and definitions. »
« This research shows that middle powers (that have scarce cyber arsenals) can use PCIs to deter cyber attacks that cause significant damage to their economy and prosperity; »
« When examined as a whole group, "context-driven," "resilient system functionality," and "maintenance of CIA (confidentiality, integrity, availability)" were the most salient themes and influential network nodes for the definition of cyber security, »
« We introduce and analyze a new polynomial approximation of claims together with a mean-field approach that allows to compute aggregate expected losses and prices of cyber insurance. »
Désaccord sur la direction de l'effet (positive vs négative) entre la police prédictive et les taux de criminalité [1][3], et divergence entre les résultats globaux et ceux spécifiques à l'identification des crimes [1][2].
✅ En faveur (3)
« This study shows that IT improves police productivity as measured by crime clearance rates. »
« Predictive policing means, using analytical and predictive techniques, to identify criminal and it has been found to be pretty much effective in doing the same. »
Il existe un désaccord sur l'impact de la blockchain sur la cybersécurité, avec une affirmation positive concernant les défis globaux [2] et une affirmation négative spécifique aux défis par secteur [3]. L'artefact provient de la population [2] et [3] qui sont identiques, indiquant un conflit de résultats plutôt qu'une différence de méthodologie ou de dose.
✅ En faveur (4)
« Blockchain technology’s capacity to increase accountability, traceability, and transparency in financial transactions is also explored. »
« Blockchain applies the distributed ledger to store transaction histories, and the information is stored across a network of computers instead of on a single server. »
privacy violations vs online information disclosure
Consensus 80% · axe : genuine · 6 étude(s)
Le désaccord porte sur la nature de la relation entre la violation de la vie privée et la divulgation d'informations en ligne, qui est négative [4] mais positive [5]. Il s'agit d'un artefact de population et de méthode, les études [4] et [5] étant basées sur des données n.p. (non précisées) et [2] et [6] sur un échantillon spécifique de l'Université du Midwest.
✅ En faveur (1)
« people who generally experience more privacy violations also have stronger privacy concerns (between-person differences) »
« people who experienced more privacy violations than usual in the last 6 months were only slightly more concerned afterward and did not change their disclosure behavior afterward »
Le désaccord est un artefact de population et de méthode : [1] et [6] portent sur des adolescents et utilisent des données observationnelles, tandis que [2] est une méta-analyse et [3] et [4] portent sur des étudiants universitaires ou adultes.
✅ En faveur (4)
« men were more likely to engage in online offending »
« Male gender, younger age, immigrant background, urban residence, not living with parents, unemployment and less active offline social life were significant predictors for cybercrime victimization. »
Désaccord sur la nature de la relation entre les cryptomonnaies et les activités illégales, avec des résultats positifs pour les activités criminelles, de la fraude et le blanchiment [1][2][3][4][6][7][8][9][10][13][14][15][16][17][18][19][20][21][22][23] et des résultats nuls ou négatifs pour le risque de blanchiment [11][12][25][26][28]. Artéfact de population : les études utilisant des populations spécifiques comme les utilisateurs de cryptomarchés [22] ou les cas de fraude [17][18][19] montrent des résultats positifs, tandis que les études cas-témoins [25][28] montrent des résultats nuls ou négatifs. Artéfact de méthode : les études "other" [8][10][12][15] montrent des résultats positifs, tandis que les études "observational" [1][3][4][6][9] montrent des résultats positifs, mais les études "case_control" [16][25][28] montrent des résultats positifs ou nuls. Artéfact de dose : aucune indication de dose dans les données fournies. Artéfact d'époque : aucune indication d'époque dans les données fournies.
✅ En faveur (22)
« Cryptocurrency such as bitcoin, Ethereum, and, more recently, Monero has become the currency of choice for many drug dealers and extortionists. »
« The anonymous and decentralized nature of cryptocurrencies has turned them into a powerful weapon in the cyberarsenal of national and international criminal groups by facilitating their illicit activities »
« The anonymous and decentralized nature of cryptocurrencies has turned them into a powerful weapon in the cyberarsenal of national and international criminal groups by facilitating their illicit activities while evading prosecution »
« The use of digital currencies for legal uses is advancing along with technological development, but, at the same time, criminal activities are also emerging to take advantage of this boom. »
« The use of digital currencies for legal uses is advancing along with technological development, but, at the same time, criminal activities are also emerging to take advantage of this boom. »
« The use of digital currencies for legal uses is advancing along with technological development, but, at the same time, criminal activities are also emerging to take advantage of this boom. »
« The relatively small number of publications, compared to other similar areas, also indicates that this topic has not yet been explored widely by scientists... »
Désaccord de nature artefact (méthode) : les études positives [1][7] concernent l'automatisation de la forensique numérique, tandis que les études négatives [3] évaluent la prévention des cybercrimes sans spécifier l'usage de l'IA. Les études positives sur la cybersécurité [4][5][6] portent sur la robustesse des mesures de défense plutôt que sur la prévention des cybercrimes.
✅ En faveur (6)
« Today, cybersecurity is considered one of the most noteworthy topics that are circulated frequently among companies in order to protect their data from hacking operations. »
« Numerous bio-inspired computing methods of Artificial Intelligence have been increasingly playing an important role in cyber crime detection and prevention. »
« It explores advancements in artificial intelligence, machine learning, and behavioral analytics, showcasing their pivotal roles in bolstering cybersecurity defenses. »
« By formally describing digital forensic concepts and properties, purpose‐designed ontologies enable integrity checking via automated reasoning and facilitate anomaly detection for the chain of custody in digital forensic investigations. »
« This paper discusses the implications that AI policy making would bring to the administration of the criminal justice system to specifically counter cybercrimes. »
« Although cybersecurity grew out of the computer science field, this paper argues that its interdisciplinary nature (not only technical computer security, but also data, system/technology, and human/social) can attract researcher from various disciplines, such as management, policy, psychology, and so on, to contribute to cybersecurity advancement. »
« The future of digital forensics is explored, with an emphasis on these challenges and the advancements needed to effectively protect modern societies and pursue cybercriminals »
« This paper presents an extensive bibliometric analysis of cybersecurity and cyberforensic research published in Web of Science during the past decade (2011–2021). »
« This paper presents an extensive bibliometric analysis of cybersecurity and cyberforensic research published in Web of Science during the past decade (2011–2021). »
« The study presents bibliometric results in terms of the authors, organizations, countries, keywords, sources and documents with the highest collaborative link strengths worldwide in the field of cybersecurity and forensics. »
« The study presents bibliometric results in terms of the authors, organizations, countries, keywords, sources and documents with the highest collaborative link strengths worldwide in the field of cybersecurity and forensics. »
Désaccord de population : les assertions [24], [36], [51] et [59] portent sur des populations spécifiques (clients bancaires, employés universitaires) contrairement aux autres [1-23] qui sont de nature générale [24][36][51][59]. Désaccord de méthode : les assertions [6] et [48] indiquent une efficacité "incertaine" ou "floue" pour certaines approches, contrairement aux affirmations positives des autres études [6][48].
✅ En faveur (56)
« Phishing, identity theft, login credential theft, ATM card swap, and skimming are other techniques cybercriminals employ. »
« Moreover, the proposed anatomy will help readers understand the process lifecycle of a phishing attack which in turn will increase the awareness of these phishing attacks and the techniques being used; »
« With security breaches, cybercriminals execute ransomware attack, get unauthorized access, and shut down systems and even demand a ransom for releasing the access. »
« The proposed model is capable of adapting to the dynamic behavior of the phishing websites and thus learn the features associated with phishing website detection. »
« The proposed hybrid intelligent phishing website prediction approaches achieved significantly higher classification accuracy, sensitivity, specificity, and geometric mean in phishing website prediction compared to those proposed in other studies. »
« the most influential features and the optimal weights of website features are heuristically identified with the genetic algorithm (GA) to help in increasing the accuracy of phishing website prediction »
« The experimental results indicate that convolutional neural networks achieved the highest performance, boasting a detection accuracy of 98.74% for phishing attacks. »
« The experimental results indicate that convolutional neural networks achieved the highest performance, boasting a detection accuracy of 98.74% for phishing attacks. »
« Using a two-sample Kolmogorov-Smirnov test along with other features we were able to accurately classify 99.3% of our dataset, with a false positive rate of less than 0.4% »
« In this paper we have compared different machine learning techniques for the phishing URL classification task and achieved the highest accuracy of 98% »
« The experimental results demonstrated that the performance of the machine learning classifiers was improved by using the wrapper-based features selection. »
« This survey will be going to conducted in major cities of Tamil Nadu by focusing various security threats like email, virus, phishing, fake advertisement, popup windows and other attacks in the internet. »
« Phishing Attack is one of the most common types of cyber attacks which is aimed at exploiting people's weaknesses to obtain confidential information about them. »
« The study’s analysis of URLs using mutual information and logistic regression techniques yielded a remarkably high accuracy rate of 99.97%, surpassing previous efforts. »
« Most of the security admins use some learning systems which are trained by a pre-collected a-dataset by extracting some features from the URL and content of the web pages. »
« All three scenarios from the combined findings of the proposed methodologies achieve a high level of accuracy even with the smallest feature subset. »
« Moreover, the machine learning classifiers with the wrapper-based features selection outperformed the machine learning classifiers with other features selection methods. »
« an increase in the awareness level of customers on cyberattack, phishing, and hacking activities will influence customers’ satisfaction with digital transactions. »
Désaccord de nature artefact (méthode) entre [2] et [13] concernant l'inefficacité des défenses existantes, et désaccord de nature artefact (population) entre [1], [31] et [32] sur la perception du risque par les entrepreneurs néerlandais.
✅ En faveur (69)
« Our prototype, called PayBreak, effectively combats ransomware, and keeps victims' files safe. »
« The experimental results in Windows environment demonstrate that detection of ransomware is possible by monitoring abnormal filesystem and registry activities. »
« Our Structural Equation Modelling (SEM) analysis revealed that entrepreneurs are more likely to take preventive measures against ransomware if they perceive the risk of ransomware as severe (perceived severity) »
« The results show that evidence-based malware report is a relatively better training method in affecting employees’ intentions of engaging in recommended cybersecurity behaviors comparing with the other training methods used in this study. »
« This is an area where Ransomware has spread and become a major concern against digital extortion in the form of a new age threat vector to corporates and end users alike. »
« The authors reviewed existing Crypto and Locker ransomware, studying their propagation, attack techniques and new emerging threat vectors as file Encryption Ransomware... »
« The authors reviewed existing Crypto and Locker ransomware, studying their propagation, attack techniques and new emerging threat vectors as file Encryption Ransomware... »
« Ransomware has grown to be a dominant cybersecurity threat by exfiltrating, encrypting or destroying valuable user data and causing numerous disruptions to victims. »
« The proposed method can continuously monitor the online posts in social media data and thus is able to provide early warnings about ransomware spreads. »
« The rapid proliferation of ransomware attacks indicates the growing tendency of ransomware-as-a-service (RaaS) and the integration of hacking weapons. »
« When victims face an added option to mitigate losses via a ransom payment, both the equilibrium market size and the vendor’s profit under optimal pricing can actually increase in the ransom demand. »
« Profit can also increase in the scale of residual losses following a ransom payment (which reflect the trustworthiness of the ransomware operator). »
« The rapid proliferation of ransomware attack indicates the growing tendency of ransomware-as-a-service (RaaS) and the integration of hacking weapons. »
« In Android environment, our analysis reveals that likelihood of ransomware attacks can be reduced by paying a closer attention to permissions requested by the Android applications. »
Dernière analyse : 2026-07-14 · relancez pour intégrer les nouvelles études moissonnées.
62 piste(s) détectée(s) automatiquement à partir des assertions extraites. Non garanties par le comité ; à confirmer par un chercheur.
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais sur la population « 88 samples from 22 state-owned enterprises listed on bei between 2018 and 2021 » — case croisée inexplorée.
maturité 100% · 27 signal/aux · cybercrime victimization → 88 samples from 22 state-owned enterprises listed on bei between 2018 and 2021
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais par essai randomisé ni méta-analyse — niveau de preuve le plus élevé manquant.
« cybercrime victimization » est étudié, mais jamais sur la population « tertiary institution students in malaysian universities » — case croisée inexplorée.
maturité 100% · 27 signal/aux · cybercrime victimization → tertiary institution students in malaysian universities
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais sur la population « online fraud victims in australia who lost at least aud10,000 » — case croisée inexplorée.
maturité 100% · 27 signal/aux · cybercrime victimization → online fraud victims in australia who lost at least aud10,000
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais sur la population « 7 android m-banking apps in thailand » — case croisée inexplorée.
« cybercrime victimization » est étudié, mais jamais sur la population « participants from computer-science and non-computerscience backgrounds (n = 63) » — case croisée inexplorée.
maturité 100% · 27 signal/aux · cybercrime victimization → participants from computer-science and non-computerscience backgrounds (n = 63)
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais sur la population « uk firms investigated by the financial reporting council » — case croisée inexplorée.
maturité 100% · 27 signal/aux · cybercrime victimization → uk firms investigated by the financial reporting council
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais sur la population « manufacturing companies listed in indonesia stock exchange (idx) 2010-2012 » — case croisée inexplorée.
maturité 100% · 27 signal/aux · cybercrime victimization → manufacturing companies listed in indonesia stock exchange (idx) 2010-2012
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais sur la population « police officers and civilian staff in scotland » — case croisée inexplorée.
maturité 100% · 27 signal/aux · cybercrime victimization → police officers and civilian staff in scotland
▦ Case creuse• · non vérifiée ailleurs
« cybercrime victimization » est étudié, mais jamais sur la population « 31 survivors of intimate partner violence » — case croisée inexplorée.
« social engineering » et « detection » sont chacun étudiés et reliés indirectement (via « cyberattacks »), mais aucune étude ne teste directement « social engineering → detection ». Chaînon manquant plausible (Swanson).
« gender » et « low self control » sont chacun étudiés et reliés indirectement (via « cybercrime »), mais aucune étude ne teste directement « gender → low self control ». Chaînon manquant plausible (Swanson).
« social engineering » et « data breaches » sont chacun étudiés et reliés indirectement (via « cyberattacks »), mais aucune étude ne teste directement « social engineering → data breaches ». Chaînon manquant plausible (Swanson).
maturité 15% · 1 signal/aux · social engineering → cyberattacks → data breaches
🔗 Chaînon manquant• · non vérifiée ailleurs
« artificial intelligence » et « accounting data protection » sont chacun étudiés et reliés indirectement (via « regulatory compliance »), mais aucune étude ne teste directement « artificial intelligence → accounting data protection ». Chaînon manquant plausible (Swanson).
« social engineering » et « victimization » sont chacun étudiés et reliés indirectement (via « cybercrimes »), mais aucune étude ne teste directement « social engineering → victimization ». Chaînon manquant plausible (Swanson).
« cybercrime » et « delinquency » sont chacun étudiés et reliés indirectement (via « low self control »), mais aucune étude ne teste directement « cybercrime → delinquency ». Chaînon manquant plausible (Swanson).
« age » et « cybervictimization » sont chacun étudiés et reliés indirectement (via « cyberbullying »), mais aucune étude ne teste directement « age → cybervictimization ». Chaînon manquant plausible (Swanson).
« social engineering » et « reporting behavior » sont chacun étudiés et reliés indirectement (via « cybercrimes »), mais aucune étude ne teste directement « social engineering → reporting behavior ». Chaînon manquant plausible (Swanson).
« blockchain » et « accounting data protection » sont chacun étudiés et reliés indirectement (via « regulatory compliance »), mais aucune étude ne teste directement « blockchain → accounting data protection ». Chaînon manquant plausible (Swanson).
« cyber bullying » et « digital security skills » sont chacun étudiés et reliés indirectement (via « gender »), mais aucune étude ne teste directement « cyber bullying → digital security skills ». Chaînon manquant plausible (Swanson).
« age » et « detection accuracy » sont chacun étudiés et reliés indirectement (via « cyberbullying »), mais aucune étude ne teste directement « age → detection accuracy ». Chaînon manquant plausible (Swanson).
