Capítulo 41 — Fatores humanos e política cibernética: otimização do sistema
Mapa da aula
Aula 41 publicada. Mapa, exemplo, EX121.
flowchart TD
N0["41.1 Um orçamento fixo"]
N1["41.2 Benefício marginal"]
N2["Laboratório — Seleção gulosa de investimentos dentro"]
N3["41.3 Visão do sistema como um todo"]
N4["Síntese"]
N0 --> N1 --> N2 --> N3 --> N4
N4 --> EX["Exemplo resolvido"]
EX --> Q["Exercício EX121"]
Desenho lógico
flowchart LR
N0["41.1 Um orçamento fixo"]
N1["41.2 Benefício marginal"]
N2["Laboratório — Seleção gulosa de investimentos dentro"]
N3["41.3 Visão do sistema como um todo"]
N4["Síntese"]
N0 --> N1 --> N2 --> N3 --> N4 --> Q["EX121"]
[41.1 Um orçamento fixo]
|
v
[41.2 Benefício marginal]
|
v
[Laboratório — Seleção gulosa de investimentos dentro]
|
v
[41.3 Visão do sistema como um todo]
|
v
[Síntese]
|
v
[Exemplo resolvido] --> [Exercício EX121]
Objetivos de aprendizagem
Você vai (1) otimizar o programa com um orçamento fixo; (2) comparar os benefícios marginais dos investimentos; (3) evitar otimizar uma única medida em detrimento do todo.
41.1 Um orçamento fixo
O conselho da Greyford concede ao programa um orçamento fixo para o próximo ano e pergunta a Aiko como gastá-lo para obter a maior redução de risco. As opções incluem mais simulações, um segundo analista de triagem, chaves de segurança para o pessoal do setor financeiro e da sala de controle, uma filtragem de e-mail melhor e mais conteúdo de reciclagem. Cada opção tem um custo e um efeito estimado sobre as perdas esperadas. Otimizar, aqui, significa escolher a combinação que traz o maior benefício dentro do orçamento, respeitando restrições como o ônus para os funcionários e as regras éticas das simulações.
41.2 Benefício marginal
O laboratório ordena as opções pela redução estimada de perdas por unidade de custo e as seleciona de forma gulosa até o orçamento acabar. As chaves de segurança para o pessoal do setor financeiro e da sala de controle dão o maior benefício por unidade de custo, porque eliminam o risco de roubo de credenciais nas funções mais visadas. Mais simulações dão o menor benefício por unidade de custo, já que o programa as realiza mensalmente. Aiko apresenta o resultado como orientação, e não como resposta precisa, porque as estimativas de efeito vêm de julgamento informado pelas evidências da avaliação.
Laboratório — Seleção gulosa de investimentos dentro de um orçamento
# Greedy selection of programme investments by benefit per cost under a budget of 100 units (synthetic).
opts = [("security keys", 40, 120), ("filtering", 30, 60), ("peak analyst", 25, 45), ("refresher content", 15, 18), ("more simulations", 20, 10)]
budget = 100; spent = 0; chosen = []
for name, cost, benefit in sorted(opts, key=lambda o: o[2] / o[1], reverse=True):
print(f"{name}: benefit/cost {benefit / cost:.2f}")
if spent + cost <= budget: chosen.append(name); spent += cost
print("chosen:", chosen, "spent:", spent)
Execute com python3 lab_budget.py. Saída verificada:
security keys: benefit/cost 3.00
filtering: benefit/cost 2.00
peak analyst: benefit/cost 1.80
refresher content: benefit/cost 1.20
more simulations: benefit/cost 0.50
chosen: ['security keys', 'filtering', 'peak analyst'] spent: 95
41.3 Visão do sistema como um todo
Aiko alerta contra a otimização de uma única medida. Gastar tudo para reduzir as taxas de clique nas simulações poderia produzir um bom gráfico, mas pouca redução nas perdas reais. Herley (2009) argumentou que os conselhos de segurança muitas vezes custam aos usuários mais esforço do que o dano que evitam, e a otimização deve contar o esforço dos funcionários como um custo real. Por isso, ela inclui as horas estimadas de trabalho dos funcionários em cada opção. O plano final compra chaves de segurança, um segundo analista nos horários de pico e melhorias na filtragem, e mantém as simulações no nível mensal atual.
Exemplo resolvido
Aiko ordena os investimentos por benefício por custo dentro de um orçamento fixo, inclui o esforço dos funcionários como custo e seleciona chaves, um analista e filtragem.
Caso sintético. Os custos e efeitos são sintéticos; Herley (2009) é real.
Erros e limites
As estimativas de efeito são incertas. A seleção gulosa nem sempre é ótima.
Exercícios
- EX121 — Melhor relação. Que opção teve o maior benefício por custo? Rubrica: 3 = chaves de segurança para as funções visadas;; 2 = chaves;; 1 = simulações;; 0 = nenhuma.
- EX122 — Seleção no laboratório. O que o laboratório selecionou dentro do orçamento? Rubrica: 3 = chaves, filtragem e analista de pico por 95 de 100 unidades;; 2 = três;; 1 = vago;; 0 = nenhuma.
- EX123 — O argumento de Herley. Que custo Aiko incluiu seguindo Herley (2009)? Rubrica: 3 = o esforço dos funcionários;; 2 = esforço;; 1 = só dinheiro;; 0 = nenhuma.
Síntese
A otimização pesa o benefício por custo, contabiliza o esforço da equipe e serve às perdas reais, e não a medidas isoladas.
Continue estudando — aula 41 (capítulo 41 de 50)
← Capítulo 40 · Índice das aulas · Capítulo 42 →
Continue para a próxima aula já escrita.