网络个人信息安全的保险定制及其营销模式

陈婉莹 卢可童 陈铭钺 魏境铎 张树森 刘华

[摘要]网络在带来便捷的同时也带来了风险，这些风险给个体的经营和声誉带来的直接和间接影响不可忽视，所以对网络信息安全的保险定制愈来愈显得十分重要。首先，文章在基于社会实际情况的数据下采用主成分分析法，确定四种主要网络泄露途径。其次采用短期聚合风险模型进行保费的厘定，在此基础上选取四个主要网络泄漏途径进行计算以及分析，并建立每个主要网络泄漏途径的不同梯度给付模型。模型最后还考虑了建立综合型项目以满足需求的多样性。最后，通过分析数据和模型评价，对研究进行全面的总结。

[关键词]  网络个人信息安全;主成分分析法;短期聚合风险;梯度给付模型

1  引言

随着近几年网络技术的高速发展，网络已变得无处不在。然而，技术的发展就像是把双刃剑，网络在带来便捷的同时也带来了难以抵御的风险，这从此前几起电商巨头因为网络引发的风险案例就不难看出。因为光纤被挖断、员工误操作、黑客攻击等原因，网络安全事故层出不穷，这些风险给企业经营和声誉带来的直接和间接影响不可忽视。越来越多的企业开始在如何避免和转移网络风险方面“下功夫”，网络风险保险也在这个时候应运而生。

目前，中国网民人数超过7亿，互联网普及率超过世界平均水平;网购消费者数量超过 1.3亿，这表明中国已经进入互联网时代，已经适应网上购物，并且网购群体是保险意识最强、保险资源最为丰富的人群。保险业可以充分利用网络，将潜在的保险需求转换为真实的保险消费。而对于这群具有消費力潜能的人群，规避个人信息泄漏风险十分重要。

就在二零一六年双十二前夕，有媒体爆最近黑市上流通着12G疑似京东的数据包。黑市买卖双方皆称，“这些数据来自京东。” 数据包里的信息包括用户名、密码、邮箱、QQ号、电话号码、身份证等等，数据多达数千万条。而且一些地下渠道，已经开始对数据进行明码标价交易，价格从“10万到70万”不等。京东于2016年12月11日发出公告，回应称“那是2013年的事”。

因此如果网络风险一旦发生，它损害的对象是广泛的，除了物质财产的直接损失，因知识产权、电子数据、资料、企业或个人信誉等遭受的侵害，将会成为企业日益关切的问题。所以对网络信息安全的保险定制愈来愈显得十分重要。

2  数据分析

2.1 数据特征量化

本项目小组于2018年7月-8月对关于个人网络信息安全进行了数据调查与整理，首先对数据进行初步分析，对数据特征量化，结果从年龄上看，19-25岁及45岁以上人群对个人信息安全的重视度较高，26-45岁人群对个人信息安全的重视度一般;而职业上，服务从业人员对个人信息安全重视度最为重视;并得到人均信息安全意识指数为69.19分，现阶段大众人群对信息安全的意识仍较弱。

2.2 主成分分析模型

本次一共发放了2000份调查问卷，实际收回1967份调查问卷，经过筛选得出有效调查问卷为1935份。基于调查到的数据，对数据进行进一步的深入挖掘，运用sas软件进行数据分析，设立十一项指标。通过这十一项指标数据，建立主成分分析模型，通过模型运算，结果如下：

相关系数矩阵的特征值即各主成分的方差，可以看出，第一主成分对方差的贡献率为90.88%，第二主成分对方差的贡献率为7.58%，第三主成分对方差的贡献率为1.15%，第四主成分的贡献率为0.3%。前两个主成分的累积贡献率达到98.46，因此我们选取前两个主成分来概括数据。

从特征向量表可见，第一主成分中除了x10外，其他变量的正系数都相差无几，可以说明第一主成分是除木马病毒外对所有指标的一个综合测度;第二主成分中x9、x10、x8、x6都具有正系数，x2则具有较大的负系数。因此，可以把第一主成分看成是由大型网站和社交网络交替影响的泄漏途径的综合指标;而第二主成分中，木马病毒入侵和网上抽奖两个途径所占比重较大，公共wifi及二维码虽然占比较小，但作为新兴科技，其所占比例近年来逐步上升，与手机息息相关，因此把第二主成分看成是由木马病毒入侵、公共WIFI及二维码导致信息泄漏方式有关的影响指标。

最终结果，以社交网络、大型网络、木马入侵、公共wifi及二维码为信息泄漏的四个主要途径，进行下一步的保险定价。

3  保险定价

3.1 短期聚合风险模型

3.1.1 单个保单理赔总量

聚合风险模型是将保单组合视为一个整体，以发生理赔的保单为基本研究对象，理赔总量是按每次理赔发生的时间顺序将所有理赔量累加起来。

3.2 保费的厘定

3.2.1 纯保费

保费主要包括以下三个部分：

1.用于支付赔款的部分，即通常所说的纯保费。

2.用于支付费用的部分，如代理人佣金、管理费用、理赔费用、保费税等。

3.利润及风险附加部分。

纯保费（Pure Premiun）定义为每危险单位的平均损失。纯保费的计算公式为：

==

3.2.1 毛保费

纯保费法通过在纯保费上附加各种必要的费用和利润得到毛保费。用纯保费法厘定的毛保费不仅能够满足预期赔款和费用支出，而且能够提供预期的收益。

其中，R为每危险单位的毛保费;P为每危险单位的纯保费;E（F） 为固定费用;F为每危险单位的固定费用;V为可变费用因子;Q为利润因子。

案例分析

通过上述的数据分析我们将最主要的四个网络泄露途径进行分析，其中每一种泄露途径分为三种梯度的保额，投保人可按自己个人的情况选择自己所需的梯度进行投保。本文在进行实例分析时，很难找全进行实例分析所需的较为完整的数据，所以对下面实例分析的数据进行了合理的假设。（由于影响因素较多，数据可能存在一定的误差性，但并不影响读者对模型的使用）

（注：以下所有情况假设理赔次数服从均值为0.6的泊松分布，V=0.15，Q=0.05，F= 0.01b ，μ=2，σ=4.08，α=80%，单位：元）

4  研究结论

本文以“网络‘个人信息安全的保险定制及其营销模式”为主题，分析了信息泄露的基本情况、原因及影响，并提出推行网络个人信息安全保险的可行性与必要性。

主要研究了网络个人信息安全保险相关的问题，主要的研究成果有以下几个方面。

（1）本文通过问卷调查调查网民泄露个人信息的途径，然后运用sas软件对数据进行主成分分析，得出中国网民个人信息安全泄露的4个主要途徑：社交网络、大型网络、木马入侵、公共wifi及二维码。

（2）网络个人信息安全保险保费的计算运用财产险纯保费方法以及短期聚合风险模型对个网络个人信息安全保险产品定价进行研究，对4种主要泄露途径设定了三级的梯度保额，消费者可以根据实际情况和自身需求在3级保额之间选择保险产品，以达到购买者的效应最大化。

（3）本文通过分析该互联网保险业务其渠道、险种、管理模式的创新优势，成本低、效率高、覆盖广的业务特点，进而得出该保险的优势。

参考文献

[1] Stuart A.Klugman ，Harry H.Panjer ，Gordon E.Willmot著. 损失模型：从数据到决策（第二版）.吴岚 译[M].北京：人民邮电出版社，2009：90-105.

[2] 肖争艳.精算模型[M].北京：中国人民大学出版社，2013：19-95.

[3] 卓志，李恒琦，陈滔，张运刚.保险精算通论[M].四川：西南财经大学出版社，2006：203-206.

[4] 孟生旺，刘乐平.非寿险精算 [M].北京：中国人民大学出版社，2007：46-66.

[5] 韩天雄.非寿险精算 [M].北京：中国财政经济出版社，2013：26-87.

[6] 陶然 ， 高峰 . 计算机网络信息安全问题[J]. 数码世界 ，2018（05）.

[7] 魏健烨 . 大数据时代下计算机网络信息安问题分析[J].电脑知识与技术，2018（09）.

[8] 任 杰 .浅析大数据时代背景下计算机网络信息安全 [J].电脑知识与技术，2018，14（36）：9-10.

[作者简介]陈婉莹（1997—），女，汉族，广东广州人，就读于五邑大学数学与计算科学学院，研究方向：精算数学。