VALUTAZIONE DEL RISCHIO INFORMATICO NELLE SUPPLY CHAIN

This thesis examines the inadequacies of traditional cyber risk assessment methods in supply chains, which struggle with the demands of modern, intercon-nected environments and raise substantial privacy concerns due to the extensive data sharing required. It evaluates alternative strategies, including federated learn-ing, to address these challenges. The analysis reveals that while traditional methods are limited in dynamic contexts, innovative approaches like federated learning offer significant improvements in protecting data privacy and enhancing the accuracy of threat models. The research suggests a shift towards these new methodologies, em-phasizing their potential to enhance cybersecurity measures across supply chains without compromising sensitive information.

Questa tesi esamina le inadeguatezze dei tradizionali metodi di valutazione del rischio informatico nelle catene di approvvigionamento, che faticano a far fronte alle esigenze dei moderni ambienti interconnessi e sollevano sostanziali problemi di privacy a causa dell'ampia condivisione di dati richiesta. Vengono valutate strategie alternative, tra cui l'apprendimento federato, per affrontare queste sfide. L'analisi rivela che, mentre i metodi tradizionali sono limitati in contesti dinamici, approcci innovativi come l'apprendimento federato offrono miglioramenti significativi nella protezione della privacy dei dati e nell'aumento dell'accuratezza dei modelli di minaccia. La ricerca suggerisce un passaggio a queste nuove metodologie, sottolineando il loro potenziale nel migliorare le misure di cybersicurezza nelle catene di approvvigionamento senza compromettere le informazioni sensibili.