Ansichten:

 

 

Knowledgebase

Statistik

Hier finden Sie detaillierte Informationen zur Statistik der User. (Verhalten der Reporte in Bezug auf Zeitspanne und Klassifizierung)

Beispiel:

Das beschriebene Beispiel beruht auf folgender Tabelle.
 AttackEmailsUsersOk%Only link%Wrong behavior%
          
5 Monateall95574782.50%814.00%23.50%
          
Juliall14131076.90%323.10%00.00%
Augustall22181794.50%15.50%00.00%
Septemberall19171588.20%211.80%00.00%
Oktoberall16151280.00%16.70%213.30%
Novemberall24232087.00%313.00%00.00%
Mittelwert    85.32% 12.02% 2.66%
Jede Zeile dieser Tabelle kann auf die gleiche Weise interpretiert werden, hier je ein Beispiel für 5 Monate und für den Monat August:
  • 5 Monate: 57 Personen haben Simulationen erhalten, davon haben sich 47 (82.50%) OK verhalten.
  • August: 18 Personen haben Simulationen erhalten, davon haben sich 17 (94,50%) OK verhalten.
Somit kann jede Zeile gleich interpretiert werden, egal welcher Intervall gesetzt ist. Auch die Prozentwerte werden identisch berechnet, egal über welches Zeitintervall.
Dennoch entspricht der Gesamtdurchschnitt (Durchschnitt “5 Monate”) nicht der Summe der Durchschnitte der Teilintervalle. Dies hat den folgenden Grund, den wir anhand eines Beispiels erläutern möchten:
  1. Person A erhält am 10. August eine Simulation und löscht die E-Mail direkt → OK.
  2. Person B erhält am 11. August eine Simulation und löscht die E-Mail direkt → OK.
  3. Person A erhält am 10. September eine Simulation und löscht die E-Mail direkt → OK.
  4. Person C erhält am 11. September eine Simulation und löscht die E-Mail direkt → OK.
In der monatlichen Auswertung erscheint die Person A jeweils im August und im September, da je eine Simulation verschickt wurde.
  • August: Users 2 - OK 2
  • September: User 2 - OK 2
Über die gesamte Zeitspanne ergibt sich aber folgende Statistik:
  • 2 Monate: Users 3 - OK 3
Die Statistik weist immer die Summe der einzigartigen/unterschiedlichen User aus, egal welcher Intervall gewählt wird. Erhält eine Person mehrere Simulationen die sich über unterschiedliche Auswertungsintervalle verteilen, können die Prozentwerte nicht verglichen werden, da die Basis (Summe der User) nicht identisch ist.
Dies ist in deiner Auswertung auch an den Zahlen unter “Users” zu erkennen:
  • Fünf Monate: 57 Users
  • Monatlich: 13 + 18 + 17 + 15 + 23 = 86 Users
In welcher Kategorie erscheint nun ein User bei einer Auswertung über mehrere Monate?
  1. Person A erhält am 10. August eine Simulation und klickt auf den Link. → Only Link.
  2. Person B erhält am 11. August eine Simulation und löscht die E-Mail direkt → OK.
  3. Person A erhält am 10. September eine Simulation und löscht die E-Mail direkt → OK.
  4. Person C erhält am 11. September eine Simulation und gibt Daten ein. → Wrong behaviour.
Person A erscheint in diesem Beispiel (August: Only link, September: OK) unter “Only link”. Alle User fallen immer in die schlechteste Kategorie über die gewählte Zeitspanne.
  • August: Users 2 - OK: 1, Only link: 1
  • September: User 2 - OK: 1, Wrong behaviour: 1
Über die gesamte Zeitspanne ergibt sich dann folgende Statistik. Auch hier wird Person A der in ihrem Fall schlechtesten Kategorie “Only link” zugeordnet.
  • 2 Monate: Users 3 - OK: 1, Only link: 1, Wrong behaviour: 1
Was, wenn Person A in einem Monat mehrere Mails erhält?
Wenn nun Person A in einem Monat mehrere Simulationen erhält, wird das Verhalten ebenfalls wie oben beschrieben ermittelt. Der User wird jeweils der schlechtesten Kategorie zugeordnet die in der Zeitspanne aufgetreten ist:
  • Person A erhält im August 5 Simulationen, verhält sich in 4 OK, klickt aber in einer Simulation auf den Link → Der User fällt für diesen Monat in die Kategorie “Only link”.
  • Person A erhält im September 5 Simulationen, verhält sich in 4 OK, gibt aber auf einer Phishing-Seite Zugangsdaten ein → Der User fällt für diesen Monat in die Kategorie “Wrong behaviour”.
  • Person A erhält im November 5 Simulationen, verhält sich in allen 5 OK → Der User fällt für diesen Monat in die Kategorie OK.
Und je nachdem wie die Auswertungsperiode gesetzt wird, fällt Person A in die entsprechenden Kategorien:
  • August + September → User ist in “Wrong behaviour”.
  • September + November → User ist in “Wrong behaviour”.
Fazit
Die Auswertung ist hart. Aber egal wie oft sich ein User perfekt/OK verhalten hat, der Schaden kommt von dem einen mal, wenn dies nicht der Fall war. Unsere Reporte ordnen daher jeden User über eine definierte Auswertungsperiode immer der schlechtesten Kategorie zu.
Keywords: Phishing-Service, aware.advact.ch, Awarenessportal, Statistiken